复合干旱—热浪事件下中国气候区农田GPP与SIF的差异化响应及驱动机制

《Ecological Indicators》：Divergent responses of cropland GPP and SIF to compound drought and heatwave across China's climatic zones

　　

复合干旱—热浪事件（CDHWs）在1981—2024年显著加剧，严重和极端热点集中于中国西北和西南。CDHWs条件下，总初级生产力（GPP）下降14.05%，而日光诱导叶绿素荧光（SIF）上升42.25%。仅热浪事件提高农田GPP，而干旱—热浪协同作用降低GPP。各气候区农田GPP和SIF对降水的依赖性较弱。在干旱气候区，农田对大气湿度变化敏感。

研究背景方面，全球气候系统自工业革命以来持续增暖，极端高温、干旱等事件频发，且复合极端事件的影响常超过单一事件。复合干旱—热浪事件（CDHWs）因同时发生干旱与持续高温，对农业产量、植被和水资源影响突出。中国以不足全球9%的耕地和6%的淡水资源支撑近20%人口，农业系统压力较大；西南地区历史干旱高温事件造成作物受灾和直接经济损失，干旱与高温协同还会显著提高玉米减产概率。为客观监测农田光合状况，总初级生产力（GPP）被广泛用于表征植被光合碳吸收，但传统光学遥感易受冠层结构、物候和环境胁迫滞后效应影响；日光诱导叶绿素荧光（SIF）为直接探测植被光合生理状态提供了新手段。现有研究较多关注森林、全国尺度或干旱半干旱区，较少比较中国农田GPP与SIF对CDHWs的响应，且未充分揭示不同气候区驱动因子的异质性。为此，研究人员利用多源数据比较正常、仅干旱、仅热浪和CDHW四种情景下GPP与SIF响应，采用XGBoost-SHAP框架识别主导驱动因子，并按K?ppen-Geiger气候区分层，以回答CDHWs时空异质性、GPP与SIF响应驱动机制及其与农田生产力关系等问题，为区域农业气候风险适应策略提供科学依据。

关键方法上，研究人员采用中国气象强迫数据集（CMFD）V2.0识别CDHWs并计算蒸汽压亏缺（VPD），ERA5-Land提供土壤水分（SM），中国土地覆盖数据集（CLCD）提取农田，GOSIF GPP与高分辨率中国SIF（HCSIF）分别提供GPP和SIF；以Hargreaves法计算潜在蒸散（PET），构建3个月标准化降水蒸散指数（SPEI-3），结合日最高气温（Tmax）百分位阈值识别CDHWs；采用XGBoost结合SHAP和局部加权散点平滑（LOWESS）解析驱动因子，并按K?ppen-Geiger气候区分层。CDHWs识别期为1981—2024年，影响量化期为2000—2022年生长季5—9月，数据统一至0.1°和8天。

研究结果如下。3.1 复合干旱—热浪事件的时空分布：通过识别1981—2024年中国中度、重度和极端CDHWs并统计频率与持续时间，发现各级CDHWs持续时间和年频率均显著增加，持续时间分别增加0.158、0.159和0.147 d·10a^?1，频率分别增加0.263、0.283和0.068 events·10a^?1；1997年后中度和重度持续时间较1997年前增加1.3—2.5倍，2022—2023年频率和持续时间达研究期最高。空间上，中度热点分布于西北、华北、东北和西南，重度和极端热点主要集中于西北、华北和西南，极端事件更集中于西南及华东局部。3.2 环境因子对GPP和SIF的影响：通过XGBoost-SHAP、LOWESS及四情景边际贡献分析，发现GPP首要驱动为下行长波辐射（LRad，SHAP值1.159），其次为气温（Temp，0.662）和相对湿度（RHum，0.392），阈值分别为336.28 W/m²、12.06 °C和65.35%；SIF首要驱动为LRad（0.972），其次为PET（0.245）和Temp（0.210），阈值分别为349.96 W/m²、3.39 mm/day和22.36 °C。正常条件下GPP为6.19 g·C·m^?2·d^?1，仅热浪下升至6.34，仅干旱和CDHWs下分别降至5.61和5.32；SIF正常为2.84 W·m^?2·sr^?1·μm^?1，仅热浪、CDHWs和仅干旱下分别为4.43、4.04和2.41。相对正常条件，CDHWs下GPP下降14.05%、SIF上升42.25%；仅热浪下二者分别上升2.42%和55.99%；仅干旱下分别下降9.37%和15.14%。CDHWs下RHum对GPP负贡献最大（?0.79），LRad对SIF正贡献最大（+0.88）。3.3 不同气候区环境因子对GPP和SIF的影响：通过分气候区SHAP和LOWESS分析，发现LRad和Temp为各气候区GPP前两位驱动因子，LRad的SHAP值为0.804—1.428，Temp为0.520—0.815；BWk区RHum平均SHAP值0.616，接近Temp的0.688，表明干旱区大气湿度作用显著。LRad与GPP正非线性关系阈值338.19—339.70 W/m²；Temp阈值在干旱区BSk和BWk最低（11.03 °C和10.83 °C），冷温带Dwa、Dwb、Dwc为11.05、12.30和12.66 °C，温带Cwa、Cwb、Cfa为13.18、13.75和13.22 °C；RHum阈值58.88%—65.42%，SM阈值0.28—0.29 m³ m^?3；Prec贡献最弱（0.076—0.105）。SIF在各气候区均以LRad主导（0.529—1.139），PET（0.195—0.247）和Temp（0.233—0.410）次之；LRad阈值346.42—352.81 W/m²，PET阈值3.40—3.47 mm/day，Temp阈值20.87—23.48 °C。

