img

官方微信

高级检索

中国沙漠, 2025, 45(6): 289-299 doi: 10.7522/j.issn.1000-694X.2025.00057

干旱半干旱区典型植被类型蒸散比及土壤水分阈值

王海仙,1,2, 张勇勇,1,2, 康文蓉1,2, 肖建华1,2, 王淑敏1,2, 魏淑娥1,2, 吴绍雄3

1.中国科学院西北生态环境资源研究院 中国生态系统研究网络临泽内陆河流域研究站/干旱区生态安全与可持续发展全国重点实验室,甘肃 兰州 730000

2.中国科学院大学,北京 100049

3.景德镇市气象局,江西 景德镇 333000

Evaporative fractions and soil moisture thresholds in typical vegetation types of arid and semi-arid regions

Wang Haixian,1,2, Zhang Yongyong,1,2, Kang Wenrong1,2, Xiao Jianhua1,2, Wang Shumin1,2, Wei Shue1,2, Wu Shaoxiong3

1.Linze Inland River Basin Research Station,Chinese Ecosystem Research Network / State Key Laboratory of Ecological Safety and Sustainable Development in Arid Lands,Northwest Institute of Eco-Environment and Resources,Chinese Academy of Sciences,Lanzhou 730000,China

2.University of Chinese Academy of Sciences,Beijing 100049,China

3.Jingdezhen Meteorological Bureau,Jingdezhen 333000,Jiangxi,China

通讯作者: 张勇勇(E-mail: zhangyongyong@lzb.ac.cn

收稿日期: 2025-01-20   修回日期: 2025-03-13  

基金资助: 中国华电有限公司重点科技项目.  CHDKJ23-04-01-61
甘肃省科技计划项目.  25JRRA493
干旱区生态安全与可持续发展全国重点实验室创新团队项目.  E4520102

Received: 2025-01-20   Revised: 2025-03-13  

作者简介 About authors

王海仙(2002—),女,宁夏盐池人,硕士研究生,主要从事干旱区碳水循环研究E-mail:wanghaixian23@mails.ucas.ac.cn , E-mail:wanghaixian23@mails.ucas.ac.cn

摘要

为探讨干旱半干旱区典型植被类型蒸散比的季节动态及其对土壤水分与气象因子的响应机制,本研究基于全球FLUXNET数据集中的24个典型植被类型站点(有林草地、稀树草原、稀疏灌木林和草地)的长期观测数据,采用经典统计学量化蒸散比及其影响因素,结合阈值回归模型(Threshold Regression Model)和赤池信息准则(Akaike Information Criterion, AIC)识别土壤水分阈值及最优拟合模型。结果表明:干旱半干旱区月均蒸散比为0.31,其中有林草地的蒸散比最高(0.36),稀疏灌木林蒸散比最低(0.21),表明区域能量分配以感热通量为主;蒸散比呈现明显季节性变化,稀疏灌木林的蒸散比季节波动最大(Cv=0.37),表现出较强的季节不稳定性;土壤水分是调控蒸散比的关键因子(r=0.66, P<0.05)。调控存在非线性阈值效应:在土壤水分阈值(4.73%~15.98%)前后,蒸散比的响应模式不同,最优拟合模型均为步进式分段模型。

关键词: 干旱半干旱区 ; 蒸散比 ; 土壤水分 ; 土壤水分阈值

Abstract

To investigate the seasonal dynamics of evapotranspiration fraction (EF) in typical vegetation types and its response mechanisms to soil moisture and meteorological factors in arid and semi-arid regions, this study utilized long-term observational data from 24 FLUXNET sites representing four vegetation types (woody savanna, savanna, open shrubland, and grassland). Classical statistical methods were employed to quantify EF characteristics and its influencing factors, while threshold regression models combined with the Akaike Information Criterion (AIC) were applied to identify soil moisture thresholds and optimal fitting models. The results demonstrated that the monthly mean EF in arid and semi-arid regions was 0.31, with the highest value observed in woody savanna (0.36) and the lowest in open shrubland (0.21), indicating energy partitioning dominated by sensible heat flux. EF exhibited pronounced seasonal variability, with open shrubland showing the strongest fluctuations (Cv = 0.37). Soil moisture emerged as the key regulatory factor for EFr = 0.66, P < 0.05), with nonlinear threshold effects: the response patterns of EF to soil moisture diverged significantly before and after critical thresholds (4.73%-15.98%), and the "stepwise segmented" model was consistently identified as the optimal fitting model.

