秦岭-大巴山碳汇动态及其对降水异常非对称响应的CASA模型研究

《Journal of Hydrology X》：Analyzing the carbon sink dynamics in the Qinling–Daba Mountains and their asymmetric response to precipitation anomalies using an improved CASA model

本文针对山地生态系统碳汇对降水格局变化的响应机制这一科学问题，通过改进CASA模型（卡内基-阿姆斯-斯坦福模型）系统分析了2001-2023年秦岭-大巴山地区净生态系统生产力（NEP）的时空演变规律，首次揭示了该区域碳汇对降水异常呈现负不对称性（干旱年碳损失大于湿润年碳增益），并发现叶面积指数（LAI）是驱动这种不对称性的首要因素。研究成果为气候变化背景下山地生态系统碳汇管理提供了重要科学依据。

　　

在全球气候变化加剧的背景下，降水格局的不稳定性日益凸显，极端干旱和暴雨事件频发。山地生态系统作为全球碳循环的关键环节，其碳汇功能对降水变化的响应机制尚未被充分认知。特别是像秦岭-大巴山这样横跨中国南北气候分界线的复杂山地系统，如何准确评估其碳汇动态，揭示碳平衡对降水异常的响应规律，成为当前生态学研究的前沿课题。

传统研究多关注植被生产力对降水的响应，而忽视了整个生态系统碳汇（即净生态系统生产力，NEP）的响应特性。净生态系统生产力是衡量生态系统碳平衡的核心指标，计算公式为NEP = NPP（净初级生产力） - Rh（土壤异养呼吸）。当NEP > 0时，生态系统表现为碳汇；反之则为碳源。理解NEP对降水变化的响应，特别是是否存在不对称性（即干旱年的碳损失与湿润年的碳增益是否相等），对于预测未来气候变化下生态系统的碳汇功能至关重要。

针对这一科学问题，西北大学城市与环境学院的宫恩军、张静、王志辉、白红英和王军等研究人员在《Journal of Hydrology X》上发表了最新研究成果。他们创新性地使用核归一化植被指数（kNDVI）驱动CASA模型，显著提升了模型在植被茂密山区的模拟精度，系统分析了2001-2023年秦岭-大巴山地区碳汇的时空演变特征，首次量化了该区域碳汇对降水异常的非对称响应，并采用随机森林（Random Forest）模型识别了影响这种不对称性的关键环境因子。

研究团队主要依托多源遥感数据和再分析资料，包括MODIS的NDVI和NPP产品、GLASS的LAI数据、CLCD土地覆盖数据、ERA5-Land气象数据、GPM降水数据等。所有数据统一重采样至250米分辨率，并通过设置3×3均值滤波掩膜提取通量站点对应位置的模拟值，与实测通量数据进行对比验证。关键技术方法包括：改进的CASA模型（使用kNDVI替代传统NDVI以提高在茂密植被区的敏感性）、非对称指数（AI）计算（量化碳汇对降水异常的不对称响应）、线性回归和M-K趋势分析（评估长期变化趋势）、碳汇/源质心迁移模型（分析空间动态演变）以及随机森林模型（识别关键驱动因子）。

3.1. 模型模拟结果的可靠性

改进后的CASA模型（NEP_kNDVI）相较于原始模型（NEP_NDVI）表现出更高的精度，确定系数（R2）从0.76提升至0.81，均方根误差（RMSE）从85.2 g C·m^?2·yr^?1降低至75.3 g C·m^?2·yr^?1。与MOD17A3 NPP产品的间接对比验证显示，NPP_kNDVI与NPP_MODIS的生长速率更为接近（分别为4.24和4.30 g C·m^?2·yr^?1），证明了kNDVI在秦岭-大巴山区域NPP和NEP估算中的更高可靠性。

3.2. 净生态系统生产力的动态变化

2001-2023年间，秦岭-大巴山地区NEP整体呈波动上升趋势，年均值范围在231.66-409.26 g C·m^?2·yr^?1之间，多年增长率为4.10 g C·m^?2·yr^?1，累计碳增益达53.12 Tg C。碳源面积从2001年的3.45×10⁴ km2（占总面积11.34%）减少至2023年的9.78×10³ km2（占3.22%），有2.61×10⁴ km2的区域由碳源转为碳汇。碳汇质心总体向东北方向迁移，年均移动14.28公里；碳源质心则向西南方向迁移，年均移动77.71公里。84.15%的区域NEP呈上升趋势，且与海拔高度密切相关，在700-2000米海拔区间维持较高增长率。

