刁一偉 黃建平 劉誠 崔健 劉壽東

1 耶魯大學(xué)—南京信息工程大學(xué)大氣環(huán)境中心，南京210044

2 南京信息工程大學(xué)中國(guó)氣象局氣溶膠—云—降水重點(diǎn)開放實(shí)驗(yàn)室，南京210044

3 南京信息工程大學(xué)江蘇省農(nóng)業(yè)氣象重點(diǎn)實(shí)驗(yàn)室，南京210044

1 引言

二氧化碳（CO2）是最重要的溫室氣體和氣候變化的主要驅(qū)動(dòng)因子之一。自工業(yè)革命以來，大氣中的CO2濃度不斷升高，其濃度已從工業(yè)前的280 ppm（ppm表示10-6）（Etheridge et al., 1996）上升至目前的 390 μmol mol-1（也常表示為ppm，1 μmol mol-1= 1 ppm）左右（Ballantyne et al., 2012）。工業(yè)活動(dòng)是大氣中CO2的主要來源，而生態(tài)系統(tǒng)和海洋可以有效清除大氣中CO2。當(dāng)人為排放源超過自然清除過程，必然導(dǎo)致大氣中CO2濃度不斷升高。受人為排放源、下墊面和天氣系統(tǒng)等因素的影響，大氣中CO2的時(shí)空分布極不均勻（Hansen et al., 2007;Raupach et al., 2007）。因此，估算植被—大氣碳通量交換，準(zhǔn)確模擬各種氣象過程對(duì)于揭示大氣CO2的時(shí)空分布，定量估算區(qū)域碳收支，和制定碳的控制減排措施具有重要的理論和實(shí)際意義。

大氣CO2濃度及其變化趨勢(shì)一直受到人們的極大關(guān)注（IPCC，2007）。國(guó)內(nèi)外科學(xué)家利用觀測(cè)（如地面觀測(cè)和衛(wèi)星遙感）及數(shù)值模擬等方法對(duì)大氣CO2的時(shí)空分布及其演變規(guī)律進(jìn)行了廣泛研究（Gurney et al., 2003; Crisp et al., 2004; NIES, 2006①NIES: GOSAT 2006. Greenhouse Gases Observing Satellite, Tsukuba, Japan.）。如WMO（World Meteorological Organization）開展的全球大氣觀測(cè)項(xiàng)目GAW（WMO’s Global Atmosphere Watch），對(duì)估算地—?dú)庀到y(tǒng)二氧化碳交換及連續(xù)監(jiān)測(cè)大氣CO2的增長(zhǎng)趨勢(shì)發(fā)揮了重要作用（Marquis and Tans, 2008）。由于觀測(cè)站點(diǎn)數(shù)目的限制，以及單個(gè)站點(diǎn)所代表的區(qū)域有限，僅靠單點(diǎn)觀測(cè)估算區(qū)域碳通量存在較大的不確定性（Gurney et al., 2003; Gerbig et al., 2006; Geels et al., 2007）。三維數(shù)值模式可以全面考慮各種人為源排放、植被吸收、邊界層湍流擴(kuò)散及輸送等過程，模擬大氣中CO2的時(shí)空演變及不同源的貢獻(xiàn)。過去，全球尺度大氣CO2模式發(fā)展較快，如TM3模式（The Chemistry Transport Model version 3；Houweling et al., 1998）、TM5模式（The Chemistry Transport Model version 5；Krol et al., 2005）、LMDZ模式（Laboratoire de Météorologie Dynamique；Hauglustaine et al., 2004）等。這些模式已被廣泛地應(yīng)用于全球碳收支估算、人類活動(dòng)對(duì)全球CO2時(shí)空分布影響的定量評(píng)估以及碳源/匯的反演（Peters et al., 2005; Chevallier et al.,2007; Lauvaux et al., 2008）。由于時(shí)空分辨率限制，全球模式不能準(zhǔn)確反映中小尺度天氣過程（如海陸風(fēng)和山谷風(fēng)）等對(duì)CO2時(shí)空分布的影響，其結(jié)果用于碳源匯反演時(shí)會(huì)造成較大誤差。近年來，Ahmadovetal.（2007）發(fā)展了一個(gè)中尺度大氣—植被耦合模式，用于模擬區(qū)域大氣CO2的時(shí)空分布，結(jié)果比全球模式如LMDZ和TM3等更符合觀測(cè)值（Ahmadov et al., 2009）。

