Developing a new dynamic global vegetation model (DGVM) for global changing predictions Hisashi SATO (FRSGC) Akihiko ITOH (FRSGC) Takashi KOHYAMA (Hokkaido Univ.)

Toward developing the integrated land-surface-model 原図：伊藤昭彦 Land surface physical process model Land surface carbon cycle model Vegetation dynamics model 「植生動態モデル」と「陸域炭素循環モデル」とを分離して設計することが困難であったため、この両者を結合したモデルを作成した。 なお、植生動態部分の構造は、LPJ-DGVMとBIOME3を参考にした。 定着、死亡、攪乱、競争 これらの結果としての植生変動

General description of the DGVM Major advances from the previous DGVMs Individual Based Model　　　　　　 (except for herbaceous PFTs) Explicitly simulate spatial structures of vegetations † 従来のＤＧＶＭと比較した利点 空間構造を明示的に表した個体ベースモデルであるため、パラメーター推定に個体群生態学のデータ（木本密度、サイズ分布、樹齢構成分布）をそのまま用いることが出来る。また、個体間競争の表現が妥当であり、したがって気候変動に伴った植生変動の速度を、より的確に予測できることが期待される。 † Plant Functional Types

年降水量（mm） ケッペンの植生地図 年平均気温（℃）

Plant Characteristics (1) Plant Functional Types (PFTs) 下記PFT1～8が木本、PFT9と10が草本である。計算区画においては、木本PFTと草本PFTとが同時に分布すると仮定した。木本に関しては同一区画内に複数のPFTが混在可能であるが、草本PFTsは同一区画内には１タイプしか分布できないとした。 1. Tropical broad-leaved evergreen 2. Tropical broad-leaved raingreen 3. Temperate needle-leaved evergreen 4. Temperate broad-leaved evergreen 5. Temperate broad-leaved summergreen 6. Boreal needle-leaved evergreen 7. Boreal needle-leaved summergreen 8. Boreal broad-leaved summergreen 9. Temperate herbaceous (C3) 10. Tropical herbaceous (C4) 植生景観の求め方 各区画の植生景観は、優占する木本PFTの個体密度、及び優占する草本PFTの単位面積当バイオマスによって決定する。 例えば、雨緑樹(PFT#2)とC4草本(PFT#10)とが優占している区画においては、木本の個体密度が高ければ「雨緑樹林」とし、木本の個体密度が低く草本バイオマスが高ければ「サバンナ」、木本の個体密度も草本バイオマスも低ければ「砂漠地帯」とする。

Plant Characteristics (2) Woody PFTs Individual base。各木本は、Crown、Stem、Rootの３器官から構成され、各器官は次の値を有する。(右図も参照) Crown : biomass, diameter, depth Stem : biomass, height, sapwood & heartwood DBH Root : biomass Stock-resource per individual tree Herbaceous PFTs 草本は、葉と根のみから構成され、それぞれは単位面積当たりのバイオマスのみで扱われる。なお、草本は多年性であると仮定し、根は森林火災などの攪乱が生じない限り、葉が枯れても残存するとした。 Foliage : biomass in a unit area Root : biomass in a unit area Stock-resource in a unit area

定着 (annualy computation) Woody PFTs 各木本PFTには定着可能な気温範囲（maximum coldest-month temperatureとsum of growth degree-day）が与えられており、その範囲に各グリッドの最近20年間の平均気候が収まる場合、その木本PFTが定着可能であるとした。また、前年の降雨量が100mmを下回る場合は、いかなる木本PFTも定着できないとした。 シミュレーションは以下の３つのシナリオに基づいて行う。 Scenario 1:指定した１種類のPFTのみが定着する（パラメーター推定用モード）。 Scenario 2: 現在どのようなPFTが分布しているのかに関わらず、その環境条件で定着可能な全ての木本PFTが等確率で定着する（infinite seed dispersal mode） 。 Scenario 3:スピンアップではScenario 2を適用。その後のシミュレーションでは、各木本PFTのバイオマスに比例して定着比率が決まる（no seed dispersal mode） 。 Herbaceous PFTs 草本は定着過程を明示的に扱わず、常に存在すると仮定した。また、C3経路とC4経路の双方が使えると仮定し、そのどちらかを使うかは前年の気候条件に応じて決定させた。すなわち前年のcoldest-month temperatureが15.5度（LPJの基準）以上ならばC4経路、それ未満の場合にはC3経路に切り替えられる。

Estimated light intensity 光環境の求め方 (daily & monthly computation) Woody PFTs Estimate light intensity on the top of the crown by using canopy location within the forest stand (SORTIE like) Estimate light distribution within canopy using leaf area concentration and light attenuation index To avoid ‘edge effect’, this scanning is performed among replicated forest stands, which surround the examining area. Estimated light intensity Herbaceous PFTs 木本の葉は均一に分布していることを仮定し、地表面に降り注ぐ光量を求め、これを草本PFTが利用できるとした。 また高さ3m以下の木本の光環境についても、同様の求め方をした。 Grass layer

