中文摘要：

森林生态系统的再生长与增强生长能有效吸收大气中的温室气体CO2，从而降低人类活动所导致的全球变暖的速率，确定中国森林生态系统碳吸收（碳汇）量以及变化趋势具有重要的科学意义和社会经济价值。然而，受植被与土壤属性的空间异质性、观测数据的误差、过程模型的结构差异等因素的影响，建立在不同观测数据集基础上的碳循环模型所模拟的碳汇量及变化趋势还存在相当大的差异与不确定性。本项目将基于数据-模型融合技术，将遥感及地面观测数据库与碳循环过程模型库结合起来，建立中国森林生态系统碳循环数据-模型融合系统；在此平台上定量评估观测资料误差与短缺、模型结构及初始值差异、最优参数搜索算法等对参数估计值及概率分布的影响，进而评估观测数据与模型结构的不完备性所导致的关键参数估算的不确定性；最后利用集合模拟（Ensemble）方法系统评价不同的模型结构以及相应的参数值变化所造成的中国森林碳汇量模拟及预测值不确定性。

结论摘要：

基于数据-模型融合理论，建立了由观测数据、区域尺度碳循环过程模型、参数反演算法为核心的中国森林生态系统碳循环数据-模型融合系统，在此基础上反演了模型中的关键参数，并评价了参数反演的可识别性、可约束性和等效性；反演和评价了生态系统植被、土壤、凋落物等初始碳库的空间分布格局及不确定性；分析了观测资料误差与短缺、模型初始值差异等对参数估计值及分布的影响；反演了中国林龄的空间格局，并分析了林龄对模型参数反演及生态系统碳汇模拟的影响；基于数据-模型融合与空间降尺度等方法估算了中国森林碳汇及其不确定性；探讨了太阳辐射变化、极端气候事件等气候变化对生态系统生产力与碳汇的可能影响。主要研究结果包括（1）在站点观测、遥感与GIS数据、以及过程模型的支撑下，与森林碳汇密切相关的22个模型参数中共有17个参数能够被有效反演；（2）生态系统植被、土壤、凋落物等初始碳库的空间分布显著影响模型模拟的碳汇量。数据-模型融合不仅能反演这些碳库的空间分布，而且能估算其不确定性大小；（3）观测信息的有效性、空间分布的合理性、以及误差大小，都潜在影响着过程模型中关键参数的反演和森林碳汇的模拟；（4）森林碳汇的大小与潜力不仅依赖于NPP的大小，而且与NPP在不同植物器官的分配比例有关，不同林龄的森林在NPP分配参数上存在明显差异，从而影响森林碳汇的模拟；（5）在数据-模型融合的基础上，模拟了中国森林生态系统的碳汇量及其不确定性，结果表明，中国五种森林类型的植被均具有碳汇功能，其平均碳汇强度为89.74 ± 0.16 gCm-2yr-1，每年总的碳汇量为117.2 ± 0.2 TgCyr-1；（6）研究结果表明，森林土壤碳汇的不确定性最大。中国大多数森林类型的土壤具有净碳汇功能，只有常绿针叶林土壤表现为碳源。中国森林土壤的平均碳汇强度为14.1 ± 3.9 gCm-2yr-1，占生态系统总碳汇（108.5 ± 5.1 gCm-2yr-1）的13.0%。中国森林的凋落物碳汇强度为4.7 gCm-2yr-1，与世界其他地区的值（介于4.1 ～7.0 gCm-2yr-1）接近。土壤与凋落物碳库的碳汇之和占生态系统总碳汇的17.3%。（7）人源气溶胶所导致的辐射变化，以及极端气候事件不仅影响EVI等植被指数，而且影响生态系统的生产力和碳汇潜力。