作為碳排放大國(guó)，近年來我國(guó)在碳通量觀測(cè)研究方面取得了很大進(jìn)展。如 2002年建立的中國(guó)陸地生態(tài)系統(tǒng)通量觀測(cè)網(wǎng)（于貴瑞等，2011）極大地推動(dòng)了我國(guó)在CO2通量方面的研究。與此相比，我國(guó)在CO2的數(shù)值模擬研究方面明顯滯后，至今還沒有開展利用中尺度模式對(duì)CO2濃度的數(shù)值模擬研究。長(zhǎng)江三角洲地區(qū)是我國(guó)主要經(jīng)濟(jì)增長(zhǎng)區(qū)之一，其經(jīng)濟(jì)增長(zhǎng)速度及經(jīng)濟(jì)總量居國(guó)內(nèi)首位，對(duì)實(shí)現(xiàn)國(guó)家CO2排放強(qiáng)度（即單位國(guó)內(nèi)生產(chǎn)總值的CO2排放量）削減目標(biāo)至關(guān)重要。因此，利用中尺度數(shù)值模式研究該地區(qū)地氣CO2凈交換和大氣CO2濃度的時(shí)空分布顯得極為迫切。

本文將更新WRF-GHG（Weather Research andForecasting Model with Greenhouse Gases Module）模式中的氣象模式，即將WRF（3.3版本）與植被光合呼吸模型VPRM（Vegetation Photosynthesis and Respiration Model；Ahmadov，2007）相耦合，模擬長(zhǎng)江三角洲凈生態(tài)系統(tǒng)碳通量NEE（Net Ecosystem Exchange）及大氣CO2濃度的時(shí)空分布并評(píng)估現(xiàn)有WRF-GHG的模擬能力。同時(shí)討論各種人為源及植被光合呼吸等過程對(duì)該地區(qū)大氣CO2濃度時(shí)空分布的相對(duì)貢獻(xiàn)，以及湖陸風(fēng)等局地環(huán)流條件對(duì)太湖附近地區(qū)CO2濃度的影響。

2 模式介紹及資料獲取

2.1 WRF-GHG簡(jiǎn)介

WRF-GHG是由中尺度天氣研究與預(yù)報(bào)模式WRF與植被光合呼吸模型VPRM直接動(dòng)態(tài)耦合的大氣—溫室氣體模式（Beck et al., 2011）。它能直接計(jì)算陸地生態(tài)系統(tǒng)與大氣中之間溫室氣體如CO2和甲烷（CH4）等的相互交換，考慮大氣中的擴(kuò)散、輸送等過程對(duì)溫室氣體的影響，模擬和預(yù)報(bào)溫室氣體在時(shí)間和空間上的分布和演變。

WRF模式是20世紀(jì)90年代后期由美國(guó)國(guó)家大氣研究中心NCAR發(fā)展而來的中尺度天氣模式（Grell et al., 2005），已被廣泛應(yīng)用于大氣、海洋、環(huán)境等多個(gè)領(lǐng)域的研究和業(yè)務(wù)預(yù)報(bào)（Skamarock and Klemp, 2008）。WRF一方面提供給植被模型VPRM計(jì)算所需的氣象場(chǎng)，另一方面，利用VPRM提供的溫室氣體通量，計(jì)算溫室氣體的時(shí)空演變。

VPRM模型是一種陸地生態(tài)系統(tǒng)溫室氣體診斷模型。利用衛(wèi)星觀測(cè)資料反演得到地表水分指數(shù)LSWI、增強(qiáng)型植被指數(shù)EVI等參數(shù)，結(jié)合WRF輸出的2 m氣溫（Air Temperature at 2 m，簡(jiǎn)稱T2）和太陽短波輻射（Download Shortwave，簡(jiǎn)稱SWDOWN），估算生態(tài)系統(tǒng)凈交換NEE（Xiao et al.,2004; Mahadevan et al., 2008）。其計(jì)算公式如下：

其中，PAR0為光合有效輻射（PAR）的半飽和值；T為氣溫；λ為最大光能利用率；α和β分別代表與植被類型有關(guān)的經(jīng)驗(yàn)參數(shù)；Tscale、Pscale和Wscale分別代表與葉片溫度、葉面性狀和冠層含水量相關(guān)的特征量。方程（1）右邊的第一項(xiàng)代表總生態(tài)系統(tǒng)交換量（Gross Ecosystem Exchange，簡(jiǎn)稱GEE），其它兩項(xiàng)是植被呼吸通量R。方程（2）中的Tscale代表光合作用的溫度敏感性（Raich et al., 1991），Tmin、Tmax和Topt分別是光合作用的最低溫度、最高溫度和最適溫度（Aber and Federer, 1992; Raich et al.,1991）。當(dāng)大氣溫度低于光合作用的最低溫度時(shí)，Tscale的值為0。Pscale表示物候狀況對(duì)植被光合作用的影響，其值隨植物生長(zhǎng)期而變化。Wscale是土壤水分和（或者）飽和水汽壓差（VPD）的函數(shù)（Running et al., 2000），代表地表水分對(duì)植被光合作用的影響。

植被類型對(duì)于NEE的計(jì)算至關(guān)重要。本文采用Jung et al.（2006）開發(fā)的SynMAP資料，分辨率為1 km。植被類型分為8種，VPRM模型中不同植被類型參數(shù)設(shè)定如表1所示（Mahadevan et al., 2008）。

表1 VPRM各參數(shù)的設(shè)置（Mahadevan，2008）Table 1 Parameters, PAR0, λ, α, β, selected by different vegetation classes in VPRM (Mahadevan, 2008)

