长江流域植被对干旱的亚月尺度敏感性增强机制及其驱动因素研究

本研究针对气候变化下干旱频发对植被生产力的影响，基于8天分辨率数据集，首次在亚月尺度揭示了长江流域植被对干旱的敏感性与响应时间特征（Rmax=0.6348），发现耕地敏感性最高（Rmax=0.6559），草地响应最快（21.20?8天），并识别出干旱敏感性阈值（9.75–10）。研究为精细化生态管理提供了科学依据。

　　

随着全球气候变化加剧，干旱事件频发已成为威胁生态系统稳定的重要因素。植被作为生态系统的"晴雨表"，其响应机制研究多集中于月尺度以上，而短时干旱的"闪电式"影响长期被忽视。长江流域(YRB)作为中国最大陆地碳汇，近年因干旱导致农作物减产和生态退化，亟需更精细的监测手段。传统研究受限于气象数据分辨率（0.1°-0.25°）和月尺度分析，难以捕捉植被对干旱的瞬时响应，且不同植被类型的适应机制尚不明晰。

国家自然科学基金项目(42330515)支持下，研究人员创新性地构建了8天分辨率的植被总初级生产力(GPP)与标准化降水蒸散指数(SPEI)数据集，结合机器学习算法，首次在亚月尺度揭示了长江流域植被-干旱互作规律。研究采用相关分析量化敏感性与响应时间，通过随机森林模型解析驱动因子，并创新性识别出干旱敏感性阈值。

关键技术包括：1)融合MODIS卫星GPP数据(8天间隔)与气象站点插值数据提升时空分辨率；2)采用线性/非线性相关分析评估GPP-SPEI关系；3)运用随机森林算法量化气候、地形等因素贡献度；4)基于大样本统计(2001-2018年)验证阈值效应。

【研究结果】

1. 植被敏感性空间分异

   中央流域敏感性最强(R_max=0.6348)，唐古拉山和武夷山植被响应最快(≤24天)。8天尺度揭示的敏感性显著高于既往月尺度研究(如Zhao等报道的0.13)。

2. 植被类型特异性响应

   耕地表现出最高敏感性(R_max=0.6559)，草地响应速度最快(21.20?8天)，而森林主要受降水驱动，高寒草甸对太阳辐射敏感。灌溉使耕地对降水依赖性降低。

3. 阈值效应与非线性关系

   发现9.75-10的SPEI临界值，超过该阈值敏感性下降。除耕地外，响应时间随干旱加剧而缩短，表明植被存在"应激-崩溃"转换机制。

4. 驱动因子贡献度

   地形影响较弱(＜15%)，气候因子贡献呈植被特异性：降水对森林解释度达42%，太阳辐射主导高寒草甸响应(37%)，耕地因人工灌溉呈现独特响应模式。

【结论与意义】

研究突破传统月尺度局限，首次在亚月尺度系统量化了长江流域植被对干旱的敏感性梯度与时空异质性。发现的敏感性阈值(9.75-10)为早期预警提供了量化指标，而21.20?8天的草地响应速度提示短时干旱即可造成不可逆损伤。方法论上，8天分辨率数据集与机器学习模型的结合，为全球变化研究提供了新范式。实践层面，中央流域的高敏感性区域应优先纳入生态保护规划，耕地需优化灌溉策略以应对频发干旱。该成果发表于《Journal of Environmental Management》，为《巴黎协定》框架下的区域适应性管理提供了科学支撑。