Keywords: arid and semi-arid regions ; evaporative fraction ; soil moisture ; soil moisture threshold

PDF (3098KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

王海仙, 张勇勇, 康文蓉, 肖建华, 王淑敏, 魏淑娥, 吴绍雄. 干旱半干旱区典型植被类型蒸散比及土壤水分阈值. 中国沙漠[J], 2025, 45(6): 289-299 doi:10.7522/j.issn.1000-694X.2025.00057

Wang Haixian, Zhang Yongyong, Kang Wenrong, Xiao Jianhua, Wang Shumin, Wei Shue, Wu Shaoxiong. Evaporative fractions and soil moisture thresholds in typical vegetation types of arid and semi-arid regions. Journal of Desert Research[J], 2025, 45(6): 289-299 doi:10.7522/j.issn.1000-694X.2025.00057

0 引言

蒸散发(Evapotranspiration, ET)作为地表水循环和能量交换的重要组成部分1,通过土壤-植被-大气连续体(Soil-plant-atmosphere-continuum, SPAC)的相互作用2,深刻影响着生态系统的水分与能量平衡。蒸散发观测方法因空间尺度而异,植物个体尺度采用蒸渗仪法3,站点尺度依赖涡度相关法4和波文比法5,区域尺度及全球尺度则结合大孔径闪烁仪法6与遥感模型反演7。随着遥感技术和蒸散发模型(如Priestley-Taylor模型)的发展,蒸散比(Evaporative Fraction, EF)作为衡量地表能量分配和水分循环的关键参数,已成为水分-能量耦合的重要指标8-13

蒸散比为潜热通量占地表可利用能量(潜热与感热通量之和)的比例,通常用于量化地表达到恒定温度时的能量分配14,并对大气边界层状态具有重要控制作用15-17。蒸散比的动态受土壤水分、温度、饱和水汽压差和降水量等因子协同调控,但其主导因子在不同生态系统和气候区存在显著分异18-20。对美国南部大平原半干旱草地的研究表明,土壤水分是蒸散比变化的主要驱动因子21,然而同一区域其他研究却显示其影响较弱22;半湿润草地中土壤水分对蒸散比的调控作用显著23,而湿润草地则以叶面积指数为主导因子24。这些争议凸显了蒸散比影响机制的复杂性,尤其在干旱半干旱区,水分胁迫条件下的蒸散比动态及其影响因素仍不明晰25。因此,进一步深入探讨干旱半干旱区不同植被类型的蒸散比及其影响因素,有助于揭示该区域生态系统的水文和能量循环相互作用的本质。

干旱半干旱区覆盖全球陆地表面积的41%,承载约38%的人口26,稀树草原、灌丛和草地作为该地区的典型景观类型,对气候变化具有高度敏感性27。土壤水分是该区域蒸散发的主要限制因子28,临界土壤水分阈值被定义为土壤水分降至某一临界值时,蒸散发开始减少并进入水分胁迫状况29。当土壤水分低于阈值时,蒸散发减少导致感热通量增加、地表温度升高及大气干燥度加剧30-31,进而通过能量再分配影响碳吸收等生态过程32。此外,气候变化可能通过阈值效应引发生态系统功能的突变式响应,而非渐进式调整33。因此,准确量化干旱半干旱区植物水分胁迫下的临界土壤水分阈值对于理解生态系统的水文-能量相互关系及其功能变化具有重要意义。

蒸散比-土壤水分(EF-SM)关系是量化临界土壤水分阈值的重要依据34,而阈值识别方法在其中发挥着至关重要的作用35。分段回归模型(如铰链模型)因其对突变点有较好的捕捉能力,被广泛应用于EF-SM关系解析中36-39。基于全球尺度研究证实,铰链模型可有效区分生态系统的水分限制与能量限制状态40-41。然而,单一模型难以全面刻画不同植被类型的动态响应特征。为此,本研究集成铰链模型与其他3种分段回归模型,结合赤池信息准则(AIC)优选最优拟合模型42-43,系统解析干旱半干旱区蒸散比与土壤水分之间的关系。

研究将利用全球通量网(FLUXNET 2015)提供的24个典型干旱半干旱区站点长期观测数据,从月尺度揭示蒸散比的季节动态及其驱动机制。通过经典统计与分段回归模型,量化土壤水分阈值及其突变特征,阐明水分胁迫下植被能量分配的调控规律。研究结果可为干旱半干旱区水文过程模拟、生态恢复策略制定及适应性管理提供理论支撑。

1 数据与方法

1.1 通量观测数据

数据来源于FLUXNET 2015数据集半小时涡度相关系统长期观测数据(https://fluxnet.org/data/fluxnet2015-dataset/44-45,基于国际地圈-生物圈计划46(International Geosphere-Biosphere Program,IGBP)的土地覆盖分类体系,选取草地(Grassland, GRA)、稀疏灌木林(Open shrubland, OSH)、稀树草原(Savanna, SAV)和有林草地(Woody savanna, WSA)四类典型生态系统的观测站点(表1)。为探究蒸散比与土壤水分及气象因子的响应关系,揭示不同植被类型下蒸散比与土壤水分阈值的分异特征,采用严格的质量控制对全球279个通量塔站点进行筛选:首先剔除缺乏土壤水分连续观测记录的站点;其次排除湿地生态系统站点(湿地生态系统地下水位较浅,且通常情况下较少发生土壤水分胁迫);最终基于干旱指数(Arid Index,AI)>0.65的标准筛选出干旱半干旱区内的24个典型站点作为研究对象(表2)。