為了定量評(píng)估不同源對(duì)大氣CO2濃度的貢獻(xiàn)，WRF-GHG將CO2信號(hào)分成 5種（Ahmadov et al.,2007）：CO2總濃度（C1）；植被光合與呼吸引起的CO2濃度變化（C2）；人為排放引起的CO2濃度變化（C3）；生態(tài)系統(tǒng)生物質(zhì)燃燒引起的CO2濃度變化（C4）；全球背景CO2濃度（CB）。WRF-GHG能模擬大氣CO2時(shí)空變化，并定量評(píng)估各個(gè)信號(hào)量對(duì)大氣CO2總濃度變化的相對(duì)貢獻(xiàn)。

2.2 模式設(shè)置

為模擬區(qū)域尺度CO2的時(shí)空變化，采用三重嵌套模擬區(qū)域（圖1）。最外層模擬區(qū)域（d1）主要包括中國(guó)中部和東部地區(qū)，東西和南北格點(diǎn)為分別為80和60，水平格距為36 km；第二層（d2）包含華北平原南部和整個(gè)華東地區(qū)，格點(diǎn)為100×91，水平網(wǎng)格距為12 km；第三層區(qū)域(d3)則包括長(zhǎng)江三角洲地區(qū)，水平格點(diǎn)為121×100，格距為4 km。垂直方向有46層并采用不等距分層，其中第一層大約為15 m，模式頂高約50 hPa。

圖1 模擬區(qū)域及觀測(cè)點(diǎn)位置：（a）三層嵌套模擬區(qū)域；（b）最內(nèi)層模擬區(qū)域以及三個(gè)站點(diǎn)位置（NUIST為南京信息工程大學(xué)站點(diǎn)，DX為黨校站點(diǎn)，MLW為梅梁灣站點(diǎn)）Fig. 1 Simulation domains and observation sites: (a) The nested domains; (b) the innermost domain and the locations of three observational sites, NUIST: site of Nanjing University of Information Science and Technology, DX: site of Dang Xiao of Nanjing City, MLW: site of Mei Liang Wan of Taihu Lake

WRF模擬采用的物理過程參數(shù)化方案主要包括：RRTM長(zhǎng)波輻射方案（Iacono et al., 2008），Dudhia短波輻射方案（Dudhia, 1989），YSU邊界層參數(shù)方案（Hong et al., 2006），Noah LSM陸面參數(shù)方案（Chen and Dudhia, 2001），WSM3類簡(jiǎn)單冰微物理過程方案（Hong et al., 2004）、Kain-Fritsch積云參數(shù)化方案（第一和第二嵌套區(qū)域）（Kain, 2004）。

氣象場(chǎng)初始條件和邊界條件采用NCEP（National Centers for Environmental Prediction）第三代再分析產(chǎn)品CFSR（Climate Forecast System Reanalysis；http://rda.ucar.edu/datasets/ds093.0 [2010-07-31]），其水平分辨率為 0.5°×0.5°，時(shí)間間隔 6 h。各類CO2總濃度場(chǎng)（C1到CB）的初始條件和邊界條件采用CT2011（Carbon Tracker 2011）的全球輸出產(chǎn)品（Peters, 2007）。CT2011的空間分辨率為3°×2°，垂直分為34層，時(shí)間步長(zhǎng)為3 h。CT2011輸出場(chǎng)包括CO2總濃度、生物燃燒源濃度、化石燃料源濃度等。

本文模擬過程中人為排放源采用全球人為排放源的數(shù)據(jù)庫EDGAR（Emission Database for Global Atmospheric Research vension4.2），分辨率為0.1°×0.1°（http://edgar.jrc.ec.europa.eu [2011-11-01]）。植被對(duì)CO2的吸收和釋放由VPRM模式在線計(jì)算。由于沒有明顯的生物質(zhì)燃燒過程，本文在模擬過程中沒有考慮生物質(zhì)燃燒排放源的貢獻(xiàn)。

2.3 觀測(cè)資料

2010年7月28日至8月2日，分別在長(zhǎng)江三角洲三個(gè)不同地點(diǎn)使用渦動(dòng)相關(guān)系統(tǒng)對(duì)CO2通量、濃度、以及風(fēng)、溫、濕等進(jìn)行了同步觀測(cè)。站點(diǎn)位置如圖1所示，DX（32.04°N，118.79°E）位于南京市區(qū)的白下區(qū)市委黨校校園，觀測(cè)高度 33 m；NUIST（32.21°N，118.70°E）位于南京信息工程大學(xué)校園，觀測(cè)高度5 m，距離DX約22km；MLW（31.45°N，120.27°E）代表無錫太湖梅梁灣站，觀測(cè)高度3.54 m。DX站代表以居民區(qū)和商業(yè)區(qū)為主的城市下墊面；NUIST位于長(zhǎng)江以北，離DX約22公里，站點(diǎn)周圍1 km 內(nèi)以草地、農(nóng)田以及低矮的學(xué)校居民區(qū)為主；MLW周圍1 km內(nèi)以少量農(nóng)田、稀疏草地和大面積水體為主。

