《Environmental Impact Assessment Review》:Quantifying ecological memory effects to improve climate impact assessments on vegetation growth: A case study of Northeast China
编辑推荐:
Han Wang|Yuke Zhou|Hao Zhang|Luyu Yan北京师范大学国家安全与应急管理学院,中国珠海519087摘要生态记忆,即过去气候对当前生态系统状态的长期影响,给长期植被评估和环境风险预测带来了复杂性。这一挑战在生态敏感区域尤为突出,比如被IGBP认定为过
Han Wang|Yuke Zhou|Hao Zhang|Luyu Yan
北京师范大学国家安全与应急管理学院,中国珠海519087
摘要
生态记忆,即过去气候对当前生态系统状态的长期影响,给长期植被评估和环境风险预测带来了复杂性。这一挑战在生态敏感区域尤为突出,比如被IGBP认定为过渡带的中国东北地区。为解决这一问题,我们开发了一种多层卷积长短期记忆模型框架,该框架将每日气象数据与GLASS LAI观测数据(2001?2020年)相结合,用于量化时空维度上的植被-气候记忆效应。研究结果表明,在70%的中国东北地区引入六个月的气候记忆窗口能显著提升模型性能,尤其是在森林区域,R2值平均提升了约0.09(从0.75升至0.84)。估算的平均记忆持续时间为4.00 ± 2.24个月,其中枯黄期(GS2)的记忆效应比生长期(GS1)长79%,显示出明显的季节性不对称性。在79%的中国东北地区,温度是影响LAI变化的主要因素;然而,那些忽略记忆效应的传统模型往往会低估其累积影响。根据SSP126/245情景预测,约60%的中国东北地区将会出现由记忆效应驱动的植被生长,而SSP585情景则预测东部森林地区的LAI将大幅下降0.31(±0.83)。本研究提出了一种可移植的建模框架,用于将生态记忆纳入气候影响评估中。重要的是,我们的研究结果表明,若在气候风险模型中忽视这些历史遗留效应,可能会严重低估未来植被的脆弱性。我们建议环境机构及土地管理者在规划适应措施(如造林和动态放牧)时,充分考虑生态记忆因素,以更好地应对气候变化带来的退化风险。
引言
植被通过调节陆气相互作用、表面能量平衡以及生物地球化学循环,从根本上控制着陆地生态系统(Pe?uelas等,2009;Bali和Collins,2015;Verger等,2016;Zhong等,2025)。在各种生物物理指标中,叶面积指数被广泛用于监测植被对环境压力和气候变异的反应(Fang等,2019;Sahoo等,2024)。然而,现有研究大多关注同步的植被-气候相互作用,而生态记忆——即历史气候条件通过延迟效应继续影响当前生态系统状态——的影响却鲜有探讨(Johnstone等,2016;Tang等,2024;Xiao等,2024;Guo等,2025)。这些记忆效应源于三种主要机制:对累积环境压力的生理适应、季节间的资源分配,以及生长周期改变带来的物候学遗留效应(Shinoda和Nandintsetseg,2011;Lian等,2021;Lian等,2024)。例如,深厚的土壤水分储存能够使植被在多个季节中抵御水分不足,从而在干旱期间保持活力(Schwalm等,2017;Stocker等,2019;Yuan等,2019)。这类遗留效应使得气候驱动因素与植被反应之间存在时间上的脱节,尤其在气候格局发生变化时,会给生态预测带来系统性不确定性。
越来越多的实证证据表明,延迟的气候效应对植被的关键过程有着重要影响,包括物候期变化(Tu等,2019;Liu等,2025b)、生产力变化(Ritter等,2020;Gampe等,2021;Liu等,2025a)以及碳通量动态(Frank等,2015;Higgins等,2023)。现有的方法通常通过以下两种方式来描述这些非同步反应:一是滞后效应,即捕捉植被对特定过去时间点环境条件的反应(Wu等,2015;Zhang等,2025b);二是累积效应,即考虑固定时间段内的综合影响(Yuan等,2022;Jin等,2025)。不过,滞后效应往往忽略了环境影响的持续时间和强度,而累积效应则无法体现累积窗口内不同时间发生的环境条件的差异性权重。这两种方法都是孤立地处理时间过程,无法量化每个历史环境条件对当前植被的贡献随时间的变化情况(Kraft等,2019;Liu等,2023a)。这一局限影响了对生态记忆的准确描述——即历史环境条件通过持续的生物惯性继续影响当前植被状态(Kusch等,2022;Fang和Gentine,2024)——同时也增加了识别植被动态关键驱动因素的难度。
