通过将全球温室气体观测监测系统（GONGGA）与拉格朗日粒子扩散模型（LPDM）相结合，本研究提出了一种新型区域碳反演系统：GONGGA-Lagrange（GONGGA-L）。该系统采用非线性最小二乘四维变分（NLS-4DVar）同化方法，在实现增强的先验误差协方差建模（基于集合方法）的同时，具备良好的计算可扩展性，这与传统基于LPDM的反演方法形成显著区别。为评估GONGGA-L在估算2017年北美净生态系统交换量（NEE）方面的性能，开展了观测系统模拟实验（OSSE）。OSSE结果表明，GONGGA-L能够有效同化观测数据，显著降低先验NEE通量误差，年均平均绝对误差（MAE）降低21.7%，均方根误差（RMSE）降低22.1%。在冬季和夏季，GONGGA-L与CarbonTracker-Lagrange（CT-L）反演增量的空间分布模式总体一致，但GONGGA-L在先验误差校正方面表现出更优的效果。其稳健的性能验证了基于集合的方法在构建稳定、可靠且准确先验误差协方差矩阵方面的有效性。敏感性测试结果显示，当集合规模大于约150且定位半径约为1300公里时，系统性能达到最优。此外，GONGGA-L在计算与内存需求方面显著降低，为未来同化日益丰富的卫星观测数据及提升反演分辨率提供了有力支持。

碳排放；碳反演系统；拉格朗日粒子扩散模型；数据同化

暂无