觀測(cè)儀器主要包括超聲風(fēng)速儀（CSAT3,Campbell），CO2/H2O 紅外分析儀（Li-7500, LiCor），Picarro G1301 CO2/CH4/H2O分析儀，氣溫表和濕度測(cè)量?jī)x（HMP45C, Vaisala）和四分量輻射儀（CNR1,Kipp & Zonen）。資料均經(jīng)質(zhì)量控制，包括野點(diǎn)剔除、坐標(biāo)旋轉(zhuǎn)、WPL修正（Webb et al., 1980）以及夜間靜穩(wěn)條件下的修正（van Dijk et al., 2004）等。

3 結(jié)果與討論

3.1 地面氣象要素

WRF-GHG從2010年7月26日00:00（北京時(shí)，下同）開始，一直模擬到2010年8月2日00:00。為減少CO2及各分量初始場(chǎng)的影響，7月26日和27日兩天的模擬值沒有參與模式結(jié)果評(píng)估和分析。圖2到圖4給出 了7月28日至8月2日三個(gè)站點(diǎn)模擬的2 m溫度（T2）、向下短波輻射（SWDOWN）和風(fēng)速風(fēng)向與觀測(cè)的對(duì)比。從圖可以看出，DX和NUIST兩個(gè)站點(diǎn)模擬的2 m氣溫和到達(dá)地表太陽短波輻射與實(shí)測(cè)吻合較好，但7月30日梅梁灣（MLW）站模擬的2 m氣溫比實(shí)際值明顯偏低。通過對(duì)WRF的模擬分析發(fā)現(xiàn)，WRF高估了該地區(qū)上空的總云量，使到達(dá)地面的向下短波輻射明顯低于觀測(cè)值，導(dǎo)致2 m氣溫的模擬值偏低。MLW站地處太湖沿岸，空氣中水汽含量大，給云的模擬帶來較大挑戰(zhàn)。另外，WRF模式?jīng)]有考慮土壤水分垂直遷移對(duì)土壤溫度的影響（代成穎，2009），也可導(dǎo)致模擬誤差。

圖2 2010年7月28日至8月2日期間（a）DX、（b）NUIST、（c）MLW三個(gè)站點(diǎn)的模擬和觀測(cè)的2 m氣溫（T2）對(duì)比。圓圈代表觀測(cè)值，實(shí)線為模擬值，下同F(xiàn)ig. 2 A comparison of simulated 2-m air temperature with observations at (a) DX, (b) NUIST, and (c) MLW, during the period from July 28 to August2,2010. Circle: observation, solid line: simulation, the same below

圖3 同圖2，但為向下短波輻射（SWDOWN）Fig. 3 Same as Fig. 2, but for downward shortwave radiation (SWDOWN)

統(tǒng)計(jì)計(jì)算表明，2 m 氣溫平均誤差（MBE）、均方根誤差（RMSE）和相關(guān)系數(shù)（R）分別為0.12～0.49°C、1.12～1.60°C 和 0.89～0.95。模擬的向下短波輻與觀測(cè)值相關(guān)系數(shù)為 0.89～0.93，平均偏差為0.29～33.36（W m-2）（表2）。另外，模擬的風(fēng)速和風(fēng)向，在時(shí)間變化上與觀測(cè)也吻合較好（圖4），但模擬的風(fēng)速平均誤差為 0.57～1.22 m s-1?？偟膩碚f，WRF模式能夠提供VPRM計(jì)算CO2所需要的各種氣象場(chǎng)。

3.2 不同下墊面的NEE模擬

圖5比較了MLW和NUIST兩個(gè)站點(diǎn)模擬與觀測(cè)的NEE值。NUIST點(diǎn)白天CO2為凈吸收，如28日午后NEE達(dá)-0.7 mg (CO2) m-2s-1，其它模擬日NEE約為-0.5～-0.6 mg (CO2) m-2s-1；夜間CO2轉(zhuǎn)為凈排放，其凈通量為0.2～0.3 mg (CO2) m-2s-1。VPRM較準(zhǔn)確地模擬了該站NEE日變化趨勢(shì)，但明顯低估了白天和夜間NEE峰值。 NEE的計(jì)算與VPRM 中最大光能利用率λ等參數(shù)的選擇密切相關(guān)?，F(xiàn)有VPRM中各參數(shù)是根據(jù)歐美地區(qū)觀測(cè)資料擬合所得。劉成等（2014）利用千煙洲碳通量等觀測(cè)資料擬合發(fā)現(xiàn)，對(duì)于針葉林，VPRM現(xiàn)有λ值可能比實(shí)際值偏小。本研究直接采用 VPRM 自帶參數(shù)，也是導(dǎo)致 NEE模擬偏差的主要原因之一。另外，植被光合呼吸過程受到生物和非生物過程的控制，如土壤異養(yǎng)呼吸排放的CO2等，然而VPRM模型僅考慮太陽短波輻射和溫度兩個(gè)因子的影響。因此，VPRM模型本身的不完善以及輸入氣象要素模擬的不準(zhǔn)確也可導(dǎo)致模式計(jì)算的NEE偏差（圖5a）。

