半干旱沙丘-草甸生态系统土壤水分临界阈值识别与水-能量调控机制研究

《Agricultural Water Management》：Identification of critical soil moisture thresholds and the water–energy regulation mechanisms in semi-arid sand dune–meadow ecosystems

本文聚焦半干旱沙区生态系统碳-水循环受土壤水分（SM）调控的关键科学问题，研究人员基于科尔沁沙地沙丘与草甸生态系统2013-2024年生长季的长期涡度协方差与环境数据，采用蒸发比（EF）、协方差（Cov）和相关性差异（corr）三种方法，识别了干旱期间生态系统从能量限制到水分限制状态转变的临界土壤水分阈值（θt），并运用可解释机器学习（XGBoost–SHAP）和优势分析阐明了其驱动机制。结果表明，草甸生态系统比沙丘生态系统具有更强的碳吸收能力、水分调节潜力和环境稳定性；三种方法得出的阈值在两类生态系统中高度一致，但其主导驱动因子不同：沙丘生态系统主要受降雨（Rain）和蒸散发（ET）驱动，而草甸生态系统则受降雨和冠层导度（gc）调控。该研究为阐明干旱半干旱区植被-水分相互作用机制、优化水资源管理和生态系统恢复提供了重要科学依据。

　　

在全球气候变化加剧、极端干旱事件频发的背景下，干旱区生态系统的碳-水循环过程及其调控机制成为生态水文学研究的前沿与焦点。这些地区覆盖了全球超过40%的陆地表面，其生态功能对于调节陆地-大气能量交换和生物地球化学反馈至关重要。然而，干旱区生态系统对水分胁迫极为敏感，其碳吸收、水分蒸散等关键过程强烈依赖于土壤水分的动态变化。当土壤水分下降到某个临界值时，生态系统的主导限制因子会从能量（如辐射）转变为水分，这个转折点即被称为临界土壤水分阈值（θ_t）。准确量化这一阈值，是阐明碳-水相互作用机制、评估干旱对生态系统功能影响以及改进未来气候变化模型预测的关键。尽管前人基于蒸发比（EF）、协方差变化（Cov）和相关性差异（corr）等方法从不同视角提出了阈值识别方案，但这些方法在同一生态系统内结果的一致性、不同生态系统间阈值的差异及其背后的驱动机制尚缺乏系统的评估与比较。特别是在共享气候背景下，对比分析从典型水分限制的沙地生态系统到相对能量限制的草甸湿斑这类生态水文梯度上的阈值响应，对于理解生态系统异质性和制定差异化生态管理策略具有重要意义。

为了解答上述问题，一篇题为“Identification of critical soil moisture thresholds and the water–energy regulation mechanisms in semi-arid sand dune–meadow ecosystems”的研究论文发表在《Agricultural Water Management》上。该研究以中国北方四大沙地之一的科尔沁沙地为研究区，利用2013至2024年生长季（5-9月）在沙丘和草甸两种生态系统获取的长期涡度协方差（Eddy Covariance, EC）和环境数据，开展了一项综合性研究。研究人员构建了一个融合多种方法的分析框架：首先，联合使用EF、Cov和corr三种方法交叉识别干旱事件中的θ_t，并评估不同方法间的一致性及生态系统差异；其次，采用可解释机器学习模型（XGBoost–SHAP）探究多种环境因子对土壤水分（SM）的非线性调控路径并识别潜在响应拐点；最后，利用优势分析（Dominance Analysis, DA）量化各驱动因子对θ_t形成的相对贡献，从而系统揭示从能量限制到水分限制转变的关键变量和系统响应特征。

本研究主要依托以下几项关键技术方法：首先，在科尔沁沙地阿古拉生态水文实验站的沙丘与草甸生态系统布设了涡度协方差观测系统，连续监测CO₂、水汽和感热通量，并同步收集气象与土壤水分等环境因子数据，数据时间跨度覆盖2013-2024年的生长季。其次，基于高质量的通量和土壤水分数据，严格筛选了生长季内持续时间≥10天的土壤干旱事件。然后，分别应用基于蒸发比（EF）的线性-平台模型、基于水汽压差（VPD）与总初级生产力（GPP）滑动协方差（Cov）的方法以及基于蒸散发（ET）与VPD和SM相关性差异（corr）的Δcorr指数，从能量分配、碳-水耦合和相关性结构三个角度识别临界土壤水分阈值。最后，研究运用可解释机器学习（XGBoost模型结合SHAP分析）解析环境因子对SM的非线性影响，并通过优势分析量化各因子对θ_t形成的相对贡献率。