Leaf phenology (daily computation) 各PFTには落葉性か常緑性かの属性が与えられており、落葉性のPFTsでは以下の規則によって、展葉期と休眠期が移り変わる。その判断には気温と土壌水分についての最近1週間のrunning meanを用いる。移り変わり基準、すなわち「基準温度」 と「基準水ポテンシャル」は、LPJ-DGVMより得た。 ●展葉期→休眠期 条件 ：気温 < 基準温度　.OR.　水利用ポテンシャル < 基準水ポテンシャル イベント ：それまで展葉させていた葉が全てリッターに組み込まれる。 ●休眠期→展葉期 条件 ：気温 > 基準温度　.AND.　水利用ポテンシャル > 基準水ポテンシャル イベント ：貯蔵資源が利用可能となり、展葉が始まる ●上記アルゴリズムについての既知の問題 （未解決） 　　湿潤で温暖な環境下では、落葉性PFTが落葉しなくなる。実際にはそんな事ない。　

展葉 (daily computation) 展葉量は、GDD（Growing Degree Day, 日平均気温が5℃を超えた日について、その超えた気温を冬至の日より積算した値）の蓄積に従い、以下の式に従って増加する。 Woody PFTsの最大展葉量 (1)樹冠サイズ、(2)辺材による水輸送量*、(3)根からの給水量*、による制約のうち、最も強い制約が最大展葉量を規定する * 一週間のrunning mean Herbaceous PFTsの最大展葉量 根からの給水量*をちょうど満たす葉量 * 一週間のrunning mean

Woody PFTsの成長 (monthly computation) 1) 樹冠の枯れ上げ 5) 幹と樹幹の成長 残りの利用可能資源は全て辺材の成長にあてる。 また、辺材の成長に伴い樹高と樹冠幅も成長させる。 これらの算出には以下の関係式を用いる。 直前１ヶ月の平均PARが補償点を下回る樹冠レイヤーを枯れ上げさせる。なお、一度枯れ上げた樹冠レイヤーは、たとえ光環境が改善されたとしても、再び葉をつけることは出来ないとした。 但し、木本間で樹冠は重ならないとしているため、樹高、樹冠断面積共に、周囲の木本の配置によって最大値が規定される場合がある。 2) 根の補完 最大展葉時に必要となる根のバイオマスを、直前１ヶ月の平均水利用ポテンシャルを用いて求める。現在の根バイオマスが、これに満たなければ、不足分を補完する。 4) 繁殖 3) 貯蔵資源の補完 この時点で残る利用可能資源の一律１０％が繁殖に用いられる。 これはリッターに組み入れられる。 展葉量＝貯蔵資源量となるまで、貯蔵資源を補完

Herbaceous PFTsの成長 (daily computation) 1) 樹冠の枯れ上げ 5) 幹と樹幹の成長 残りの利用可能資源は全て辺材の成長にあてる。 また、辺材の成長に伴い樹高と樹冠幅も成長させる。 これらの算出には以下の関係式を用いる。 直前１ヶ月の平均PARが補償点を下回る樹冠レイヤーを枯れ上げさせる。なお、一度枯れ上げた樹冠レイヤーは、たとえ光環境が改善されたとしても、再び葉をつけることは出来ないとした。 但し、木本間で樹冠は重ならないとしているため、樹高、樹冠断面積共に、周囲の木本の配置によって最大値が規定される場合がある。 2) 根の補完 最大展葉時に必要となる根のバイオマスを、直前一週間の平均水利用ポテンシャルを用いて求める。現在の根バイオマスが、これに満たなければ、不足分を補完する。 4) 繁殖 3) 貯蔵資源の補完 この時点で残る利用可能資源の全てが繁殖に用いられる。 これはリッターに組み入れられる。 展葉量＝貯蔵資源量となるまで、貯蔵資源を補完

水収支 (daily computation) 原図：伊藤昭彦 大部分はSim-CYCLEと同一（左図参照）であり、この辺りは、MATSIROと結合後には、詳細なモデルと変わるはずである。 Sim-CYCLE同様に、土壌は２層と仮定する。但し、Sim-CYCLEではroot uptakeが下層からのみ生じると仮定しているが、このDGVMでは、PFT間の水を巡る競争を表現するために、PFT毎に根バイオマスの垂直分布を定義し、それに応じて利用できる土壌レイヤーの比率を変えた。 すなわち、あるPFTの根バイオマスの80％が上層にあると定義した場合、このPFTの水利用ポテンシャル(0.0～1.0)は、次の通りである。 0.8×上層含水率 + 0.2×下層含水率 この計算の際、含水率（含水量/その土壌の最大含水量）には、最近一週間のrunning meanを用いた。