圖4 2010年7月28日至2010年8月2日期間（a、d）DX、（b、e）NUIST、（c、f）MLW三個(gè)站點(diǎn)的模擬和觀測(cè)的風(fēng)速、風(fēng)向?qū)Ρ菷ig. 4 A comparison of simulated wind speed and wind direction with observations at (a, d) DX, (b, e) NUIST, and (c, f) MLW, during the period from July 28 to August 2, 2010

MLW站，南臨太湖，周圍水體覆蓋面積較大，植被少。如圖5b所示，7月28和29日VPRM明顯高估白天NEE，30到31日與白天NEE觀測(cè)峰值吻合地很好，而8月1日低估了NEE；夜間模式明顯高估NEE。白天，在太陽輻射的作用下，湖面大量浮游植物，通過光合作用吸收CO2，使得太湖成為CO2的匯，這種吸收為主導(dǎo)的情形一直能夠維持到夜間21h左右，通常在這之后間浮游植物的呼吸作用占主導(dǎo)，但在研究期間我們發(fā)現(xiàn)湖面在夜間也有CO2負(fù)通量現(xiàn)象，如7月30和7月31日夜間。過去李香華（2005）使用“靜態(tài)箱法”夜間在太湖MLW站觀測(cè)到類似現(xiàn)象，他們沒有給出合理解釋。最近，本研究小組所在的耶魯大學(xué)-南京信息工程大學(xué)大氣環(huán)境中心李旭輝等人認(rèn)為夜間水生大型藻類和浮游植物利用 CAM（Crassulacean AcidMetabolism）機(jī)制吸收CO2, 導(dǎo)致太湖湖面夜間CO2負(fù)通量（Lee et al., 2014）。

圖5 2010年7月28日至2010年8月2日期間（a）NUIST和（b）MLW站點(diǎn)模擬和觀測(cè)的凈生態(tài)系統(tǒng)碳通量對(duì)比Fig. 5 A comparison of simulated net ecosystem exchange flux (NEE) with observations at (a) DX, (b) MLW, during the period from July 28 to August 2, 2010

VPRM 白天高估 NEE，即高估了植被對(duì) CO2的吸收。由于MLW站處在太湖岸邊，周圍下墊面類型比較復(fù)雜，而本研究模擬的最里層模式格距為4 km，模擬過程中該站所在的整個(gè)模式格點(diǎn)均被當(dāng)作植被處理，導(dǎo)致該站點(diǎn)白天NEE被VPRM高估。MLW 夜間出現(xiàn)吸收的現(xiàn)象又導(dǎo)致模式高估了夜間的CO2通量。如要確保該格點(diǎn)僅代表陸地而沒有水體，唯一的方法是提高模式模擬的精度。但由于NEE觀測(cè)以及CO2人為污染源的限制，這是目前我們所能做到的模擬研究以及與觀測(cè)對(duì)比分析。今后應(yīng)通過改進(jìn)污染源，提高模式模擬精度，和完善觀測(cè)等方面加以改進(jìn)。此外，7月28日中午Tscale為0.82，隨著氣溫的升高Tscale逐漸下降，到8月1日中午降到0.59，導(dǎo)致8月1日中午處的最大凈碳吸收偏低。

觀測(cè)期間該站主要盛行偏東南和西南風(fēng)（圖4f），大部分通量信號(hào)來自湖面。這些都是造成VPRM在MLW站的模擬結(jié)果高于NEE觀測(cè)值的原因。另外，DX位于南京市區(qū)，植被覆蓋率低，其NEE結(jié)果本文沒有給出。

3.3 大氣CO2濃度

圖6給出了三個(gè)站點(diǎn)上大氣CO2濃度的時(shí)間序列。如圖所示，CO2呈明顯的日變化。日出后地表受太陽輻射作用，湍流混合強(qiáng)烈，同時(shí)植被光合作用增強(qiáng)，導(dǎo)致近地層大氣 CO2濃度不斷降低，于15:00左右達(dá)最低值；隨著光合作用和大氣湍流不斷減弱，近地層大氣CO2濃度逐漸升高。夜間，大氣邊界層趨于穩(wěn)定，大氣邊界層內(nèi)CO2不斷累積，其濃度不斷升高，并在日出前達(dá)到日極大值。WRF-GHG較準(zhǔn)確地模擬了CO2濃度的日變化和不同模擬日之間的變化趨勢(shì)。另外，DX位于南京市區(qū)，周圍植被覆蓋少，加上建筑較多，濃度較高。NUIST站點(diǎn)幾公里內(nèi)有熱電廠和化工園，受工業(yè)活動(dòng)影響劇烈，CO2濃度最高。而MLW站位于太湖沿岸，處于風(fēng)景區(qū)內(nèi)，植被較多，同時(shí)周圍人口及工廠較少，CO2濃度最低。表明局地人為排放源對(duì)大氣CO2濃度有著重要影響。WRF-GHG較好地模擬了CO2的這些時(shí)空演變特征，但夜間存在一定的高估，而白天存在一定的低估。模擬評(píng)估結(jié)果顯示，三個(gè)站點(diǎn)模擬的CO2濃度的平均偏差（MBE）分別為0.7 ppm、-15.2 ppm和-4.7 ppm，相關(guān)系數(shù)分別為0.62、0.63和0.67（見表2）。

