极端事件期间，前期气候对生态系统生产力异常的显著影响

《Nature Geoscience》：Large contribution of antecedent climate to ecosystem productivity anomalies during extreme events

生态系统受当前及前序气候的复合影响，记忆效应通过植被生长和环境条件调节极端事件下的生产力波动。基于1995-2020年涡度协方差数据构建的可解释机器学习模型显示，极端生产力变化中38.2%与前序气候相关，其中降水（42.2%）>温度（22.1%）>蒸散（20.8%）。长期气候变异引发的半干旱生态系统生产力损失（异常值达14.7%）显著高于短期极端，且持续时间延长30%-50%。本研究为碳通量观测提供了首个融合观测约束与机器学习解释的基准模型，揭示了气候记忆效应对生态系统碳汇功能的双向调控机制。

　　

摘要

生态系统不仅受到当前气候的影响，还通过其对植被生长和环境条件的影响而受到过去气候的塑造。这些滞后响应被称为“记忆效应”，它们可能会加剧或缓解极端气候对生态系统功能的影响。然而，记忆效应对生态系统生产力的影响方向、强度和持续时间仍不甚清楚。在这里，我们采用基于涡度协方差数据的可解释机器学习框架来模拟1995年至2020年期间的生态系统总初级生产力，并进一步研究记忆效应对生态系统生产力正极值和负极值的影响特征。我们的结果显示，在极端气候条件下，过去的气候条件对生态系统生产力的贡献最大（占38.2%），其中降水因素占记忆效应的42.2%，其次是温度（22.1%）和蒸气压亏缺（20.8%）。由长期气候变化引发的极端事件往往比短期极端事件导致更大的生产力损失，半干旱生态系统表现出最大的生产力异常和较长的记忆效应。我们的研究结果强调了记忆效应在调节碳通量变化中的作用，并为这些效应提供了一个基于观测数据的基准。