植被-土壤-水文相互作用的数据同化研究：中国黄土高原植物水分胁迫响应机制解析

为解决陆地表面模型(LSMs)中植被动态与水文过程交互作用表征不足的问题，研究人员通过同化叶面积指数(LAI)和土壤湿度(SM)数据，评估了Noah-MP模型中三种植物水分胁迫函数(β)对LAI与蒸散发(ET)耦合关系cor(LAI,ET)的影响。研究发现，LAI同化平均降低21%的cor(LAI,ET)偏差，而多变量同化可最大程度提升植被蒸腾作用，为生态恢复区水碳循环模拟提供了新方法。

　　

在全球气候变化背景下，植被-土壤-水文系统的相互作用已成为地球系统科学的核心问题。中国黄土高原作为全球最大的人工植被恢复区，其剧烈的植被变化对区域水循环产生了深远影响。然而，当前陆地表面模型(LSM)对叶面积指数(LAI)与蒸散发(ET)耦合关系cor(LAI,ET)的模拟存在显著偏差，主要源于植物水分胁迫因子(β)表征的不确定性。这一问题严重制约了生态水文响应预测的可靠性，特别是在水资源紧缺的生态恢复区。

中国科学院等机构的研究人员利用Noah-MP模型，结合GLASS LAI和ESA CCI SM卫星数据，系统评估了三种β函数（Noah型、CLM型和SSiB型）对黄土高原cor(LAI,ET)模拟的影响。研究采用NASA陆地信息系统(LIS)v7.2进行数据同化，通过观测系统模拟实验(OSSE)验证同化效果，并利用中国气象强迫数据集驱动模型。

评估Noah-MP中植被动态与水文过程的相互作用
研究发现不同β函数下LAI空间分布差异显著，但ET响应相对稳定。模型模拟的cor(LAI,ET)存在10%-35%的高估，主要源于β函数对水分胁迫的过度敏感。其中CLM型β函数表现出最强的植被-水文耦合强度。

数据同化对交互作用表征的改进
LAI单变量同化通过修正植被生长状态，使β值平均降低0.15，cor(LAI,ET)偏差减少21%。SM同化则因卫星数据插值误差和碳循环不确定性，效果存在区域异质性。多变量同化整合两者优势，不仅最大程度降低cor(LAI,ET)偏差，还使植被蒸腾量提升12%-18%。

讨论与结论
该研究首次揭示了数据同化通过协调植物水分胁迫响应，能有效改善LSM中植被-水文相互作用表征。多变量同化方案为生态恢复区的水资源可持续管理提供了新工具，其揭示的β函数敏感性差异对下一代LSM开发具有重要指导意义。论文发表在《Agricultural and Forest Meteorology》，为全球变化下的生态水文研究提供了中国典型案例。