另外，局地氣象條件如風(fēng)對(duì)大氣CO2濃度也有著重要影響。風(fēng)速大不利于近地層CO2的積累，導(dǎo)致其濃度偏低。如圖4所示，WRF模式對(duì)于風(fēng)的模擬還存在一定的難度，加上模式的風(fēng)速和風(fēng)向的輸出高度與實(shí)際觀測(cè)高度不一致。這些都可能導(dǎo)致CO2模擬偏差。

圖6 同圖2，但為大氣CO2濃度Fig. 6 Same as Fig. 2, but for CO2 concentrations

?

圖7給出2010年7月29日不同時(shí)間長(zhǎng)江三角洲地區(qū)WRF-GHG模擬的大氣CO2濃度和風(fēng)的空間分布演變圖?？梢钥闯?，模式能很好地模擬不同土地覆蓋類型CO2濃度的空間分布。比如浙江省北部山區(qū)受陸地生態(tài)系統(tǒng)控制CO2濃度偏低，而蘇南和上海市區(qū)人為排放源大，夜間CO2快速積累。一些主要排放源如上海金山、儀征工業(yè)區(qū)等排放源對(duì)局地大氣CO2濃度有著重要影響。太湖附近的城市如蘇州和無錫等，其大氣CO2同時(shí)還受湖陸風(fēng)的影響。白天湖風(fēng)可以向市區(qū)輸送低濃度CO2的空氣，夜間陸風(fēng)可將城區(qū)高濃度CO2輸送到太湖近地層，部分被湖體吸收。就整個(gè)研究區(qū)域而言，太湖等水體和浙江省北部陸地生態(tài)系統(tǒng)對(duì)區(qū)域碳循環(huán)有一定的調(diào)節(jié)作用，減緩區(qū)域大氣CO2濃度偏高。

圖7 2010 年7 月29 日模擬區(qū)域d03 上的CO2 濃度（單位：ppm）分布特征Fig. 7 Spatial variations in CO2 concentrations (units: ppm) over the inner domain at different simulation time on Jul 29, 2010

3.4 不同源對(duì)大氣CO2濃度的貢獻(xiàn)

為定量評(píng)估不同源對(duì)長(zhǎng)江三角洲地區(qū)CO2濃度的影響，圖8給出了NUIST站人為源和自然源對(duì)大氣CO2濃度的貢獻(xiàn)。如圖所示，CO2的背景場(chǎng)濃度為369 ppm，人為排放源的貢獻(xiàn)為40.4～70.6 ppm（平均值為44.1 ppm），植被呼吸對(duì)大氣CO2濃度的貢獻(xiàn)為0～64.5 ppm（平均值為7.8 ppm）。夜間，大氣CO2濃度主要受植被呼吸作用控制，但人為排放對(duì)CO2濃度的總量貢獻(xiàn)較大。

4 結(jié)論

本文利用中尺度大氣-溫室氣體耦合模型WRF-GHG對(duì)2010年7月28日至2010年8月2日期間影響長(zhǎng)江三角洲地區(qū)大氣CO2濃度及時(shí)空分布的各種過程進(jìn)行了詳盡模擬。通過與三個(gè)站點(diǎn)（DX、NUIST、MLW）的CO2通量和濃度觀測(cè)值對(duì)比，我們發(fā)現(xiàn)：

（1）植被光合呼吸模型 VPRM 計(jì)算的凈生態(tài)碳通量，對(duì) WRF-GHG模擬 CO2的日變化至關(guān)重要?，F(xiàn)有的VPRM能較準(zhǔn)確地模擬NEE的日變化趨勢(shì)，但低估了白天的NEE。利用我國(guó)現(xiàn)有通量網(wǎng)的觀測(cè)數(shù)據(jù)，優(yōu)化VRPM模式中各種植被類型所對(duì)應(yīng)的參數(shù)，改進(jìn)VPRM的NEE模擬將是今后工作的重點(diǎn)之一。

（2）WRF-GHG可較為準(zhǔn)確模擬長(zhǎng)江三角洲地區(qū)大氣CO2的時(shí)空變化特征。模式低估了大氣CO2濃度5～15 ppm，這與人為排放源的低估和VPRM的關(guān)鍵參數(shù)的不確定性密切相關(guān)。

（3）太湖和植被覆蓋較好的地區(qū)如浙江北部山區(qū)是該地區(qū)的主要碳匯，而城市為CO2的主要排放源。NUIST站的計(jì)算表明，人為源對(duì)大氣CO2濃度的貢獻(xiàn)為40～70 ppm。制定人為源減排措施，對(duì)于有效控制大氣CO2濃度極為重要。

（References）

Aber J D, Federer C A. 1992. A generalized, lumped-parameter model of photosynthesis, evapotranspiration, and net primary production in temperate and boreal forest ecosystems [J]. Oecologia, 92 (4): 463-474.

