题目：Exploring the Mechanisms of the Soil Moisture-Air Temperature Hypersensitive Coupling Regime
期刊：Water Resources Research
01 研究背景
近几十年来，热浪和干旱频率及强度增加，对社会经济、生态和水文系统产生了巨大影响。为了更好地理解这些极端事件，其中必须考虑陆-气作用的贡献。通常，异常干燥的土壤条件降低了潜热通量，并伴随着感热通量的增强，导致近地表空气变暖和干燥。由于降水等水分来源在热浪/干旱期间减少，建立了一个反馈循环，在该循环中，土壤水分含量的不足导致气温升高，有助于热浪的持续和强度增加。最近学界对北美和欧洲的分析揭示了土壤含水量（soil moisture content，SMC）与每日最大气温（air maximum temperature，TAmax）之间存在一种负相关关系。当SMC降至特定阈值以下时，这种负相关关系变得更为强烈。该现象发生在一个SMC断点（SMC break point，SMbp）的超敏感状态下，该状态与萎蔫点（wilting point，WP）紧密相关。
基于此，Hsu等人（2024）通过一个基于地表能量平衡关系的简单土壤蒸发和温度模型，使用分段回归分析来检测超敏感状态，探讨了陆地表面过程是否会导致SMC与气温之间的超敏感机制？以及如果是，是什么物理机制在超敏感机制中引起了反馈？
02 研究数据与方法
2.1 研究数据
本研究使用全球通量观测网数据集FLUXNET2015（https://fluxnet.org/data/fluxnet2015-dataset/），包括土壤含水量（SMC）、气温（TA）、土壤温度（TS）、感热通量（H）和潜热通量（LE）。其中使用当地时间上午9点最浅层的SMC（通常在地表以下5-10cm）进行分析，以避免SMC随日温度波动的系统测量偏差。H和LE取当地时间9点-12点之间的平均值，这是由SMC引起日最高温度的陆-气相互作用的关键时期。
2.2 断点分析
在每个站点和每个目标月份，通过分段线性回归找到一个断点，其中SMC为预测变量（散点图中的X轴）。分段回归通过寻找四个参数（一个交点：SMC及其预测变量（即TA、H或TS）的断点值，以及断点两侧线性拟合段的斜率）来优化最佳拟合，最小化数据空间中的总均方误差。
仅保留通过以下筛选检测超敏感状态的结果：（1）变量的敏感性必须与物理解释相符——断点两侧的斜率必须为负（例如随着土壤越来越干燥，温度和感热通量增加）。这种关系与土壤湿度通过陆-气相互作用对温度进行控制的情况一致。（2）相较于估计的断点，干侧斜率必须比湿侧斜率更陡，这表明温度对土壤湿度下降的敏感性增加：即超敏感状态。（3）断点两侧的斜率差异必须通过p<0.05水平的显著性检验，使用经过调整的自由度（DOF）的Z检验来实现。
上述统计方法存在一个问题：虽然在陆地（土壤湿度）与大气（气温）之间发现了超敏感状态，但并不表明陆地和大气之间存在因果关系。这些变量对中检测到的高敏感状态可能是偶然产生的。本研究通过两项分析解决了这一问题：（a）如果超敏感性状态是随机决定的，那么确定的SMbp在SMC：TAmax、SMC：H和SMC：TSmax之间会有所分散。因此，如果它们在这三组分析中保持一致，那么SMbp就是由联系了这些量的关系的物理约束引发的结果。（b）如果超敏感状态是由地表过程引起的，基于热力学第二定律，SMC：TSmax的敏感性将比SMC：TAmax更强。随着能量从土壤转移到大气中，大部分能量损失，导致大气中超敏感状态的敏感性相较于土壤更低。因此，SMC：TSmax的回归干侧斜率应该比SMC：TAmax的斜率更陡（耦合关系更强）。
2.3 简化的能量平衡模型
本研究基于不同干燥条件下土壤层的地表能量平衡方程构建了一个简单的物理模型，以探讨SMC：TSmax的超敏状态。下面列出了所有分量的方程式：
其中R为净辐射，在本研究中设为常量（1000 W/m2）。H是感热通量，G是地面热通量。这两种通量用热导率（Ch和Cg）和各自温度梯度的乘积来表示。TS、TA和TG分别是表层土壤温度、气温和表层土壤以下的地面温度。Cs为土壤热容。Ch、Cg和Cs是该模型中的可调参数（单位：kJ K-1 kg-1）。TS*为模型随时间积分后更新的TS。
WP的值设置为SMC=0.09m3m-3。当SMC>WP时，基于不同地表水文模型中的SMC：LE特性，将LE确定为SMC和输入能量R的函数。基于两种广泛使用的不同水文模型：水桶模型（BM）和土壤水大气植物（SWAP）模型，将LE设置为SMC的不同函数来进行两组实验。
