塔吉克斯坦植被生产力对极端降水的阈值及非线性响应研究

《Journal of Environmental Management》：Threshold and nonlinear responses of vegetation productivity to extreme precipitation in Tajikistan

　　

极端降水事件以短时强降雨为特征，在气候变暖背景下对陆地生态系统、水文循环和社会经济稳定性产生深远影响。在干旱与半干旱地区，此类事件不仅改变土壤水分动态和地下水补给，还通过调节水分可用性、养分循环和生理胁迫响应来影响植被生长。随着全球水文循环的预计增强，极端降水的频率、强度和空间范围预计将增加，尤其是在对气候变化高度敏感且生态系统易受水分胁迫的中亚地区。这一问题在山地干旱区生态系统中尤为关键，因为陡峭的海拔梯度强烈调控降水的相态、辐射、温度、融雪、土壤水分储存、植被物候和根系条件，从而改变生态系统对极端湿润和干旱事件的响应方式。然而，这些过程在中亚地区仍缺乏定量评估。塔吉克斯坦地处帕米尔—阿赖山系中部，超过90%的领土为山地，气候为典型的大陆性高山气候，降水时空分布极不均匀，主要集中在冬春季。植被生产力通常以净初级生产力（NPP）为代表，是生态系统碳固存与稳定性的关键指标。在水分受限环境中，降水对NPP变率起主导控制作用，但二者关系可能呈现非线性和季节依赖性。以往中亚研究多聚焦于总降水量、干旱状况或线性气候—植被关系，对降水极值的事件尺度特征（如持续时间、强度和频率）如何调控山地干旱区植被生产力知之甚少。为此，本研究结合网格化降水数据、基于CASA模型的NPP估算和可解释机器学习框架，探究塔吉克斯坦极端降水的多维度特征与植被生产力之间的关系。具体目标包括：（1）表征塔吉克斯坦月尺度极端降水指数的时空变率；（2）估算月NPP及其季节动态；（3）利用XGBoost-SHAP框架量化不同极端降水特征对NPP的相对重要性和非线性关联。通过将降水极值与山地干旱区生态系统的植被生产力明确联系，本研究旨在增进对水文气候极端事件下生态系统响应的理解，并为中亚生态管理和气候适应提供科学依据。

**塔吉克斯坦植被生产力对极端降水的阈值及非线性响应：基于XGBoost-SHAP框架的解析**

**1. 研究背景与科学问题**

极端降水事件以短时强降雨为特征，在气候变暖背景下对陆地生态系统、水文循环和社会经济稳定产生深远影响。在干旱与半干旱地区，极端降水通过改变土壤水分动态、地下水补给、养分循环和生理胁迫响应来影响植被生长。中亚地区对气候变化高度敏感，其生态系统易受水分胁迫，而山区干旱生态系统中的水文气候响应比低地干旱区更为复杂：陡峭的海拔梯度强烈调控降水相态、辐射、温度、融雪、土壤水分储存、植被物候和根系条件。然而，现有研究多聚焦于总降水量、干旱状况或线性气候—植被关系，对事件尺度的降水极值特征（如持续时间、强度和频率）如何调控山地干旱区植被生产力仍知之甚少，尤其缺乏对阈值行为的定量刻画。塔吉克斯坦地处帕米尔—阿赖山系中部，超过90%的领土为山地，气候为大陆性高山气候，降水集中于冬春季，生态系统具有显著的海拔地带性分异，对气候波动和人为扰动高度脆弱。为此，研究人员结合长期网格化降水数据、基于CASA模型的净初级生产力（Net Primary Productivity, NPP）估算，以及集成极限梯度提升（eXtreme Gradient Boosting, XGBoost）与SHapley Additive exPlanations（SHAP）的可解释机器学习框架，系统探究了塔吉克斯坦极端降水多维度特征与植被生产力之间的非线性及阈值响应关系。

**2. 数据与方法概述**

研究使用了APHRODITE（Asian Precipitation—Highly-Resolved Observational Data Integration Towards Evaluation）日尺度网格化降水数据集（0.25°分辨率，1951–2015年），依据ETCCDI（Expert Team on Climate Change Detection and Indices）定义计算了9个极端降水指数，涵盖持续时间（CDD、CWD）、频率（R5mm、R10mm、R20mm）、强度（SDII、Rx1day、Rx5day）和累积湿日降水量（PRCPTOT）。NPP基于CASA（Carnegie–Ames–Stanford Approach）模型在Google Earth Engine平台估算，输入数据包括TerraClimate气象数据、MODIS植被指数与FPAR产品、土壤和土地覆盖数据，时间覆盖为2001–2023年，空间分辨率为500 m。XGBoost-SHAP分析使用2001–2015年共同期的年尺度数据，将月NPP聚合为年NPP后重采样至0.25°网格，最终得到209个空间格网、3135个格网年样本。模型采用基于空间格网ID的分组训练—测试划分（80%训练，20%测试），并通过扩展的空间分组交叉验证选择简约超参数配置。为验证稳健性，研究人员开展了50次独立空间分组随机划分、共线性预测因子剔除、4 km分辨率NPP敏感性测试，以及低（<1500 m）、中（1500–3000 m）、高（>3000 m）三个海拔分带的分层建模。