Ahmadov R, Gerbig C, Kretschmer R, et al. 2007. Mesoscale covariance of transport and CO2fluxes: Evidence from observations and simulations using the WRF-VPRM coupled atmosphere-biosphere model [J]. J.Geophys. Res.-Atmos, 112, D22107, doi:10.1029/2007JD008552.

Ahmadov R, Gerbig C, Kretschmer R, et al. 2009. Comparing high resolution WRF-VPRM simulations and two global CO2transport models with coastal tower measurements of CO2[J]. Biogeosciences, 6 (5):807-817, doi:10.5194/bg-6-807-2009.

Ballantyne A P, Alden C B, Miller J B, et al. 2012. Increase in observed net carbon dioxide uptake by land and oceans during the last 50 years [J].Nature, 488 (7409): 70-72.

Beck V, Koch T, Kretschmer R, et al. 2011. The WRF Greenhouse Gas Model (WRF-GHG) [R]. Technical Report No. 25, Max Planck Institute for Biogeochemistry, Jena, Germany.

Chen F, Dudhia J. 2001. Coupling an advanced land surface-hydrology model with the PENN State-NCAR MM5 modeling system. Part I: Model implementation and sensitivity [J]. Mon. Wea. Rev., 129: 569- 585.

Chevallier F, Bréon F M, Rayner P J. 2007. The contribution of the orbiting carbon observatory to the estimation of CO2sources and sinks:Theoretical study in a variational data assimilation framework [J]. J.Geophys. Res., 112, D09307, doi:10.1029/2006JD007375.

Crisp D, Atlas R M, Breon F M, et al. 2004. The Orbiting Carbon Observatory (OCO) mission [J]. Adv. Space Res., 34 (4): 700-709.

代成穎, 高志球, 王琳琳, 等. 2009. 兩種土壤溫度算法的對(duì)比分析 [J].大氣科學(xué), 33 (1): 135-144. Dai Chengying, GAO Zhiqiu, WANG Linlin, et al. 2009. Intercomparison between two soil temperaturealgorithms [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 33(1): 135-144.

Dudhia J. 1989. Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model [J]. J.Atmos. Sci., 46 (20): 3077-3107.

Etheridge D M, Steele L P, Langenfelds R L, et al. 1996. Natural and anthropogenic changes in atmospheric CO2over the last 1000 years from air in Antarctic ice and firn [J]. J. Geophys. Res., 101 (D2): 4115-4128.

Geels C, Gloor M, Ciais P, et al. 2007. Comparing atmospheric transport models for future regional inversions over Europe —Part 1: Mapping the atmospheric CO2signals [J]. Atmos. Chem. Phys, 7 (13): 3461-3479.

Gerbig C, Lin J C, Munger J W, et al. 2006. What can tracer observations in the continental boundary layer tell us about surface-atmosphere fluxes?[J]. Atmos. Chem. Phys., 6 (2): 539-554.

Grell G A, Peckham S E, McKeen S, et al. 2005. Fully coupled “online”chemistry within the WRF model [J]. Atmos. Environ., 39 (37):6957-6975.

Gurney K R, Law R M, Denning A S, et al. 2003. TransCom 3 CO2inversion intercomparison: 1. Annual mean control results and sensitivity to transport and prior flux information [J]. Tellus B, 55 (2): 555-579,

Hauglustaine D A, Hourdin F, Jourdain L, et al. 2004. Interactive chemistry in the Laboratoire de Météorologie Dynamique general circulation model:Description and background tropospheric chemistry evaluation [J]. J.Geophys. Res., 109, D04314, doi:10.1029/2003JD003957.

Hansen J, Sato M, Ruedy R, et al. 2007. Dangerous human-made interference with climate: A GISS model study [J]. Atmos. Chem. Phys.,7 (9): 2287-2312.

Hong S Y, Jimy D, Chen S H. 2004. A revised approach to ice microphysical processes for the bulk parameterization of clouds and precipitation [J].Mon. Wea. Rev., 132 (1): 103-120.

Hong S Y, Yign N, Jimy D. 2006. A new vertical diffusion package with an explicit treatment of entrainment processes [J]. Mon. Wea. Rev., 134 (9):2318-2341.

Houweling S, Dentener F J, Lelieveld J. 1998. The impact of non-methane hydrocarbon compounds on tropospheric photochemistry [J]. J. Geophys.Res., 103 (D9): 10673-10696.

