土壤水分可利用性对总初级生产力响应特征的全球分布格局及其驱动机制解析

本研究针对全球碳循环中GPP对土壤水分(W)响应机制不清的科学问题，通过耦合人工神经网络与光能利用率(LUE)模型，系统分析了196个通量站点数据，揭示了植物功能型(PFT)、植被季节性(EVI)和土壤特性对GPP响应参数(WI、kW、αW)的调控规律。研究发现森林生态系统具有更低的水分胁迫阈值和更陡的响应斜率，而灌木群落呈现滞后响应特征，该成果为改进全球碳循环模型参数化方案提供了重要依据。

　　

在全球气候变化背景下，土壤水分可利用性(W)作为调控植被光合作用的关键因子，其与总初级生产力(GPP)的响应关系仍存在显著认知空白。传统光合模型多基于植物功能型(PFT)分类参数化，忽视了生态系统内部参数变异及其环境驱动机制。尤其对GPP响应曲线的拐点(W_I)、斜率(k_W)和滞后效应(α_W)等关键特征的全球分布格局及其形成机制缺乏系统研究，这严重制约了全球碳循环模拟的准确性。针对这一科学难题，中国科学院空天信息创新研究院等机构的研究人员创新性地将机器学习与过程模型相结合，在《Agricultural and Forest Meteorology》发表了突破性研究成果。

研究团队开发了参数同步反演与外推(SPIE)技术框架，耦合人工神经网络与LUE模型，整合196个FLUXNET通量站点数据，涵盖11种PFT类型。通过十折交叉验证策略优化模型，结合偏依赖图(PDP)和SHAP值分析，系统解析了生态系统特征与W_I、k_W、α_W三个关键参数的定量关系。研究特别关注了植被指数特征(VIF)、19种生物气候变量(BIO1-19)、土壤属性等56个环境因子的影响。

研究结果部分，"SPIE模型性能"显示：该模型在日、周、月尺度上均表现出色(NSE=0.78-0.80)，成功捕捉了86%站点的GPP季节动态。参数不确定性分析表明，k_W的预测变异略高于其他参数，但总体保持在较低水平。

"水分相关参数对模型输入的响应"部分揭示：落叶阔叶林(DBF)和混交林(MF)具有显著较低的W_I(0.3-0.4)和k_W(-15至-20)，而开放灌木(OSH)的α_W高达0.8。增强型植被指数季节变异(VIF2)是所有参数最重要的驱动因子，其与W_W呈正相关，而与k_W呈负相关。值得注意的是，土壤R层出现概率(BDRLOG)对三个参数均表现出非线性调控效应。

"水分相关参数分布图"展示了全球格局：W_I和k_W在亚热带干旱区呈现高值，而α_W在干旱气候带普遍接近0.83。这种空间分异揭示了不同生态系统适应水分胁迫的策略差异——干旱区植被倾向于发展出滞后响应机制以缓冲水分波动的影响。

讨论部分强调，该研究突破了传统PFT参数化方案的局限，首次在全球尺度上量化了GPP对W响应的三维特征(阈值、斜率、滞后)及其环境驱动。研究发现老龄森林(<50年)具有更低的水分胁迫敏感性和更陡的响应斜率，这一发现为理解森林碳汇随林龄的变化机制提供了新视角。研究还指出，土壤属性通过改变根系渗透深度和养分有效性，以非线性方式调控植被的水分响应策略。

该研究的创新价值体现在三方面：方法学上创建的SPIE框架实现了生态系统特征与模型参数的直接映射；理论上阐明了植被季节性作为GPP水分敏感性的核心指示器作用；应用上生成的全球1km分辨率参数图为改进地球系统模型提供了关键数据支撑。未来需要加强热带地区观测以进一步提升模型在关键区域的适用性，同时需探究参数时间变异特征以更好捕捉气候变化下的植被适应过程。