大气蒸发需求增加导致陆地生态系统对干旱的稳定性降低
《Global and Planetary Change》:Increasing atmospheric evaporative demand leads to reducing stability of terrestrial ecosystems to droughts
【字体:
大
中
小
】
时间:2026年10月02日
来源:Global and Planetary Change 4.7
编辑推荐:
**摘要**
植被在干旱胁迫下的稳定性从根本上由两个关键组成部分来表征:抵抗力和恢复力。然而,在变化的环境中,这两个组成部分及整体稳定性如何变化,以及其潜在的驱动机制,仍知之甚少。本研究采用抵抗力-恢复力框架和随机森林模型,探究植被对干旱的抵抗力和恢复力及其动态变化,以及可
**摘要**
植被在干旱胁迫下的稳定性从根本上由两个关键组成部分来表征:抵抗力和恢复力。然而,在变化的环境中,这两个组成部分及整体稳定性如何变化,以及其潜在的驱动机制,仍知之甚少。本研究采用抵抗力-恢复力框架和随机森林模型,探究植被对干旱的抵抗力和恢复力及其动态变化,以及可能的驱动机制。结果表明,较高的稳定性和抵抗力集中在中国高纬度和低纬度地区。进一步分析揭示,特定区域稳定性的空间格局与抵抗力组分之间存在很强的统计关联。此外,基于TRENDY模型三种情景(S1、S2和S3)的归因分析表明,总体而言,气候变化对干旱胁迫下植被的稳定性与抵抗力均产生了不利影响。在干旱度<4时,稳定性和抵抗力归因于辐射(RAD)和潜在蒸散发(PET);而在干旱度>4时,降水(P)是最重要的因素。对于恢复力,温度(TMP)是最有影响力的因素。更有趣的是,在因子变化中观察到了抵抗力与恢复力之间的权衡关系。此外,从1982年到2020年,稳定性和抵抗力均呈现显著的下降趋势,这主要归因于PET、VPD和TMP的增加。我们的研究结果对于维护气候变化下的生态系统稳定性具有重要意义。
**引言**
极端气候变化的影响是当前研究面临的主要挑战之一。特别是极端干旱受到了广泛关注(Trenberth等,2014)。全球变暖导致地球水循环发生变化(Huang等,2016),水资源压力的增大引发了干旱,且未来干旱将更加严重(Dai,2012)。干旱是由于降水不足或蒸发过量或两者兼有而持续较长时间,导致可利用水分匮乏的现象(Wilhite和Glantz,1985)。干旱对生态系统的结构和功能产生不利影响(He等,2018),如光合作用减弱(Zhou等,2014;Fu等,2022)和植被固碳能力下降(Phillips等,2009;Jung等,2017;Humphrey等,2018),二者均导致植被生产力降低和死亡率升高,进而引发生态退化。陆地碳汇主要通过利用大气二氧化碳进行光合作用来缓解全球变暖。固碳能力的下降阻碍了利用自然气候方案减缓全球变暖的进程(Griscom等,2017)。因此,在未来变暖背景下,干旱频率和严重程度的增加对植被生长具有毁灭性影响(Reichstein等,2013;Schwalm等,2017)。在此情况下,了解植被如何应对干旱胁迫,并进一步量化其空间格局和时空变化,对于未来生态系统稳定性至关重要。此外,植被对干旱的响应是复杂的,取决于地点、物种、气候及其他条件的多样性(Anderegg和HilleRisLambers,2016;Clark等,2016;Mitchell等,2016;Gao等,2025)。因此,探究植被对干旱胁迫的响应也颇具挑战性。
Holling首次提出了韧性(resilience)的概念(Holling,1973),最初定义为系统吸收变化并在跨越阈值前维持在给定状态内的能力(Forzieri等,2022;Smith等,2022)。在干旱干扰背景下,生态系统稳定性——一个更广泛的概念,涵盖系统维持其功能的整体能力——通常被分解为两个关键且相互独立的维度:抵抗力和恢复力(Hillebrand等,2018)。这量化了生态单元在干旱胁迫下抵抗干扰的过程以及干扰后恢复的过程(Nimmo等,2015)。在此框架下,研究揭示了抵抗力与恢复力之间的差异(Gazol等,2018)。抵抗力是指生态系统抵御干旱并保持正常生理功能的能力(Li等,2020b)。恢复力是指干旱后生态系统反弹至先前未受干扰状态的能力(Ingrisch和Bahn,2018;Bottero等,2021)。抵抗力和恢复力可以缓冲干旱对植被的不利影响,因此深入探究植被对干旱的恢复力和抵抗力,有助于减轻干旱造成的生态和经济损失(De Keersmaecker等,2015)。然而,由于这两个过程都依赖于相似的有限生理资源和碳储备,它们并非孤立运行。因此,理解植被对干旱响应的一个基本方面在于探索这两个维度之间的交互作用——具体而言,即生态系统是否在抵抗力与恢复力之间表现出权衡关系。
