第1章 生态系统碳循环模型 1
1.1 陆地生态系统碳循环 1
1.1.1 全球碳循环 1
1.1.2 陆地碳循环过程 2
1.2 陆地生态系统碳循环模型 9
1.2.1 陆地生态系统碳循环模型发展 10
1.2.2 陆地生态系统碳循环模型类型 11
1.3 陆地生态系统碳循环模型介绍 16
1.3.1 生物地球化学模型 16
1.3.2 生态过程-遥感模型 19
1.4 陆地生态系统碳循环模型的研究动向 22
1.4.1 碳氮耦合循环模型的发展 22
1.4.2 应用生态试验改进生态系统碳循环模型 23
参考文献 32
第2章 生态系统光能利用率模型 41
2.1 植被光能利用效率（LUE）研究 41
2.1.1 LUE不同定义及其内涵 41
2.1.2 LUE测算方法 43
2.1.3 影响LUE的环境和生物要素 46
2.1.4 典型陆地生态系统LUE的大小及变异特征 53
2.1.5 LUE研究中的几个关键问题 57
2.2 基于遥感的生态系统总初级生产力（GPP）模型研究 58
2.2.1 模型概述 58
2.2.2 主要模型 58
2.2.3 模型关键参数 60
2.2.4 小结 65
参考文献 66
第3章 陆地生态系统机理性过程模型 71
3.1 机理性生态模型简介 71
3.2 生态系统碳循环主要过程模拟方法 72
3.2.1 光合作用模拟方法 72
3.2.2 生态系统呼吸模拟 76
3.2.3 氮对生态系统碳吸收和分配的影响模拟 79
3.2.4 土壤温湿度的模拟 82
3.3 机理性生态模型参数优化 86
3.3.1 模型参数优化的主要方法 86
3.3.2 基于集合卡尔曼滤波的模型参数优化方法 87
3.3.3 BEPS模型的参数优化结果 87
3.4 小结 94
3.4.1 机理性生态模型结构的优化 95
3.4.2 加强机理性生态模型与遥感信息的融合 95
3.4.3 机理性生态模型参数优化 95
3.4.4 机理性生态模型与观测数据同化 95
3.4.5 开展模型比较试验 95
3.4.6 考虑扰动因子对生态系统碳收支的影响 96
3.4.7 发展多模型结果集成方法 96
参考文献 96
第4章 生态系统蒸散的遥感反演模型 99
4.1 引言 99
4.2 蒸散与生产力遥感模型的发展 100
4.2.1 生态系统蒸散遥感模型的发展进展 100
4.2.2 陆地生态系统总初级生产力GPP遥感模型发展进展 102
4.3 蒸散与生产力遥感模型介绍 104
4.3.1 ARTS遥感蒸散模型 104
4.3.2 全球陆地生态系统碳通量（TEC）GPP模型 107
4.4 模型数据集及预处理 108
4.4.1 涡度相关数据 108
4.4.2 MODIS LAI／FPAR产品（MOD15A2） 112
4.4.3 MODIS GPP产品（MOD17A2） 113
4.4.4 全球气象、土壤和植被数据 113
4.5 蒸散与生产力遥感模型评估 114
4.5.1 ARTS蒸散模型评估 114
4.5.2 TEC GPP模型评估 122
4.6 蒸散与生产力遥感模型的不确定性分析 132
4.6.1 蒸散模型的不确定性分析 132
4.6.2 GPP遥感模型的不确定性讨论 134
4.7 结论与展望 137
参考文献 138
第5章 生态系统过程-遥感模型 146
5.1 引言 146
5.2 生态系统过程-遥感模型的发展 146
5.2.1 经验模型 146
5.2.2 过程模型 147
5.2.3 遥感参数模型 149
5.2.4 遥感在生态过程模型中的应用 150
5.3 主要生态系统过程-遥感模型回顾 151
5.3.1 遥感驱动的过程机理模型——BEPS模型 151
5.3.2 遥感-过程耦合模型（GLOPEM-CEVSA） 170
5.3.3 遥感参数模型（NEERSM） 184
5.3.4 基于散射辐射的生产力模型CI-LUE构建与模拟 201
5.4 遥感监测和模拟生态系统过程中的新机遇——叶绿素荧光 210
5.5 小结 212
参考文献 212
第6章 陆地生态系统碳管理模型 222
6.1 陆地生态系统碳管理概述 222
6.1.1 引言 222
6.1.2 陆地生态系统碳管理模型类型 224
6.2 农田生态系统碳管理 225
6.2.1 农田生态系统碳循环 225
6.2.2 农田生态系统碳管理模型 225
6.2.3 农田生态系统碳循环模型研究动态 229
6.2.4 农田秸秆还田碳管理模型实例——EPIC模型 231
6.3 森林生态系统碳管理 252
6.3.1 森林生态系统碳循环 252
6.3.2 森林生态系统碳管理模型 253
6.3.3 管理措施对森林生态系统碳循环的影响 254
6.3.4 森林生态系统碳管理模型研究动态 255
6.3.5 森林生态系统碳管理模型实例——G4M模型 256
6.4 草地生态系统碳管理 262
6.4.1 草地生态系统碳循环 262
6.4.2 草地生态系统管理与碳汇潜力 263
6.4.3 草地生态系统碳循环模型 265
6.4.4 草地生态系统碳管理模型 266
参考文献 267
第7章 基于模型数据融合的陆地生态系统碳收支模拟研究 274
7.1 模型数据融合方法 274
7.1.1 敏感性分析方法 274
7.1.2 参数估计方法 276
7.1.3 不确定性分析方法 277
7.2 涡度相关通量数据的不确定性分析 279
7.2.1 涡度相关通量数据的观测误差 279
7.2.2 涡度相关通量观测数据处理方法的误差 281
7.3 基于模型数据融合的典型陆地生态系统碳循环模拟 282
7.3.1 长白山阔叶红松林生态系统碳通量模拟及其不确定性分析 283
7.3.2 千烟洲亚热带人工针叶林碳水通量模拟及其不确定性分析 285
7.4 基于模型数据融合的青藏高原高寒草甸总初级生产力的模拟及其不确定性分析 288
参考文献 292
第8章 中国陆地生态系统碳收支综合模拟分析 294
8.1 引言 294
8.2 中国陆地生态系统固碳现状综合分析 295
8.2.1 中国过去30年陆地生态系统GPP和NPP时空变异及其对气候变化的响应 295
8.2.2 极端气候事件对中国陆地生态系统NPP的影响 304
8.2.3 东亚地区陆地生态系统碳水循环的时空变化特征 309
8.2.4 东亚地区陆地生态系统碳收支的集成模拟分析 316
8.3 中国陆地生态系统碳管理情景模拟分析 320
8.3.1 基于EPIC模型中国农田土壤碳储量及固碳潜力变化趋势 320
8.3.2 基于G4M模型中国森林固碳潜力分析 326
8.4 小结 341
8.4.1 1982～2011年中国陆地生态系统GPP和NPP时空变异及其对气候变化的响应 341
8.4.2 中国陆地生态系统碳管理情景模拟分析 341
8.5 基于遥感和模型的陆地生态系统碳收支研究发展趋势 342
参考文献 345