全球植被绿化对生态系统水分利用效率的影响研究
全球植被绿化对生态系统水分利用效率的影响研究
在全球气候变化的背景下，植被绿化对生态系统水分利用效率（WUE）的影响成为研究热点。最新发表在《CATENA》期刊上的研究，通过遥感数据分析了1982年至2018年间全球植被绿化对WUE的影响，揭示了这一过程中的关键驱动因素和空间分布特征。
研究背景及意义
植被在调节陆地与大气之间的碳和水循环中起着关键作用。目前，全球植被持续绿化，这被视为捕捉大气碳的重要方式，对于实现碳中和和缓解气候变化至关重要。然而，植被绿化带来的蒸腾作用增强，导致了水循环和水可用性的变化。虽然植被绿化通过增强光合作用和植物生产力，增加了碳固存，但这种增加也引发了碳固存与水消耗之间的权衡。尽管已有研究评估了植被绿化对碳汇或水资源的影响，但植被绿化引起的碳与水权衡关系仍不清楚。生态系统水分利用效率（WUE）作为表征碳-水循环耦合的关键指标，其变化对理解植被生态水文过程具有重要意义。
研究方法
该研究利用中国国家地球系统科学数据中心提供的全球陆地表面卫星（GLASS）GPP和ET数据集，经过前期研究验证。植被绿化区域的确定基于1982年至2018年期间GLOBMAP数据集中叶面积指数（LAI）的变化趋势，LAI数据来源于中国资源与环境科学数据中心。此外，还使用了气候研究单元（CRU v4.05）提供的降水（PRE）和温度（TEM）数据。为保持数据的空间分辨率一致性，LAI、TEM、PRE和土地覆盖数据在ArcGIS 10.2中通过双线性插值方法进行了从原始分辨率到0.05°× 0.05°分辨率的重采样处理。
研究结果
水分利用效率（WUE）和叶面积指数（LAI）的时空格局
全球植被绿化区域（GVGA）的生长速率约为0.75 × 10^-2 m^2 m^-2 yr^-1，比全球植被覆盖（0.46 × 10^-2 m^2 m^-2 yr^-1）高出1.60倍（图1a）。从空间上看，全球植被覆盖区域中约有76.47%正在变绿，其中58.49%显著变绿，22.77%显著变褐，不足1%保持不变。植被绿化主要集中在北欧、中国南部、印度、加拿大北部、俄罗斯北部、非洲中部、日本、朝鲜和印度尼西亚等区域（图1b）。
图1|全球植被绿化区域中叶面积指数（LAI）（b）和水分利用效率（WUE）（d）的变化。（a）全球植被覆盖区域和全球植被绿化区域（GVGA）的年际LAI变化；（c）在植被绿化背景下水分利用效率的年际变化。CI表示置信区间，LAI指叶面积指数，WUE表示水分利用效率。
水分利用效率（WUE）在GVGA地区显著增加，增长速率为0.23 × 10^-2 g C kg H2O yr^-1（图1c），是全球植被覆盖区域的两倍（0.001 g C kg H2O yr^-1）（图S1）。增加WUE的区域占GVGA的70%以上，包括中国、印度、巴西、瑞典、挪威、美国中部和加拿大西北部。与此同时，中亚、中欧和中非地区的WUE减少（图1d）。
图S1|显示了1982年至2018年间全球GPP、ET和WUE的时空分布格局，像素值仅为P < 0.05。
图S2显示，GVGA地区的初级生产力（GPP）和蒸散发（ET）均以2.56 ± 0.23 g C m^-2 yr^-1和1.13 ± 0.17 kg H2O m^-2 yr^-1的速率增加。增加GPP和ET的区域分别占GVGA的62.50%和76.33%。这表明ET的增加更为广泛，而GPP的增加速度更快（图S2）。此外，GVGA地区的温度（TEM）和降水（PRE）也在1982年至2018年期间有所增加（图S3）。
图S2|全球植被绿化区域中GPP和ET的趋势。(a) GPP趋势的空间格局；(b) GPP的时间趋势；(c) ET趋势的空间格局；(d) ET的时间趋势；(e) 和 (f) 分别为GPP和ET变化区域的百分比。
图S3|全球植被绿化区域中降水（PRE）和温度（TEM）的趋势。TEM，温度（℃）；PRE，降水（mm）。
WUE变化格局