**3. 主要研究结果**

**3.1 极端降水的时空演变特征（1951–2015年）**

1951–2015年，塔吉克斯坦生长季（4–10月）与非生长季（11–次年3月）的总降水量大体相当（多年均值188.90 mm和201.09 mm）。2001–2015年较1951–2000年年均降水量增加46.05 mm，生长季增幅更为明显。生长季R5mm、Rx1day和CWD均呈增加趋势。空间上，中部山区是极端降水事件的核心热点区，生长季Rx5day高达140–170 mm，而东部、西南部仅约40–70 mm；非生长季热点区SDII达6–7 mm/d。过去65年生长季中，超过80%的区域呈现“湿润化”趋势，其中总降水量增加区占100%（62.66%区域显著），Rx5day增加区占99.57%（55.36%显著），连续干日（CDD）减少区占99.14%（76.39%显著）。

**3.2 植被NPP的时空变化（2001–2023年）**

基于CASA模型的估算显示，生长季贡献了年总NPP的86.72%，其中4–7月为峰值生长期，贡献生长季总量的64%。2001–2023年，年尺度NPP以2.79 g C m?2/10a的速率增加，生长季为1.87 g C m?2/10a，非生长季为0.61 g C m?2/10a；月尺度上5月增幅最大（0.66 g C m?2/10a）。空间上，高NPP主要分布于西部草地、灌丛和农田区（生长季约200 g C m?2），东部冰川和永久积雪区NPP较低（约70 g C m?2）。59.14%的区域生长季NPP呈增加趋势，主要分布在东部和中部高海拔区；40.86%的区域呈减少趋势，集中于西部中低海拔区。

**3.3 XGBoost-SHAP重要性排序与非线性依赖关系**

XGBoost-SHAP分析显示，五个主导预测因子为R10mm、CDD、R20mm、R5mm和Rx5day，合计贡献总平均绝对SHAP重要性的71.3%。其中R10mm贡献最大（21.5%），其次为CDD（16.2%）、R20mm（12.6%）、R5mm（12.2%）和Rx5day（8.7%）。SHAP依赖图表明，R10mm与NPP呈最强正相关，在低—中频率阶段快速上升后趋于饱和；R20mm呈现类似但较弱的饱和模式；R5mm总体为正但高频率段趋于平缓；CDD呈显著非线性响应，SHAP值随干期增长由负转正后逐步稳定；Rx5day总体呈负相关，SHAP值随最大5日降水量增加而下降后在高值区趋平。海拔分层模型显示，低海拔区主导因子为R10mm、CDD、R20mm、R5mm和CWD（R2=0.624）；中海拔区为PRCPTOT、R10mm、CWD、CDD和SDII（R2=0.491）；高海拔区为R5mm、R10mm、CDD、CWD和PRCPTOT（R2=0.468），表明湿期持续性和总湿日降水量在高海拔区的重要性上升。

**4. 讨论与结论**

研究讨论指出，2000年以来塔吉克斯坦的太阳辐射、土壤湿度、最高气温和饱和水汽压差均较之前显著上升，NPP的增加是能量与水分条件共同变化的结果，而非降水单独控制。季节协调性分析表明，4–7月辐射和温度快速上升，春季土壤湿度较高，CDD下降而CWD和PRCPTOT增加，为早期生长季提供了相对充足的水分供给；晚期夏季辐射和温度持续偏高，土壤湿度在7月后急剧下降，VPD升高，与8月后NPP下降一致。空间异质性方面，中高海拔区NPP正趋势主要受温度限制缓解驱动，低海拔区接近热力最优而受水分或管理因素制约；中海拔山区同时是极端降水热点区与NPP正趋势集中区，而东部高海拔区受持续低温、短生长季和浅薄土壤限制。研究同时指出降水产品不确定性、多源数据空间支持不匹配、区域池化分析可能掩盖局地响应，以及SHAP作为统计学习工具不能直接解释为生理阈值等局限。研究结论表明，塔吉克斯坦极端降水与植被生产力之间存在显著的非线性和范围依赖性关系：中等强度的湿事件和干湿交替对植被生产力较为重要，而过度的多日降水极值往往与负贡献相关。植被生产力不仅取决于降水总量，更取决于事件的频率、强度、时间和时间分布特征。未来研究需整合更高质量的降水产品、正式的降尺度或数据融合方法、实地验证以及更精细的分层建模策略，以深入理解中亚山地干旱区极端降水对植被生产力的滞后、累积和非线性效应。