在BM框架内，蒸发受SMC的饱和度不足控制。当SMC不足以满足大气需求（在该模型中定义为饱和SMC）时，蒸发从饱和SMC的最大值线性下降到WP的零值。基于这种物理水分行为，当SMC>WP时，LE为SMC的简单线性函数（图4a中的青色线）：
SWAP考虑了土壤水力特性更现实且复杂的情况，主要是蒸散发的计算考虑了随着土壤水分耗竭而减少的根系水分吸收和随着土壤水分降低而变化的水力传导率。因此，蒸散发从饱和SMC到WP的变化呈非线性下降，起初缓慢减少，然后随着接近WP而急剧下降。因此，当SMC>WP时，LE与SMC的关系可以简化为幂函数（图4b中的青色线）：
其中k是一个常数，必须设置在0-1之间，以模拟SWAP中的SMC：LE特性。本研究k被设定为0.5，其精确值不影响TS*。
03 主要发现
3.1 从原位观测中检测到的高敏感状态
以CN-Qia站点（26.7°N，115.0°E）为例，展示SMC：TAmax关系中的超敏感特征（图1a）。SMbp将SMC：TAmax的湿侧（红线拟合的黑点）与干侧（灰线拟合的棕点）分开，湿侧呈现负斜率，干侧则呈现更负斜率，拟合回归线的斜率作为敏感性的指标。SMbp处的斜率差异在统计上显著，p<0.01，这验证了SMbp的检测以及超敏感状态的存在。SMC：H和SMC：TSmax也表现出相同的超敏感模式（图1b和1c）。
TSmax、H和TAmax分别代表了该陆-气过程链中的陆地、陆气界面和大气环节，这些结果表明TAmax中发现的超敏感状态可以归因于地表过程。与SMC：LE关系（图1d；设定SMbp为SMC：TAmax的断点值）相比，当LE下降且可用能量主要转向H时，土壤达到一定干燥度就会发生超敏感性状态。
图1 2003-2005年8月期间，FluxNet2015站点CN-QIA（26.7°N，115.0°E）检测到超敏感状态。散点图显示了通过分段回归确定的土壤含水量（SMC）断点（SMbp），用于（a）每日当地时间上午9点的SMC和每日气温最大值TAmax，（b）SMC和每日表层土壤温度最大值TSmax，（c）SMC和9点-12点平均感热通量H。低于SMbp的SMC值是由红色回归拟合的黑色符号。SMbp以上的SMC值是由黑色回归拟合的棕色符号。R_dry表示变量之间的皮尔逊相关性，Slope_dry用于衡量SMbp干燥侧子样本变量之间的敏感性；R_wet和Slope_wet也是如此，只是它们是对于SMbp湿侧的子样本。Slope_dry和Slope_wet之间差异统计显著性的p值由p_slope表示，通过双样本Z检验计算。散点图（d）显示了SMC与9点-12点平均潜热通量LE之间的关系；点颜色由它们相对于SMC：TAmax关系中SMbp的位置决定。
在所有可用的数据年份中，对记录的三个最热日历月的其他通量站点进行了相同分析，图2展示了FLUXNET2015的可用站点。带有彩色三角形的位点表示在SMC：TAmax、SMC：H和SMC：TSmax关系中均检测到超敏感状态。267个可用站点中只在37个站点发现了超敏感状态，这可能主要归因于气候背景状态、土壤类型和土地覆盖在不同地点之间的固有差异。在许多地点，土壤很少变得足够干燥以达到有效的SMbp，没有检测到状态转变。而在某些地点，统计上显著的断点可能只出现在特别干燥的年份，而在其他年份则不显著。此外，植被的WP有时会发生在SMC的中等湿度水平，因此在像美国西部、北欧和中国南部等地区，可能会在相对湿润的SMC值时出现超敏感状态（图2）。
图2 FLUXNET2015提供的267个可用原位通量塔站点和检测到超敏感状态的站点（大符号，每个位置由三角形表示）。以记录的最高气温月份及其相邻月份为目标进行分析。检测到SMC：TAmax、SMC：TSmax和SMC：H关系断点的站点会着色并在图例中注明。站点名称后括号中的数字表示检测到超敏感状态的月份。所有站点的超敏感状态可能会检测到超过1个月。在这些情况下，按以下顺序显示结果：最热月份>前一个月>下一个月。三角形的方向区分不同的地理区域。
3.2 地表过程导致超敏感状态
使用卡方检验检测超敏感状态的陆地到大气链中每个站点的SMC：TSmax和SMC：H之间（x轴）以及SMC:H和SMC：TAmax之间（y轴）SMbp的百分位差异显著性，发现对于所有站点，未发现显著差异（图3a-b）。因此，SMbp在陆地、陆-气界面和大气中的一致性支持了SMbp源于一致的物理过程论点。