根据空间叠加分析显示，全球植被绿化区域（GVGA，图S1）中水分利用效率（WUE）展现出八种模式，但未观察到IDD和DII模式（见图2）。因此，仅考虑六种模式进行进一步分析，即DDD、DDI、DID、IDI、IID和III。在GVGA中，53%的区域展现出III模式（见图2a），包括印度、中国、美国中部、土耳其、俄罗斯、非洲、西欧和巴西东南部（见图2b）。其次是DID和DDI模式，分别占GVGA的17%和15%（见图2a）。这两种模式通常出现在中国东北部、哥伦比亚、巴西西北部和印度尼西亚（见图2b）。此外，该研究发现DDD、DID和III模式的植被绿化速率低于全球植被绿化速率（见图2c）。相反，DDI、IDI和IID模式的植被绿化速率约为全球植被绿化速率的1.5倍（见图2c）。根据我们的分析，57.96%的WUE受GPP驱动（见图2a），包括DDD和III模式（见图2d和e）；20.26%的WUE受ET驱动，包括DDI和IID模式；21.77%的WUE由GPP和ET共同驱动，包括DID和IDI模式。
图2|不同情景下WUE的分布模式。(a) 不同WUE模式的空间分布；(b) 六种WUE模式的相对面积；(c)、(d) 和 (e) 分别代表六种WUE变化模式下LAI、GPP和ET的Theil-Sen斜率。LAI，叶面积指数；WUE，水分利用效率；GPP，总初级生产力；ET，蒸散发。在DDD模式中，GPP、ET和WUE均减少；在DDI模式中，GPP和ET减少，WUE增加；在DID模式中，GPP和WUE减少，ET增加；在IDI模式中，GPP和WUE增加，ET减少；在IID模式中，GPP和ET增加，WUE减少；在III模式中，GPP、ET和WUE均增加。
气候和植被对水分利用效率（WUE）的贡献
根据趋势分析结果，该研究将GVGA（某地名）划分为WUE（水分利用效率）增加（G&I）和减少（G&D）的区域。在G&I和G&D区域，LAI（叶面积指数）、TEM（温度）和PRE（降水量）显著增加（图3）。相比之下，G&D区域的年降水量显著增加，增长率为0.66 ± 0.23毫米/年。逐步回归分析显示，温度对WUE影响不显著，主要影响因素是植被和降水。在G&I区域，WUE主要受植被和降水影响，LAI解释了超过88.31%的WUE变化，而降水影响约为12%。在G&D区域，植被对WUE的影响大于气候因素。
图3|1982年至2018年不同情景下WUE、PRE、TEM和LAI的年际变化。(a)和(b)分别表示全球植被变绿情景下WUE减少和增加的区域。注：TEM，温度（°C）；PRE，降水量（mm）；LAI，叶面积指数（m²/m⁻²）；WUE，水分利用效率（g C kg H₂O⁻¹ yr⁻¹）。
图4显示LAI（叶面积指数）与WUE（水分利用效率）之间有较高的相关性（r = 0.69）。在像素尺度上，64.67%的植被变绿区域中，LAI与WUE呈正相关，主要集中在印度、西北中国、美国中部、中南部非洲。而在不到10%的植被变绿区域中，LAI与WUE呈负相关，主要位于俄罗斯北部。大约25%的区域中，LAI与WUE的相关性较弱或不存在。相比之下，降水量（PRE）与WUE的相关性较差（r = 0.45）。46.31%的区域中，PRE与WUE呈负相关，主要集中在中亚和欧洲；20.35%的区域中，PRE与WUE呈正相关；在约33%的区域中，PRE与WUE的相关性较弱或不存在。温度（TEM）与WUE的关系呈抛物线型，仅24%的区域中TEM与WUE呈负相关，而不到10%的区域中呈正相关。在约66%的区域中，TEM与WUE的部分相关性较弱或不存在。这表明，当LAI、PRE和TEM同时存在时，PRE和TEM对WUE的影响极其微弱，尤其是TEM。
图4|TEM、PRE、LAI和WUE之间的偏相关和相关关系。蓝线和红线分别表示1:1线和趋势线。注：TEM为温度（℃）；PRE为降水量（毫米）；LAI为叶面积指数（平方米每平方米）；WUE为水分利用效率（克碳每千克水每年）。