讨论部分总结：CDHWs频率和持续时间增加与已有研究一致，1997年后中度和重度持续时间显著增加，2022—2023年达峰值；西北和华北夏季强辐射导致土壤水分快速耗竭，土壤水分减少抑制蒸发冷却并增加感热通量，高温又加速蒸散和土壤水分亏缺，形成强化CDHWs的反馈，西南事件还与环流异常和局地陆气反馈有关。仅热浪下GPP增加与气孔调节和光合温度依赖有关，水分充足时叶温升高可提高Rubisco羧化速率和光合电子传递效率；仅干旱下GPP下降源于水分亏缺降低气孔导度、CO₂吸收和碳固定；CDHWs下高温不能发挥正效应并加重水分胁迫，干旱诱导气孔关闭削弱蒸腾冷却，使GPP下降幅度大于仅干旱。SIF变化幅度更大：仅干旱下SIF下降与气孔关闭和光化学反应受损、荧光量子产率降低有关；仅热浪下SIF大幅增加与非光化学猝灭（NPQ）途径饱和、更多激发能以荧光发射有关；CDHWs下NPQ持续饱和和高辐射输入可在较大程度上抵消干旱对荧光量子产率的降低，故SIF仍高于正常条件。SHAP显示CDHWs下RHum是GPP主要负因子，说明高温通过加剧大气水分亏缺放大水分胁迫。气候区分析表明，干旱区RHum贡献接近Temp，且温度阈值最低，响应更早但更易达到高温饱和；Prec贡献弱与中国农田灌溉普遍有关，但灌溉失效时农田仍会依赖自然降水，SPEI、RHum和PET共同反映水分调节。局限包括未纳入前期干旱累积和滞后效应、未区分雨养与灌溉农田及作物类型、未开展未来气候情景预估。

研究结论（翻译）：本研究系统分析了1981—2024年中国CDHWs的时空异质性，采用XGBoost机器学习模型结合SHAP方法，量化了中国农田GPP和SIF在不同气候区、不同情景下的响应。主要结论如下：1. 1981—2024年中国各级CDHWs频率和持续时间均显著增加。中度、重度和极端CDHWs频率分别增加0.263、0.283和0.068次/10年，持续时间分别增加0.158、0.159和0.147天/10年。空间上，重度和极端CDHWs主要集中于西北干旱半干旱区、华北和西南。2. 与正常条件相比，CDHWs下GPP下降14.05%，SIF上升42.25%；仅热浪下GPP和SIF分别上升2.42%和55.99%；仅干旱下分别下降9.37%和15.14%。SHAP分析显示，CDHWs下RHum（?0.79）对GPP负贡献最大，LRad（+0.88）对SIF正贡献最大。3. 在所有气候区，LRad、Temp和RHum是GPP最重要的三个因子。干旱区温度阈值（BSk，11.03 °C；BWk，10.83 °C）低于冷温带和温带。Prec影响最弱（0.076—0.105）。RHum正效应在超过65%—68%后趋于饱和甚至下降。SIF响应模式在各气候区一致，LRad贡献最大（0.529—1.139），临界阈值346.42—352.81 W/m²且区域差异小；PET（0.195—0.304）和Temp（0.209—0.430）为次要贡献因子。