碳中和数据中心孙庆龄团队发展草地物候预测模型，助力草地物候模拟和碳汇估算研究
草地生态系统是地球上仅次于森林生态系统的第二大陆地生态系统，我国草地面积约占国土总面积的41.7%，是我国陆地上面积最大的生态系统。目前，草地碳汇估算还存在较大的不确定性，其中物候模拟不准确是产生不确定性的一个重要原因。相比森林或木本植物，针对草本植物或草地植被提出的物候模型较少，已有模型主要分为两类：一类是统计模型，这类模型多基于物候期与气候因子的统计回归关系建立，机理性和普适性较差，在时间和空间上难以外推；另一类是用于单一物种、适用范围小的过程模型，这类模型虽然机理性较强，但多在物种尺度上应用，难以准确模拟大面积分布、复杂群落类型的草地植被物候。
为了解决这一难题，碳中和数据中心陈修治教授和孙庆龄副教授研究团队首先利用传统统计分析方法（相关分析、偏最小二乘回归等）和机器学习算法（随机森林和支持向量机）阐明了草地物候变化的主要驱动因素，然后在此基础上，构建了由多个气候因子驱动的半经验半机理性的草地物候预测模型AGSI模型。该模型是在Jolly等（2005）提出的植被生长季指数（Growing Season Index, GSI）的基础上发展的草地物候模拟和预测模型，简单易用，能够同时模拟得到草地植被的返青期和黄枯期，即生长季开始和结束日期。
AGSI指数反映了气候条件对于草地植被冠层发育的综合限制，由四个气候因子驱动，包括日最高气温（Tmax）、日最低气温（Tmin）、前一个月平均降水量（PA）和日长（Photo），这四个驱动因子通过数学变换转换为取值在0到1之间的限制因子，分别表示昼夜非对称增温、降水变化和光周期对于草地冠层发育的影响和限制。通过将多个限制因子连乘得到气候变化的综合影响，再通过滑动平均得到光滑的AGSI年内变化曲线，最后利用AGSI阈值识别草地返青和黄枯的日期，识别方法示意图如下图1所示。
该模型得到的AGSI曲线与MODIS和SPOT的NDVI曲线均具有较好的一致性，相关系数基本上都在0.8以上（p<0.001），表明该模型计算的AGSI能够反映草地植被冠层的年内季节变化。另外，利用四个地面站点冠层尺度的物候数据（通过物种尺度的物候观测数据升尺度得到）进行了模型参数化和验证，结果表明，该模型模拟的草地返青期和黄枯期与地面观测值的相关性较好，R²分别为0.75和0.69，RMSE分别为6.3天和6.6天。相比已有GSI模型，新发展的AGSI模型对于草地返青期和黄枯期模拟的误差，即RMSE，分别降低了15.8%–43.9%和6.0%–60.9%（图2）。
图1 AGSI模型识别草地春季返青期（leaf onset date, A点）和秋季
通过建立更加精准且能够用于大范围的草地物候预测模型，能够提高现有生态系统或地球系统模式对于草地植被生长季的模拟，有助力减小陆地植被生产力和碳收支估算的不确定性，并有利于更好地理解和应对气候变化对草地生态系统的影响，从而为草地管理和畜牧业发展提供模型和数据支撑及政策建议。
【文章链接】https://link.springer.com/article/10.1007/s11104-024-07152-1
https://academic.oup.com/jpe/article/18/2/rtaf009/7958349
【数据链接】https://data.tpdc.ac.cn/zh-hans/data/3151ac62-e1fc-45c3-8a34-9c7f169fefe2