摘要：模型模拟和站点观测是陆地生态系统水、碳循环研究最主要的两种手段，但各有优势和不足，若二者相互结合，则能更准确地反映生态系统水、碳通量的动态变化．数据同化为模型-9观测结合提供了一条有效的途径．本文采用哈佛森林环境监测站相关数据，利用集合卡曼滤波同化算法，将实测叶面积指数（LAI）和遥感LAI同化进入Biome—BGC模型中，对该地区水、碳通量进行模拟．结果表明：与未同化模拟相比，将1998、1999和2006年实测LAI数据同化后，模型模拟碳通量（NEE）与通量观测NEE的决定系数（R。）平均提升8．4％；蒸散发（ET）的R。平均提升10．6％；NEE的绝对误差和（SAE）和均方根误差（RMSE）平均下降17．7％和21．2％。ET的SAE和RMSE平均下降26．8％和28．3％．将2000--2004年MODISLAI产品与模型同化后，NEE、ET模拟值与观测值间的∥分别提升7．8％和4．7％；NEE的SAE和RMSE分别下降21．9％和26．3％，ET的SAE和RMSE分别下降24．5％和25．5％．无论实测LAI还是遥感观测LAI，同化进入模型都能不同程度地提高水碳通量的模拟精度．

关键词：biome bgc模型 集合卡曼滤波 数据同化 叶面积指数 

单位：西北农林科技大学资源环境学院 陕西杨凌712100 北京师范大学地理学与遥感科学学院 北京100875 遥感科学国家重点实验室/北京师范大学/中国科学院遥感应用研究所 北京100875 西北农林科技大学林学院生态预测与全球变化实验室 陕西杨凌712100