无人机多源遥感揭示极端高温下20种城市树种的蒸腾调节差异

《Remote Sensing of Environment》：Divergent transpiration regulation among 20 urban tree species under extreme heat revealed by UAV multisource remote sensing

　　

• •
  开发了一种无人机多源框架，用于估算树冠尺度的蒸腾作用。
• •
  在极端高温条件下，树木的蒸散发高于灌木和草本植物。
• •
  不同树种表现出增强、中性或抑制的树冠尺度蒸腾响应。
• •
  树高、土壤干燥度和大气需求主导了树冠尺度的蒸腾作用。
• •
  蒸腾作用随树高和水分亏缺指标呈非线性变化。

引言

人口增长、气候变化和城市热岛效应的综合作用，使得高温暴露已成为城市生态系统的主要环境风险（Wang 等，2021；Pan 等，2024）。城市树木作为增强生态和社会韧性的基于自然的infrastruture，正日益受到重视，因为它们能够显著缓解城市热效应（Ettinger 等，2024；Yu 等，2025）。这种降温能力主要通过两条互补的生物物理途径实现：遮荫和蒸腾（Yu 等，2026）。通过遮荫，树冠可拦截约60%–90%的入射太阳辐射，从而减少冠层下方的地表加热（Winbourne 等，2020）。通过蒸腾，树木将可用能量从显热转化为潜热，通过蒸发水分进一步降低冠层和近地表温度（Winbourne 等，2020；Huang 等，2022）。在某些城市环境中，蒸腾对降温的贡献甚至可能超过遮荫（Shi 等，2025）。然而，与遮荫不同，蒸腾降温并非城市绿化的固定结构性效益，而是一个受植物水分运输、大气需求和能量可用性调控的动态生理过程（Fang 等，2025；Gobatti 等，2025）。在极端高温期间，树木蒸腾受土壤水分、气温、蒸气压差（VPD）和太阳辐射的共同调控（Huang 等，2022；Tams 等，2023）。因此，当水分供应充足时，蒸腾可能增强并提供强力的蒸发冷却；而在土壤水分受限和水力学胁迫下，蒸腾则可能急剧下降，从而削弱甚至消除这一降温途径（Evans 等，2025；Gobatti 等，2025）。这种依赖于环境条件的响应给城市气候适应带来了一个核心不确定性：蒸腾降温在何时何地仍然有效？哪些树种能够维持这一效果？在何种环境条件下它可能失效？

从机制上看，极端高温加剧了大气水分需求与植物水分供应之间的失衡（Blasini 等，2022）。急性高温暴露可导致细胞和生化损伤，包括Rubisco失活和光系统II受损，从而限制光合作用并增加对热保护的需求（Teskey 等，2015；Evans 等，2025）。当土壤水分充足时，升高的VPD会增加蒸发需求，植物可能增加蒸腾以冷却叶片并减少热损伤（Grossiord 等，2020；Liu 等，2020）。然而，极端高温往往伴随土壤干旱，有限的水分供应会增加木质部张力和栓塞风险（Teskey 等，2015）。在这种情况下，气孔关闭可能抑制蒸腾以维持水力完整性，即使代价是蒸发冷却的降低（Brodribb 等，2017；Posch 等，2024）。因此，极端高温下的植物蒸腾反映了满足大气冷却需求与维持水力安全之间的权衡（Teskey 等，2015）。结构性状进一步调节了这一权衡的平衡方式（Koch 等，2004；Evans 等，2025）。树高和冠层结构可能影响湍流交换和植被–大气耦合，从而影响蒸腾（De Kauwe 等，2017）。较高的树木可能具有更发达的根系，从而可能改善对深层土壤水的获取（Li 和 Bao，2015）。然而，更高的树体也延长了水力运输路径并增加了重力成本，这可能在极端高温期间升高水力脆弱性和栓塞风险（Koch 等，2004；Fernandez-de-Una 等，2023）。在城市环境中，这些生理和结构控制因素还受到强烈的局部异质性影响。土壤压实、根系空间碎片化、灌溉、遮荫、不透水表面和局部空气动力条件可在短距离范围内改变水分供应、辐射负荷和大气需求（Winbourne 等，2020）。因此，即使在相同的 Heatwave 条件下，蒸腾响应不仅可能在不同树种间存在差异，在同种树的不同个体间也可能产生分歧。

