准确认识和评估陆地生态系统碳水通量变化对于深入理解碳水循环过程及其耦合作用,促进碳水资源可持续利用具有十分重要的研究意义。通量观测和模型模拟是当前研究碳水通量的两种常用方法。仅使用通量观测无法反映生态系统内在过程及控制机制,且难以定量表达碳水通量的时空演变特征。基于生理生态过程的模型模拟是定量表达碳水通量时空特征,分析其内在机制的有效方法。其中以CEVSA（Carbon Exchange Between Vegetation,Soil and Atmosphere）模型为代表的生物地球化学模型具备较为成熟的机理性与模拟能力,已被广泛应用于陆地生态系统碳水研究领域。然而用于描述CEVSA模型结构的方程中包含了众多植被生理生态信息过程相关的参数,且大部分参数来源于实验观测或专家经验,导致模型的模拟精度在实际应用中较低,限制了模型的推广应用。因此,有必要结合现有的观测数据对模型的关键参数进行优化,使得模型能够在实际应用中具备较高的模拟精度与外推能力,以此加深人们对模型结构的进一步认识,为CEVSA模型参数化方案奠定基础。鉴于此,本文基于陆地生态系统过程模型—CEVSA模型,采用One-At-A-Time（OAT）参数敏感性分析方法分别对千烟洲常绿针叶林、鼎湖山常绿阔叶林、长白山针阔混交林、内蒙古草地、禹城农田、海北灌丛和当雄草甸共七种典型植被的参数进行敏感性分析。其次,设计三种不同的优化实验,采用差分进化马尔科夫链（Differential Evolution Markov Chain,DEMC）优化算法结合现有的碳水通量观测数据分别对七种典型植被下筛选出的10-12个关键参数进行优化。最后,使用决定系数（R²）、均方根误差（RMSE）和纳什系数（NSE）三个统计指标对参数优化后模型模拟的碳水通量性能进行综合评价。主要结论如下:（1）七种典型植被敏感性参数排序基本一致,模型输出的碳水通量对植被氮吸收参数N_s、N_m、N_c1和植被氮吸收中间计算参数d_enom这四个光合作用参数最为敏感。本文以2.5%为敏感性判别指标,敏感性高达74.81%-152.88%,远远高于其它参数的敏感性指数,表明这四个光合作用参数是影响CEVSA模型模拟碳水通量过程最为关键的参数。其次,七种典型植被下净生态系统生产力（Net Ecosystem Productivity,NEP）的敏感性排序与总初级生产力（Gross Primary Productivity,GPP）和生态系统呼吸（Ecosystem Respiration,RE）的敏感性排序较为相似,数值上有一定的差异。本文发现关键参数对NEP的影响可能主要来源于GPP的变化也可能主要来源于RE的变化（NEP=GPP-RE）,因此不能仅依靠参数敏感性分析结果来定论碳通量之间变化关系。此外,影响NEP变化的光合作用参数基本同时会影响ET的变化,且它们的敏感性参数排序基本一致,表明CEVSA模型中植物的气孔行为将光合作用和蒸腾作用耦合为一个统一整体。（2）对七种典型植被下筛选出的10-12个关键参数进行优化,能够被NEP观测数据约束的参数有3-8个。植被氮吸收参数N_s、N_c1、N_m和植被氮吸收中间计算参数d_enom这4个最为敏感的光合作用参数在不同植被类型下后验中位数相对于原模型值变化最大,因此在模型外推时因重点注意该类参数的优化率定;分解作用的土壤水分影响因子系数参数f_moi在所有植被类型下相对于原模型值都有一定程度的偏低且其后验分布95%的置信区间较为集中,说明原模型该参数在土壤水分平衡表达模块可能取值偏高。此外,三种典型森林站点下使用实验3（NEP&ET观测数据）约束模型能够有效估计的参数个数最多,使用实验1（NEP观测数据）约束模型估计的参数次之,使用实验2（ET观测数据）约束模型估计的参数个数最少;实验3相对于实验1和实验2估计出的大部分参数后验95%的置信区间最窄,表明同时使用NEP和ET观测数据共同约束模型能够有效降低参数估计的不确定性。且参数比叶面积SLA、植被氮吸收N_s、N_m、N_c1和N_c2在三种森林站点变异性最高,相对于其它参数,其不确定性最大;气孔导度响应参数g_s1、边材维持呼吸参数S_re和Rubisco对CO₂浓度的反应参数τ₂变异性最小,相对于其它参数,不确定性最小。（3）七种典型植被下,使用实验1约束模型获得的最优参数集模拟NEP与观测值具有较好的一致性,但模拟的水通量ET相对于观测值普遍偏离较大。三种典型森林站点下,仅使用实验2约束模型获得的最优参数集模拟的ET与观测具有较好的一致性,但模拟的碳通量NEP相对于观测值存在较大误差。使用实验3约束模型获得的最优参数集对碳水通量的综合模拟效果最好。（4）不论在校正年（2003-2007）或验证年（2008-2010）,参数优化后模型对碳水通量的模拟能力均普遍要远远高于参数优化前,说明优化后参数集能够更好地模拟三种典型森林站点碳水交换特征。且参数优化后RMSE_NEP和RMSE_ET相对于优化前分别降低了39%-45%和15%-18%,较为明显的改善了碳水通量模拟值与观测值偏离较大的问题;参数优化后NSE全部大于零,说明参数优化后CEVSA模型对碳水通量的模拟更加准确可靠。对于千烟洲常绿针叶林的ET而言,优化后模型的模拟能力相对于优化前略有下降。这可能是因为筛选出的12个关键参数除9个光合作用参数外,还包括了2个自养呼吸参数和1个影响土壤碳分解的参数。因此,优化后的参数集对NEP模拟提升效果明显,部分不良约束的呼吸参数可能会使得ET模拟值与观测值产生一定偏差。