## 中文标题 中亚生态系统碳利用效率的时空动态与影响因素

《Land》：Spatiotemporal Dynamics and Influencing Factors of Ecosystem Carbon Use Efficiency in Central Asia

　　

生态系统碳利用效率（CUE = NEP/GPP）是衡量生态系统将光合固定碳转化为净碳储存能力的指标。在全球变暖和CO₂施肥效应下，植被变绿可能伴随着碳利用效率的非同步变化。作为全球最大的非地带性干旱区，中亚干旱区对CUE的时空演变及其主要关联因素仍缺乏系统性认识。本研究分析了1999—2019年中亚干旱区CUE的时空动态及其影响因素。结果表明，该区域整体表现为碳汇，多年平均总初级生产力（GPP）和净生态系统生产力（NEP）分别为414.8 g C m^?2和83.3 g C m^?2，年际增长率分别为6.5 g C m^?2 yr^?1和1.3 g C m^?2 yr^?1。平均CUE为0.17，其趋势基本稳定。灌丛（SL）的CUE最高（0.25），但呈轻微下降趋势，表明其碳利用效率可能面临下降风险。偏相关分析识别了1999—2019年中亚CUE的主要关联因子。在整个区域，叶面积指数（LAI）作为主要关联因子的像元比例最高。森林（FR）中，温度（TEM）作为主要关联因子的像元比例相对较高。SL与多个水分因子（包括降水PRE、土壤水分SM和饱和水汽压差VPD）的关联较为均衡。草地（GL）和稀疏植被（SV）的主要关联因子为VPD和LAI，而农田（CL）则以LAI为主要关联因子。地理探测器结果表明，多因子交互组合对CUE空间分异的统计解释力高于单因子，双因子交互显著增强了解释力。在整个区域，TEM∩LAI的解释力最高（q = 0.252）；部分组合表现为双因子增强，其余组合主要为非线性增强。在不同生态系统中，SL的TEM∩LAI和VPD∩LAI解释力最高（q分别为0.501和0.510），GL的TEM∩PRE解释力突出（q = 0.324），SV和CL表现出较强的多因子交互特征。这些结果揭示了中亚干旱区碳利用效率的空间异质性及其关联因子的解释力，进一步强调高生产力并不一定对应高碳利用效率，为理解干旱区生态系统碳利用策略提供了新见解。

## 论文解读

### 1. 研究背景与科学问题

人类活动导致的CO₂浓度持续上升加剧了全球变暖，深刻影响着陆地生态系统碳循环。陆地生态系统每年吸收约四分之一的人为CO₂排放，在全球碳平衡中发挥重要作用。理解区域碳收支通常依赖总初级生产力（GPP）、生态系统呼吸（RECO）和净生态系统生产力（NEP = GPP ? RECO）等核心指标。气候变暖和CO₂施肥效应虽促进了植被生长和陆地碳汇增强，但GPP的大幅增加可能被同步甚至更快的呼吸增加所抵消，导致NEP增长相对缓慢、生态系统固碳效率偏低。为此，生态系统碳利用效率（CUE = NEP/GPP）作为关键参数，可量化光合固定碳转化为净碳储存的比例，反映碳同化与呼吸损失之间的平衡，有助于识别高生产力但低固碳效率的生态系统。

干旱区约占全球陆地面积的41%，是地球上最脆弱和敏感的区域之一。中亚干旱区作为北半球温带最大的非地带性干旱区，其生态系统对水分亏缺尤为敏感。然而，以往全球碳循环研究多聚焦于热带雨林、温带森林或高纬度地区，对中亚干旱区关注不足，且缺乏足够的野外观测，导致该区域碳汇潜力估算存在不确定性。为此，本研究聚焦中亚干旱区，利用1999—2019年的GPP、NEP、温度（TEM）、降水（PRE）、土壤水分（SM）、饱和水汽压差（VPD）和叶面积指数（LAI）数据，提出假设：高CUE并不必然意味着生态系统具有更大固碳能力，并探讨三个问题：（1）GPP的增加是否伴随NEP和CUE成比例增加？（2）与CUE关联的环境因子是否随植被类型变化？（3）环境与植被变量及其交互作用对CUE空间分异的解释力是否更高？

### 2. 主要数据与方法

研究人员采用来自全球碳通量数据集（GCFD）的GPP、RECO和NEE数据（基于280个全球站点实测通量和卷积神经网络模型生成，空间分辨率0.1°，时间分辨率10天），取NEE负值得到NEP，并据此计算CUE。土地覆盖数据来自欧洲空间局气候变化倡议（ESA CCI）数据集，重分类为森林（FR）、灌丛（SL）、草地（GL）、稀疏植被（SV）、农田（CL）等类型。环境数据包括ERA5-Land皮肤温度、TerraClimate降水与VPD、GLEAM v4.2a土壤水分，以及GIMMS LAI4g叶面积指数，所有数据统一重采样至0.1°分辨率。

分析方法上，年际趋势采用线性回归斜率，像元尺度采用Theil–Sen中值斜率并用Mann–Kendall检验显著性。偏相关分析用于检验CUE与各因子间的关联（控制其他四个因子），主因子通过比较偏相关系数绝对值逐像元确定。地理探测器采用最优参数地理探测器（OPGD），通过因子检测和交互作用检测评估单因子及多因子组合对CUE空间分异的统计解释力。