表1   IGBP 土地覆盖分类系统

Table 1  IGBP land classification system

序号土地覆盖类型(IGBP)定义
1稀疏灌木林(OSH)覆盖度10%~60%,高度低于2 m,常绿或落叶的木本植被用地
2稀树草原(SAV)森林覆盖度10%~30%,高度超过2 m,和草本植被或其他林下植被系统组合的混合用地类型
3有林草地(WSA)森林覆盖度30%~60%,高度超过2 m,和草本植被或其他林下植被系统组成的混合用地类型
4草地(GRA)由草本植被类型覆盖,森林和灌木覆盖度小于10%

新窗口打开| 下载CSV


表2   FLUXNET 站点信息

Table 2  Details of FLUXNET sites

序号站点ID站点名称纬度经度植被年均降水量/mm观测时间干旱指数
1US-SRMSanta Rita Mesquite31°49′N110°52′WWSA3802004—20140.18
2AU-RDFRed Dirt Melon Farm, Northern Territory14°33′S132°28′EWSA2011—20130.40
3AU-GinGingin31°22′S115°42′EWSA5022011—20140.32
4AU-ASMAlice Springs22°16′S133°15′ESAV3202010—20140.15
5AU-DryDry River15°15′S132°22′ESAV3302008—20140.16
6AU-DaSDaly River Savanna14°09′S131°23′ESAV4702008—20140.58
7AU-CprCalperum34°00′S140°35′ESAV3902010—20140.12
8US-WhsWalnut Gulch Lucky Hills Shrub31°44′N110°03′WOSH3202007—20140.34
9US-SRCSanta Rita Creosote31°54′N110°50′WOSH3302008—20140.48
10CA-SF3Saskatchewan - Western Boreal, forest burned in 199854°05′N106°00′WOSH3362001—20060.12
11US-WkgWalnut Gulch Kendall Grasslands31°44′N109°56′WGRA4072004—20140.17
12US-VarVaira Ranch-Ione38°24′N120°57′WGRA2000—20140.33
13US-SRGSanta Rita Grassland31°47′N110°49′WGRA4202008—20140.22
14US-AR2ARM USDA UNL OSU Woodward Switchgrass 236°38′N99°36′WGRA4112009—20120.30
15US-AR1ARM USDA UNL OSU Woodward Switchgrass 136°25′N99°25′WGRA5082009—20120.30
16IT-MBoMonte Bondone46°00′N11°03′EGRA2003—20130.38
17CN-Sw2Siziwang Grazed (SZWG)41°47′N111°54′EGRA3032010—20120.15
18CN-CngChangling44°35′N123°30′EGRA4002007—20100.31
19AU-YncJaxa34°59′N146°17′EGRA2502012—20140.23
20AU-TTETi Tree East22°17′S133°38′EGRA2782012—20140.09
21AU-StpSturt Plains17°09′S133°21′EGRA5792008—20140.23
22AU-RigRiggs Creek36°39′S145°34′EGRA4452011—20140.37
23AU-EmrEmerald23°51′S148°28′EGRA5682011—20130.28
24AU-DaPDaly River Pasture14°03′S131°19′EGRA2007—20130.50

注:本研究用于蒸散比的土壤水分阈值关系评估。干旱指数来源于全球干旱指数数据库(Global-AI_PET_v3,2022)52:0.03~0.2干旱区,0.2~0.5半干旱区,0.5~0.65半干旱半湿润区,>0.65湿润区。

新窗口打开| 下载CSV


研究选取的核心指标包括感热通量(W·m-2)、潜热通量(W·m-2)、土壤水分(%)、空气温度(℃)、短波辐射(W·m-2)、长波辐射(W·m-2)、饱和水汽压差(hPa)和降水量(mm)。其中地表通量数据(感热通量、潜热通量)基于涡度相关系统原位测量,采用边缘分布取样法(Marginal Distribution Sampling, MDS)进行缺失值插补与能量平衡校正47;其他气象要素则通过融合欧洲中心再分析降尺度数据与MDS优化后的观测数据,形成具有时空连续性的组合数据集48。所有数据均经过严格的质量控制与误差校正49-50

遵循蒸散比“日间稳定性假设”51,本研究对数据处理流程进行标准化:除降水量直接采用日累计值外,其余参数均提取当地标准时间09:00—16:00的白天时段观测值计算日平均值,并通过时间序列聚合形成月尺度数据集。该处理方法有效消除了夜间蒸散发过程的不确定性,同时保证数据序列的时间一致性。

1.2 蒸散比( EF

为探讨感热通量和潜热通量的能量分配以及地表水分状况,基于能量平衡方程(Rn-G=LE+H),蒸散比定义为潜热通量(LE)占可利用能量(Rn-G)的比例,其计算遵循“日间稳定性假设”1451

EF=LELE+H=LERn-G

式中:EF为蒸散比(无量纲,范围为0~1);LE为潜热通量;H为感热通量;Rn为净辐射;G为土壤热通量;单位均为W·m-2EF值表征水分状况,低值(如沙漠环境)反映感热通量主导的干旱特征,高值(如湿地环境)指示潜热通量主导的湿润状态51

