《Ecological Indicators》：Nonlinear amplification of vegetation drought under compound dry–hot extremes across India
编辑推荐：
复合干旱-高温极端事件强烈放大植被干旱风险。降雨亏缺主导印度大部分地区的植被胁迫。复合极端事件使干旱概率增加超出加性效应。复合胁迫下干旱放大效应超过高温放大效应。Meta-Gaussian框架能够捕捉植被-气候非线性相互作用。
复合干旱-高温极端事件强烈放大植被干旱风险。降雨亏缺主导印度大部分地区的植被胁迫。复合极端事件使干旱概率增加超出加性效应。复合胁迫下干旱放大效应超过高温放大效应。Meta-Gaussian框架能够捕捉植被-气候非线性相互作用。
论文解读文章
研究背景与科学问题
植被动态与水气候变率密切相关，尤其是在印度这样的季风主导地区，降雨的季节性和温度变率强烈调控着生态系统的生产力与恢复力。植被干旱通常表现为植被绿度和生产力的下降，其成因涉及多种气候驱动因子的相互作用，其中降水亏缺和高温是核心因素。近年来，气候变化背景下水气候极端事件呈加剧趋势，干旱、热浪及其复合发生愈发频繁和严重，对生态系统、农业和水资源构成显著风险，尤其对于已接近水气候阈值的植被系统。
已有大量研究利用NDVI等卫星指数分别考察了降雨亏缺和温度极端对植被的独立影响，揭示了半干旱和季风生态系统中强烈的水分控制机制。同时，温度驱动的胁迫与蒸散需求增加和土壤水分耗竭相关联，进一步加剧植被胁迫。近期研究强调，复合干热极端事件可导致比单一极端事件不成比例的更大生态影响，表明存在强烈的非线性相互作用。然而，对于印度而言，三个关键问题仍未解决：（i）植被干旱概率如何随降雨亏缺和高温严重程度的增加而系统性变化；（ii）二者的联合发生是否产生超出单一驱动因子效应的放大作用；（iii）在不同水气候区域，干旱与高温对复合放大的贡献是否对称。现有区域研究、常规相关分析和单一驱动因子评估无法完全解答这些问题。因此，亟需一项全国尺度的概率评估，明确分离单一与复合效应并量化其非线性放大。
研究内容与结论
本研究首次将Meta-Gaussian概率框架应用于印度全国尺度，量化了降雨亏缺、温度极端及其复合相互作用下植被干旱的条件概率。该框架不仅能够估计不同气候阈值下的植被干旱概率，还能通过专门指标分离非线性放大效应。研究覆盖印度全境，涵盖从湿润热带到寒冷喜马拉雅地区的多样气候体制，代表了该框架应用的显著进展。研究旨在建立印度植被动态的基线水气候控制，量化单一极端事件下的植被干旱响应，评估复合干热极端事件的影响，并通过专门指数量化非线性放大机制。
主要技术方法
研究人员利用2001-2024年期间印度气象局（IMD）提供的1°×1°日观测降雨和温度数据，以及MODIS MOD13Q1 V6.1产品的月NDVI数据。所有变量统一至共同1°网格，采用3个月滑动平均聚合以代表季节尺度条件，并通过经验正态分位数变换（NQT）结合Gringorten绘图位置标准化为SPI、STI和SNDVI。极端阈值针对每个日历月分别定义。随后应用Meta-Gaussian框架估计条件概率，并计算CD和CH放大指数以量化复合条件下干旱和高温的额外非线性贡献。
研究结果
植被-气候基线关系：通过分析NDVI空间格局及其与降雨和温度的关系，研究确立了印度植被动态的基线水气候控制，识别出不同区域的主导控制因子和敏感性差异。
单一极端事件下的植被干旱响应：条件概率分析显示，降雨亏缺在印度大部分地区主导植被胁迫，而温度极端的影响相对较弱，但在特定区域和季节仍具重要性。
复合干热极端事件的影响：复合干热事件显著放大植被干旱风险，其发生概率超出单一驱动因子效应的简单叠加，表明存在强烈的非线性相互作用。
非线性放大机制：通过CD和CH指数量化发现，在复合胁迫下干旱的放大效应普遍超过高温的放大效应，揭示了干旱和高温在驱动复合影响中的不对称贡献。
讨论与结论
研究讨论部分强调，印度植被对水气候变率的敏感性高度异质，受季风动态、土壤水分有效性和区域气候体制共同调控。半干旱和季风依赖区（如印度中部和西北部）植被受水分强烈限制，对降雨亏缺高度敏感；湿润区（如西高止山脉和东北部）通常对降雨变率敏感性较低，但在持续干旱或高温下仍可能遭受胁迫；喜马拉雅地区则呈现温度限制特征，增温可能促进植被活动。这种空间变异性意味着对气候极端事件的响应并非均匀一致。
研究结论指出，复合干热极端事件强烈放大植被干旱风险，降雨亏缺主导印度大部分地区的植被胁迫，复合极端事件使干旱概率增加超出加性效应，且复合胁迫下干旱放大效应超过高温放大效应。Meta-Gaussian框架成功捕捉了植被-气候非线性相互作用。该研究的创新性在于：（i）首次在全国尺度应用概率框架评估印度植被干旱；（ii）在多阈值复合极端条件下明确量化条件概率；（iii）引入放大指标以分离非线性复合效应。这些贡献为理解植被系统对日益频繁的复合极端事件的响应提供了新见解，对生态系统管理和气候适应策略具有重要意义，推动了对植被-气候相互作用的理解从单一驱动因子向概率性和过程信息化的复合极端评估转变。