3.1 水-能-碳通量与环境因子的动态变化

结果显示，草甸生态系统的碳同化能力和水分消耗速率显著高于沙丘生态系统，其GPP峰值可达17.50 g C m^-2d^-1，远超沙丘的5.89 g C m^-2d^-1。在能量分配上，两者均表现为潜热（LE）主导，但草甸的LE优势更明显。环境因子方面，草甸的土壤水分（SM）和冠层导度（g_c）均显著高于沙丘，且更为稳定，反映了其更优越的水分条件和生理调节能力。

3.2 临界土壤水分阈值的一致性

研究从沙丘和草甸生态系统中分别筛选出27和24次合格的干旱事件进行阈值识别。三种方法（EF、Cov、corr）在沙丘生态系统得到的阈值中位数高度接近，分别为0.0676、0.0564和0.0544 m³m^-3，标准差仅0.005 m³m^-3，表明在水分限制为主的简单生态系统中，阈值信号清晰且方法间一致性高。而在草甸生态系统，阈值中位数则高出一个数量级，分别为0.4335、0.4178和0.3934 m³m^-3，且方法间差异较大（标准差0.023 m³m^-3），被成功识别的阈值事件也更少，这说明了草甸系统因水分缓冲能力强、植被-水分耦合复杂，导致阈值信号更分散、触发条件更多样。

3.3 水-能量限制转变的归因

通过XGBoost-SHAP模型和优势分析，研究阐明了两种生态系统阈值形成的主导驱动机制。在沙丘生态系统，土壤水分动态最主要受降雨（Rain）和蒸散发（ET）驱动，而θ_t的形成则由GPP和ET共同主导，两者贡献率合计超过50%（分别为32.34%和18.61%），呈现典型的水分限制机制。在草甸生态系统，土壤水分虽也主要受降雨驱动，但θ_t的形成则转由GPP（28.98%）和冠层导度g_c（19.57%）主导，ET的贡献显著降低（7.40%），体现了更强的能量限制和植物生理协同调控机制。SHAP分析进一步揭示了关键环境因子的非线性调控拐点，例如草甸生态系统的g_c和GPP分别在0.31 m s^-1和4.98 g C m^-2d^-1处存在效应转折点，表明了植被功能性状对土壤水分反馈的主动阈值调节。

研究的结论与讨论部分深刻总结了本研究的意义。该研究通过多方法交叉验证，首次在半干旱沙区沙丘-草甸复合生态系统中系统识别并比较了临界土壤水分阈值，揭示了其显著的生态系统依赖性。沙丘生态系统阈值低且方法一致，反映了其直接、敏感的水分限制特性；而草甸生态系统阈值高且方法间差异大，则体现了其能量限制背景下，由植被生理性状（如g_c）和生产力（GPP）主导的复杂缓冲与调控能力。这一发现挑战了干旱区生态系统普遍受水分限制的简单认知，强调了在水分条件相对较好的生态斑块中，能量和生理调控的重要性。

这项工作的意义在于，它从机制上阐明了不同生态系统水分-能量限制格局的分异规律，为发展考虑生态系统功能性状差异的陆面过程模型提供了关键参数与过程理解。研究所揭示的阈值及其驱动因子，可用于评估不同生态系统的干旱脆弱性与恢复力，为干旱半干旱区的水资源精准管理、生态恢复措施的差异化设计（如针对沙丘区保水、草甸区优化植被结构）提供了直接的科学依据。此外，研究提出的多方法集成框架与可解释机器学习相结合的研究路径，也为未来在更广泛的生态系统和时空尺度上开展类似的阈值研究提供了方法论借鉴。最终，该研究强调，在全球变化背景下，建立协调的多生态系统观测网络以系统比较干旱区不同植被类型的响应，对于厘清植被-水分相互作用、实现区域水资源可持续管理至关重要。