尽管人们对城市树木蒸腾的关注日益增加（Winbourne 等，2020；Huang 等，2022；Fang 等，2025），但由于以下几个挑战，在机制理解和实际应用方面仍存在局限。首先，卫星遥感提供了重复和空间连续的观测，对区域到全球尺度的蒸散发（ET）监测具有重要价值，但其在异质性城市景观中的应用受到混合像元和相对较低空间分辨率的限制（Vulova 等，2023；Zhou 等，2023）。在城市森林中，树冠信号通常与草坪、灌木、建筑物、不透水表面和裸土的信号混合在一起（Hu 等，2024），使得基于卫星的方法难以将植被蒸腾与土壤蒸发区分开来。相比之下，无人机（UAV）平台提供了厘米级的多源观测，具有灵活的数据采集时间，能够在复杂环境中实现更精细尺度的ET和单树蒸腾估算（Morgan 和 Caylor，2023；Wei 等，2023；Jaafar 和 Sujud，2025）。然而，利用无人机多源观测在城市环境中估算树冠尺度蒸腾的系统性、可迁移框架仍然发展不足。其次，极端高温下的蒸腾响应和调控策略仍缺乏深入了解（Huang 等，2022；Posch 等，2024）。极端高温同时增加大气蒸发需求并限制植物水分供应，导致树木蒸腾和降温能力出现分歧效应（Teskey 等，2015；Gong 等，2023）。因此，这些竞争性的需求侧和供给侧过程如何在树冠尺度上相互作用，以及其主导控制因素如何在不同树种和不同树木结构背景下变化，仍不清楚。第三，基于临界点的城市树木蒸腾理解仍然有限。特别是，关键结构和环境驱动因素从促进蒸腾转变为施加净限制的临界点尚未得到可靠的量化。此外，这些临界点在不同树种间是否一致，还是在不同的响应类型间存在系统性差异，仍然未知。这些局限促使我们需要建立一个高分辨率、树种特异性的临界点导向框架，以量化和解释极端高温期间城市树木的树冠尺度蒸腾响应。

为应对这些挑战，我们整合无人机多光谱、热红外和激光雷达观测，结合实地调查和多尺度验证，对中国北方一处异质性城市景观进行了研究。我们在正常夏季和极端高温条件下进行了配对的无人机飞行，调查了代表20个树种的665棵树木，以支持树种识别和模型评估。利用这些多源观测数据，我们开发了一个单源能量平衡框架来估算植被ET，并将其与单树分割和树种识别相结合，提取树冠尺度蒸腾，以实现空间显式的种级分析。具体而言，我们研究了四个问题：（1）无人机多传感器框架能够多准确地估算ET和树冠尺度蒸腾，其性能能否通过独立的多尺度观测进行验证？（2）极端高温下不同树种的树冠尺度蒸腾如何响应，这些响应是否汇聚为不同的响应类型？（3）极端高温期间哪些结构和环境因素主导了蒸腾变化，它们的相对重要性在不同响应类型间如何差异？（4）关键驱动因素是否表现出表明从需求驱动的蒸腾增强向水分受限抑制转变的临界点？通过将可解释机器学习与单树结构性状及土壤和大气干燥度指标相结合，我们量化了种级高温响应类型及相关阈值，从而为在日益加剧的极端高温下开展抗热树种选择和水分敏感型城市绿地管理提供机制证据。

章节摘要

研究区域

中国天津具有典型的半湿润季风气候，年均降水量约580毫米，年均气温约17°C。近年来，气候变化和快速城市化增加了该地区极端高温事件的频率和强度（Wang 等，2025）。研究地点位于天津南部南开大学校园内（东经117°20′，北纬38°59′；海拔3米；图1），面积约2.72平方公里。作为一个代表性

树木蒸腾模型性能评估

基于无人机的多源遥感框架利用涡动协方差（EC）测量、液流监测和LI-COR 6800叶气体交换测量的独立观测数据进行了评估（图3 & 表4）。时间序列对比显示，该模型在通量足迹尺度和监测树木尺度上均捕捉到了观测到的日变化模式（图3a & c）。与EC衍生的ET相比，无人机衍生的ET显示出高度一致性，R2 = 0.86，RMSE = 0.04毫米/小时（图3b）。在

基于无人机的多源框架稳健地捕捉了树冠尺度蒸腾

通过克服粗糙卫星影像在高异质性城市环境中的亚像元混合不确定性（Zhou 等，2023；Hu 等，2024），无人机平台为精细尺度的ET和树冠尺度蒸腾估算提供了稳健的厘米级基础（Qin 等，2022b；Cortés-Molino 等，2024）。在本研究中，基于无人机的单源能量平衡框架与来自EC、液流和LAI上推叶片的独立观测数据表现出一致的一致性

结论

基于无人机的单源能量平衡模型提供了可靠的植被ET估算，从无人机衍生的ET中提取的树冠边界内树冠尺度蒸腾估算与涡动协方差、液流和LI-COR 6800观测数据一致。在极端高温期间，景观尺度的ET增加但空间异质性仍然显著，这一增加主要由树木而非草地或灌木驱动。树木ET均值从0.40增加到0.47毫米/小时，而

CRediT作者贡献声明

陈途强：写作 – 审阅与编辑，写作 – 初稿撰写，可视化，验证，软件，正式分析，数据整理。Jinhui Jeanne Huang：写作 – 审阅与编辑，指导，资金获取，概念构思。

利益冲突声明

作者声明不存在任何已知的竞争性经济利益或个人关系，这些情况可能对本论文中报道的工作产生影响。

致谢

作者感谢深圳市科技创新项目（项目编号JCYJ20210324120807021）提供的资金支持。作者也感谢天津滨海新区科技局（项目编号BHXQKJXM-PT-ZJSHJ-2017006）的支持。我们感谢南开大学的龚跃、邢龙尧、郑明和、吴俊然和余文卓在采样和无人机影像获取方面的协助。我们还感谢

陈途强|Jinhui Jeanne Huang