为描述干旱半干旱区不同植被类型平均蒸散比特征,采用平均值、最大值、最小值和变异系数等描述蒸散比的统计特征,通过Spearman法探究蒸散比与土壤水分、空气温度、饱和水汽压差等因子的相关性,并利用Z检验评估各变量间的显著性差异(α=0.05)。

1.3 阈值识别

为量化蒸散比-土壤水分之间的阈值,采用阈值回归模型(Threshold regression models)36进行识别(https://cran.r-project.org/web/packages/chngpt/)。该模型包括4种模式:步进模型、铰链模型、分段模型及步进式分段模型(图1)。其中,铰链和分段模型可有效识别连续变化阈值,步进式分段模型结合了步进模型和分段模型的特点,适用于大量预测变量和响应变量急剧不连续的阈值识别。因此,研究采用上述4种模型捕捉蒸散比与土壤水分之间的关系。

图1

图1   阈值回归模型4种类型示意图

Fig.1   Schematic diagram of threshold regression models for four types


步进模型

EF=a+c,SM>θcrita,SMθcrit

铰链模型

EF=a+b(SM-θcrit),SM>θcrita,SMθcrit

分段模型

EF=a+b(SM-θcrit)+γSM,SM>θcrita+γSM,SMθcrit

步进式分段模型

EF=a+b(SM-θcrit)+γSM+c,SM>θcrita+γSM,SMθcrit

式中:EF为响应变量;土壤水分SM是具有阈值效应的预测变量;θcrit为土壤水分阈值;a是阈值前的截距项;γ是阈值前的斜率项;b是阈值效应增量项,表示阈值以上土壤水分对蒸散比的额外贡献;c是步进效应项,表征阈值突破后蒸散比的瞬时跃迁量。

为确保模型的稳健性,通过马哈拉诺比斯距离法(Mahalanobis Distance)剔除异常值后,采用赤池信息准则(AIC)选择最优模型42AIC值越小,模型拟合效果越好。

AIC=2k-2ln(L)

式中:k是模型参数个数;L是似然函数。通过比较多个候选模型的AIC值,选择AIC值最小的模型。

1.4 数据处理与统计分析

数据预处理使用Microsoft Excel 2019和Python 2.7完成,数据分析和可视化通过RStudio(“chngpt”包:https://cran.r-project.org/web/packages/chngpt/)、Python 2.7及其相关数据处理库。

2 结果与分析

2.1 干旱半干旱区典型植被类型蒸散比特征

干旱半干旱区24个典型植被类型站点的月均蒸散比为0.31,最大值为0.49,最小值为0.17(表3),表明该区域蒸散比整体较低,且较多能量分配于感热通量,导致地表升温并增加蒸散发。从图2可以看出,不同植被类型间的蒸散比存在差异:稀树草原的月均蒸散比最高(0.36),草地(0.33)、有林草地(0.31)月均蒸散比依次降低,稀疏灌木林的月均蒸散比最低(0.25)。从表3可以看出,稀疏灌木林的变异系数最高(0.37),表明其蒸散比波动性最大;草地的变异系数最低(0.09),其蒸散比波动性最小。有林草地和稀树草原的变异系数(0.27)介于稀树草原和稀疏灌木林之间。这些差异反映出不同植被对生态系统水分与能量平衡的调节作用,其中稀树草原和草地的水分利用效率最高,而稀疏灌木林的水分利用效率最低且波动较大。

表3   干旱半干旱区4种典型植被类型月均蒸散比

Table 3  Statistics of monthly average evaporative fractionsEFfor four typical vegetation types in arid and semi-arid regions

植被类型统计指标
平均值标准差变异系数最大值最小值
有林草地0.310.080.270.450.23
稀树草原0.360.090.270.490.23
稀疏灌木林0.250.090.370.430.17
草地0.330.030.090.400.29
干旱半干旱区典型植被0.310.080.260.490.17

新窗口打开| 下载CSV


图2

图2   干旱半干旱区4种典型植被类型多年平均蒸散比箱式图

Fig.2   Box plot of multi-year average evaporative fractions (EF) for four typical vegetation types in arid and semi-arid regions


4种典型植被月均蒸散比呈现明显的季节变化,整体呈倒“U”型曲线(图3)。稀树草原、有林草地、稀疏灌木林和草地的蒸散比在夏季较高,各植被类型蒸散比普遍在南半球的3月和北半球8月达到峰值。有林草地的蒸散比在南半球的1月达到最高值。这表明夏季的高温和降水增加促进了蒸发蒸腾,而冬季水分和能量输入的减少可能是导致蒸散比降低的原因。

图3

图3   干旱半干旱区不同植被类型蒸散比多年月平均变化

Fig.3   Temporal variation of multi-year average evaporative fractions (EF) for different typical vegetation types in dryland ecosystems


