植被-大气系统的碳交换模型及以此为基础的陆地生态系统区域模式的开发与改良，一直是生态系统碳循环研究的重要内容，也是通量观测的目的之一，得到了生物物理、生物化学和生物地理等学科领域的普遍关注，他们从各自的科学领域都推出了大量的模型(详见于贵瑞等，2003陈泮勤等，2004)。区域尺度的碳循环模型开发主要有自下而上(bottom-up)和自上而下(top-down)两种基本途径(于贵瑞等，2003)，为了缩短单个模式的发展历程，加速模式的发展，国际上组织了大量的模型对比实验，成为模型开发的重要途径之一(于贵瑞等，2003)。
简介植被-大气系统的碳交换模型及以此为基础的陆地生态系统区域模式的开发与改良，一直是生态系统碳循环研究的重要内容，也是通量观测的目的之一，得到了生物物理、生物化学和生物地理等学科领域的普遍关注，他们从各自的科学领域都推出了大量的模型(详见于贵瑞等，2003陈泮勤等，2004)。区域尺度的碳循环模型开发主要有自下而上(bottom-up)和自上而下(top-down)两种基本途径(于贵瑞等，2003)，为了缩短单个模式的发展历程，加速模式的发展，国际上组织了大量的模型对比实验，成为模型开发的重要途径之一(于贵瑞等，2003)。1
结构性模型根据现有的模型结构的差异，陆地生态系统碳循环模型大致分为两大类，即基于静态植被的生态系统碳循环模型和基于动态植被的生态系统碳循环模型(延晓冬，2004)。于贵瑞等(2003)在《全球变化与陆地生态系统碳循环和碳蓄积》中，系统地评述了陆地生态系统碳循环模型的发展，并且较详细地讨论了经验-半经验模型，基于植物生理化学机制的光合作用模型，基于生态学过程的生物地理模型，基于生态学过程的生物地球化学模型，生态系统碳循环的生物物理模型的发展与问题，还讨论了GIS和RS技术在碳循环模型中的应用等问题。1
功能性模型陈泮勤等(2004)在《地球系统碳循环》中还分别就森林、草地、农田、湿地、内陆水体和海洋碳循环模型的发展进行了较全面的评述。在上述两部专著中所讨论的许多模型都与生态系统的碳、水和能量通量有关，可供读者参考。目前用于评价生态系统植被-大气间碳交换量的模型主要有基于植被-气候关系的碳交换模型，基于土壤-植物-大气系统的物质和能量传输过程的生物物理模型、生物地球化学模型以及通过卫星遥感技术反演物质和能量传输过程关键参数或变量的遥感模型等多种类型。1
发展趋势以往的观测与模型研究主要侧重在各尺度或多数过程上分别进行，缺乏对不同尺度生态系统过程相互作用的机理研究，当前碳循环模型的发展趋势为：
一、建立全球碳循环动态模型，并更加注重碳循环的机理过程，模拟从几卜年到几个世纪的不同时间尺度上的碳循环动态(Walker&Steffen,1997)如在GCTE计划中，现有全球动态植被模型(DGVM)的原型中就已包括了陆地表面模块、植被气候模块、植被动态模块和碳平衡模块四个组成部分(Walker&Steffen,1997)。各个模块在不同的时间尺度(从1个小时到1年)上运行，不同的模块之间通过物质、能量和水分交换相互作用。其中叶面积指数关系到植物的光合、呼吸、水分、植被特性及其反馈作用，是模型模拟和尺度转换中的重要变量。
二、从单一碳循环模拟向碳、氮、磷等多种元素循环相耦合模拟发展。陆地生态系统碳循环与氮、磷等营养物质循环之间往往具有复杂的耦合关系，生态系统中不同元素之间处于相互制约的平衡关系(Townsend&Rastetter,1993)。在多种时1司尺度上碳循环都与其他元素的循环相关连，特别是氮、磷和硫(Hudson,1994)，而正是这些循环的相互作用构成了生态系统的主要功能。研究表明，可利用氮的不足将限制生态系统碳的吸收和存储(Walker&Steffen,1997)。因此，碳循环模型中必须直接或间接地模拟其他营养元素对碳循环的影响。
三、开始注重土地利用与土地覆盖变化对碳循环的影响。由于人口的急剧增长，人类活动导致的土地利用与土地覆盖变化对陆地碳循环的影响将更为突出，特别是引起大量的碳排放。当前，对未来土地利用与土地覆盖变化模式的预测仍是碳循环模拟中的主要不确定因素，并已成为碳循环模型研究的新热点(Leemans,1995,1997)。
四、多尺度观测数据-模型融合系统(Data一Model Fusion System)的发展与应用。传统生态模型的建立以单一尺度、零散(少量和非系统)的试验和观测数据为基础，而今后的生态系统模型的建立将应用多尺度、大量的试验和观测数据，构建多尺度数据一模型融合系统(Heimann&Kaminski、1999Luo et al., 2003 ; White & Luo, 2002 : 曹 明 奎,2004)。随着实验技术的不断发展(如涡度相关技术、高分辨率遥感应用)，可以获取不同尺度上的各种数据，如CO2净交换通量、NDVI、叶面积指数、有效辐射吸收和植被生产力等，应用这些数据，可以验证和检验模型在不同尺度上的有效性。最终，数据-模型融合将应用动态观测数据(包括环境和生态系统状态变量)对模型模拟进行连续驱动、检验和引导，现实地预测和预报生态系统动态变化。1
本词条内容贡献者为:
杨刚 - 教授 - 西南大学