近期二氧化碳对陆地蒸发负生理效应的加剧

《Journal of Hydrology》：Recent intensification of the negative physiological effect of CO 2 on terrestrial evaporation

　　

•将 TRENDY 与类比方法相结合，能够基于非线性过程解耦 CO?对 ET 的生理效应。
•观测约束权重增强了 ET 对 CO?直接负响应的鲁棒性。
•随着气孔减少效应日益超过绿化效应，CO?对 ET 的负生理效应增强。

**引言**
陆地蒸散发（ET）描述了水从液态到气态的表面相变，以及随后向大气传递的过程。它通常分为三个组成部分：植被蒸腾、土壤蒸发和植被表面截留雨水的蒸发（Miralles et al., 2020）。因此，ET 贡献了陆地上约三分之二的年降水量，并强烈影响土壤水分可用性、径流、地下水、植物光合作用和植被生长（Fisher et al., 2017; Katul et al., 2012）。量化 ET 变化并理解其背后的驱动因素，对于评估淡水可用性、生态系统功能和气候演变至关重要。全球平均 ET 自 20 世纪 80 年代初期以来一直在增加，主要由于大气蒸发需求增加和植被绿化（Miralles et al., 2014; Yang et al., 2023），这 largely 由大气二氧化碳（aCO2）的增加驱动（Zhu et al., 2016a）。

aCO2 引起的 ET 变化受两种不同机制支配。第一种是升高的 aCO2 的辐射驱动影响，包括更高的可用能量和改变的降水模式（Chen et al., 2024）。第二种是 aCO2 对植被的直接生理效应，受植被结构绿化和气孔调节调制（Gedney et al., 2006; Zhang et al., 2021; Yang et al., 2023）。基于观测和模型的证据表明，aCO2 的辐射效应和升高的 aCO2 驱动的植被结构绿化共同促成了近期全球 ET 的增加（Li et al., 2023b; Yang et al., 2023）。然而，由于绿化和气孔调节之间的权衡，aCO2 对 ET 的整体生理效应仍然不确定（Bonan and Doney, 2018）。这种不确定性反映在全球 ET 趋势报告的广泛差异中（Wang and Zeng, 2024），但也反映在水分利用效率、径流和水分可用性中（Fowler et al., 2019; Yang et al., 2020）。此外，鉴于 ET 在陆地–大气能量交换中的关键作用，以及水分可用性对陆地碳汇的重要性，aCO2 生理效应的不确定性也可能降低基于陆地的气候缓解政策的有效性（Green et al., 2019; Humphrey et al., 2018）。

aCO2 的生理效应主要作用于植物蒸腾，这是全球 ET 中占比最大的部分（Schlesinger and Jasechko, 2014; Wei et al., 2017）。升高的 aCO2 增强光合作用和植被生长，是观测到的全球绿化趋势的主要原因（Zhu et al., 2016a; Chen et al., 2022）。LAI 和植被覆盖度的增加导致通过蒸腾产生额外的 ET，并截留雨水和蒸发任何储存的水分（Yang et al., 2023; Zheng et al., 2022）。相反，随着叶面 aCO2 浓度的增加，气孔导度（）受到限制，因此单位叶面积的蒸腾水量减少（Lemordant et al., 2018; Yang et al., 2021a）。因此，这两种相互抵消的生理过程之间的平衡要么加速要么减弱 ET 对 aCO2 上升的预期正响应（Vicente-Serrano et al., 2022）。以前的研究分别量化了观测到的总体 LAI 和 aCO2 诱导的气孔减少对 ET 变化（Zhang et al., 2021）和水利用效率（Zhang et al., 2022）的影响。因为总体 LAI 代表了对多种并发环境和人为强迫的综合响应，这些归因框架并没有明确分离直接由 aCO2 上升驱动的 LAI 变化分量（Zhu et al., 2016b）。因此，aCO2 诱导的 LAI 变化和气孔调节对 ET 趋势净生理响应的相对贡献，以及它们的个别贡献在全球范围内仍然约束不佳。解开并量化这些贡献仍然具有挑战性，很大程度上是由于我们在从卫星数据观测 ET 方面的能力限制、地面观测和田间实验数量的减少，以及模型模拟中驱动 ET 的过程的复杂性（Wang and Zeng, 2024）。