2.2 干旱半干旱区典型植被类型蒸散比影响因素

土壤水分与蒸散比的相关系数最大,影响最为显著(r=0.66,P<0.05,图4),表明土壤水分是干旱半干旱区控制能量通量的关键因素。蒸散比与降水量正相关(r=0.56,P<0.05),而蒸散比随饱和水汽压差的增加显著降低(r=-0.46,P<0.05),即空气干燥度的增加会抑制植物的蒸腾作用,进而降低蒸散比。蒸散比对其他气象水文要素的敏感性相对较弱,如气温和长波辐射的相关系数分别为-0.19、0.08。

图4

图4   干旱半干旱区月均蒸散比与气象水文要素的Spearman相关系数柱状图

Fig.4   Bar chart of Spearman correlation coefficients between monthly average evaporative fractions (EF) and meteorological-hydrological factors in dryland ecosystems


表4可以看出,不同植被类型月均蒸散比对气象水文要素的响应差异较大。有林草地、草地和稀疏灌木林的蒸散比与土壤水分的相关系数较大(r≥0.72,P<0.05);稀树草原的蒸散比则同时受土壤水分和长波辐射影响。其中,土壤水分的影响较大。整体上,土壤水分是各植被类型蒸散比变化的主要驱动因素,这进一步验证了其在干旱半干旱区中的主导作用。

表4   干旱半干旱区典型植被类型蒸散比与气象水文变量的相关性分析

Table 4  Correlation analysis between evaporative fractionsEFand meteorological moisture variables for typical vegetation types in dryland ecosystems

植被类型土壤水分气温短波辐射长波辐射饱和水汽压差降水量
有林草地0.716*-0.237*-0.502*0.059-0.554*0.670*
稀树草原0.576*0.191*-0.227*0.547*-0.374*0.376*
稀疏灌木林0.733*-0.469*-0.600*-0.263*-0.606*0.587*
草地0.779*-0.357*-0.438*-0.073-0.595*0.606*

注:*表示蒸散比与以上各气象水文变量之间差异显著(P<0.05)。

新窗口打开| 下载CSV


2.3 干旱半干旱区典型植被类型蒸散比的土壤水分阈值

图5可以看出,干旱半干旱区不同植被类型的均值为4.89%~15.98%。不同植被类型的土壤水分阈值存在差异:有林草地的土壤水分阈值最低(4.89%),草地的阈值最高(15.98%),稀树草原的土壤水分阈值为4.73%,稀疏灌木林的土壤水分阈值为8.56%。植被覆盖从有林草地到草地,土壤水分阈值整体呈增长趋势。

图5

图5   干旱半干旱区不同植被类型土壤水分阈值

Fig.5   Soil moisture thresholds for different vegetation types in arid and semi-arid regions


干旱半干旱区不同植被类型的土壤水分阈值最优拟合模型均为步进式分段模型,表明在阈值处蒸散比对土壤水分的响应呈显著非线性突变特征。图6显示了阈值前后的斜率变化及截距调整,揭示了不同植被类型对水分限制响应的机制:有林草地的土壤水分阈值为4.89,当水分低于此阈值时,蒸散比显著增加(斜率为0.068,P<0.05);超过阈值时,斜率减小至0.018(P>0.05)。稀树草原的响应机制与其相似,表明在水分供应充足时,蒸散作用的限制减小。稀疏灌木林则在土壤水分阈值前受土壤水分的限制较小(斜率为0.01,P<0.05),阈值后斜率小幅增加(斜率为0.013,P<0.05)。草地的阈值为15.98,阈值前斜率为0.03(P<0.05),而阈值后斜率几乎为0,显示出在高水分条件下蒸散比几乎不受水分增加影响,转为能量限制。

图6

图6   干旱半干旱区4种植被类型蒸散比-土壤水分非线性拟合曲线

Fig.6   Nonlinear fitting curves of evaporative fractions (EF) and soil moisture for four vegetation types in arid and semi-arid regions


3 讨论

结果表明,干旱半干旱区月均蒸散比为0.31(表3),显著低于Chen等53基于涡度相关数据计算的全球多年平均蒸散比(0.52),但与该气候区多数站点观测值(<0.3)一致53,印证了区域水分限制下植被蒸散作用普遍受限的特征41。不同植被类型的蒸散比呈现显著分异53,其中,稀树草原的蒸散比季节波动最大(Cv=0.65),这可能与其独特的旱雨季交替模式密切相关54。尽管深根系可能缓解旱季水分胁迫(通过汲取深层土壤水分)55-56,但雨季降水的波动性仍可加剧蒸散比波动;相对而言,草地较稳定的表层水分供给使其波动性最低(Cv=0.43),凸显植被水分获取策略对蒸散动态的调控作用57

