不同生物群落中树冠储存能力的全球分布模式及其驱动因素

《Agricultural and Forest Meteorology》：Global patterns and drivers of canopy storage capacity in different biomes

植被冠层对降水截留能力（S）的全球格局及驱动因素研究。基于475次观测数据，运用BRT模型分析表明，热带雨林、温带森林等生物群S值较高（中位数1.18-1.28mm），木质部与叶片贡献相近（S_L=0.18mm，S_W=0.15mm）。生物因素（LAI贡献11.98%）和气候因素（风速11.59%）是主要驱动，全球S值中位数为0.93mm，显示冠层截留的生态水文调控作用。

　　植物冠层对降雨的截留能力（S）是影响水和溶解营养物质在景观中分布的重要因素，尤其是在森林生态系统中。这一现象不仅改变了雨水进入土壤的时空分布，还对生态系统整体的水分和养分平衡产生深远影响。因此，深入理解S的全球分布及其驱动因素，对于揭示生态水文过程的复杂性具有重要意义。本研究通过整合全球范围内162篇同行评审论文中的475个观测数据，构建了一个增强回归树（BRT）模型，以量化不同生物和气候因素对S的相对重要性及其交互作用。研究结果表明，S在全球不同植被生境中的范围从0.08毫米到8.9毫米不等，其中位数为0.93毫米（通常冠层截留的降雨量约为1毫米）。热带季节性森林、热带雨林、温带季节性森林和温带雨林的S值均高于其他植被覆盖较少的生境，其中位数分别为0.91毫米、1.18毫米、1.28毫米和1.26毫米。此外，研究还发现，木本部分和叶片在单位投影冠层面积上的截留能力相近，其中木本部分的S值范围为0.004毫米至5.85毫米（中位数：0.15毫米），而叶片的S值范围为0.01毫米至4.9毫米（中位数：0.18毫米）。BRT模型显示，叶面积指数（LAI）、风速和胸径（DBH）是预测S的最重要变量，其中LAI的贡献率最高，达到11.98%，风速为11.59%，DBH为9.46%。生物因素在所有S值变化中占比达50.5%，表明植被结构对S的影响显著。此外，其他生物变量如叶片物候期也对S产生影响，且其空间异质性在全球和区域尺度上均较为明显。

植物冠层对降雨的截留现象，即当雨水被植物冠层表面（如叶片和木本部分）拦截后，未到达地面而是重新蒸发回大气中，这一过程在不同植被类型中表现出显著差异。在某些生态系统中，如密集的森林，截留量可能较大，从而显著影响局部的水资源利用。具体而言，S的值不仅决定了冠层层面的水分平衡，还影响了降雨与陆地水分平衡之间的联系。不同植被生境对总降水量与土壤水分之间的关联性取决于S的大小，因此准确估算S对于理解和预测多样生态系统中的水分平衡至关重要。然而，目前对S的全球模式和驱动因素仍缺乏全面认识，尤其是在不同植被类型之间。

在研究过程中，我们通过检索中国知网和Web of Science数据库，收集了1950年至2024年10月之间的相关文献。通过关键词“冠层储水能力”、“储水能力”、“植被储水能力”、“降雨储水能力”、“冠层截留”、“植被截留”和“降雨截留”等，共获取了3463篇论文。这些研究需要满足一定的条件，例如至少报告了S、SL或SW中的一个数据。研究发现，S在全球不同植被生境中的分布具有显著差异，其中树木的S中位数最高，为1.12毫米（范围：0.05毫米至8.9毫米），灌木次之，为0.86毫米（范围：0.03毫米至4.4毫米），而草本植物的S中位数最低，为0.29毫米（范围：0.051毫米至4.2毫米）。这一结果表明，植被类型对S的影响具有明显差异，树木因其较高的生物量和复杂的结构，往往表现出更强的截留能力。

从植被类型的角度来看，研究还发现，热带季节性森林、热带雨林、温带季节性森林和温带雨林的S值均高于其他植被覆盖较少的生境。这可能与这些生态系统中植被的高密度、复杂结构以及较强的生物多样性有关。例如，热带雨林由于其常年湿润的气候条件和丰富的植被覆盖，通常能够截留更多的降雨。而温带雨林虽然降水量相对较少，但其植被结构可能更为紧凑，从而提高了S值。相比之下，草本植物和灌木由于其结构相对简单，截留能力较低。此外，研究还发现，S的值在不同植被生境中的空间分布存在显著异质性，这可能是由于不同地区的气候条件、植被类型以及土壤特性等多种因素共同作用的结果。

从生物因素的角度来看，LAI、风速和DBH是影响S的三个主要变量。LAI的贡献率最高，达到11.98%，这可能是因为叶面积指数直接反映了冠层的密度和复杂性，从而对降雨截留产生重要影响。较高的LAI意味着更多的叶片表面可以拦截更多的雨水，进而增加S的值。风速的贡献率为11.59%，这表明风力对降雨截留过程的影响不可忽视。风速的增加可能会促进叶片表面的水滴蒸发，从而减少实际截留的水量。然而，风速的波动也可能导致降雨在冠层表面的分布不均，进而影响S的值。DBH的贡献率为9.46%，这表明树木的胸径在一定程度上影响了冠层的截留能力。较大的胸径可能意味着树木的枝干更为粗壮，从而能够形成更为密集的冠层结构，提高S的值。

除了上述变量，研究还发现其他生物因素，如叶片物候期，对S的影响也较为显著。叶片物候期的空间异质性表明，不同地区的植被在生长季节和落叶季节的截留能力可能存在差异。例如，在生长季节，叶片的密度和面积可能增加，从而提高S的值；而在落叶季节，叶片数量减少，可能导致S的值下降。这种季节性的变化对生态水文过程具有重要影响，尤其是在气候变化的背景下，植被物候期的变化可能进一步加剧S的不确定性。

