极端气候事件对青藏高原草地生态系统碳和水通量的影响

《Ecological Indicators》:The impact of extreme climate events on carbon and water fluxes in grassland ecosystems on the Qinghai-Xizang plateau

【字体: 大 中 小 】 时间:2026年07月23日 来源:Ecological Indicators 8.7

编辑推荐:

  青藏高原(Qinghai-Xizang Plateau, QXP)在调节陆地碳(carbon)和水(water)交换中发挥着关键作用。然而,日益频繁的极端气候事件对生态系统碳和水通量的影响仍未被充分理解。本研究应用基于多源数据集的机器学习模型,模拟了1958年

  
青藏高原(Qinghai-Xizang Plateau, QXP)在调节陆地碳(carbon)和水(water)交换中发挥着关键作用。然而,日益频繁的极端气候事件对生态系统碳和水通量的影响仍未被充分理解。本研究应用基于多源数据集的机器学习模型,模拟了1958年至2024年QXP草地生态系统的总初级生产力(gross primary productivity, GPP)和蒸散发(evapotranspiration, ET),并量化了它们对极端气候事件的响应。结果表明:(1)随机森林(random forest, RF)模型优于其他模型,并揭示了GPP和ET均呈显著增加趋势;(2)碳和水通量与温暖极端事件(warm extremes)总体上呈正相关,与寒冷极端事件(cold extremes)呈负相关,且对降水相关极端事件(precipitation-related extremes)主要呈负响应;(3)寒冷复合事件(cold/dry和cold/wet)对碳-水循环构成最大风险,而炎热复合事件(hot compound events)对GPP的影响较弱,但增加了水消耗。总体而言,QXP草地碳和水通量对寒冷复合事件最为脆弱。这些发现增进了对高寒草地应对气候极端事件的理解,并为未来气候变化下的生态系统管理提供了科学依据。
论文解读文章

**研究背景与问题**

碳-水循环是地球生物地球化学系统的基本组成部分。在全球气候变化背景下,陆地生态系统生产力和水交换过程发生了显著变化。总初级生产力(GPP)反映植被通过光合作用吸收大气CO2的能力,蒸散发(ET)则表征陆地水汽向大气传输的强度,二者协同调节着陆地生态系统的物质循环和地表能量分布。草地约占地球陆地表面的22.8%,是全球重要的碳库,储存了近三分之一的陆地生态系统碳,同时在调节全球碳-水循环和减缓气候变化中扮演关键角色。近年来,极端天气事件频发,导致碳和水通量在时空动态、长期趋势及调控机制上表现出更大的空间异质性,尤其在生态脆弱和气候敏感区域。然而,当前对青藏高原(QXP)草地生态系统碳和水通量的区域尺度定量评估,以及其对不同类型极端气候事件(包括复合极端事件)的脆弱性认识仍不充分。现有研究多关注单一极端事件的影响,忽视复合极端事件的区域效应,且缺乏基于长期高分辨率碳通量观测的系统评估。因此,开展此项研究旨在量化QXP草地生态系统碳和水通量对极端气候事件的响应,为区域碳汇能力评估和水资源管理提供科学依据。

**研究概述与结论**

研究人员整合了11个涡度相关通量站点的观测数据,结合四种机器学习算法(随机森林RF、支持向量回归SVR、卷积神经网络CNN、长短期记忆网络LSTM),评估其预测性能并选择最优模型,模拟了1958-2024年QXP草地生态系统的长期碳和水通量。研究同时纳入单一极端气候指数和复合极端事件进行分析。主要结论包括:(1)RF模型表现最佳,GPP和ET均呈显著增加趋势,空间上从东南向西北递减;(2)碳和水通量与温暖极端指数(如TNx、TN90p)呈正相关,与寒冷极端指数(如FD、TN10p)呈负相关,与降水相关极端指数(如Rx1day、R95p)主要呈弱负相关;(3)寒冷复合事件(冷干、冷湿)对碳-水循环构成最大风险,而炎热复合事件(热干、热湿)对GPP影响较弱但增加水消耗。这些发现发表在《Ecological Indicators》上,突出了QXP草地生态系统对不同类型极端气候事件的差异化敏感性,为未来气候情景下的生态系统管理提供了科学依据。