Iacono M J, Delamere J S, Mlawer E J, et al. 2008. Radiative forcing by long-lived greenhouse gases: Calculations with the AER radiative transfer models [J]. J. Geophys. Res., 113, D13103, doi:10.1029/2008JD009944.

IPCC. 2007. Climate Change 2007: The Physical Science Basis [M].Solomon S, Qin D, Manning M, et al. Cambridge, UK and New York,USA: Cambridge University Press.

Jung M, Henkel K, Herold M, et al. 2006. Exploiting synergies of global land cover products for carbon cycle modeling [J]. Remote Sens.Environ., 101 (4): 534-553.

Kain J S. 2004. The Kain-Fritsch convective parameterization: An update [J].J. Appl. Meteor., 43 (1): 170-181.

Krol M, Houweling S, Bregman B, et al. 2005. The two-way nested global chemistry-transport zoom model TM5: algorithm and applications [J].Atmos. Chem. Phys., 5 (2): 417-432, doi:10.5194/acp-5-417-2005.

Lauvaux T, Uliasz M, Sarrat C, et al. 2008. Mesoscale inversion: First results from the CERES campaign with synthetic data [J]. Atmos. Chem.Phys., 8 (13): 3459-3471, doi:10.5194/acp-8-3459-2008.

Lee X, Liu S, Xiao W, et al. 2014. The Taihu Eddy Flux Network: An observational program on energy, water and greenhouse gas fluxes of a large freshwater lake [J]. Bulletin of American Meteorological Society,95: 1583-1594.

李香華. 2005. 太湖水—?dú)饨缑鏈厥覛怏w通量及時(shí)空變化特征研究 [D].河海大學(xué)碩士學(xué)位論文. Li Xianghua. 2005. Study of the greenhouse gas flux of water-air Interface and its spatio-temporal change in Taihu Lake [D]. M. S. thesis (in Chinese), Hohai University.

劉誠, 黃建平, 刁一偉, 等. 2015. 植被光合呼吸模型在千煙洲亞熱帶常綠針葉林的優(yōu)化與驗(yàn)證 [J]. 植物生態(tài)學(xué)報(bào)，待刊. Liu Cheng, Huang Jianping, Diao Yiwei, et al. 2015. Photosynthesis and respiration parameter optimization and evaluation of VPRM with the measurements at a coniferous-evergreen forest site [J]. Chinese Journal of Plant Ecology(in Chinese), in press.

Mahadevan P, Wofsy S C, Matross D M, et al. 2008. A satellite-based biosphere parameterization for net ecosystem CO2exchange: Vegetation Photosynthesis and Respiration Model (VPRM) [J]. Global Biogeochemical Cycles, 22, GB2005, doi:10.1029/2006GB002735.

Marquis M, Tans P. 2008. Climate change: Carbon crucible [J]. Science, 320(5875): 460-461.

Peters W, Miller J B, Whitaker J, et al. 2005. An ensemble data assimilation system to estimate CO2surface fluxes from atmospheric trace gas observations [J]. J. Geophys. Res., 110, D24304, doi:10.1029/2005JD006157.

Raich J W, Rastetter E B, Melillo J M, et al. 1991. Potential net primary productivity in South America: Application of a global-model [J]. Ecol.Appl., 1 (4): 399-429.

Raupach M R, Marland G, Ciais P, et al. 2007. Global and regional drivers of accelerating CO2emissions[J]. Proceedings of the National Academy of Sciences of the United States of America, 104 (24): 10288-10293.

Running S W, Thornton P E, Nemani R, et al. 2000. Global terrestrial gross and net primary productivity from the earth observing system [M] //Methods in Ecosystem Science. New York: Springer, 44-57.

Skamarock W C, Klemp J B. 2008. A time-split nonhydrostatic atmospheric model for weather research and forecasting applications [J]. J. Comput.Phys., 227 (7): 3465-3485.

van Dijk A, Moene A F, de Bruin H A R. 2004. The principles of surface flux physics: Theory, practice and description of the ECPack library.Meteorology and Air Quality Group, Wageningen University,Wageningen, The Netherlands, 99 pp.

Webb E K, Pearman G I, Leuning R. 1980. Correction of flux measurements for density effects due to heat and water vapour transfer [J]. Quart. J. Roy.Meteor. Soc., 106 (447): 85-100.

Xiao X M, Hollinger D, Aber J, et al. 2004. Satellite-based modeling of gross primary production in an evergreen needle leaf forest [J]. Remote Sensing of Environment, 89 (4): 519-534.

于貴瑞, 王秋鳳, 朱先進(jìn). 2011. 區(qū)域尺度陸地生態(tài)系統(tǒng)碳收支評(píng)估方法及其不確定性 [J]. 地理科學(xué)進(jìn)展, 30 (1): 103-113. Yu Guirui, Wang Qiufeng, Zhu Xianjin. 2011. Methods and uncertainties in evaluating the carbon budgets of regional terrestrial ecosystems [J]. Progress in Geography (in Chinese), 30 (1): 103-113.