干旱半干旱区4种典型植被类型土壤水分阈值均值4.89%~15.98%(图5),这一结果与Fu等40基于涡度相关观测数据得到的12%,Buitink等58和Feldman等29基于卫星观测数据得到的16%、14%相近,但显著低于中国西北干旱区高阈值站点59(景阳岭站、垭口站和大野口站土壤水分阈值分别为45.1%、40%和43.2%)。这一差异可能由地区间土壤质地、植被类型及其环境因素差异引起40,特别是在土壤持水能力、水分获取深度和气孔调节机制方面60。草地的土壤水分阈值(15.98%)显著高于其他生态系统,主要原因可能在于其高植被覆盖率、高土壤有机碳含量和高叶面积指数61-62,这些特征通过增强土壤的持水能力和蒸腾需求,提高水分利用阈值;而土壤水分阈值较低的稀树草原(4.73%)和有林草地(4.89%)则可能依赖深根系获取深层水分63-65,并辅以快速气孔调节机制,形成低阈值-高韧性的水分利用策略66。Fu等41通过计算草地和稀树草原的冠层导电率(Gc)随土壤水分降低的变化,发现稀树草原的气孔关闭反应更为迅速,以防止水分过度损失。然而,这种快速关闭虽然减少水分流失,但超过阈值后,生态系统功能可能迅速崩溃67-68。值得注意的是,沙质土壤的低持水能力可能进一步降低稀疏灌木林的土壤水分阈值(8.56%)61。以上分析表明不同植被类型展现出各自独特的水分利用策略,反映出它们对干旱环境存在不同的适应性,这些发现为干旱半干旱区的水资源管理和生态系统恢复提供重要依据。

4 结论

基于FLUXNET 2015数据集对24个干旱半干旱区典型植被站点的分析表明,该区域月均蒸散比(0.31)显著低于全球平均水平(0.52),能量分配以感热通量为主,且植被类型间存在差异。稀疏灌木林蒸散比最低(0.21),但其较高的土壤水分阈值(8.56%)揭示其通过降低蒸散消耗实现水分高效利用的生态适应策略。4种植被类型蒸散比均受土壤水分的显著影响,阈值回归模型证实蒸散比与土壤水分之间存在非线性响应特征(不连续突变现象),临界阈值的识别有效区分了不同植被类型的水分利用效率。表层土壤水分与蒸散比的非线性关系表明,浅层水分动态对生态系统水热平衡具有决定性作用。

研究局限性在于未量化深层土壤水分运移及植物气孔调节对阈值的影响。未来需结合根系分布数据与气孔导度模型,系统解析多尺度水分传输与植被适应策略的互馈机制,为干旱半干旱区的水资源管理和生态系统恢复提供更全面的科学依据。

参考文献

刘春蓁.

气候变化对陆地水循环影响研究的问题

[J].地球科学进展,2004191):118-122.

[本文引用: 1]

Fisher J BMelton FMiddleton Eet al.

The future of evapotranspiration:global requirements for ecosystem functioning,carbon and climate feedbacks,agricultural management,and water resources

[J].Water Resources Research,2017534):2618-2626.

[本文引用: 1]

王怡宁朱月灵.

蒸渗仪国内外应用现状及研究趋势

[J].水文,2018381):81-85.

[本文引用: 1]

陈世苹游翠海胡中民.

涡度相关技术及其在陆地生态系统通量研究中的应用

[J].植物生态学报,2020444):291-304.

[本文引用: 1]

陈晗.

区域蒸散发的实测及模拟研究

[D].重庆重庆交通大学2017.

[本文引用: 1]

王建林温学发孙晓敏.

涡动相关系统和小孔径闪烁仪观测的森林显热通量的异同研究

[J].地球科学进展,20102511):1217-1227.

[本文引用: 1]

Zhang KKimball J SRunning S W.

A review of remote sensing based actual evapotranspiration estimation

[J].WIREs Water,201636):834-853.

[本文引用: 1]

李菲菲饶良懿吕琨珑.

Priestley-Taylor模型参数修正及在蒸散发估算中的应用

[J].浙江农林大学学报,2013305):748-754.

[本文引用: 1]

刘斌胡继超赵秀兰.

应用Penman-Monteith模型估算稻田蒸散的误差分析

[J].中国农业气象,2015361):24-32.

杜加强舒俭民刘成程.

黄河上游参考作物蒸散量变化特征及其对气候变化的响应

[J].农业工程学报,20122812):92-100.

梁丽乔李丽娟张丽.

松嫩平原西部生长季参考作物蒸散发的敏感性分析

[J].农业工程学报,2008245):1-5.

李发鹏徐宗学李景玉.

基于MODIS数据的黄河三角洲区域蒸散发量时空分布特征

[J].农业工程学报,2009252):113-120.

Sun ZGebremichael MArdö Jet al.

Estimation of daily evapotranspiration over Africa using MODIS/Terra and SEVIRI/MSG data

[J].Atmospheric Research,201211235-44.

[本文引用: 1]

Monteith J.

Evaporation and surface temperature

[J].Quarterly Journal of the Royal Meteorological Society,1981107451):1-27.

[本文引用: 2]

王世婷章妮陈克龙.

温性荒漠草原生长季光伏电站地表能量交换特征

[J]. 中国沙漠, 2024446): 249-257.

[本文引用: 1]

Ford T WWulff C OQuiring S M.

Assessment of observed and model-derived soil moisture-evaporative fraction relationships over the United States Southern Great Plains

[J].Journal of Geophysical Research:Atmospheres,201411911):6279-6291.

Findell K LGentine PLintner B Ret al.

Probability of afternoon precipitation in eastern United States and Mexico enhanced by high evaporation

[J].Nature Geoscience,201147):434-439.

