基于临界土壤湿度阈值的生态系统水分胁迫响应机制与驱动因素解析

《Ecological Informatics》：Drivers of ecosystem soil water stress response revealed by critical soil moisture thresholds

本研究通过蒸发分数-土壤湿度(EF-SM)耦合方法量化临界土壤湿度阈值(θcrit)、斜率(S)和最大蒸发分数(EFmax)等关键参数，系统揭示了不同植被类型对土壤水分胁迫的响应规律。研究发现常绿阔叶林(EBF)具有最高θcrit(0.43±0.036?m3/m3)和最低S值(0.35±0.042)，表现出最强抗旱性；而开放灌丛(OSH)的θcrit最低(0.21±0.053?m3/m3)、S值最高(1.10±0.059)，最为脆弱。主导因素分析表明土壤性质解释θcrit变异的59%，气象因子主导S值变异(35%)，植被特征决定EFmax空间分布(62%)。该研究为气候变化背景下水资源管理提供了科学依据。

　　

在全球气候变化加剧的背景下，干旱事件频发已成为威胁生态系统稳定的重要因素。土壤湿度作为连接陆地与大气系统的关键变量，其动态变化直接影响着植被的生长状况和生态系统的碳水循环。然而，不同生态系统对土壤水分胁迫的响应机制存在显著差异，这主要取决于一个核心参数——临界土壤湿度阈值(θ_crit)。这个阈值被定义为触发植物水分胁迫的容积含水量临界点，是评估生态系统干旱脆弱性的重要指标。

长期以来，科学界对θ_crit的认识多局限于单点观测或模型模拟，缺乏大尺度的系统量化。传统基于涡度相关通量观测的方法受限于站点稀疏性和数据不连续性，难以捕捉θ_crit的空间异质性。而现有的地球系统模型(ESMs)对θ_crit的表征存在明显偏差，往往高估干旱区的阈值而低估湿润区的阈值，这主要源于对植物水力结构和胁迫响应机制的过度简化。这些不足严重制约了我们对生态系统水分胁迫响应的准确预测能力。

为了解决这一科学难题，中国科学院地理科学与资源研究所的蓝丽华、王振波和何飞研究团队在《Ecological Informatics》上发表了题为"Drivers of ecosystem soil water stress response revealed by critical soil moisture thresholds"的研究论文。该研究基于1980-2020年的ERA5-Land再分析数据，结合多源遥感观测和地面验证，系统量化了中国区域夏季(6-8月)蒸发分数-土壤湿度(EF-SM)耦合关系中的三个关键参数：θ_crit、斜率(S)和最大蒸发分数(EF_max)，深入揭示了不同植被类型的水分胁迫响应特征及其驱动机制。

研究团队采用了多项关键技术方法：基于EF-SM耦合关系的分段回归算法准确估算了θ_crit、S和EF_max参数；利用XGBoost和随机森林机器学习算法识别了影响参数空间变异的主导环境因子；通过主成分分析(PCA)将预测变量归类为气象、植被、土壤和地形四大类，量化了各类因子对参数变异的贡献度；整合了包括TerraClimate气象数据、SoilGrids土壤属性数据、VODCA植被光学厚度数据等在内的多源数据集，确保了分析的全面性和准确性。

3.1. θ_crit、S和EF_max的分布和时空变化特征

研究发现，1980-2020年间中国生态系统整体呈现θ_crit和S值的下降趋势，θ_crit以每年0.19‰ m³/m³的速率轻微下降(p=0.08)，S值以每年1.2‰的速率下降(p=0.10)，表明植物水分胁迫在一定程度上得到缓解。这种变化可能与大气CO₂浓度升高带来的植物水分利用效率改善有关。

不同气候带间参数差异显著：热带湿润区(TC)的θ_crit最高(0.42±0.04 m³/m³)，而西北温带沙漠区(NW)最低(0.11±0.08 m³/m³)。植被类型方面，常绿阔叶林(EBF)表现出最强的抗旱性，具有最高的θ_crit(0.43±0.036 m³/m³)和最低的S值(0.35±0.042)；而开放灌丛(OSH)最为脆弱，θ_crit极低(0.21±0.053 m³/m³)且S值最高(1.10±0.059)。落叶针叶林(DNF)在森林类型中表现出最高的S值(0.74±0.047)和最低的θ_crit(0.33±0.014 m³/m³)，表明其对水分限制更为敏感。

