《Earth's Future》：Reversal of Temperature Sensitivity in Vegetation Greenness Rates Along Aridity Gradients Across Global Ecoregions
编辑推荐：
**专业摘要翻译：**
在气候变化背景下，干旱日益重塑陆地生态系统，然而在全球尺度上，干旱度如何调节卫星反演的自然生态系统变绿速率（green-up rate, GR）和衰老速率（senescence rate, SR）对气候的敏感性仍知之甚少。本研究结合二
**专业摘要翻译：**
在气候变化背景下，干旱日益重塑陆地生态系统，然而在全球尺度上，干旱度如何调节卫星反演的自然生态系统变绿速率（green-up rate, GR）和衰老速率（senescence rate, SR）对气候的敏感性仍知之甚少。本研究结合二十年的卫星观测和气候数据集，识别了全球764个生态区最大GR和SR的主要气候驱动因子（温度、降水、太阳辐射、土壤湿度和饱和水汽压差），并量化了这些驱动因子气候累积速率年际变率的敏感性。研究揭示了干旱与湿润生态区沿干旱度梯度呈现出的对比性温度响应模式。在干旱生态区，干旱度降低会增大变绿期GR对温度累积速率的敏感性；而在湿润生态区，该敏感性随湿度增加而减弱甚至转为负值。SR也观察到类似但不对称的敏感性逆转现象。这些发现表明，干旱度从根本上重塑了植被-气候相互作用，对水文气候变率增强背景下生态系统碳吸收的稳定性具有重要意义。通过识别干旱度梯度上气候敏感性的关键转变，该研究为改进生态系统对加剧干旱响应的预测以及评估未来气候变化下碳汇风险提供了新见解。
**论文解读：**
**1. 研究背景与科学问题**
干旱作为气候变化背景下日益重要的扰动因素，正深刻改变着全球陆地生态系统的生产力、水分利用效率、碳循环以及生态系统结构与功能。以往研究表明，干旱对生态系统的影响因植被类型和生态区背景而异，干旱区（旱地）与湿润区生态系统对干旱的响应机制存在根本差异。干旱度（aridity）作为降水供给与大气蒸发需求之间平衡的综合指标，对全球生态系统的结构、功能与动态具有广泛影响。然而，目前关于干旱度梯度如何调节植被变绿速率对气候因子年际变率敏感性的全球尺度认识仍十分匮乏。
植被绿度变化速率（greenness rate）由卫星植被指数时间序列导出，是表征大尺度植被响应的重要指标。该指标可分解为变绿速率（green-up rate, GR）和衰老速率（senescence rate, SR），分别代表春季冠层发育和秋季冠层衰退的每日绿度变化速率。其中，最大变绿速率（GRmax）和最大衰老速率（SRmax）捕捉了冠层发育最迅速的阶段，与峰值冠层状况和生态系统生产力密切关联。已有区域研究将绿度速率长期趋势与温度、降水、太阳辐射、土壤水分和饱和水汽压差（vapor pressure deficit, VPD）等非生物驱动因子的量级联系起来，并证实温度是绿度速率的主要驱动因子。然而，累积气候强迫对绿度速率的作用仍鲜有探索。
本研究提出两个科学假设：（a）最干旱生态区的植被绿度速率对温度最敏感；（b）干旱度将深刻调控绿度速率的温度敏感性。基于此，研究提出两个核心问题：（a）给定生态区的干旱度越高，其绿度速率对温度累积速率年际变率的敏感性是否越强？（b）干旱与湿润生态区绿度速率对干旱度的敏感性模式是否不同，甚至符号相反？
**2. 研究方法概述**
研究利用2001–2022年MODIS MCD43A4版本6.1地表反射率产品生成3天合成的双波段增强型植被指数（two-band enhanced vegetation index, EVI2）时间序列，基于混合分段逻辑斯蒂模型（Hybrid Piecewise Logistic Model, HPLM）提取植被物候参数，包括GRmax、SRmax、生长季最大绿度等指标。全球生态区数据采用Dinerstein等（2017）绘制的2017年846个生态区地图，经预处理后最终选取数据质量最高的764个生态区。气候数据采用ERA5-Land再分析资料（2001–2022年，9公里分辨率），计算温度、降水、太阳辐射、土壤水分和VPD等变量的累积速率。干旱度采用全球干旱指数（aridity index）表征。统计分析方法包括Mann-Kendall非参数趋势检验和Theil-Sen斜率（MK-TS）、逐步回归（stepwise regression, STR），机器学习方法包括增强回归树（boosted regression tree, BRT）和随机森林（random forest, RF）。研究通过三种方法识别每个生态区GRmax和SRmax的主要气候驱动因子，并量化敏感性沿干旱度梯度的变化规律。