现有研究已在多个层次上取得了显著进展:在空间格局层面,学者们利用遥感技术(如太阳诱导叶绿素荧光SIF)揭示了植被对干旱响应的时空异质性(Liu等,2021),并发现全球水资源供应充足的地区表现出更大的韧性(Smith和Boers,2023);在植被功能类型层面,草地生态系统比森林更容易受到极端干旱的影响(Stuart-Ha?ntjens等,2018)。此外,常绿阔叶林由于其全年保持叶片的特性,已被证明比其他植被类型具有更强的抗旱能力和稳定性(Huang和Xia,2019)。研究还进一步延伸至驱动因素层面。环境水分供应形式,尤其是降水,被确认为陆地生态系统抵抗力和恢复力空间异质性的关键决定因素(Wen等,2018;Herberich等,2023)。相比之下,温度和太阳辐射通过调节光合作用过程间接影响生态系统稳定性(Yang等,2016)。此外,生物因素如物种丰富度和群落年龄,也被证明与生态系统稳定性呈正相关(van Moorsel等,2021;Schnabel等,2021)。然而,随着研究的推进,一个核心的学术争论浮出水面:抵抗力与恢复力并非总是协同增强,相反,二者之间的权衡关系被广泛观察到。例如,一年生草地由于其较低的抵抗力,可能表现出更大的恢复力(Hoover等,2014);在全球尺度上,这两个属性均与生物群落呈负相关(Chen等,2023)。此外,这种权衡还受到环境梯度的调节,如土壤湿度和纬度(Gazol等,2017),使得维持生态系统稳定性的机制异常复杂。此外,先前的研究还专门探讨了抵抗力、恢复力与整体稳定性之间的关系,揭示这些组成部分可以解耦——例如,环境变化可能提高抵抗力,同时降低恢复力,表明整体稳定性是一个多维且复杂的综合结果(Xu等,2022)。
尽管现有研究为理解植被对干旱的响应提供了坚实的基础,但仍存在几个知识空白。一个主要的理论空白是抵抗力和恢复力对生态系统整体稳定性的相对贡献仍有待明确(Jiang等,2024)。在方法论上,研究通常忽略了气候背景的异质性,以聚合方式分析驱动因素,从而掩盖了干旱和湿润地区植被响应机制的根本差异。更重要的是,在驱动因素变化的过程中,是否存在抵抗力与恢复力之间的权衡关系尚不清楚。
为解决上述研究问题,本研究调查了中国陆地生态系统稳定性、抵抗力和恢复力的时空变化及其驱动因素。首先,我们使用标准化降水蒸散发指数(SPEI)识别极端干旱年份,然后基于核归一化差值植被指数(kNDVI)评估稳定性、抵抗力和恢复力。其次,我们调查了稳定性、抵抗力和恢复力空间异质性的驱动因素,并比较了抵抗力与恢复力在多大程度上决定了稳定性。最后,我们评估了影响稳定性、抵抗力和恢复力动态变化的影响因素的贡献及其空间分布。
**研究区域**
中国领土从北纬3°51′延伸至53°33′,东经73°33′延伸至135°05′,位于东亚和太平洋西岸。地形复杂多样,呈阶梯状分布,跨越广阔的领土和海岸线,气候复杂多样,导致降水时空分布不均,使得区域水资源差异明显(Li,2006)。干旱和半干旱区覆盖面积广大,对气候变化非常敏感……
**植被指数**
归一化差值植被指数(NDVI)是最广泛使用的植被指数,用于反映植被生长状况。然而,NDVI存在局限性,即与绿色生物量之间呈非线性饱和关系。因此,Camps-Valls等人提出了一个新的植被指数——核归一化差值植被指数(kNDVI),该指数在应对饱和效应方面具有明显优势,避免了NDVI在热带地区高植被覆盖区的饱和问题……
**稳定性、抵抗力和恢复力的时空分布格局**
我们检查了每个网格单元陆地生态系统稳定性、抵抗力和恢复力对干旱的趋势(图1)。核归一化差值植被指数(kNDVI)表明,中国陆地生态系统在稳定性、抵抗力和恢复力方面表现出显著的空间变异性。对于稳定性,植被对干旱的映射表明中国高纬度和低纬度地区的稳定性较高,而中纬度地区稳定性较低(图1b)。
**稳定性、抵抗力和恢复力空间变化的驱动因素**
我们观察到了中国陆地生态系统稳定性、抵抗力和恢复力的强烈空间异质性。同时,如第4.3节所述,气候变化和土地利用变化对稳定性和抵抗力产生了不利影响。大气二氧化碳浓度的增加导致全球变暖并增强了二氧化碳施肥效应,从而显著增加了植被的固碳能力,同时也贡献了……
**结论**
我们的研究展示了稳定性和抵抗力均呈现明显的纬度趋势,在高纬度和低纬度地区值较大,在中纬度地区值较小。相反,恢复力在空间分布格局中未显示出显著特征。通过滑动窗口法获得的稳定性和抵抗力显示出显著的下降趋势。稳定性和抵抗力在时空变化中表现出一致性。通过分析三种情景……
**CRediT作者贡献声明**
Xueying Zhu:撰写——初稿,软件,方法论。Shengzhi Huang:概念构思。Yongping Yang:调查研究。Xiaoya Deng:概念构思。Vijay P. Singh:项目管理。Qiang Huang:验证。Guoce Xu:可视化。Liang Gao:形式分析。Pei Li:数据管理。Wenwen Guo:数据管理。Jian Peng:项目管理。
**未引用的参考文献**
CREDiT作者贡献声明中未引用的参考文献:Chen等,2006;Cui等,2014;Li等,2026a。
**利益冲突声明**
作者声明不存在已知的竞争财务利益或个人关系可能影响本论文中报告的工作。
**致谢**
本研究由新疆维吾尔自治区重点研发任务专项(项目编号2022293120)、国家自然科学基金(项目编号52279026)、水资源高效利用与工程安全国家工程研究中心开放研究基金(项目编号1524020003)、中国科学院战略性先导科技专项(项目编号XDA28060100)以及国家重点研发计划联合资助。
**作者及单位**
Xueying Zhu, Shengzhi Huang, Yongping Yang, Xiaoya Deng, Vijay P. Singh, Qiang Huang, Guoce Xu, Liang Gao, Pei Li, Wenwen Guo, Jian Peng. 中国西北地区生态水力学国家重点实验室,西安理工大学,西安710048,中国。
生物通微信公众号
生物通新浪微博
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