**关键技术方法**

研究人员采用了以下主要关键技术方法:(1)利用涡度相关通量观测数据(来自国家生态系统科学数据中心和青藏高原数据中心,共11个站点,覆盖高寒草原、高寒草甸和灌丛三种植被类型,时间跨度为2003-2022年,总计25,779站点-日观测记录);(2)应用随机森林(RF)、支持向量回归(SVR)、卷积神经网络(CNN)和长短期记忆网络(LSTM)四种机器学习模型,以13个气象变量(包括日平均气温Ta、最高气温Tmax、最低气温Tmin、相对湿度RH、风速WS、短波辐射SW、光合有效辐射PAR、土壤温度Ts、土壤含水量SWC、降水Prec、饱和水汽压差VPD、气压Pa及年际CO2浓度)作为输入,模拟日尺度GPP和ET;(3)基于气候极端指数(CEIs,包括12个温度相关指数和10个降水相关指数,来源于ETCCDI)识别极端事件,并采用25th/75th百分位数阈值定义四种复合极端事件(冷干CD、冷湿CW、热干HD、热湿HW);(4)通过Theil-Sen趋势分析和Mann-Kendall检验分析时空变化,Pearson相关分析(经FDR校正)评估极端指数与碳-水通量的关系,XGBoost-SHAP模型量化各因子的相对贡献,以及条件概率分析评估复合极端事件导致生态损害的风险。

**研究结果**

**3.1. Simulated performance of machine learning models(机器学习模型模拟性能)**
通过对比四种模型对日GPP和ET的模拟效果,发现RF模型在所有站点中表现最优,具有最高的R2和最低的RMSE、MAE,而LSTM精度最低。独立站点验证(NC、SJY、ZG站点)表明RF模型具有较好的跨站点和跨时间泛化能力,支持其用于区域尺度估算。

**3.2. Spatiotemporal distribution of carbon and water fluxes and CEIs(碳和水通量及极端气候指数的时空分布)**
RF模型结合多源数据集重建了1958-2024年QXP草地碳和水通量的时空动态。年均GPP和ET从东南向西北递减,高值区(GPP>700 g C m-2 a-1)位于水热条件优越的东部。GPP在87.27%的区域呈上升趋势,其中65.57%显著增加(p<0.05),增长速率为0.80 g C m-2 a-1(±0.37)。ET在82.00%的区域呈增加趋势,其中56.39%显著增加,增长速率为0.25 mm·a-1(±0.12)。温度相关极端指数显示,极端高温事件频率和强度增加,极端低温事件减少;降水相关极端指数总体呈增加趋势。

**3.3. The impact of CEIs on carbon and water fluxes(极端气候指数对碳和水通量的影响)**
**3.3.1. Effects of extreme temperatures on carbon and water fluxes(极端温度对碳和水通量的影响)**
格点尺度相关分析表明,极端高温指数(如TXx、TNx、TN90p、TX90p、WSDI)与GPP和ET多呈正相关,强相关(r>0.5)格点主要分布在研究区中部和东部;极端低温指数(如TN10p、FD、ID)与GPP和ET呈强负相关。整体上,QXP草地生态系统对温暖极端事件呈正响应,对寒冷极端事件呈负响应。

**3.3.2. Effects of extreme precipitation on carbon and water fluxes(极端降水对碳和水通量的影响)**
降水相关极端指数(P-CEIs)与GPP和ET多呈弱负相关,但连续湿润日数(CWD)与GPP和ET呈强正相关,正相关格点比例分别为82.12%和86.65%,主要分布在高原中东部和西部。表明QXP草地碳吸收和蒸散发与长期水分条件密切相关。