### 3. 研究结果

#### 3.1 空间分布格局

研究期内中亚区域年均GPP和NEP分别为414.8和83.3 g C m^?2，整体表现为碳汇，但平均CUE仅0.17，表明高生产力并未对应高碳利用效率。空间上，GPP和NEP高值集中在北部农田和森林及中部森林和草地，而灌丛和稀疏植被区较低。不同生态系统中，森林的GPP和NEP最高（1035.0和249.3 g C m^?2），稀疏植被最低（240.0和41.9 g C m^?2）。CUE以灌丛最高（0.25），草地最低（0.15）。该排序揭示了碳汇功能与碳利用效率的空间错位：森林生产力最高但CUE并非最高，灌丛生产力较低但CUE最高，说明干旱区碳利用效率更多取决于呼吸消耗和碳分配策略，而非总光合固碳量。

#### 3.2 时空变化趋势

1999—2019年，整个中亚区域的GPP和NEP均呈显著增加趋势，年增长率分别为6.5和1.3 g C m^?2 yr^?1。其中灌丛生产力增长最快（GPP增长14.3 g C m^?2 yr^?1，NEP增长3.4 g C m^?2 yr^?1），草地增长较慢（GPP 4.4，NEP 0.7）。空间上，87.2%的区域GPP呈增加趋势，其中36.7%显著；灌丛面积中99.2% GPP增加（68.7%显著）。NEP增加区域占66.5%（17.3%显著），森林NEP增加面积比例最高（79.8%）。与GPP和NEP的显著增加不同，CUE总体基本稳定（均值0.17），增加区域占52.3%（8.2%显著），减少区域占47.7%（6.3%显著）。灌丛CUE呈轻微下降趋势（58.7%面积减少），反映其净碳积累增长慢于GPP，碳利用效率面临弱化风险。

#### 3.3 影响因子分析

**3.3.1 偏相关分析**：CUE与各因子关联方向表现出明显生态系统分化。全区域LAI与CUE正相关像元比例最高（59.4%），PRE负相关比例最高（62.2%）。森林中TEM负相关比例最高（70.2%），灌丛中VPD负相关比例达62.7%（显著负相关占9.2%），SM负相关比例在灌丛最高（66.5%）。基于偏相关系数绝对值识别的主因子显示，全区域以LAI为主因子的像元比例最高（24.6%），其次为VPD和SM。森林中LAI（24.2%）和TEM（22.9%）均较高；灌丛中VPD（22.1%）、SM（20.9%）和PRE（20.6%）较均衡；草地和稀疏植被以VPD和LAI为主；农田中LAI占高达30.4%，远高于其他因子。

**3.3.2 地理探测器分析**：单因子对CUE空间分异的解释力普遍较低，SM、TEM和VPD的解释力略高于LAI和PRE。双因子交互显著提高解释力，全区域TEM∩LAI的q值最高（0.252）；除TEM∩VPD、PRE∩SM和SM∩LAI为双因子增强外，其余组合均呈非线性增强。分生态系统看，森林中TEM单因子q=0.304，所有双因子交互均为双因子增强，TEM∩LAI最高；灌丛中VPD和TEM单因子q值较高（0.313和0.296），而TEM∩LAI（q=0.501）和VPD∩LAI（q=0.510）解释力极高；草地中TEM∩PRE q=0.324；稀疏植被中SM∩VPD最高（q=0.244）；农田中TEM∩SM相对最高（q=0.183）。总体而言，双因子交互的解释力普遍高于单因子，且非线性增强主导了稀蔬植被和农田的交互类型。

### 4. 讨论与结论

讨论部分指出，中亚整体碳汇作用突出了其在全球碳循环中的重要性。森林因高生物量和生长潜力具有最高GPP和NEP，但CUE并非最高；灌丛以保守的水分利用策略维持较高的碳滞留效率，其深层根系可获取深层土壤水分以维持干旱期供水。灌丛生产力增长最快而CUE下降，可能因为GPP对水分胁迫的敏感性高于呼吸。LAI通过调控冠层辐射截获直接控制光合速率，是连接环境因子与碳通量的关键变量。VPD升高会诱导气孔关闭从而降低光合速率，在灌丛中最为突出。因子间非线性增强效应表明，如高VPD与高LAI的耦合可通过植物水分传导系统加剧水分亏缺。这些结果强调了高生产力不代表高固碳效率，在干旱区生态恢复和土地管理中应重视耐旱灌木的保护与恢复。研究局限性包括网格数据产品的不确定性、缺乏中亚地面通量观测验证、21年时间尺度不足以完全捕捉土壤碳库长期调整过程，以及未充分考虑人类活动因子。

研究结论为：（1）1999—2019年中亚整体为碳汇，年均GPP和NEP分别为414.8和83.3 g C m^?2，两者均显著增加，而CUE年际变化基本稳定（均值0.17）。森林GPP和NEP最高，灌丛CUE最高（0.25）但呈下降趋势，表明高生产力不等于高碳利用效率，干旱区碳汇功能更多取决于呼吸消耗和碳分配策略。（2）CUE与各环境因子的统计关联存在明显生态系统分化：LAI以正相关为主，PRE以负相关为主；森林中CUE与TEM强关联，灌丛与多个水分因子（PRE、SM、VPD）相对均衡关联，草地和稀疏植被与VPD和LAI关联较强，农田以LAI为主导。地理探测器显示多因子组合对CUE空间分异解释力大于单因子，且稀疏植被和农田以非线性增强为主，表明CUE空间格局与不同的气候—植被因子组合相关联。