[本文引用: 1]

Haghighi EShort Gianotti D JAkbar Ret al.

Soil and atmospheric controls on the land surface energy balance:a generalized framework for distinguishing moisture-and energy-limited evaporation regimes

[J].Water Resources Research,2018543):1831-1851.

[本文引用: 1]

Bagley J EKueppers L MBillesbach D Pet al.

The influence of land cover on surface energy partitioning and evaporative fraction regimes in the US Southern Great Plains

[J].Journal of Geophysical Research:Atmospheres,201712211):5793-5807.

Tong BGuo JXu Het al.

Effects of soil moisture,net radiation,and atmospheric vapor pressure deficit on surface evaporation fraction at a semi-arid grass site

[J].The Science of the Total Environment,2022849157890.

[本文引用: 1]

Dirmeyer P AZeng F JDucharne Aet al.

The sensitivity of surface fluxes to soil water content in three land surface schemes

[J].Journal of Hydrometeorology,200012):121-134.

[本文引用: 1]

Phillips T JKlein S A.

Land-atmosphere coupling manifested in warm-season observations on the U.S.Southern Great Plains

[J].Journal of Geophysical Research:Atmospheres,20141192):509-528.

[本文引用: 1]

Yang CMa YYuan Yet al.

Terrestrial and atmospheric controls on surface energy partitioning and evaporative fraction regimes over the Tibetan Plateau in the growing season

[J].Journal of Geophysical Research:Atmospheres,202112621):e2021JD035011.

[本文引用: 1]

Hammerle AHaslwanter ATappeiner Uet al.

Leaf area controls on energy partitioning of a temperate mountain grassland

[J].Biogeosciences,200852):421-431.

[本文引用: 1]

Seneviratne S ICorti TDavin E Let al.

Investigating soil moisture-climate interactions in a changing climate:a review

[J].Earth-Science Reviews,2010993/4):125-161.

[本文引用: 1]

Fraser E D GDougill A JHubacek Ket al.

Assessing vulnerability to climate change in dryland livelihood systems:conceptual challenges and interdisciplinary solutions

[J].Ecological Society,2011163):3.

[本文引用: 1]

药静宇.

气候变化背景下干旱区碳通量的特征分析

[D].兰州兰州大学2021.

[本文引用: 1]

潘兴瑶夏军张橹.

土壤水分随机模型支持下的土壤水平衡研究进展

[J].资源科学,2008303):460-467.

[本文引用: 1]

Feldman A FShort Gianotti D JTrigo I Fet al.

Satellite-based assessment of land surface energy partitioning-soil moisture relationships and effects of confounding variables

[J].Water Resources Research,20195512):10657-10677.

[本文引用: 2]

Betts A K.

Understanding hydrometeorology using global models

[J].Bulletin of the American Meteorological Society,2004851673-1688.

[本文引用: 1]

Gentine PGreen J KGuérin Met al.

Coupling between the terrestrial carbon and water cycles:a review

[J].Environmental Research Letters,201914083003.

[本文引用: 1]

Granier AReichstein MBréda Net al.

Evidence for soil water control on carbon and water dynamics in European forests during the extremely dry year:2003

[J].Agricultural and Forest Meteorology,2007143123-145.

[本文引用: 1]

Groffman P MBaron J SBlett Tet al.

Ecological thresholds:The key to successful environmental management or an important concept with no practical application?

[J].Ecosystems,200691):1-13.

[本文引用: 1]

Zhang LSha SZhang Qet al.

Investigating the coupling relationship between soil moisture and evaporative fraction over China's transitional climate zone

[J].Hydrology,20231012):221.

[本文引用: 1]

侯利萍何萍范小杉.

生态阈值确定方法综述

[J].应用生态学报,2021322):711-718.

[本文引用: 1]

Fong YHuang YGilbert P Bet al.

chngpt:Threshold regression model estimation and inference

[J].BMC Bioinformatics,2017181):454.

[本文引用: 2]

Williams I NTorn M S.

Vegetation controls on surface heat flux partitioning,and land-atmosphere coupling

[J].Geophysical Research Letters,20154221):9416-9424.

袁小环杨学军陈超.

基于蒸渗仪实测的参考作物蒸散发模型北京地区适用性评价

[J].农业工程学报,20143013):104-110.

Dong JAkbar RGiaotti D J Set al.

Can surface soil moisture information identify evapotranspiration regime transitions?

[J].Geophysical Research Letters,2022497):e2021GL097697.

[本文引用: 1]

Fu ZCiais PWigneron J Pet al.

Global critical soil moisture thresholds of plant water stress

[J].Nature Communications,2024151):4826.

[本文引用: 3]

Fu ZCiais PFeldman A Fet al.

Critical soil moisture thresholds of plant water stress in terrestrial ecosystems

[J].Science Advances,2022844):eabq7827.

[本文引用: 3]

Toms J DLesperance M L.

Piecewise regression:a tool for identifying ecological thresholds

[J].Ecology,2003842034-2041.

[本文引用: 2]

Akaike H T.

