亚马逊雨林蒸腾作用的多变量环境与性状控制机制研究

《Agricultural and Forest Meteorology》：Multivariate environmental and trait-based controls of transpiration in the Central Amazon Rainforest

本文通过机器学习框架解析亚马逊雨林树木蒸腾作用对2023年厄尔尼诺干旱的响应，揭示土壤水分（SW）、蒸汽压亏缺（VPD）和木材密度（WD）等因子如何协同调控树木水力策略，为热带森林碳-水循环模型提供关键生理学参数。

　　

Highlight

Site characterization

BIONTE是一项选择性采伐实验，位于巴西亚马逊州马瑙斯市以北90公里处的热带林业实验站（EEST，又称ZF2）（坐标：2°38′17″ S, 60°09′25″ W）。该站点由亚马逊国家研究所（INPA）运营，属于成熟的地面雨林，具有极高的树种多样性。

Variability in soil water, tree traits, and SFDs across experimental plots

2023年旱季的特征是：与雨季相比，月降水量中位数减少38.3毫米，温度上升2.6°C，蒸汽压亏缺（VPD）增加0.76千帕。旱季影响了所有三个实验区块，显著（p < 0.05）改变了表层1.0米土壤层的土壤水分（SW）。不同区块的土壤水分对旱季降水的敏感性存在差异，反映了局部的土壤或生物特性差异。

Discussions

我们的研究确定土壤水分可用性和温度是BIONTE站点亚马逊雨林蒸腾作用调控的主要驱动因子。树木通过不同的适应性策略应对干旱，这些策略受到木材密度（WD）这一关键功能性状的调节。高木材密度的树木表现出保守策略，其蒸腾流量持续较低，从而对干旱引起的水力衰竭具有更强的抵抗力。相比之下，低木材密度的树木则表现出...

Conclusion

我们对BIONTE站点亚马逊雨林树木对干旱胁迫（特别是2023年厄尔尼诺事件）的响应进行了全面分析。通过将先进的机器学习技术应用于液流测量数据，我们的研究揭示了影响干旱条件下树木蒸腾作用的环境变量之间复杂的相互作用。我们的关键发现强调了土壤水分、光照可用性和温度在干旱条件下调控树木蒸腾速率的主导作用。