题目：基于粒子滤波同化系统(BEPS_PF v1.0)的农田总初级生产力优化模拟
封面
正文
近日，地球所碳循环与数据同化团队在《Journal of Advances in Modeling Earth Systems》期刊上在线发表题为“Optimized gross primary productivity over the croplands within the BEPS particle filtering data assimilation system (BEPS_PF v1.0)”的研究论文。文章采用粒子滤波同化算法，面向BEPS模型构建了高计算效率的同化系统（BEPS_PF v1.0），以全球32个农田站点的通量观测数据为约束，优化了适应于水稻、大豆、小麦和玉米等典型作物的BEPS模型参数，评价了参数优化对降低农田GPP模拟结果不确定性的作用。BEPS_PF v1.0可灵活实现模型开发与参数优化结合，也更适用于站点及区域高分辨率的应用。
文章第一作者为课题组硕士研究生邢秀丽（已毕业，现复旦大学博士生），通讯作者为吴谋松副教授。研究还得到了居为民教授，江飞教授，张永光教授以及多个研究机构的合作者联合指导。该研究受重点研发计划，国家自然科学基金，及关键地球物质循环前沿科学中心的资助。
l 引文格式：
Xing, X., Wu, M., Zhu, H., Duan, W., Ju, W., Wang, X., et al.(2025). Optimized gross primary productivity over the croplands within the BEPS particle filtering data assimilation system (BEPS_PF v1.0). Journal of Advances in Modeling Earth Systems, 17, e2024MS004412. https://doi.org/10.1029/2024MS004412.
l 全文及同化系统代码链接：
https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2024MS004412
https://github.com/mswu027/BEPS_PF_v1.0
南京大学国际地球系统科学研究所碳循环与数据同化团队长期招收对生态系统模型及数据同化感兴趣的硕士，博士及博士后，欢迎联系报考（联系方式：mousongwu@nju.edu.cn）。
l 研究背景
农田生态系统GPP是作物产量和碳汇能力的重要指标，不同方法估算的农田GPP尚存在较大的差异和不确定性。生态模型是估算农田GPP的有效工具之一，其参数取值对GPP模拟结果影响显著。如何降低模型参数取值导致的GPP模拟结果的不确定性是有待解决的科学问题。数据同化方法能够通过融合不同来源和分辨率的观测来降低模型的不确定性，其中粒子滤波算法的高效简单为复杂的陆地生态系统模型参数优化提供了便利条件。为此，本文基于粒子滤波对农田GPP进行优化模拟研究。
l 研究方法
粒子滤波同化算法是基于蒙特卡罗方法的适用于非线性模型的参数优化方法。该方法使用序贯重要性采样生成粒子集，并为每个粒子分配权重，随后这些权重会根据观测值和模拟值的接近程度进行更新。粒子滤波的整体框架包括初始化采样、更新权重和重采样三个步骤。为了验证所构建的粒子滤波同化系统的稳定性，本研究测试了同化窗口长度、粒子数量和观测误差对同化系统参数的影响，确定这些同化系统参数的最优值。
l 主要结果
25ºC时的最大羧化速率
显著影响GPP的模拟结果。粒子滤波优化的结果表明，玉米、大豆、小麦、水稻的
存在明显差异性。同一种作物类型的
在不同站点也存在较大的差异。此外，优化的
具有明显的季节变化特征，并且优化后的
更接近于观测。
图1优化后
的季节变化及其与观测对比
BEPS_PF v1.0可显著降低BEPS模型对不同作物GPP模拟结果的不确定性。参数优化前，BEPS模拟的生长季作物GPP存在系统性偏低现象，参数优化显著提高了生长旺季模拟与观测GPP之间的一致性。
图2先验模型、后验模型与观测GPP的对比
此前，团队开发了面向全球尺度的陆-气耦合的碳循环数据同化系统NUCAS，目标服务于全球及区域碳汇精准估算。而BEPS_PF系统在站点及区域高分辨率同化中更有优势，且可以灵活实现模型的开发及优化。NUCAS与BEPS_PF系统的开发保证了生态系统模型BEPS在不同尺度上揭示陆地生态系统碳循环对气候变化及人类活动的响应机制。NUCAS与BEPS_PF均为完全开源的同化系统，欢迎感兴趣的师生使用并验证，也欢迎开展合作研究。