**3. 主要研究结果**
**3.1 最大绿度速率及其年际变率**
2001–2022年全球自然植被多年中位数GRmax呈现显著的空间异质性（图2a）。森林主导区域的GRmax显著高于灌丛和草地（图3a），其中落叶阔叶林GRmax达7.5×10?3 EVI2/day，落叶针叶林为7.0×10?3 EVI2/day，混交林为8.1×10?3 EVI2/day。SRmax在多数森林类型中也高于其他植被类型（图2b和3b）。所有植被类型的GRmax（2.7–8.1×10?3 EVI2/day）平均大于SRmax（2.0–6.1×10?3 EVI2/day），表明春季绿度增加的速率普遍快于秋季衰退速率。GRmax和SRmax的年际变率（变异系数CV）具有显著空间差异（图2c和2d），旱地和热带区域的CV较大（>50%）。热带植被类型中，红树林的绿度速率年际变率最高（GRmax和SRmax的CV均为61%），其次为热带常绿阔叶林（GRmax CV=58%，SRmax CV=55%）。除热带森林外，草地和灌丛（GRmax CV: 30–42%; SRmax CV: 29–41%）的年际变率普遍高于非热带森林（GRmax CV: 26–36%; SRmax CV: 20–36%）。
**3.2 最大绿度速率的主要气候驱动因子**
通过机器学习方法和逐步回归识别了764个生态区GRmax和SRmax的主要驱动因子，结果呈现清晰的空间集聚格局（图5a和5b）。温度指标（尤其是日最低温度）是北纬30°以北的寒带针叶林、泰加林和冻原生物群系中GRmax年际变率的主要驱动因子。相比之下，降水、土壤水分和VPD主要驱动位于干旱地区大部分生态区的GRmax变率，包括北美西南部、南美东部和南部、非洲南部、中亚和南亚以及澳大利亚等地区（图5c）。太阳辐射仅在一小部分生态区（包括格陵兰沿海、亚马孙西部、阿拉伯半岛、塔克拉玛干沙漠和澳大利亚中部）成为GRmax的主要驱动因子。VPD在广泛生态区成为SRmax的主要控制因子，集中于北美西部和东部、南美中部、非洲南部和欧亚大陆北部。在北美西南部、南美北部和东部、非洲中部和南部、亚洲中部和东部以及澳大利亚的生态区，降水和土壤水分主要影响SRmax。太阳辐射主导了北美北部、非洲中部、东欧和青藏高原西部大部分生态区的SRmax变率。
**3.3 最大绿度速率对主要气候驱动因子的敏感性**
利用逐步回归计算了各生态区GRmax对气候因子累积速率年际变率的敏感性。在温度驱动的生态区中，GRmax对变绿期累积日最低温度（RTmin）的敏感性在多数生态区为正，表明较高的GRmax与更快的日最低温度累积相关（图6a）。然而，这种敏感性强烈依赖于干旱度。总体而言，GRmax对RTmin的敏感性在干旱与湿润生态区之间呈现对比性模式，以干旱指数0.65为分界：在干旱生态区，敏感性随干旱指数升高（即条件变湿）而增大；在湿润生态区，敏感性随湿度增加而减弱甚至变为负值。GRmax对累积日最高温度（RTmax）和累积日均温度（RTmean）的敏感性也表现出类似模式（图6b和6c）。
GRmax对其他变量（降水、土壤水分、太阳辐射和VPD）的敏感性在干旱与湿润生态区之间也存在明显差异（图7a–7d）。在干旱生态区，湿度增加（干旱指数升高）导致GRmax对累积日降水量（RPre）、累积日太阳辐射（RSr）和累积日VPD（RVPD）的敏感性降低，但对累积日土壤水分（RSm）的敏感性增加。在湿润生态区，更湿润的条件与GRmax对RPre、RSm和RSr的敏感性轻微降低、对RVPD的敏感性轻微增加相关。以0.82的干旱指数划分生态干旱与湿润生态区时，GRmax温度敏感性沿干旱度梯度的逆转模式依然存在（图7）。
