碳通量对中国极端干旱的不同季节响应

  干旱影响着全球陆地碳通量的年际变化，在未来气候中干旱更加强烈和频繁的情况下，预计干旱将对碳循环产生广泛的影响。有证据表明，干旱对碳循环的影响在不同季节有所不同，但缺乏对季节性差异的定量研究。在此，我们将绿度指数和碳通量的多种数据流合在一起，包括来自遥感观测、通量塔升尺度、大气反演和全球动态植被模型（DGVMs）的数据，以量化中国植被对极端干旱的季节性反应。我们发现，夏季干旱导致叶面积指数（LAI，标准化异常值中位数为-0.40）、总初级生产力（GPP，-0.55）和净生态系统生产力（NEP，-0.74）的最大负面反应；值得注意的是，秋季干旱主要抑制了碳吸收。响应模式显示出高度的异质性，我们使用XGBoost机器学习方法确定驱动这些空间变化的因素。气候是春季和秋季GPP反应的主要驱动因素，而LAI主要驱动夏季GPP损失。从生物因素来看，结转效应（前一季的植被生长影响当季的生长）对缓解干旱压力有很大的贡献，因为前一季的绿化可以补偿干旱期间的植被损失。我们的结果不仅量化了碳通量和绿度的季节性反应差异，而且表明碳通量对干旱的反应比绿度更敏感。此外，我们还显示了各种因素对干旱影响程度的季节性差异，这突出表明年度规模的干旱分析可能会掩盖春季和秋季植被对干旱的反应。

     

     

     

   
    图1. 植被类型（a）和LAI（m2 m-2）的季节性（b）。土地覆盖数据改编自1:1,000,000的中国数字化植被图。季节性被定义为季节性振幅，即一个日历年内最大和最小月度值之间的差异。对于LAI，我们使用四个产品的中值（表S1）。    
   
       
    图2.春季（第一列，3-5月，MAM）、夏季（第二列，6-8月，JJA）和秋季（第三列，9-11月，SON）极端干旱期间干旱频率、强度以及降水、温度和辐射异常（标准差，s.d.）的空间模式。    
   
       
    图3. 在极端干旱季节，LAI、GPP和NEP的标准化异常值。    
   
       
    图4.中国春季（MAM，a-c）、夏季（JJA，d-f）和秋季（SON，g-i）的LAI、GPP和NEP对季节性干旱反应的空间模式。    
   
       
    图5. LAI、GPP和NEP对与水平衡有关的极端季节性干旱的反应。    
   
       
    图6. 使用XGBoost算法对春季（MAM，a-c）、夏季（JJA，d-f）和秋季（SON，g-i）干旱的LAI、GPP和NEP异常的预测情况。    
       
    图7. LAI（a）、GPP（b）和NEP（c）对其前几季生长状态的干旱响应函数。