3.3. 各生物群落净生态系统生产力的比较

不同土地利用类型的碳汇能力差异显著。森林是最大的碳汇，贡献了区域碳增长的70.93%（37.68 Tg C），耕地次之（16.46%，8.74 Tg C）。非植被用地类型通常表现为碳源，但人工表面在某些年份（如2012、2015年）也表现为碳汇。荒地和冰雪覆盖区的碳释放呈增加趋势。

3.4. 不对称性的空间格局

非对称指数（AI）分析显示，秦岭-大巴山碳汇对降水异常呈现明显的空间异质性。负AI值（负不对称）主要集中在中部地区，而正AI值（正不对称）集中在东部和西部。随着海拔升高，AI响应从正转为负，在500-1000米海拔处负值最显著，超过4000米后又转为正值。AI值的变化趋势与NEP变化斜率呈负相关，表明NEP波动越大的区域对降水异常的响应越强烈。

3.5. 不对称性的年代际趋势

整个研究期间，区域平均AI持续为负值，表明干旱年的NEP减少量超过湿润年的增加量。但AI时间序列呈上升趋势（斜率为0.0004），2001-2005年出现峰值，2005-2010年为最低值。不同土地利用类型的不对称响应存在显著差异：所有植被类型（除荒地外）均表现为负不对称，森林的AI值高于其他植被类型；非植被类型则表现为正不对称。

3.6. 净生态系统生产力不对称性的驱动因素

随机森林模型分析显示，影响AI的14个变量中重要性从高到低依次为：LAI（14.92%）、NEP_max（最大潜在NEP）、海拔、VPD（饱和水汽压差）、温度、坡度、降水/蒸散比、径流、平均降水、降水斜率、风速、土壤湿度、人口密度和降水AI。LAI是影响碳汇不对称性的最主要因素。在生物群落尺度上，LAI是耕地和草地的首要驱动因子，而NEP_max是森林的最重要指标。海拔在不同生物群落中均表现出重要影响（耕地9.17%、草地8.14%、森林10.66%），反映了秦岭-大巴山复杂地形的作用。

研究结论表明，秦岭-大巴山地区整体作为碳汇功能增强，但碳汇对降水变化呈现负不对称响应，即湿润年的碳汇增益无法抵消干旱年的碳损失。这种不对称性主要由叶面积指数（LAI）驱动，其次是生态系统碳汇潜力（NEP_max）和海拔高度。森林作为主要碳汇，对干旱更为敏感，而草地和灌木林由于生命周期较短、生长较快，可能具有更强的抗旱韧性。

讨论部分指出，LAI作为表征植被冠层结构的关键指标，直接影响植被与大气之间的物质交换，是调节碳汇对降水响应的重要环节。在耕地和草地中，耕作、收获、放牧等人类活动导致LAI快速波动，进而显著影响光合潜力和蒸散过程，最终决定碳汇不对称性。森林生态系统中，NEP_max更能反映生态系统的健康和稳定性，与碳汇功能密切相关。海拔通过影响温度、地形水文和能量分配，间接调控植被生长和碳汇动态。

该研究的重要意义在于首次系统揭示了秦岭-大巴山这一重要生态屏障区的碳汇非对称响应特征，为山地生态系统适应气候变化提供了科学依据。研究结果提示，在降水格局日益多变的背景下，需要特别关注高LAI区域的植被保护和管理，以增强生态系统的韧性和稳定性。这对于实现碳中和目标、制定区域气候政策具有重要参考价值。

研究也存在一定局限性，如验证数据依赖少量通量站点、模型假设最大光能利用率（ε_max）固定不变、未充分考虑气候因子的滞后效应等。未来研究可通过部署移动通量站、引入时空变化的ε_max值、量化气象因子滞后影响等方式进一步提升模型精度和机制理解。