大气变率与观测代表性对全球总初级生产力升尺度的影响

《Atmospheric Environment》：How atmospheric variability and observational representativeness shape global gross primary productivity upscaling

　　

研究人员发现：大气变率调控全球总初级生产力（gross primary productivity, GPP）的年际变率；ENSO（El Ni?o–Southern Oscillation）与通量网络代表性共同塑造全球GPP升尺度估算；欧洲碳汇在气候增暖与大气干燥度上升背景下已呈现减弱趋势。

气候变化是21世纪最深刻挑战之一，陆地生态系统通过吸收约三分之一人为二氧化碳（CO₂）排放，部分抵消了气候变暖。陆地碳汇的可持续性取决于净生态系统交换（net ecosystem exchange, NEE），即总初级生产力（gross primary productivity, GPP）与生态系统呼吸（ecosystem respiration, Reco）之间的平衡。涡度协方差（eddy covariance, EC）技术可直接观测NEE，但需通过通量划分方法拆分出GPP和Reco。然而EC站点空间稀疏且严重偏向北半球温带，尤其是欧洲，而热带、干旱区和南半球代表性严重不足。为将塔足迹升尺度到区域或全球，研究人员常用机器学习将EC观测与卫星植被代理相结合。但现有全球GPP产品差异显著，量值约为100–150 Pg C yr^-1，年际变率差异甚至超过50%。这种差异既可能反映真实气候变率，也可能源于预测因子选择、时间约束和通量网络采样结构。因此，系统评估这些因素对升尺度GPP尤其对其年际变率的影响，是提高全球碳循环评估可靠性的关键。

本研究基于统一的UFLUX升尺度框架，整合FLUXNET2015和ICOS Warm Winter两个通量观测网络、多套卫星植被代理（归一化差值植被指数NDVI、增强型植被指数EVI、近红外植被反射率NIRv、日光诱导叶绿素荧光SIF）以及两套气象再分析资料，生成2001–2020年全球0.25°分辨率GPP估算，并针对欧洲高密度观测区开展区域案例研究。研究得到以下核心结论：预测变量数据集主要控制GPP量值，而对年际变率相位影响有限；直接在机器学习模型中加入“年份”项会人为放大表观年际变率，且该信号可能与通量塔网络时间更替、遥感传感器漂移等非平稳因素相关；用海洋尼诺指数（Oceanic Ni?o Index, ONI）替代年份可保留与强厄尔尼诺事件相关的全球GPP异常；相比通量划分方法和间隙填充阈值，通量塔网络的时空采样对全球GPP变率影响更大；欧洲陆地碳汇在2000–2020年夏季呈净吸收减弱趋势，与增温刺激呼吸、大气蒸气压亏缺（vapor pressure deficit, VPD）上升限制光合有关。这些发现强调，升尺度GPP的不确定性不仅来源于卫星和气象输入，还强烈依赖于观测网络代表性以及时间变率的物理表达方式。

关键技术方法方面，研究人员采用UFLUX升尺度框架，样本队列来源包括FLUXNET2015数据库（206个开放通量塔，其中156个通过质量控制）和ICOS Warm Winter网络（73个站点中选取58个，集中于西欧）。卫星植被代理包括MODIS和AVHRR反射率计算的NDVI、双波段EVI、NIRv，以及GOME-2、GOSAT、OCO-2的SIF产品；气象强迫采用ERA5-Land和CFSv2再分析资料。核心算法为极端梯度提升（eXtreme Gradient Boosting, XGBoost），按11个国际地圈-生物圈计划（IGBP）植被功能型分别训练，采用留一塔交叉验证。通过设置是否包含年份预测因子、以ONI或土壤水分替代年份、随机子抽样通量塔、不同通量划分方案等敏感性实验，分离了各因素的影响。

4.1 Evaluation of UFLUX against EC observations：研究人员将UFLUX估计值与EC观测比较，发现GPP和Reco的决定系数（R²）约为0.80，NEE较低（R²=0.69），感热和潜热通量R²约0.82–0.83；塔级中位数日尺度R²为0.67，周尺度升至0.75，多数站点偏差集中在±0.5 g C m^-2 d^-1以内。南美热带、南部非洲和澳大利亚部分站点表现较差，反映了区域采样不足。

