植被复合干旱导致的碳吸收减少量被严重低估
摘要
Compound droughts with low soil moisture (SM) and high vapor pressure deficit (VPD) pose significant threats to terrestrial carbon sink and agricultural production. However, the frequency and intensity of compound droughts and their adverse impacts on the carbon cycle remain highly uncertain. Here, we define and identify vegetation compound droughts (VCDs) when low SM and high VPD severely limit and adversely affect vegetation carbon uptake. We find frequent and severe VCDs and their considerable adverse impacts on carbon uptake in mid- and low-latitude regions, particularly in drylands. Risks of VCDs have been greatly underestimated as the widely adopted quantile-based approach identifies only 11% of VCDs and 26% of global GPP anomalies due to VCDs. The frequency and intensity of VCDs and their adverse impacts on carbon uptake are projected to increase further, irrespective of whether the CO2 fertilization effect on vegetation growth and photosynthesis is considered or not. These findings improve our understanding of current and future risks of VCDs and underline the importance of adaptation measures to cope with the adverse impacts of ever-increasing compound droughts.
低土壤湿度（SM）和高饱和水汽压差（VPD）的复合干旱对陆地碳汇和农业生产构成重大威胁。然而，复合干旱的频率和强度以及其对碳循环的不利影响仍然存在很大的不确定性。在这里，我们定义并确定了植被复合干旱（VCDs），当土壤湿度低且饱和水汽压差高时，会严重限制并对植被碳吸收产生不利影响。我们发现在中低纬度地区，特别是在干旱地区，VCDs频繁而严重，对碳吸收产生了相当大的不利影响。由于广泛采用的基于分位数的方法仅能识别出11%的VCDs和由于VCDs导致的全球GPP异常的26%，因此VCDs的风险被大大低估。VCDs的频率和强度以及其对碳吸收的不利影响预计将进一步增加，无论是否考虑CO2对植被生长和光合作用的施肥效应。这些发现提高了我们对当前和未来气候变化风险的认识，并强调了采取适应措施以应对不断加剧的复合干旱的不利影响的重要性。
正文
图1 植被复合干旱（VCDs）和统计复合干旱（SCDs）期间的总初级生产力（GPP）异常。a–d观测期间（1981–2017，a, b）和CMIP6历史模拟（1930–2014，c, d）中植被复合干旱（VCDs）和统计复合干旱（SCDs）的平均总初级生产力（GPP）异常（gC·m−2·day−1）。在（c）中，点划线表示至少有7个模型检测到VCDs的网格单元中。e–g GPP异常（gC·m−2·day−1）与土壤湿度（SM）（e）或饱和水汽压差（VPD）（f）或两者都（g）之间的关系，对应亚马逊流域的网格A的数据（来自MPI-ESM1-2-HR）。在散点图中（e，f），散点的颜色表示样本的密度，较高密度为亮黄色，较低密度为淡蓝色。红色虚线、红色实线和黑色实线分别表示拟合的响应趋势、变化点和x截距。在历史时期，SM和VPD已按它们的标准偏差（sd）进行标准化。在bin图中（g），红线和蓝线分别表示VCDs和SCDs的百分位阈值。h–j与（e–g）相同，但适用于位于加拿大北部的Grid B。由于GPP始终随着VPD的增加而增加（i），Grid B不会发生VCDs。
图2 植被复合干旱（VCDs）和统计复合干旱（SCDs）的特征。a–j CMIP6历史模拟中VCDs和SCDs的频率（所有温暖季节月份的百分比）（a, b）、持续时间（月）（c, d）、强度（与历史时期的SM和VPD的标准偏差进行标准化的超过阈值的部分，即sd）（e, f）、严重程度（每次干旱持续时间的累积强度，sd）（g, h）和总GPP异常（gC·m−2）（i, j）的空间分布。k–o箱线图显示CMIP6和观测中VCDs和SCDs的全球频率、持续时间、强度、严重程度和总GPP异常。对于每个箱子，中间的线和交叉点表示全球的中位数和平均值；箱子表示数据的四分位距（IQR，从25th到75th的范围），箱子的whiskers表示数据的最小值和最大值，不包括异常值。p–t 在全球、干旱区和非干旱区，VCDs和SCDs的频率、持续时间、强度、严重程度和总GPP异常之间的差异的面积加权平均值。在（o）和（t）中，左侧的y轴适用于CMIP6，右侧适用于观测。
图3 植被复合干旱（VCDs）的土壤湿度（SM）和饱和水汽压差（VPD）的阈值。a–d在观测（a, b）和CMIP6（c, d）中，植被复合干旱（VCDs）的土壤湿度（SM）和饱和水汽压差（VPD）的阈值，以百分位表示。e 亚马逊流域的Grid C在温暖季节的SM和VPD之间的关系（来自CNRM-ESM2-1）。（e）中的颜色表示GPP异常（gC·m−2·day−1），Spearman（秩）系数显示在图中。SM和VPD在历史时期已按其各自的标准偏差（sd）进行标准化。f, g 在SM和VPD的每个百分位bin中的频率（%）和GPP异常（gC·m−2·day−1）。绿线和红线分别对应于SCDs和VCDs的SM和VPD阈值。h–j与（e–g）相同，但适用于位于澳大利亚西部的Grid D。
图4 未来模拟中植被复合干旱（VCDs）的频率和强度的预测变化。a–d未来模拟（2016–2100）中SSP1-2.6和SSP5-8.5情景中植被复合干旱（VCDs）频率（%，未来值减去历史值）（a, b）和强度（sd）（c, d）的变化。历史和未来模拟中的VCDs是根据历史模拟（1930–2014）中的相同阈值定义的。e, f在SSP1-2.6（紫色）和SSP5-8.5（粉色）情景中，纬向分布的VCDs频率和强度的变化。g, h在SSP1-2.6和SSP5-8.5中，与历史模拟相比，全球范围内VCDs频率和强度的变化分布。对于每个箱子，中间的线和交叉点表示全球的中位数和平均值；箱子表示数据的四分位距（IQR，从25th到75th的范围），箱子的whiskers表示数据的最小值和最大值，不包括异常值。
图5 未来模拟中植被复合干旱（VCDs）的频率、强度和GPP异常的变化。a–h未来模拟中植被复合干旱（VCDs）的频率（%）（a, b）、强度（sd）（c, d）、平均GPP异常（gC·m−2·day−1）（e, f）和总GPP异常（gC·m−2）（g, h）的变化。用于识别未来VCDs的阈值分别来自SSP1-2.6和SSP5-8.5模拟。i–l在SSP1-2.6（紫色）和SSP5-8.5（粉色）情景中，纬向分布的VCDs频率、强度、平均和总GPP异常的变化。m–p 在SSP1-2.6和SSP5-8.5中，与历史模拟相比，全球范围内VCDs频率、强度、平均和总GPP异常的变化分布。对于每个箱子，中间的线和交叉点表示全球的中位数和平均值；箱子表示数据的四分位距（IQR，从25th到75th的范围），箱子的whiskers表示数据的最小值和最大值，不包括异常值。
引用方式
Song, J., Zhou, S., Yu, B. et al. Serious underestimation of reduced carbon uptake due to vegetation compound droughts. npj climate and atmospheric science, 7, 23 (2024). https://doi.org/10.1038/s41612-024-00571-y
转自：“生态遥感前沿”微信公众号
如有侵权，请联系本站删除！
