中国北方干旱地区生态系统水分和碳利用效率对大气-植被-土壤湿度因素的不同响应

中国北方干旱区2003-2018年研究表明，植被绿化区水利用效率（WUE）上升而固碳效率（CUE）下降，褐化区趋势相反。VPD显著影响WUE，VOD与VPD共同驱动CUE变化，高VPD与土壤湿润促进绿化区WUE但加剧CUE下降，褐化区响应复杂。该成果为干旱区水碳耦合管理提供依据。

　　

摘要

生态系统水分利用效率（WUE）和碳利用效率（CUE）是理解水循环和碳循环耦合关系的关键指标，尤其在干旱地区对水分条件非常敏感。然而，WUE和CUE对大气、植被和土壤水分因素的多方面响应在干旱地区仍不明确。在这项研究中，我们考察了2003-2018年中国北部干旱地区WUE和CUE的空间和时间动态，并利用空间随机森林模型探讨了WUE和CUE对蒸气压亏缺（VPD）、植被光深度（VOD）和土壤水分的非线性响应。从区域上看，WUE显著增加（0.01 gC kg^?1H₂O yr^?1），而CUE略有下降。植被绿化区域的WUE上升，CUE下降；而植被褐化区域则表现出相反的趋势。VPD是解释WUE变化的最重要因素，而在整个干旱地区，VOD和VPD对CUE变化的影响几乎相当。在植被显著绿化的区域，较高的VPD、充足的土壤水分和适中的VOD（0.3–0.4）促进了WUE的增加，但加剧了CUE的下降。相反，在植被显著褐化的区域（占研究面积的不到3%），WUE对不同水分条件的响应较为复杂，较高的VPD和较强的土壤湿润趋势增强了CUE，尽管较高的VOD减弱了这一效应。这些发现揭示了WUE和CUE在不同植被动态下对水分变化的非线性差异，为水-碳耦合过程提供了见解，并有助于干旱生态系统的管理。

通俗语言总结

干旱地区在地球的碳循环和水循环中起着重要作用，但我们仍不完全了解当土壤、大气和植被水分发生变化时，生态系统水分消耗与碳封存之间的平衡。本研究重点关注了三个关键的水分因素——蒸气压亏缺（VPD）、植被含水量（VOD）和土壤水分——如何影响中国北部干旱地区植被繁茂（“绿化”）与衰退（“褐化”）区域的水分利用效率（WUE）和碳利用效率（CUE）。我们发现，植被显著绿化的区域WUE增加但CUE下降，而植被显著褐化的区域则表现出相反的趋势。大气水分主要影响WUE，而植被含水量和大气水分对CUE的影响相当。在植被显著绿化的区域，高大气干燥度、充足的土壤水分和适中的植被含水量提高了WUE，但降低了CUE。相反，在植被褐化的区域，较干燥的空气和较湿润的土壤增强了CUE，尽管较高的植被含水量减弱了这一效应。这些结果为水-碳耦合如何响应水分变化提供了宝贵的见解，有助于指导干旱地区的植被恢复和水资源管理。

要点

• 在绿化区域，水分利用效率（WUE）上升，碳利用效率（CUE）下降；而在褐化区域则呈现相反趋势

• 蒸气压亏缺（VPD）显著影响WUE的动态，而植被光深度（VOD）和VPD对CUE的变化具有同等影响

• 在植被显著绿化的区域，较高的VPD和土壤水分提高了WUE，但加剧了CUE的下降

利益冲突

作者声明与本研究无关的利益冲突。

数据可用性声明

本研究中的所有数据均正确引用了来源。8天的全球初级生产力（GPP）和蒸散量（ET）数据来自PML_V2数据集（Y. Q. Zhang等人，2019）。在Google Earth Engine平台上使用PML V2数据库将8天数据聚合为年度数据并本地导出的计算代码可在Figshare仓库获取（Y. Wang, Gao, Huang, & Fu，2025；Y. Wang, Gao, Huang, Wang, & Fu，2025）。16天的归一化差异植被指数（NDVI）数据来自MOD13A1061产品（Didan，2021）。年度NPP数据来自MOD17A3HGF产品（Running & Zhao，2021）。月度陆地气温和露点温度数据来自ERA5-Land数据集（Mu?oz-Sabater，2019）。SRTM90_V4数据集来自CGIAR-CSI SRTM 90 m数据库（Jarvis等人，2008）。VODCA数据集可在Zenodo获取（Moesinger等人，2019）。根区土壤水分和表层土壤水分数据来自GLEAM3.7a数据集（Martens等人，2017）。8天的NPP数据来自GLASS NPP（Zheng等人，2020）。杜伦、海北和锡林浩特站点的涡度协方差通量数据来自Science Data Bank（You等人，2023；F. Zhang等人，2020；Hao等人，2020）。根据Peng等人（2024）的文章推导出的榆中站点的涡度协方差通量数据可在Figshare仓库获取（Y. Wang, Gao, Huang, & Fu，2025；Y. Wang, Gao, Huang, Wang, & Fu，2025）。本研究生成的所有数据集，包括部分相关系数图、NDVI整体回归斜率图和年度汇总图，均可在Figshare仓库获取（Y. Wang, Gao, Huang, & Fu，2025；Y. Wang, Gao, Huang, Wang, & Fu，2025）。空间随机森林模型（spatialRF）的代码可从Zenodo公开获取（Benito，2021）。ReddyProcWeb在线工具基于ReddyProc R包（Wutzler等人，2018）。