通过耦合动态根系过程量化大规模植被恢复的生态水文响应

《Water Resources Research》：Quantifying Ecohydrological Responses to Large-Scale Vegetation Restoration by Incorporating Dynamic Root Processes

　　

植被恢复（VR）可影响缺水地区的生态水文过程。现有研究常采用有/无VR的配对数值试验来量化这些效应，但多依赖静态根系方案，无法捕捉水分胁迫下植物根系的调整，且在无恢复情景中假定植被状态固定，忽视了气候变率本身可驱动植被变化。针对这些局限，研究人员将搭载预报式动态植被方案与动态根系模块的Noah-MP模型应用于黄土高原——全球最大的VR热点之一，提升了配对试验从气候变率中分离VR效应的能力。相较静态方案，动态根系配置使模拟的蒸散发（ET）、总初级生产力（GPP）和叶面积指数（LAI）性能分别提升43.8%、51.5%和59.5%，且旱年改善最显著。VR使GPP和ET分别增加40.4%和3.9%，并重塑ET组分：蒸腾（T）增加40.4%，土壤蒸发减少19.9%，T/ET提升41.5%，水分利用效率（WUE）提升38.2%。径流减少33.9%，主要由基流减少驱动（占总量减少的60.5%）。草地或耕地转为林地的土地利用转换产生最显著的生态水文响应。总体而言，VR增强了碳吸收但也增加了耗水，凸显生态效益与水资源可用性之间的权衡。这些发现强调在评估恢复影响与支持可持续恢复规划时表征动态根系过程的重要性。

研究背景与问题提出

在水受限区域，大规模植被恢复（Vegetation Restoration, VR）在固碳减排与遏制土壤侵蚀方面成效显著，但同时会改变区域水量平衡与蒸散发（Evapotranspiration, ET） partitioning。既往采用“有恢复/无恢复”配对数值试验的研究，常因使用静态根系方案而无法刻画水分胁迫下根系的动态下扎与碳再分配，且在无恢复对照中把植被状态冻结为历史固定值，忽略了气候变率自身可驱动植被演替，从而混淆了VR净效应与气候驱动信号。黄土高原作为全球规模最大的VR实践区（以1999年退耕还林还草工程为代表），亟需一种能同时表征动态植被生长与动态根系吸水过程的评价框架，以厘清VR对水—碳耦合过程的实际贡献。

研究人员以黄土高原北洛河流域（面积约26900 km2，控制站为庄头站）为对象，采用Noah-MP（version 4.0.1）陆面模型，耦合预报表征的动态植被方案与Niu等发展的动态根系模块（Noah-MP_Dyn），并以静态根系版本（Noah-MP_Sta）作对照。试验分两组：Group_Compare用1982–1998年（VR前）同强迫同边界仅换根系方案，检验动态根系对ET、GPP、LAI模拟的提升；Group_Isolate用1999–2020年、同动态根系模型下对比LU_Pre（1995年土地覆盖）与LU_Post（2015年土地覆盖）两情景，分离VR净效应。气象强迫来自CMFD v2.0（0.1°，3小时），土地覆盖来自GLASS-GLC，验证数据集成GLASS、GLEAM、REA等遥感产品及庄头站月径流。该文发表于《Water Resources Research》。

主要关键技术方法（≤250字）

研究人员选用北洛河流域为案例区，气象强迫采用China Meteorological Forcing Data set v2.0（CMFD），土地覆盖采用Global Land Surface Satellite–Global Land Cover（GLASS-GLC）的1982–2015年5 km年数据，选取1995与2015年代表VR前后覆盖。模型为Noah-MP 4.0.1，分别搭载静态根系（Noah-MP_Sta）与Niu等动态根系模块（Noah-MP_Dyn），植被动态采用预报表征（prognostic dynamic vegetation）方案。评估期分VR前（1982–1998）与VR后（1999–2020），配对试验以同气候强迫下LU_Pre与LU_Post区分无/有恢复。验证集成GLASS LAI/GPP/NPP、GLEAM/REA/PT-JPL的ET集合平均及庄头站1981–2020月径流，指标含RMSE、R2、NSE，并按年降水距平划分湿/平/旱年。