从气候因素的角度来看，研究发现风速和温度等变量对S的值产生影响。风速的增加可能会加速水滴的蒸发，从而降低实际截留的水量。然而，风速的波动也可能影响降雨在冠层表面的分布，进而改变S的值。温度的变化则可能影响植物的生长状态和叶片的物理特性，如表面粗糙度和水分保持能力。较高的温度可能导致叶片表面的水分更快蒸发，从而减少S的值。此外，温度的变化还可能影响植物的生长周期，进而影响S的季节性变化。

在研究过程中，我们还发现，S的估算和优化在全球陆地表面模型中仍存在较大的不确定性。一方面，S通常被视为一个固定值或仅在森林生态系统中进行估算，而实际上，截留现象在不同植被类型中均存在，并且其变化幅度较大。因此，将S视为固定值可能会导致模型预测的偏差。另一方面，S的形成涉及叶片和木本部分的共同作用，但在许多研究中，这两部分往往被合并估算，导致结果不够准确。此外，长期植被适应气候变化的机制也是影响S的重要因素，然而依赖短期实地数据的模型往往难以捕捉S的长期季节性或气候性变化。

为了提高对S估算不确定性的理解，本研究整合了全球范围内162篇独立发表的文献数据，构建了一个全球冠层截留能力数据库。通过这一数据库，我们能够更全面地分析不同植被生境中S的分布模式，并量化生物和非生物因素对S的相对重要性及其交互作用。研究的主要目标包括：（1）识别不同植被生境中S的全球模式，包括单位投影冠层面积上的叶片储水能力（SL）和木本储水能力（SW）；（2）量化各种生物和非生物因素对S的相对重要性及其交互作用。

通过分析数据，我们发现S的值在全球范围内存在显著的异质性，且不同植被类型对S的贡献存在差异。树木由于其较高的生物量和复杂的结构，往往表现出更强的截留能力，而草本植物由于其结构相对简单，截留能力较低。此外，研究还发现，叶片和木本部分在单位投影冠层面积上的储水能力相近，这表明在估算S时，需要同时考虑叶片和木本部分的贡献。同时，我们还发现，S的值在不同植被生境中表现出显著的空间差异，这可能是由于气候条件、植被类型和土壤特性等多种因素共同作用的结果。

本研究的结果不仅揭示了S的全球分布模式，还强调了木本部分在S中的重要性。这一发现对于改进全球陆地表面模型具有重要意义，因为S的准确估算有助于更好地模拟生态水文过程，提高模型的预测能力。此外，研究还指出，S的估算需要综合考虑生物和非生物因素的影响，以减少模型预测的不确定性。因此，未来的研究应更加关注植被结构和气候条件的交互作用，以提高对S的理解和预测能力。

本研究的结论表明，S的全球中位数为0.93毫米，这一数值与一些先前研究的结果一致。同时，我们发现，叶片和木本部分在单位投影冠层面积上的储水能力相近，其中位数分别为0.18毫米和0.15毫米。这一结果表明，在估算S时，不能简单地将叶片和木本部分分开处理，而需要综合考虑它们的共同作用。此外，S的值在不同植被生境中表现出显著的差异，这可能与植被的生长状态、结构特征以及气候条件密切相关。例如，在热带雨林中，由于植被的高密度和复杂结构，S的值较高；而在干旱地区，由于植被覆盖较少，S的值较低。

本研究还发现，S的值在全球范围内存在显著的空间异质性，这可能是由于不同地区的气候条件、植被类型和土壤特性等多种因素共同作用的结果。例如，热带季节性森林和温带雨林由于其较高的降雨量和植被密度，通常表现出较高的S值；而干旱地区的植被由于其较低的密度和覆盖度，S值较低。这种空间异质性表明，S的估算需要考虑区域和全球尺度上的环境差异，而不能简单地使用统一的参数或模型。

此外，研究还指出，S的估算和优化在全球陆地表面模型中仍存在较大的不确定性。这一不确定性可能源于以下几个方面：首先，S通常被视为一个固定值或仅在森林生态系统中进行估算，而实际上，截留现象在不同植被类型中均存在，并且其变化幅度较大。因此，将S视为固定值可能会导致模型预测的偏差。其次，S的形成涉及叶片和木本部分的共同作用，但在许多研究中，这两部分往往被合并估算，导致结果不够准确。因此，未来的研究应更加关注叶片和木本部分的单独贡献，以提高对S的估算精度。最后，长期植被适应气候变化的机制也是影响S的重要因素，然而依赖短期实地数据的模型往往难以捕捉S的长期季节性或气候性变化。因此，未来的研究需要结合长期观测数据和模型模拟，以更好地理解S的变化趋势及其驱动因素。

综上所述，本研究通过整合全球范围内的观测数据，揭示了S的全球分布模式及其主要驱动因素。研究发现，S的值在全球不同植被生境中存在显著差异，其中树木的S值最高，而草本植物的S值最低。此外，叶片和木本部分在单位投影冠层面积上的储水能力相近，表明在估算S时需要同时考虑它们的贡献。研究还发现，LAI、风速和DBH是影响S的主要变量，而其他生物和气候因素也对S产生影响。这些结果为改进全球陆地表面模型提供了重要的数据支持，同时也为理解生态水文过程的复杂性提供了新的视角。未来的研究应进一步关注S的估算方法和模型参数的优化，以提高对生态水文过程的预测能力。