Page 261 - 《高原气象》2025年第6期
P. 261

6 期                      向佳怡等：全球动态植被模型中竞争与共存研究进展综述                                         1669
               的光竞争机制和生物多样性表征， 可以从根本上减                           界地图制作， 底图无修改］所示。以平均场模型中
               少 DGVM 的不确定性。Fisher et al（2010）通过对比               的隐式结构为例， 每种 PFT 群体被等效为占有一定
               三种 DGVM 的模拟结果， 强调种群统计过程（De‐                       网格面积（覆盖度）的水平均匀植被［图 1（a）］， 并根
               mographic Processes， 包括繁殖、 竞争和死亡过程）               据平均个体特征进行计算。模型假设各 PFT 之间
               是模型不确定性的重要来源。Scheiter et al（2013）                 互相独立， 忽略了直接相互作用。这种概化处理将
               认为 DGVM 中植被竞争的表达通常存在局限性，                         “平均值”设定为植物生长过程中的随机参数（如萌
               并指出群落聚集和共存理论将有助于改进模型。                             衍率和死亡率）， 从而在一定程度上降低了随机过
               鉴于植被的竞争与共存对植物群落动态存在决定                             程引起的不确定性， 使得预测结果更具确定性
               性作用， 而当前 DGVM 缺乏协同一致的基本原则                        （Smith et al， 2001a）。该方法能够模拟植被的基本
              （Franklin et al， 2017）， 不同模型间植被竞争与共存               分布格局， 同时有效降低了模拟复杂性和计算成本
               机制的表达差异很可能是 DGVM 不确定性的重要                         （车明亮等， 2014）， 因而在地球系统模式中得到广
               来源。                                               泛应用（Arora and Boer， 2010； Bonan et al， 2003；
                   然而， 针对 DGVM 中植被竞争与共存机制的                       Cox， 2001； Krinner et al， 2005）。然而， 隐式植被
               分析研究十分有限。Prentice et al（2007）曾指出对                 结构的简化处理也带来了局限性。由于忽略了植
               DGVM 模型结构间的差异仍缺乏深入了解。尽管                           物间的直接相互作用， 模型难以真实反映自然界中
               Fisher et al（2018）系统地介绍了 6 个 DGVM 模型中             普遍存在的光照、 营养资源等竞争现象（Smith et
               光照、 水资源和营养资源的竞争机制， 但该研究并                          al， 2001a）， 也不利于与实地观测结果的比较（Hig‐
               未涵盖广泛使用的平均场模型（Area averaged mod‐                  gins et al， 2010）。
               el， 参见2. 1节）。此外， Fisher et al（2018）的研究侧               图 1（b）所示的显式植被结构中， 网格通常被划
               重于定性描述， 缺乏对差异的量化分析。车明亮等                           分为或林窗（canopy gap）模拟单元或斑块（patch），
              （2014）也指出， 从植被动力学角度对 DGVM 开展                       这两种网格离散方式分别对应两种细分的显式植
               模拟比较实验的研究较少， 这为评估和量化不同                            被结构。第一种是显式个体植被结构， 能模拟林窗
               DGVM中竞争机制的差异及影响带来了困难。                             单元（面积一般不超过 10  m）中每棵树木的三维结
                                                                                       3
                                                                                          2
                   因此， 本文从隐式与显式两个角度对比分析了                         构， 及其生长、 死亡、 演替等过程与环境因子（水
               植被竞争与共存机制的表达方式， 系统总结了                             分、 光照、 热量和养分）之间的相互作用。生态学
               DGVM中植被竞争与共存的表达差异， 并探讨了这                          中， 林窗是指森林群落中因优势树木死亡而产生的
               些差异对模拟结果的具体影响， 以增强气候变化背                           空隙， 为新生植被提供生长空间。为减少个体生长
               景下植物群落动态响应机制的理解。                                  随机性对整体预测的干扰， 基于个体的 DGVM 通
               2  DGVM 中植被竞争与共存的显隐                               常 对 多 个 林 窗 单 元 进 行 集 合 平 均 。 例 如 HY‐

                   式表达方式                                         BRID3. 0 模型在每个网格中独立运行 10 次林窗单
                                                                 元模拟， 随后取集合平均值， 以解决与大气环流模
               2. 1 隐式表达与显式表达的定义与分类                              型（General Circulation Model， GCM）之间的尺度不
                   现有 DGVM 模型中的植被竞争与共存机制可                        匹配问题（Moorcroft et al， 2001）。尽管这种显式
               分为隐式表达与显式表达两种类型， 基于两类不同                           个体结构能够更准确地模拟小尺度植被动态过
               的植被结构假设。隐式表达通常采用“自上而下”                            程， 但其仍存在升尺度问题。这类模型需要大量
               的植被结构， 早期模型如平均场模型（Area aver‐                      详细的植物生长观测资料， 并伴随着巨大的计算
               aged model）即属于这一类； 而显式表达则采用“自                     成本， 因此其适用范围通常局限于局地林分尺度
                                                                      5
                                                                         2
               下而上”的植被结构（Argles et al， 2022）， 从个体扩              （<≈10  m）， 限制了其在全球尺度植被动态研究中
               展至群落、 生态系统尺度， 典型模型包括基于个体                          的直接应用（Menaut et al， 1990； Busing， 1991； Pa‐
               的模型（Individual based model）、 基于植物群落个              cala  et  al，  1996；  Hurtt  et  al，  1998；  Smith  et  al，
               体平均的种群统计学模型（Cohort-based model， 下                 2001a）。第二种是基于同期群组（cohort）的显式植
               称同期群组模型）。                                         被结构。该方法依据土地覆盖分类等规则， 将网格
                   上述两类植被结构假设的差异如图 1［图 1及文                       划分为斑块模拟单元， 并模拟同期群组而非单个个
               中所涉地图均是基于国家测绘地理信息局标准地                             体。其核心思想是通过偏微分方程的理论框架， 控
               图服务网站下载的审图号为 GS（2016）1566 号的世                     制林窗集合平均的随机过程， 预测大尺度的生态系
   256   257   258   259   260   261   262   263   264   265   266