研究结果

3.1 模型评估与比较

3.1.1 静态与动态根系方案性能比较：在1982–1998近自然期，Noah-MP_Dyn对ET、GPP、LAI的RMSE较Noah-MP_Sta显著降低，整体误差缩减43.8%、51.5%、59.5%；NSE提升在旱年最大（ET +0.15，GPP +0.83，LAI +0.64），表明动态根系通过植株储水缓冲与胁迫因子动态化，最擅长修正半干旱区干旱年模拟。

3.1.2 VR期Noah-MP_Dyn可靠性：1999–2020年验证显示，ET空间相关0.74（RMSE 73.03 mm yr^?1），月序列R2 0.95；NPP空间R2 0.75，月R2 0.92；庄头站径流NSE 0.62，证明动态根系模型可可靠再现VR期水—碳通量。

3.2 VR对植被生产力的影响：VR使流域年均GPP由1.52升至2.13 g C m^?2 day^?1（+40.4%），中游耕地/草地转林区增幅最大；生长季（6–9月）提升最突出，7月峰值最高。

3.3 VR对ET的影响

3.3.1 对ET组分的影响：VR使ET年均增21.5 mm yr^?1（+3.9%），其中蒸腾（T）增40.4%，冠层截留蒸发（E_i）增，土壤蒸发（E_s）降19.9%；T/ET由21.3%升至30.1%（+41.5%），WUE由0.55升至0.76 g C kg^?1 H₂O（+38.2%）。

3.3.2 不同土地利用转换类型对ET的影响：裸地→草地（B→G）与耕地→草地（C→G）ET变化微小；耕地→林地（C→F）与草地→林地（G→F）ET显著增加（分别+9.69、+11.80 mm month^?1），T/ET与NPP提升也以林转型最大；林转型WUE升但内在水分利用效率（iWUE）降，草转型二者同升。

3.4 VR对径流的影响：VR使出口径流减12.62 mm yr^?1（?33.9%），基流贡献占减量60.5%，表流占39.5%；夏季（7–10月）减量最大；G→F与C→F转换对径流减少贡献分别约49.3%与42%。

3.5 水—碳交互机制量化：VR后ET微增3.9%但T与E_i分别+45.6%、+41.1%，E_s?16.8%；GPP/NPP+40.4%/+40.5%，WUE+38.2%而iWUE微降3.98%；径流?34%（基流?38%），土壤湿度?7.1%；可用水（WA=P?ET）季节重分配。

讨论部分总结

讨论指出，动态根系通过植株储水、土壤水分胁迫因子动态化及根系碳分配优化，显著提升半干旱区尤其旱年的水—碳模拟能力；本研究首次在黄土高原采用“动态植被无恢复对照（仅气候驱动）+动态植被有恢复情景”的配对设计，克服既往冻结植被或外插遥感LAI的缺陷。不同恢复路径存在异质权衡：林转型固碳强但耗水与iWUE代价大，草转型水分回报更高。VR增强碳汇同时使基流削减、低水期河川补给减弱，未来在气候变率增强背景下需将恢复路径选择与区域水资源承载力对齐。局限包括T/E_s/基流无独立观测验证、未显式刻画人类取用水与陆—气降水反馈、土地覆盖仅用1995/2015两静态态。

结论部分翻译

本研究将耦合动态根系过程的生态水文模型应用于黄土高原半干旱流域以量化大规模VR影响。与静态根系模拟比较并经多源观测验证，聚焦ET、径流与土地利用转换类型，主要结论如下：（1）动态根系模型显著优于静态根系，ET、GPP、LAI模拟精度分别提升43.8%、51.5%、59.5%，旱年改善最大；（2）VR大幅提升GPP与ET，通过增T、减E_s改变ET组成，使T/ET与WUE分别提升41.5%与38.2%；（3）恢复后径流降34%，基流减少为主因（占60.5%）；（4）不同土地利用转换效应各异，草地→林地与耕地→林地转换影响最强。综上，纳入动态根系过程精化了VR生态水文响应评估，为缺水区可持续恢复与水管管理提供理论支撑。