SRmax对气候因子敏感性沿干旱度梯度的变化在干旱与湿润生态区之间也差异显著（图6d–6f和7e–7h）。在干旱生态区，湿度增加倾向于降低SRmax对RTmin、RSm、RSr和RVPD的敏感性，同时增加对RTmax、RTmean和RPre的敏感性。在湿润生态区，更高的湿度通常导致SRmax对RTmin、RTmax、RTmean和RSr的敏感性降低，但对RPre和RSm的敏感性增加。例如，在干旱指数<0.65的干旱生态区，SRmax对RTmean的敏感性大多为强正值，表明温度累积加速衰老过程；而在湿润生态区（干旱指数>0.65），RTmean敏感性降低并常转为负值，表明升高的温度累积可以减缓衰老。GRmax与SRmax的详细响应模式差异表明，衰老过程的气候控制并非变绿过程的简单镜像，可能涉及更复杂的机制。
**4. 讨论与结论**
研究结果表明，生态区尺度上绿度速率（GRmax和SRmax）的气候敏感性受干旱度的系统性调控。与初始预期相反，最高的温度敏感性并非出现在最干旱的生态区，而是出现在干旱与湿润生态区的过渡带（干旱指数≈0.65–0.82）。沿干旱度梯度从干旱到湿润，GRmax和SRmax的温度敏感性均呈现从递增到递减的转变，在干旱度阈值附近产生清晰的逆转。这表明植被光合活动（以绿度动态间接反映）对气候年际变率的响应在干旱与湿润生态区由不同机制控制，共同受背景水分状况和植被组成影响。
植被组成进一步调节绿度速率的敏感性。荒漠和灌丛生物群系仅出现在生态干旱区，而森林、草地和冻原生物群系跨越更广泛的干旱度范围。长期尺度上，植物群落适应局部环境条件，形成不同的功能性状和气候响应策略，导致不同物种和植被类型对气候年际变率的敏感性存在差异。在干旱区，植被以相对耐高温但对水分波动高度敏感的草本和灌木为主，这解释了为何干旱区绿度速率对降水和土壤水分的敏感性高于湿润区。
机制层面，干旱度可能通过影响植被蒸散，反馈作用于地表能量平衡和植物水分状态，从而调节温度敏感性。中国干旱区草地的原位测量表明，降水利用效率（rain use efficiency, RUE）随降水增加而升高，这与其发现干旱区草地生物群系中更湿润的生态区表现出更大的GR对温度敏感性模式一致。
研究存在若干局限性：卫星物候指标受遥感观测和物候转换检测不确定性的影响可能无法完全捕捉潜在生理过程；生态区尺度的聚合可能模糊局地尺度植被组成、地形、小气候和土地管理的差异；部分生态区可能包含农业区域，灌溉等管理措施可能影响植被动态和气候敏感性。未来整合更高分辨率观测和生态系统特定信息有助于减少这些不确定性。
**5. 结论**
通过利用二十年的卫星遥感和气候数据并应用多种分析方法，研究人员识别了全球陆地自然植被最大绿度速率的主要气候驱动因子，并量化了其敏感性沿干旱度梯度的变化规律。研究证明，干旱度阈值（干旱指数≈0.65–0.82）分隔了两种对比鲜明的敏感性特征：在干旱区，绿度速率对温度年际变率的敏感性随干旱度降低而增强；在湿润生态区则随干旱度降低而减弱。衰老速率的敏感性也呈现类似但不完全相同的逆转模式，表明变绿和衰老受部分不同的气候机制控制。该研究揭示了植被生长季冠层发育（以及潜在光合动态）对气候变率的敏感性并非沿干旱度梯度单调变化，而是在干旱与湿润条件的过渡带达到峰值。这些发现深化了对干旱度如何调控全球生态区植被-气候相互作用的认识。
研究结果对预测气候-植被相互作用具有重要意义：未来干旱度的变化（无论是干旱化还是湿润化）将根据当地干旱度水平放大或减弱植被对气候变率的敏感性；在接近所识别阈值的过渡生态区，水分有效性的相对较小变化可能显著改变植被对增温及其他气候驱动因子的响应强度；这些变化可能传导至陆地碳循环及相关生物地球化学过程，影响生态系统碳储存和陆地-大气CO?交换的年际变率。研究倡导加强沿干旱度梯度（特别是过渡带和代表性不足的生物群系）的原位观测和实验，以揭示所观测敏感性模式背后的生理生态机制，这对于改进陆地生态系统和地球系统模型、指导保护恢复策略以及实现生态系统可持续管理至关重要。最终，研究强调在气候影响评估中应明确区分干旱与湿润生态区及其过渡带，而非将其视为单一连续体，以便更准确地预测和管理未来全球植被动态的变化。