EF_max的空间分布显示，热带湿润区(TC)、东北地区(NE)和华中南部亚热带湿润区(CSC)的值最高(0.90以上)，而西北地区(NW)和青藏高原(QTP)最低。湿地生态系统的EF_max最高(0.93±0.04)，显著高于农田(0.91±0.01)和落叶阔叶林(0.89±0.09)。

3.2. θ_crit、S和EF_max空间变异的主导因素

主导因素分析揭示了不同环境因子对三个参数空间变异的相对重要性。土壤性质是θ_crit空间变异的主要驱动因素，解释了59%的变异，其中土壤生物温度(SBIO)、土壤体积密度(Bdod)和有机碳密度(OCD)是主要贡献因子。气象因子对S值的空间变异起主导作用(35%)，气候水分亏缺(Def)、降水量(PPT)、实际蒸散量(Aet)和饱和水汽压差(VPD)是主要影响变量。植被因子则主导了EF_max的空间变异(62%)，植被光学厚度(VOD)、总初级生产力(GPP)、叶片氮含量(LNC)和比叶面积(SLA)是最重要的植被相关因子。

区域分析进一步表明，在内蒙古(IM)和东北(NE)气候区，植被因子是θ_crit的主要控制因素；而在西北地区的荒漠(BAN)中，气象因子占主导地位。对于S值，在植被丰富的区域如各类森林和农田，植被覆盖是主要驱动因素。EF_max则主要受植被活动和温度因子的共同影响。

3.3. 预测变量对θ_crit和S的偏依赖分析

偏依赖分析深入揭示了各环境因子与θ_crit、S值的非线性关系。θ_crit随土壤生物温度(SBIO)、气候水分亏缺(Def)和饱和水汽压差(VPD)的增加而降低，而随总初级生产力(GPP)、叶片氮含量(LNC)、降水量(PPT)和植被光学厚度(VOD)的增加而升高。当降水量低于150mm时，θ_crit随降水增加而急剧上升，超过此阈值后趋于稳定。

S值对气候水分亏缺(Def)的响应表现为：当Def从50增加到100时，S值急剧上升，表明土壤干燥加剧了系统对气候变化的敏感性。当VPD超过1.0kPa时，S值随VPD升高而显著增加。相反，GPP低于500g C/m²时，S值随GPP增加而快速下降，之后趋于稳定。低VOD值(<0.2)条件下，S值随VOD增加而显著降低。

4.1. 生态系统对土壤水分胁迫的响应

时间趋势分析表明，中国生态系统在过去四十年间θ_crit和S值的下降反映了植物水分胁迫的普遍缓解。这一发现与生态系统约束从能量限制向水分限制转变的全球趋势一致。植被可能通过降低临界土壤湿度阈值和调整水分利用策略来增强抗旱性，这些适应机制包括优化水分运输系统、渗透调节和发育更深根系等。

4.2. 不同生态系统和植被类型中θ_crit与S的权衡机制

研究揭示了植被水分利用策略的普遍权衡关系。深根系森林生态系统(如EBF和ENF)通常具有较高的θ_crit和较低的S值，表现出更强的抗旱性和保守的水分利用策略。而浅根系植被类型(如GRA和CRO)则表现出低θ_crit和高S值，反映了其对水分变化的敏感性和有限的耐旱性。灌丛(OSH和CSH)具有最低的θ_crit和最高的S值，支持了灌木采用风险承担型等水策略以在干旱条件下维持生存的假设。

4.3. 植被生理性状对θ_crit和S空间变异的驱动机制

研究发现植被生理性状在调节水分胁迫响应中起关键作用。高GPP通常与更旺盛的植被生长相关，这类植被更不易受水分胁迫影响，能维持较高的θ_crit。高VOD增强了干旱期间冠层持水能力，有助于在水分稀缺条件下的生理韧性。高LNC通过促进光合效率和水分利用性能来提高耐旱性。这些生理性状通过影响植物水力特性间接调节EF-SM耦合，从而塑造植物对水分胁迫的响应。

本研究通过系统量化中国区域生态系统水分胁迫响应的关键参数，揭示了不同植被类型的抗旱机制及其环境驱动因素。提出的基于"阈值-斜率"关系的植被抗旱性分类框架，为理解生态系统水力策略多样性提供了新视角。研究结果对改进地球系统模型中植物水力过程的参数化方案、提高气候变化背景下生态系统响应预测能力具有重要科学价值，也为区域水资源管理和生态保护政策的制定提供了科学依据。