在六种模式中，LAI、PRE和TEM都显著增加（图5a）。DDD、DID和IID模式中WUE下降，而III、IDI和DDI模式中WUE上升，表明这六种WUE变化模式合理。LAI与WUE的相关性高（|r| > 0.8），主要在III、DDD和DID模式中，其中在DDD和DID模式中呈负相关（图5b）。在DDD和DID模式中，TEM与WUE呈负相关（r > 0.6），在III模式中呈正相关（r > 0.8）。在III模式中，PRE与WUE呈正相关（r = 0.64）。在DDI和IID模式中，LAI、TEM和PRE对WUE的影响不显著。
图5|不同情景下温度、降水量、LAI和WUE的相关性和趋势变化。TEM为温度（℃）；PRE为降水量（毫米）；LAI为叶面积指数（平方米每平方米）；WUE为水分利用效率（克碳每千克水每年）。DDD表示GPP、ET和WUE都减少；DDI表示GPP和ET减少而WUE增加；DID表示GPP减少、ET增加而WUE减少；IDI表示GPP增加、ET减少而WUE增加；IID表示GPP和ET增加而WUE减少；III表示GPP、ET和WUE都增加。
根据LMG分析，该研究观察到在GVGA中，GPP对WUE的贡献率为81.82%（图6a）。图S3显示，约70%的GVGA贡献了超过80%的GPP，主要集中在加拿大、美国西部、俄罗斯、中国西部、澳大利亚和巴西东南部。相比之下，蒸腾量（ET）对WUE变化的贡献较低，贡献率不到GPP的四分之一（约18.18%）。约10%的植被变绿区域中，蒸腾量对WUE的贡献超过80%，主要位于中亚和欧洲、巴西北部、刚果和印度尼西亚。总体而言，图6a显示，LAI对WUE的最大直接贡献约为35%。其中，约29.08%是由LAI驱动的GPP对WUE变化的影响。温度（TEM）对WUE变化的直接贡献率为33%，其中19.8%为负影响。相比之下，降水量（PRE）对WUE的负面贡献仅为12.4%，但其正面贡献为18.9%。在这六种模式中，DDD、DID和III模式的贡献率分别为61%、57.5%和41.7%，主要受植被变绿的影响。在DDI模式中，降水对WUE的影响更为显著，其贡献率为48.1%。在IDI和IID模式中，温度和植被对WUE的影响更为显著。以上结果表明，植被变绿对WUE的影响大于气候因素的影响，这与图4的结论一致。
图6|气候和植被对GVGA中WUE的贡献率。GPP表示总初级生产力，ET指蒸散量；TEM为温度（℃）；PRE为降水量（毫米）；LAI为叶面积指数（平方米每平方米）；WUE为水分利用效率（克碳每千克水每年）。DDD表示GPP、ET和WUE都减少；DDI表示GPP和ET减少而WUE增加；DID表示GPP减少、ET增加而WUE减少；IDI表示GPP增加、ET减少而WUE增加；IID表示GPP和ET增加而WUE减少；III表示GPP、ET和WUE都增加。
研究结论
该研究利用遥感数据结合泰尔森趋势分析、Mann-Kendall检验、偏相关分析和LMG模型，探讨了植被绿化对水分利用效率（WUE）的影响。结果表明，1982年至2018年间，全球植被总总体生产（GPP）、蒸散发（ET）和WUE呈增加趋势，分别为2.15 ± 0.26 g C m^-2 yr^-1、1.06 ± 0.18 kg H2O m^-2 yr^-1和0.2 × 10^-2 ± 3.96E-4 g C kg H2O yr^-1。超过70%的全球植被绿化区域（GVGA）显示出WUE增加，主要集中在印度、中国、俄罗斯、日本、朝鲜、欧洲和北美地区。在Pattern III中，超过50%的GVGA显示出WUE增加，其中植被总总体生产变化对WUE的贡献达到37%，其中32%归因于总体生产。植被绿化对WUE变化的贡献约为80%，植被恢复对WUE既有积极影响也有消极影响。此外，LMG模型和偏相关分析结果显示，植被绿化对WUE变化的影响（约35%）高于气候变量降水量（PRE）和温度（TEM）。因此，研究结论指出，植被绿化能够改善生态系统的水分利用效率。这些发现有助于科学支持生态系统对植被绿化响应的理解，未来生态恢复项目应考虑WUE变化，以实现碳中和和可持续发展目标。