[发明专利]基于羰基硫与日光诱导叶绿素荧光的水碳通量优化方法

权利要求书

1.基于羰基硫与日光诱导叶绿素荧光的水碳通量优化方法，其特征在于，包括以下步骤：

S1基于先验模型参数和初始条件运行BEPS模型，以获得先验模拟变量；所述初始条件包括气象数据、边界条件、叶面积指数数据；

S2采用四维变分算法将观测数据与先验模拟数据进行数据同化，获取优化后的模型参数；所述观测数据包括观测COS数据、观测SIF数据，所述先验模拟数据包括步骤S1获得的先验模拟变量中的先验COS数据、先验SIF数据；

S3利用优化后的模型参数，在初始条件下重新驱动BEPS模型运行，得到优化后的包含水碳通量相关变量在内的模拟数据。

2.如权利要求1所述的基于羰基硫与日光诱导叶绿素荧光的水碳通量优化方法，其特征在于，所述步骤S2中在所述先验数据与观测数据的基础上，通过四维变分算法计算代价函数：

其中，M和O分别代表模拟数据与观测数据，x和x₀分别代表控制参数向量与先验控制参数向量，C代表观测数据与模型参数的误差协方差矩阵；J(x)代表控制参数向量为x时对应的代价函数。

3.如权利要求2所述的基于羰基硫与日光诱导叶绿素荧光的水碳通量优化方法，其特征在于，基于梯度的优化算法被用于求解使得所述代价函数最小的控制参数向量，所述梯度的优化算法通过伴随模型进行后向运算实现，利用经典差分算法来进行梯度的计算，从而确定控制参数的调节方向，并迭代求解优化后的参数向量；公式如下：

其中，代表代价函数对控制参数向量中第i个模型参数的偏导数；J代表代价函数；x_i代表控制参数向量中第i个模型参数；ε代表差分步长。

4.如权利要求1～3中任意一项所述的基于羰基硫与日光诱导叶绿素荧光的水碳通量优化方法，其特征在于，所述步骤S1中BEPS模型的模拟变量包括：

COS通量，所述COS通量指植被和土壤通量之和，单位：μmol/m²/s；

蒸发速率，单位：m/s；

光合有效辐射吸收比率；

生态系统总初级生产力，单位：kg/m²/s；

潜热通量，单位：W/m²；

生态系统净初级生产力，单位：kg/m²/s；

显热通量，单位：W/m²；

SIF，单位：mW/²//sr；

土壤水分，单位：m³/³；

蒸腾速率，单位：m/s；和

植被光学厚度。

5.如权利要求1～3中任意一项所述的基于羰基硫与日光诱导叶绿素荧光的水碳通量优化方法，其特征在于，所述步骤S1和S3中的BEPS模型共考虑了10种植被功能类型及11种土壤质地；其中所述植被功能类型分别为常绿针叶林、落叶针叶林、落叶阔叶林、常绿阔叶林、混交林、灌木、草地、农田、C4草地及C4农田；所述土壤质地分别为砂土、壤质砂土、砂质壤土、壤土、粉壤土、砂质黏壤土、黏壤土、粉质黏壤土、砂质黏土、粉质黏土及黏土。

6.如权利要求1～3中任意一项所述的基于羰基硫与日光诱导叶绿素荧光的水碳通量优化方法，其特征在于，所述步骤S1中气象数据包括温度、降水、短波辐射、相对湿度、风速。

7.如权利要求1～3中任意一项所述的基于羰基硫与日光诱导叶绿素荧光的水碳通量优化方法，其特征在于，所述步骤S1中气象数据来源于FLUXNET。

8.如权利要求1～3中任意一项所述的基于羰基硫与日光诱导叶绿素荧光的水碳通量优化方法，其特征在于，所述步骤S1中边界条件包括地表数据、历史LAI与NPP数据，以及土壤碳库数据。

9.如权利要求1～3中任意一项所述的基于羰基硫与日光诱导叶绿素荧光的水碳通量优化方法，其特征在于，所述步骤S1中，先验模型参数如下表：

10.如权利要求1～3中任意一项所述的基于羰基硫与日光诱导叶绿素荧光的水碳通量优化方法，其特征在于，所述步骤S2中观测COS数据通过涡度相关法测量得到；所述步骤S2中观测SIF数据采用基于JJ算法反演的GOME-2降尺度SIF数据。