目前用于模拟植被-气候相互作用的 方法主要分为两类:统计模型和基于过程的动态全球植被模型。统计方法,如移动窗口线性回归,能够在预定义的时间框架内估算滞后反应,但往往简化了记忆衰减模式,且忽略了植被的动态反馈作用(Wu等,2015;Wei等,2021;Liu等,2024;Liu等,2026)。基于过程的动态全球植被模型则从机制层面模拟植被反应,但其局限性在于参数不确定性较高,且难以充分表现局部尺度的过程和干扰因素(Chen等,2022;Li等,2023)。尽管近期有一些研究尝试采用混合模型或集合模型,但这些方法仍无法完全解决生态记忆的非线性、时间分布特性问题。深度学习则为这一领域提供了新的解决方案(Wang,2024;Ding等,2025)。长短期记忆网络作为一种先进的循环神经网络架构,能够通过其门控序列依赖机制有效模拟植被的时间动态变化(Reddy和Prasad,2018;Chen等,2024)。Liu等(2023b)通过将气候记忆纳入LSTM模型,显著提升了全球净生态系统交换的模拟精度,同时揭示了不同生态系统的特定记忆持续时间规律。不过,传统LSTM是单独处理每个像素的,忽略了空间自相关性,这对于大尺度景观的生态记忆分析而言是一个重大限制。ConvLSTM网络通过结合空间卷积和时间门控功能,克服了这一缺陷(Shi等,2015;Ahmad等,2023)。这种架构能够同时捕捉时间记忆衰减和周边信息,利用周围的气候及植被状况为预测目标像素的LAI提供背景信息。在高度破碎化的景观中,如森林与农田交错分布的区域,这种空间聚合功能尤为重要(Yang等,2025)。虽然ConvLSTM已在水文预报或净生态系统生产力模拟中得到成功应用(Oddo等,2024;Liu等,2026),但在植被-气候记忆分析方面的潜力尚未得到充分挖掘。
中国东北地区位于北半球重要的中纬度生态过渡带,这里的植被动态对当代气候变异和历史气候遗产都极为敏感(Zhu等,2023)。在人类活动压力日益加大的背景下,该地区的植被动态变得更加复杂,这导致了森林生态系统功能衰退、草原沙漠化以及黑土区的严重土壤侵蚀现象(Li等,2022b)。然而,目前在该地区量化生态记忆的研究存在三大局限。首先,普遍采用的固定时间窗口和线性衰减假设无法体现记忆效应随时间的非线性衰减规律(Zhao等,2016;Tang等,2021;Ma等,2023a)。其次,与物候期相关的记忆模式,尤其是生长期和枯黄期的不同反应,至今仍未得到清晰阐释(Tang等,2021)。第三,中国东北地区不同生态系统之间的记忆响应空间异质性也尚未得到系统性的研究。这些缺陷共同降低了植被预测的准确性,也限制了对该生态脆弱地区气候影响的有效评估。
为克服这些方法学上的局限,精准捕捉生态记忆复杂的时空动态特征,我们提出了一种基于多层ConvLSTM架构的新型深度学习框架。以中国东北地区的过渡性生态系统为研究对象,本研究旨在:(i)量化不同生态系统类型中的记忆持续时间空间分布特征;(ii)揭示生长期与枯黄期记忆效应的季节性差异;(iii)确定驱动记忆效应导致的植被变化的主要气候因素;(iv)在不同共享社会经济路径下预测未来的植被动态变化。通过系统解析这些机制,该框架有望推动气候影响建模的发展,为气候敏感区域的生态系统适应性管理提供实用依据。
章节要点
研究区域
中国东北地区位于北温带与寒温带生态过渡带,地处115°31′–133°05′东经、38°43′–53°34′北纬之间,是全球变化背景下研究植被-气候反馈机制的重要区域。该地区面积达1.47×106平方公里,地形从大兴安岭逐渐过渡到辽河平原,形成了不同的环境带(见图1)。该区域可划分为六个生态地理单元,反映了从寒冷湿润到温暖湿润的气候与生态过渡特征
瞬时效应的偏相关分析
为量化气候变量对中国东北地区LAI的瞬时影响,我们采用了高阶偏相关分析方法,用以研究LAI与各气候因子(温度、降水量、蒸发量、相对湿度)之间的关联关系。选择这种方法是为了应对气候变量之间可能存在的多重共线性问题。通过数学手段控制其他协变量的影响,偏相关分析能够让我们明确植被对每个单一气候因子的直接反应
LAI与气候变量之间的年度相关模式
为分析LAI或气候变量的时间变化趋势,我们采用了普通最小二乘法线性回归分析。回归斜率代表了趋势的强度,而这些趋势的统计显著性则通过F检验来判断。时间序列分析显示,2001年至2020年间中国东北地区整体呈现显著的绿化趋势,区域LAI以每10年0.16的速度上升(p值小于0.001)(见图3 a-b)。这一增长速度超过了已报道的全球平均绿化速率
时空记忆模式背后的机制
多层ConvLSTM模型显著提升了植被-气候记忆建模的精度,当采用6个月记忆窗口时,中国东北地区70%的区域的预测精度都有所提高。我们在研究区域内发现了约81%的区域存在记忆效应,其平均持续时间为4个月左右。我们的研究结果与一项综合评估结果一致,该评估认为4个月的综合时间窗口是捕捉植被动态变化的关键阈值(Ding等,2020)。
一个重要发现是存在的明显季节性不对称性,即
结论
本研究分析了2001年至2020年中国东北地区的植被动态变化,发现随着气候逐渐变暖和湿润,该地区植被呈现明显的绿化趋势,LAI每十年增加0.16。通过引入6个月的生态记忆窗口,我们的模型使气候-植被关系的解释能力提升了70%,同时也能更准确地模拟植被反应,估算出的平均记忆持续时间为4.00 ± 2.24个月,其中枯黄期的记忆持续时间更长。温度是影响植被变化
资金支持
本研究得到了国家关键研发计划的资助,项目编号为2021xjkk0303。
利益冲突声明
作者声明,他们不存在任何可能影响本文研究结果的已知财务利益或个人关系。
我们声明,与我们没有可能不当影响我们工作的任何个人或组织存在财务或个人关系,我们也不存在任何可能影响本文观点的专业或其他个人利益,涉及任何产品、服务或公司