**3.3.3. The importance of CEIs in influencing carbon and water fluxes in different grassland ecosystems of the QXP(极端气候指数对QXP不同草地生态系统碳和水通量影响的重要性)**
XGBoost-SHAP分析显示,在高寒草原和高寒草甸中,最高日最低温(TNx)和年总湿日降水量(PRCPTOT)是GPP变化的主要统计贡献因子(贡献率分别为30.5%/54.7%和23.5%/32.2%);灌丛GPP则与霜冻日数(FD)和极端湿日降水量(R99p)呈最强负关联。对于ET,高寒草原主要与TNx(61.2%)和简单日降雨强度指数(SDII,19.3%)相关;高寒草甸和灌丛则与FD呈强负关联(50.4%和45.9%)。总体而言,温度相关极端指数(T-CEIs)对GPP的贡献率占绝对主导(高寒草原83.98%,高寒草甸64.94%,灌丛71.74%),而降水相关极端指数(P-CEIs)对ET的贡献率在灌丛中达到41.72%。

**3.4. The likelihood of four types of compound extreme events causing damage to the QXP(四种复合极端事件对QXP造成损害的概率)**
基于25th/75th百分位数阈值,冷干(CD)事件下GPP和ET主要处于中等风险(69%和58.6%),高风险区(GPP 29.7%,ET 18%)分别集中在甘孜藏族自治州、玉树藏族自治州和那曲市;冷湿(CW)事件下GPP和ET也以中等风险为主(54.2%和56.9%);热干(HD)和热湿(HW)事件下GPP主要以低风险为主(76.9%和60.5%)。采用更严格的20th/80th百分位数阈值进行敏感性分析,风险空间格局基本一致,但寒冷相关事件的高风险区域比例增加,表明寒冷复合事件是QXP区域碳-水循环的主要威胁。

**讨论与结论**

**讨论部分总结**
讨论部分首先评估了机器学习模型性能,指出传统模型(RF和SVR)优于深度学习模型(CNN和LSTM),原因在于涡度相关观测数据空间覆盖有限且时间序列较短,限制了深度学习模型的泛化能力。RF的集成结构和SVR的结构风险最小化原则使其在中等规模、高维生态数据中表现更优。其次,分析了QXP草地碳和水通量的时空动态,指出GPP和ET的显著增加趋势与气候变暖、降水格局变化及生态恢复工程共同作用有关,东部高值区受季风影响水热条件优越。第三,探讨了极端气候事件对碳-水通量的影响机制:极端高温通过增加Rubisco热耐受性、促进冻土融化等增强碳同化,而极端低温通过抑制光系统II(PSII)效率、导致气孔关闭等限制光合作用;降水极端事件对碳通量的影响具有空间异质性,持续湿润日数(CWD)比单次强降水事件更有利于植被生长。寒冷复合事件(CD和CW)通过降低叶绿素含量、抑制光合酶表达、导致气孔关闭和土壤冻结等加剧生态系统胁迫,是当前QXP碳-水循环的主要限制因素;而高温复合事件(HD和HW)对GPP影响较弱,但通过增强蒸散发加速土壤水分消耗,可能在未来成为水限制因素。最后指出研究局限性,包括模型结构无法显式表征生态过程、观测站点空间分布不均、SHAP分析不蕴含因果性以及复合极端事件定义的不确定性。

**研究结论翻译**
本研究使用四种机器学习模型和13个环境预测因子,模拟了1958年至2024年QXP草地生态系统的碳和水通量,并检验了它们对极端气候事件的响应。所有模型均成功捕捉了GPP和ET的时间动态,其中RF模型表现最佳。研究期间,GPP和ET均呈显著增加趋势,并伴随明显的空间梯度,东南部高而西北部低。同时,极端气候指数发生了显著变化,表现为温暖和降水相关极端事件增加,寒冷相关极端事件减少,表明区域正转向更温暖、水文气候更易变的模式。极端气候条件与碳和水通量的变化密切相关。温度相关极端事件对GPP的影响更强,而降水相关极端事件在调控ET中发挥更主导的作用。在所有类别中,寒冷胁迫事件(CD和CW)是生态系统通量的主要限制因素,而热胁迫事件(HD和HW)对GPP的限制相对较弱,但倾向于增强ET。总体而言,这些发现突出了碳和水通量对不同类型气候极端事件的差异化敏感性。然而,这些关系依赖于当前气候条件和生态系统约束,并可能随着未来水文气候格局的持续演变而发生变化。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号