A new look at the statistical model identification

[J].Automatic Control IEEE Transactions,1974196):716-723.

[本文引用: 1]

Pastorello GTrotta CCanfora Eet al.

The FLUXNET2015 dataset and the ONEFlux processing pipeline for eddy covariance data

[J].Scientific Data,20207225.

[本文引用: 1]

Baldocchi DFalge EGu L Het al.

FLUXNET:a new tool to study the temporal and spatial variability of ecosystem-scale carbon dioxide,water vapor,and energy flux densities

[J].Bulletin of the American Meteorological Society,20018211):2415-2434.

[本文引用: 1]

Loveland TReed BBrown J Fet al.

Development of a global land cover characteristics database and IGBP DISCover from 1 km AVHRR data

[J].International Journal of Remote Sensing,2000216/7):1303-1330.

[本文引用: 1]

Reichstein MFalge EBaldocchi Det al.

On the separation of net ecosystem exchange into assimilation and ecosystem respiration:review and improved algorithm

[J].Global Change Biology,2005119):1424-1439.

[本文引用: 1]

Vuichard NPapale D.

Filling the gaps in meteorological continuous data measured at FLUXNET sites with ERA-Interim reanalysis

[J].Earth System Science Data,201572):157-171.

[本文引用: 1]

Chen LDirmeyer P AGuo Z Cet al.

Pairing FLUXNET sites to validate model representations of land-use/land-cover change

[J].Hydrology and Earth System Sciences,2018221):111-125.

[本文引用: 1]

Ge JLiu QZan B Let al.

Deforestation intensifies daily temperature variability in the northern extratropics

[J].Nature Communications,2022131):5955.

[本文引用: 1]

Crago R D.

Conservation and variability of the evaporative fraction during the daytime

[J].Journal of Hydrology,1996180173-194.

[本文引用: 3]

Zomer R JXu JTrabucco A.

Version 3 of the global aridity index and potential evapotranspiration database

[J].Scientific Data,20229409.

[本文引用: 1]

Chen L JChen H SDu X Get al.

Analysis of spatiotemporal distribution of evaporation fractions of different vegetation types based on FLUXNET site

[J].IEEE Geoscience and Remote Sensing Letters,2024211-5.

[本文引用: 3]

Bond W J.

What limits trees in C4 grasslands and savannas?

[J].Annual Review of Ecology,Evolution,and Systematics,200839641-659.

[本文引用: 1]

Fan YMiguez-Macho GJobbágy E Get al.

Hydrologic regulation of plant rooting depth

[J].Proceedings of the National Academy of Sciences,201711440):10572-10577.

[本文引用: 1]

Zhou YWigley B JCase M Fet al.

Rooting depth as a key woody functional trait in savannas

[J].New Phytologist,20202275):1350-1361.

[本文引用: 1]

Rojas-Botero STeixeira L HPrucker Pet al.

Root traits of grasslands rapidly respond to climate change,while community biomass mainly depends on functional composition

[J].Functional Ecology,2023377):1841-1855.

[本文引用: 1]

Buitink JSwank A MVan der Ploeg Met al.

Anatomy of the 2018 agricultural drought in the Netherlands using in situ soil moisture and satellite vegetation indices

[J].Hydrology and Earth System Sciences,20202412):6021-6031.

[本文引用: 1]

徐绍源.

干旱半干旱地区土壤水分胁迫条件下的蒸散发估算研究

[D].兰州兰州大学2022.

[本文引用: 1]

邹慧高光耀傅伯杰.

干旱半干旱草地生态系统与土壤水分关系研究进展

[J].生态学报,20163611):3127-3136.

[本文引用: 1]

Chen WCiais PZhu Det al.

Feedbacks of soil properties on vegetation during the Green Sahara period

[J].Quaternary Science Reviews,2020240106389.

[本文引用: 2]

李熙萌冯金朝周芸芸.

水分对科尔沁沙地差不嘎蒿气体交换特性的影响

[J].中国沙漠,2012323):744-749.

[本文引用: 1]

吴佳.

非洲和澳大利亚稀树草原树种幼苗的温室比较研究

[D].北京清华大学2010.

[本文引用: 1]

Van Genuchten M T.

A closed-form equation for predicting the hydraulic conductivity of unsaturated soils

[J].Soil Science Society of America Journal,1980445):892-898.

Mualem Y.

A new model for predicting the hydraulic conductivity of unsaturated porous media

[J].Water Resources Research,1976123):513-522.

[本文引用: 1]

Fu ZCiais PMakowski Det al.

Uncovering the critical soil moisture thresholds of plant water stress for European ecosystems

[J].Global Change Biology,2021286):2111-2123.

[本文引用: 1]

Konings A GGentine P.

Global variations in ecosystem-scale isohydricity

[J].Global Change Biology,2017232):891-905.

[本文引用: 1]

McDowell NPockman W TAllen C Det al.

Mechanisms of plant survival and mortality during drought:Why do some plants survive while others succumb to drought?

[J].New Phytologist,20081784):719-739.

[本文引用: 1]

/