攪乱 (annualy computation) 植生の攪乱要因としては火災のみを考えた。火災モデルには、Thonicke et al. (2001)が開発し、Sitch et al. (2003)がLPJへの組み込みに際して簡略化したものを用いた。 このモデルで火災は、fuel load （バイオマス＋リッター）が200 g C/m2以上蓄積している場合にのみ、fuel loadとリッター含水率によって求められる確率によって発生する。 火災の生じた区画では、焼死した木本の全バイオマス、生き残った木本の葉群バイオマス、草本の全バイオマス、そして全リッターがCO2として放出されてしまうと仮定した。 但し、一般的には火災跡には多くの炭化木片が残り、これらは生分解されにくいため炭素ストックとして長く地中に留まる。また、それらの炭化木片はアルベドを低下させる効果を持つとも考えられるが、これらの効果については、このモデルには含まれていない。 火災時における木本の生存率には、PFT毎に特有の値が与えられている。 但し、Sitch et al. (2003)は、これらの値の出所を引用していないので、どの程度信頼のおける値であるかは不明である。

死亡 (annualy computation) 死亡率 = Max [1.0, mort_greff + mort_heat + mort_limit] mort_greff Background mortality from current year’s growth efficiency (成長効率) mort_heat (熱ストレス) mort_limit If 20yrs running mean value of bioclimatic valiables of air-temperature fall outside a PFT limits for survival (生存可能な気温範囲) Otherwise

光合成 呼吸 Turnover 土壌呼吸 Sim-CYCLEのルーチンを、そのまま使用 (daily computation) LPJのアルゴリズムとパラメーターを、そのまま使用 (daily computation) 土壌呼吸 Sim-CYCLEのルーチンを、そのまま使用する予定 　実はまだ組み込んでいない (daily computation)

２００年間の動態デモンストレーション＠熊本県水俣市 ※諸パラメーターは未調整 前半100年間：この場所で定着可能な全てのPFTが等確率で定着 後半100年間：PFT毎のバイオマス比に応じて定着 温帯性落葉広葉樹と温帯性常緑広葉樹の混合林 → 温帯性落葉広葉樹林

２００年間の動態デモンストレーション＠Pasoh, Malaysia ※諸パラメーターは未調整 前半100年間：この場所で定着可能な全てのPFTが等確率で定着 後半100年間：PFT毎のバイオマス比に応じて定着 熱帯性常緑広葉樹林

INPUTS OUTPUTS モデル全体の入出力 気温 地温 (地表, 地下0.1mと2m) 降雨量 湿度 雲量 風速 CO2濃度 Yealy time-step 気温 地温 (地表, 地下0.1mと2m) 降雨量 湿度 雲量 風速 CO2濃度 植生status 　（優占種、陸上バイオマス、土壌炭素含量） 二酸化炭素収支 　（光合成、呼吸、分解、火災） 水収支 　（runoff、蒸散、蒸発） 放射収支 　（アルベド） 全てSim-CYCLEと同じ Daily time-step Daily time-step

炭素循環の概略 点線内：陸域生態系 点線外：大気

Simulation procedure Simulation will be conducted on the T42 global grid (128×64), each of which includes 10 replication forest stands. Thus, assuming 1/3 of the earth surface is terrene, about 27000 independent forest stand will be independently simulated. To date, this would be the most complex ecosystem model that have ever made. 小サイズの林分を複数シミュレートさせる主な理由としては、攪乱の問題があげられる。例えば寒帯林で頻発する森林火災は、一度生じると、シミュレートしている林分の大きさが30×30ｍだろうが1haだろうが、その殆ど全てが壊滅してしまう。このように機会的に大きく変動する単一の林分をもって、グリッドの代表値とさせることは適当ではない。

Procedure for parameter estimation and tuning (1) (2) (3) (4) (5) Estimate parameters and algorithm of a tree growth so that tree-form are reasonably simulated for each PFT Estimate dynamics parameters (Establishment, Mortality, Disturbance): so that density and age distribution of tree are reasonably simulated when only one PFT composes the forest Estimate metabolic parameters (Photosynthesis, Respiration, Allocation): So that GPP, biomass, LAI, and distribution of DBH are reasonably simulated. This will be conducted on forest that was composed of only one PFT. By repeating above (2) and (3), convergence parameters Conduct test run on global grid then examine that distribution of vegetation and GPP at equilibrium are reasonably simulated.

　今後の作業手順 ～２月下旬（？） ２～３ヶ月（？） １～２ヶ月（？） １点計算版のコードについては、昨年末にいちおう書き上がった。現在はコードチェックと仕様書（論文マテメソの叩き台）を作成している。その後、ベクタライズを行う。 １地点計算版モデルを用いて、パラメーター推定とチューニングを行う (on SX5)。 全球計算ができるようにコードを直し、全球グリッドにおけるオフライン実験 (on the Earth-simulator)、および解析。 以上を、なるべく新年度明け早々までには終えて、その後、早めに論文執筆へ移りたい。