关于 aCO2 对 ET 生理影响的最确凿的观测研究是基于涡度协方差塔或自由大气二氧化碳富集（FACE）实验，但它们仅限于特定站点规模（Keenan et al., 2013）。大多数基于 FACE 实验的以前研究认为，升高的 aCO2 刺激碳同化并减少气孔导度，这在温带 Duke 森林中表现为对蒸腾的中性效应（Tor-ngern et al., 2015），但在其他广泛的基于站点的植物生态系统中则表现为 ET 减少（Leakey et al., 2009; Quick et al., 2025）。为了超出 FACE 站点限制进行外推，基于卫星观测约束的模型研究检查了各种生物群系的响应。例如，模型模拟表明，半干旱地区的 ET 增加部分是由于 CO2 施肥对叶面积的影响超过了气孔导度的减少（Ukkola et al., 2016）。相反，在热带森林中，aCO2 对气孔导度的影响已被证明克服了绿化的积极影响（Kooperman et al., 2018）。不同地点对 aCO2 的 ET 响应存在如此大的差异，这强调了在控制 ET 方面 LAI 和气孔导度变化之间权衡的机制理解随环境条件而变化。然而，这两个过程对 ET 的个别贡献尚未在区域和全球范围内进行系统的解耦和量化。近期全球绿化趋势的饱和和较缓的气孔对 aCO2 增加的响应进一步放大了这一差距，表明这两个过程随时间改变，然而理解这些时空变化需要明确解耦它们的个别贡献（Wang et al., 2020; De Kauwe et al., 2021）。

在此，为了解耦 aCO2 对 ET 的交织生理效应，我们利用 TRENDY 模拟中的动态全球植被模型（DGVMs）集合，在全球范围内揭示这些效应的时空动态。使用基于类比的统计方法（Mahony et al., 2017），以区分这两个相互作用过程的个别贡献。最后，我们调查这些过程与多个环境变量之间的关系，以阐明解释全球 ET 对 aCO2 生理响应的潜在生态水文机制。

**章节片段**
**估计 aCO2 对 ET 的生理效应**
我们使用 TRENDY V9 中的各种 DGVMs 评估 1982-2018 年期间 aCO2 对 ET 的生理效应（Friedlingstein et al., 2020）。TRENDY 提供至少四种情景：S0, S1, S2 和 S3。S0 是恒定 aCO2、土地利用和气候的控制情景。S1 采用变化的 aCO2、固定的气候和土地利用，而 S2 使用变化的 aCO2 和气候，固定的土地利用，S3 使用时间变化的 aCO2、气候和土地利用。ET 对 aCO2 的生理响应年份

**aCO2 对 ET 的生理效应**
使用 GLEAM 作为 BMA 加权中的参考，我们估计 1982-2018 年期间由于 CO2 生理效应导致的全球平均 ET 减少量为 mm yr-1（平均值 ± 1 标准差，代表 37 年期间的年际变率），占总 ET 变化的 20.5%（图 S6）。负号与 aCO2 生理效应平均减少 ET 的预期一致。使用 PML-V2 ET 作为观测 ET 的代理在 BMA 中观测到了一致且相似的 ET 减少。

**讨论与结论**
升高的 aCO2 通过影响植被的结构和功能来改变 ET：aCO2 驱动的 LAI 增加导致更多的蒸腾和截留损失，然而 aCO2 驱动的气孔导度减少限制了蒸腾（Vicente-Serrano et al., 2022）。这两个对立且相互作用的过程引发了关于 aCO2 对 ET 生理效应实际方向的广泛辩论（）。基于 TRENDY 项目的 DGVMs，我们计算并诊断了这种生理

**开放研究声明**
TRENDY 数据集由全球碳预算提供（https://mdosullivan.github.io/GCB/）。观测通量站点来自 FLUXNET 2015（https://fluxnet.org/data/fluxnet2015-dataset/）。GLEAM ET 数据可使用 SFTP 从 https://www.gleam.eu/downloads 下载。PML-V2 ET 数据可在 https://zenodo.org/records/10647618 获取。MsTMIP 数据集在 https://nacp.ornl.gov/MsTMIP.shtml 提供。

**CRediT 作者贡献声明**
Haiyang Qian：写作 - 初稿，软件，方法论，数据整理，概念化。Weiguang Wang：写作 - 初稿，监督，资源，资助获取，概念化。Zefeng Chen：方法论，调查，概念化。Akash Koppa：写作 - 初稿，验证，软件，方法论，资助获取。Guoshuai Liu：写作 - 初稿，方法论。Jian Zeng：监督，资助获取。Jianyu Fu：概念化。Shuai Cheng：

**竞争利益声明**
作者声明他们没有任何已知的竞争性经济利益或个人关系可能影响本论文报告的工作。

**致谢**
本研究由中国国家自然科学基金（42301040）和浙江省“尖兵”研发项目（资助号 2023C03188）资助。D.G.M 和 A.K 感谢欧洲研究理事会（ERC）在资助协议 101088405 (HEAT) 下的支持，以及比利时科学政策办公室（BELSPO）STEREO VI 项目在资助协议 SR/02/402 (HERMES) 下的支持。我们感谢动态全球植被模型（DGVMs）联盟在建模年度全球碳预算方面的工作。

Haiyang Qian|Weiguang Wang|Zefeng Chen|Akash Koppa|Guoshuai Liu|Jian Zeng|Jianyu Fu|Shuai Cheng|Diego G. Miralles