气候-LUCC协同驱动下中国土壤呼吸时空动态与碳循环响应机制研究

《Journal of Plant Ecology》：Climate-LUCC Synergy Drives Soil Respiration Dynamics in China: A Biome-Specific Machine Learning Approach

本研究针对中国气候变暖格局转变（2001-2010年变暖趋缓期至2010-2019年加速变暖期）与土地利用/覆盖变化（LUCC）共同驱动土壤呼吸（RS）时空动态但相对贡献机制不明的问题，通过构建分植被类型的机器学习模型（R2=0.69–0.82），首次实现1 km分辨率全国尺度RS估算（2001–2019年）。研究发现中国植被区年均RS通量为4.24±0.02 Pg C year?1，其年际变化由前十年相对稳定（–5.58 Tg C year?1）转为后十年显著上升（36.29 Tg C year?1）。气候与LUCC共同解释61.7%的RS变异，其中水分主导（29.6%）。生态工程在增强碳汇的同时可能因促进RS而部分抵消固碳效益，为陆地碳循环模型优化和生态政策制定提供关键数据支撑。

　　

当我们谈论气候变化时，常常聚焦于大气中不断上升的二氧化碳浓度，却容易忽视一个隐藏在地表之下的关键过程——土壤呼吸（Soil respiration, R_S）。作为陆地生态系统中仅次于光合作用的第二大碳通量，土壤呼吸通过自养呼吸（植物根系呼吸）和异养呼吸（土壤微生物呼吸）每年向大气释放大量CO₂，其动态变化直接影响全球碳平衡与气候反馈机制。中国作为全球最大的碳排放国之一，其陆地生态系统的碳收支评估对实现"双碳"目标具有战略意义。

然而，中国气候在近二十年经历了显著格局转变：2001-2010年出现变暖趋缓现象，而2010-2019年进入加速变暖阶段，叠加持续的土地利用/覆盖变化（Land use/cover change, LUCC）如生态工程建设、耕地扩张等，共同驱动着土壤呼吸的时空变异。尽管已有研究认识到气候和人类活动对土壤呼吸的影响，但二者相对贡献的大小及其内在机制仍不明确。传统模型难以捕捉不同植被类型（森林、草地、农田）特有的土壤呼吸响应规律，而机器学习方法虽能处理非线性关系，却缺乏机制透明度。这一知识缺口限制了我们对陆地碳循环反馈机制的准确预测，也影响了生态工程碳汇效益的评估。

针对这一科学问题，中国科学院地理科学与资源研究所的明茹、王军邦等研究团队在《Journal of Plant Ecology》上发表了最新研究成果。研究人员创新性地整合了全国224个站点（2001-2019年）的土壤呼吸观测数据、多源遥感数据（温度、水分、植被生产力等）以及分植被类型的机器学习建模方法，构建了1 km空间分辨率的中国土壤呼吸长时间序列数据集，并通过情景模拟量化了各环境驱动因子的贡献。

研究团队采用了一套完整的技术方法体系：首先基于地面观测数据（来自SRDH和SRDB数据库）与遥感数据（地表温度、降水、蒸散、植被指数等）进行数据融合；其次针对不同植被类型（农田、森林、草地）分别优选机器学习算法（随机森林回归用于农田和森林，支持向量回归用于草地），通过10折交叉验证确保模型稳健性（R²=0.69–0.82）；进而利用SHAP（SHapley Additive exPlanations）值分析特征重要性；最后通过情景模拟法和分段线性回归量化气候与LUCC对土壤呼吸变异的贡献，并采用Theil-Sen趋势分析和Mann-Kendall检验识别时空变化规律。

模型精度与驱动因子特征

分植被类型的机器学习模型显著提升了土壤呼吸的估算精度，对年际和站点变异的解释度达68.6%–82.3%。其中草地生态系统预测精度最高（R²=0.82），森林次之（R²=0.69）。SHAP分析揭示了不同植被类型下驱动因子的异质性：农田土壤呼吸主要受水分（春季蒸散，45.9%）和温度（冬季地表温度，39.7%）控制；草地主控因子为植被生产力（年NDVI，38.5%）和降水（36.6%），但二者作用相反——植被生产力增加抑制土壤呼吸，而水分增加促进呼吸；森林土壤呼吸则主要受温度（冬季地表温度，41.6%）和植被生产力（年GPP，32.3%）驱动。

中国土壤呼吸的时空动态

2001–2019年间，中国陆地生态系统年均土壤呼吸通量为600.6±2.30 g C m^?2 year^?1，折合年总量4.24±0.02 Pg C，占全球土壤呼吸总量的4.3%–5.8%。空间上呈现东南高、西北低的梯度格局，亚热带-热带季风区贡献最大（41.3%），其次为温带季风区（24.2%）、高寒青藏高原区（19.5%）和温带大陆性区（15.0%）。时间上，全国土壤呼吸通量在2001–2010年间呈不显著下降趋势（–5.58 Tg C year^?1），而2010–2019年间转为显著上升（36.29 Tg C year^?1），增速提高约7倍。

土壤呼吸变异的驱动机制

气候因子与LUCC共同解释了土壤呼吸年际变异的61.7%，其中水分条件（29.6%）贡献最大，温度（13.0%）和LUCC（15.5%）次之，植被生产力贡献仅3.7%。分段回归识别出2010年为温度变化的转折点（95%置信区间：2008–2012），此前为变暖趋缓期（–0.04°C year^?1），此后进入加速变暖期（0.09°C year^?1）。水分的主导作用在第二个十年进一步加强（贡献率从24.8%升至42.5%）。季风区主导了中国土壤呼吸的十年际动态：2001–2010年间，温带季风区降温使土壤呼吸减少5.15 Tg C，亚热带-热带季风区干旱导致减少11.45 Tg C；2010–2019年间，两季风区增湿分别促进土壤呼吸11.92 Tg C和28.11 Tg C。

生态工程的碳平衡启示

研究期间中国植被面积减少0.5%（其中54.5%为森林损失，89.6%转为耕地），这类转换通常加速土壤呼吸并减少土壤碳储量。而在生态工程重点实施区（如农牧交错带），植被恢复虽增强了碳汇功能，却也刺激了土壤呼吸，可能部分抵消固碳收益。结构方程模型表明该区降水增加（3.82 mm year^?1）和NDVI上升是驱动土壤呼吸增长的关键。

本研究首次在全国尺度上揭示了水分条件对中国土壤呼吸动态的主导作用，挑战了传统温度中心论的认识框架。所构建的高分辨率数据集为改进陆地碳循环模型提供了基准数据，所开发的情景模拟方法为解析复杂驱动机制提供了可移植框架。研究成果强调在生态工程效益评估中需统筹考虑碳汇增益与呼吸损耗的平衡，对优化"碳中和"路径下的生态系统管理策略具有重要指导意义。未来研究需进一步融合过程模型与数据驱动方法，并加强土壤属性、微生物功能等关键生物物理因子的观测集成。