4.2 Controls on interannual variability in global GPP：全球年GPP各产品在2010年左右接近140 Pg C yr^-1，但年际轨迹差异明显。无年份配置UFLUX(NY)与FLUXSAT、ZENG相关系数分别达0.84和0.79，有年份配置UFLUX(WY)与参考产品相关性弱甚至为负，变率明显放大。用ONI替代年份后，2003年和2013年前后的强厄尔尼诺异常被保留，表明ENSO提供了比日历年份更物理的时间约束；用土壤水分替代年份时，变率更接近UFLUX(NY)但均值偏低。

4.3 Sensitivity of global GPP to flux processing and sampling：通过对比白天/夜间通量划分、不同间隙填充阈值和塔网络子抽样，发现白天与夜间划分差异约0.5 g C m^-2 d^-1，间隙填充阈值影响小于0.1 g C m^-2 d^-1，而随机抽取30%–70%塔造成的偏差常超过1 g C m^-2 d^-1，说明采样结构的影响远大于通量处理方法。

4.4 Climate-driven changes in European carbon fluxes：欧洲2000–2020年陆地生态系统平均NEE为?0.88 g C m^-2 d^-1（约?3.2 Mg C ha^-1 yr^-1），显示为净碳汇；2015–2020年相比2000–2005年NEE增加约0.3 g C m^-2 d^-1，表明碳汇减弱，东欧尤其明显。夏季GPP峰值下降，Reco和NEE增加，2018年极端干旱热浪年份碳吸收最弱；气温和VPD分别以约0.12°C yr^-1和0.04 hPa yr^-1的趋势上升，回归分析显示温度升高与Reco增加正相关，VPD升高与GPP降低负相关。

讨论部分指出，观测升尺度面临欠拟合与过拟合的权衡：完全去掉时间信息会低估年际变率，而加入“年份”虽能放大变率并接近站点平均EC序列，但“年份”不是物理驱动因子，可能吸收通量塔网络时间更替、遥感传感器漂移和区域非平稳性等伪信号，因此应使用物理气候指数（如ONI、印度洋偶极子IOD、北大西洋涛动NAO）作为时间约束。全球EC网络在热带、干旱区和南半球严重欠采样，子抽样实验表明网络组成和记录长度会明显影响推断的变率；欧洲因塔密度高，GPP对预测因子选择的敏感性较低，但仅使用短记录塔仍会引入异常趋势。欧洲碳汇减弱与呼吸对温度的响应强于光合对VPD的响应一致，但回归关系属于统计敏感性而非因果归属。不确定性还来自塔观测夜间划分方法（Kok效应）、粗网格气象/卫星与塔足迹的空间错配、机器学习模型外推局限以及网络采样覆盖，未来可采用集成贝叶斯神经网络或共形预测框架，为栅格产品提供空间显式置信区间。

翻译研究结论部分如下：1. 预测数据集的选择对全球GPP量值有强烈控制作用，但对年际变率相位影响有限。2. 将年份作为预测因子会增大表观年际变率，但部分时间信号可能反映非平稳性和过拟合，而非纯物理生态系统响应。3. 用海洋尼诺指数（ONI）替代年份可保留全球GPP序列中的主要异常，表明大尺度气候变率（尤其是与ENSO相关的异常）在观测升尺度中提供了更具物理意义的时间约束。4. 通量划分方法和间隙填充阈值对全球GPP估计的影响相对较小，而通量网络采样的影响更大。5. EC网络的时空采样对推断的全球GPP变率有显著影响，确认了跨生物群落长期、空间代表性观测的重要性。6. 在欧洲，观测升尺度显示2000–2020年夏季净碳吸收呈经验性减弱趋势，统计上与增温对生态系统呼吸的刺激作用大于VPD上升对光合作用的限制有关。