中国不同地区地表温度对植被绿化响应的纬度和季节性差异

《Earth's Future》：Latitudinal and Seasonal Asymmetry in Land Surface Temperature Responses to Vegetation Greening Across China

植被自我绿化通过增加地表反照率和蒸散发显著影响中国地表温度（LST）。研究显示，2000-2018年植被绿化导致白天LST降低0.36 K，夜间降低0.07 K，且冷却效应在低纬度更显著。纬度转换带位于47°N，夏季最北达53°N，冬季南移至40°N。反照率下降在东北部加剧升温，而全国范围的蒸散发增加（37.3 mm/年）主导降温。植被类型差异显著，草地和农田降温更明显（-0.57 K/0.1 NDVI）。

　　中国自2000年以来经历了显著的植被绿化现象，这一变化主要受到气候变化和土地管理措施的推动。研究发现，植被自我绿化（即植被自然生理过程如老化和冠层结构发育引起的植被覆盖增加）对地表温度（LST）的影响尚未得到充分研究。本文通过采用“空间代替时间”的方法，结合多源卫星观测数据，对植被绿化对中国地表温度的影响进行了量化分析。研究覆盖了2000至2018年期间的中国全境，旨在揭示植被变化对局部气候的调节作用，为制定精准的土地管理策略提供科学依据。

植被绿化的生物物理效应主要体现在地表温度的降温作用上。研究发现，植被自我绿化在白天导致了显著的降温（?0.36 K），而夜间降温幅度较小（?0.07 K）。从空间分布来看，低纬度地区表现出明显的降温趋势，而在中高纬度地区则呈现出微弱的升温趋势，且这种升温现象在夜间更为显著。纬度过渡带，即从降温向升温转变的临界区域，大致位于47°N左右，这一纬度模式在不同季节有所变化，夏季过渡带向北扩展至约53°N，冬季则南移至约40°N。这表明植被变化对地表温度的影响具有显著的季节性和空间异质性。

在方法上，本文采用了MODIS NDVI和LST数据，并结合空间移动窗口法和可解释的机器学习技术，如极端梯度提升（XGBoost）和随机森林（Random Forest, RF）模型，对植被变化对地表温度的影响进行了系统分析。首先，通过趋势分析确定了植被变化与地表温度之间的长期关系，利用Theil-Sen估计器和Mann-Kendall趋势检验评估了植被覆盖变化对地表温度的影响。然后，通过机器学习模型对地表温度变化的关键驱动因素进行了量化分析，识别了不同植被类型对温度变化的敏感性差异。

研究发现，植被自我绿化对地表温度的降温效应显著强于植被自我退化（即植被覆盖减少）对地表温度的升温效应。这一结果与植被变化对能量平衡的影响密切相关。例如，植被覆盖的增加通过提高蒸散发（ET）和降低反照率（albedo）两种机制共同作用，从而导致地表温度的降低。其中，蒸散发的增强是降温的主要驱动力，而反照率的降低则可能在某些地区（如东北部）产生一定的升温效应。这一发现表明，植被变化对地表温度的影响并非单一，而是受到多种生物物理过程的共同作用。

此外，研究还揭示了植被变化对地表温度影响的季节性差异。在春季和夏季，植被自我绿化的降温效应尤为显著，而在秋季和冬季则相对减弱。这种季节性差异与植被对能量分配的响应有关。在春夏季，由于植被生长活跃，蒸散发显著增加，从而增强了非辐射冷却效应。而在秋冬季，植被覆盖的变化对反照率的影响更为明显，导致升温效应增强。因此，季节性对植被变化的气候效应具有重要影响。

在不同植被类型中，研究发现草地区域和农田表现出更强的降温敏感性，而森林的降温效应相对较弱。这可能与植被覆盖度高时，部分生物物理参数（如反照率和粗糙度）趋于饱和有关。例如，随着植被覆盖度的增加，植被对太阳辐射的反射能力增强，从而减少了能量吸收，降低了地表温度。然而，当植被覆盖度达到一定水平后，其对温度的调节能力可能减弱，甚至出现非线性响应。

研究还发现，植被自我绿化和自我退化对地表温度的影响存在明显的不对称性。在相同的植被变化幅度下，自我绿化的降温效应比自我退化的升温效应更强。这一不对称性可能源于蒸散发对植被变化的响应更为敏感。例如，植被自我绿化过程中，蒸散发的增加幅度显著高于自我退化过程中蒸散发的减少幅度，从而导致更显著的降温效应。此外，不同植被类型对温度变化的响应也存在差异，草地区域和农田对温度变化的敏感性更高，这可能与它们对能量再分配的效率不同有关。

在驱动因素方面，研究发现，蒸散发和反照率是植被变化对地表温度影响的两个主要生物物理因素。通过SHAP（Shapley Additive Explanations）方法，研究对这些因素的贡献进行了详细分析。结果表明，蒸散发的变化对地表温度的影响更为显著，尤其是在中高纬度地区。而在某些特定区域（如东北地区），由于反照率的降低，可能引发局部的升温效应。这种效应的大小和方向因植被类型和区域而异，说明植被变化对地表温度的影响具有复杂的机制。

本研究还探讨了未来气候变化背景下植被变化对地表温度的潜在影响。随着全球变暖的加剧，植被覆盖的变化可能会进一步影响地表能量平衡和气候反馈机制。例如，温暖的气候条件可能会增强非辐射性生物物理效应，如蒸散发和地表能量分配，从而加强植被绿化的降温作用。然而，同时，大气中二氧化碳浓度的上升可能会通过影响植物的气孔开度，减少蒸散发，进而削弱非辐射性冷却效应。因此，未来的研究需要进一步探讨这些竞争性生物物理效应如何随时间演变，并评估其对区域气候的长期影响。

尽管本文采用了“空间代替时间”的方法，有效避免了植被变化与地表温度之间因果关系不明确的问题，但这种方法也存在一定的局限性。例如，它假设在50公里范围内，所有格网的背景气候条件相似，忽略了植被对大气环流、湿度和云量等非局部因素的潜在影响。因此，未来的模型发展需要结合数据驱动的方法与物理机制，通过过程导向的机器学习或深度学习算法，更准确地刻画植被变化对气候的多维影响。

此外，本文还强调了植被变化对全球气候反馈机制的重要性。尽管《巴黎协定》关注了大规模土地覆盖变化的生物地球化学效应，如碳吸收，但其对生物物理效应的关注相对不足。这种忽视可能导致对植被在缓解全球变暖中的作用存在低估。因此，未来的气候政策制定应更加重视植被变化的生物物理效应，尤其是在高纬度和低反照率地区，这些地区的降温效应可能受到更多自然因素的影响。

总的来说，本文通过多源数据和机器学习方法，揭示了植被自我绿化对地表温度的复杂影响，包括其在不同季节和纬度下的变化特征，以及其对不同植被类型的调节作用。这些发现不仅有助于理解植被变化与气候之间的相互作用，也为全球气候变化背景下的土地管理策略提供了新的视角。未来的研究应进一步结合物理模型和数据驱动方法，以更全面地评估植被变化对气候系统的潜在影响，并为实现可持续的生态管理提供科学支持。