比较SMC：TAmax和SMC：TSmax在其相应SMbp的干侧敏感性强度可得，大多数站的SMC：TAmax的敏感性弱于SMC：TSmax，其差异具有显著性（图3c）。约30%的站点显示出不同的关系，这表明大气反馈可能影响了气温超敏感状态的强度。US-ARb（35.5°N，98°W）最为突出，这可能与该地点在2005年3月分析期间被烧毁有关。其土地覆盖类型被确定为贫瘠稀疏植被（BSV），这在所有可用地点中具有独特性。尽管如此，总体来看陆地中的超敏感状态比大气中更强，这表明地表过程是导致干燥土壤条件下表面气温加剧升高的驱动因素——TAmax中的超敏感状态源于极端干燥和温暖土壤上H的快速增加。
图3 陆地和大气变量的断点和敏感性大小的一致性支持了超敏感状态中因果联系的论点。散点图（a）显示了SMC：TSmax和SMC：H之间土壤含水量断点（SMbp）的百分位数差异（x轴）与SMC：H和SMC：TAmax之间SMbp的百分位数差异（y轴）。差异的显著性通过零假设的卡方检验进行检验，零假设为SMbp在其干侧划分相同数量的样本。每个站点每对变量的检验p值显示在插图（b）中。散点图（c）显示SMC：TSmax（x轴）和SMC：TAmax（y轴）的干侧斜率；如果通过双样本Z检验，差异具有统计学显著性且p<0.05，则符号以黑色勾勒。
3.3 能量平衡模型解释超敏感状态
BM确定的LE结果显示超敏感状态没有出现（图4a）。当土壤湿度低于WP时，温度的斜率比高于WP时更平缓。另一方面，当LE是SMC的幂函数时，无论参数如何设置，当LE急剧下降并且SMC朝向WP干燥时，都会出现超敏感状态。结果表明，超敏感状态的发生是因为LE的加剧减少伴随着H和G的响应（图4）。在这个简单模型中，土壤干燥到WP以下后，响应趋于平稳。
当土壤略湿润于WP时，SWAP模型的斜率最陡，这表明通过分段线性回归发现的SMbp可能不在WP处，而是在其上方。另一方面，WP以下的平坦曲线可能是由于模型中TA缺乏响应和反馈所致（图4b）。
图4 能量平衡模型产生的土壤温度和热通量的响应。简化模型探索了在1000W/m2能量输入一小时后，土壤温度TS响应潜热通量LE、显热通量H和地面热通量G的收支而在不同的土壤含水量（SMC）值下的演变趋势。图（a）中，LE是基于水桶模型参数化确定的：当LE高于萎蔫点（WP）时，LE随着土壤变湿而线性增加。图（b）中，LE由SMC的幂函数确定：当LE高于WP时，LE随着土壤变湿而非线性增加，这与观测结果更为一致。TS是SMC的函数，土壤物理参数设置为合理值，极小和极大值分别由粗黑线、虚线和虚线表示。在默认实验中，TS、TA和TG的初始条件设置为293.15K。CH、Cg和Cs设置为1 kJ K-1 kg-1。在极端情况下的实验中，Ch、Cg和Cs被设置为非常小的值（默认值的1/10）或非常大的值（默认值的10倍）。这两条极值线包含了具有不同物理特性的土壤中TS的一系列加热响应。
04 主要结论
（1）在土壤湿度与气温的关系中存在一种超敏感机制，当土壤湿度低于一个临界阈值时，气温会急剧上升。这种超敏感耦合机制主要是由陆地表面过程引起的。当土壤湿度接近WP时，蒸发冷却显著减少，从而导致超敏感机制的发生。
（2）WP是控制超敏感状态发生的最重要因素。当考虑土壤中的能量平衡时，WP是加强异常高温的一个重要阈值。
05 引发思考
本研究使用观测和基于地表能量平衡关系的简化土壤蒸发和温度模型来探索土壤湿度和气温之间的超敏感机制，深入探讨了土壤湿度-气温之间的因果关系，验证了地表过程在超敏感机制中的作用，有助于更好地理解气候系统中的陆-气反馈作用，为热浪和干旱的预测和管理提供了新的视角。
编者注
以上总结仅代表个人对论文的理解，仅供研究参考所用，不用于商业用途。若上述理解内容有误，请以原文为主。
原文出处
Hsu, H., Dirmeyer, P. A., & Seo, E. (2024). Exploring the mechanisms of the soil moisture-air temperature hypersensitive coupling regime. Water Resources Research, 60, e2023WR036490. https://doi.org/10.1029/2023WR036490
文字来源：张煦雯
图片来源：https://agupubs.onlinelibrary.wiley.com/
编辑：张煦雯
审核：罗楚玉 周海轩
