文章题目：Evidence for the acclimation of ecosystem
photosynthesis to soil moisture
发表期刊：Nature Communications
影响因子：14.7
第一单位：中国科学院地理科学与资源研究所
通讯作者：牛书丽 研究员
在线日期：2024-11-12
陆地生态系统总初级生产力（GPP）是地球碳循环中的核心变量，通过光合作用吸收了约三分之一的人为CO₂排放量。然而，土壤湿度对植物光合作用的影响因其复杂性而难以量化。传统模型多以经验公式表示土壤湿度对GPP的限制，但忽视了过多土壤水分对GPP的抑制作用，导致对碳-气候反馈的预测存在显著不确定性。
过往研究中发现，土壤湿度对GPP的影响存在“驼峰型”曲线：土壤湿度增加可提升GPP，但过高湿度会因缺氧或养分流失抑制光合作用。这种曲线存在一个“GPP达到最大时的土壤湿度”，即GPP达到最大值时的土壤湿度。然而，“GPP达到最大时的土壤湿度”是否在全球范围内普遍存在、其变化机制及与环境因素的关系尚未被充分研究。本研究聚焦以下两个核心问题：
“GPP达到最大时的土壤湿度”是否具有全球普适性？
“GPP达到最大时的土壤湿度”是否会随土壤湿度条件的变化进行生态系统级别的适应？
1. 数据收集与分析
（1）使用FLUXNET涡度协方差观测网络的全球143个站点数据（覆盖不同纬度、生态系统和气候类型），提取土壤湿度与GPP的日尺度响应曲线。
（2）对GPP-土壤湿度关系拟合凹二次模型，通过模型性能和显著性检验（如AIC准则）确定“GPP达到最大时的土壤湿度”。
（3）排除潜在共变量（如温度、辐射等）的干扰，通过偏Spearman相关性分析评估非线性关系的稳健性。
2. 空间与时间尺度的分析
（1）空间尺度：通过跨站点的平均“GPP达到最大时的土壤湿度”和生长季土壤湿度（SMgrowth）的回归分析，探讨“GPP达到最大时的土壤湿度”的适应机制及影响因子。
（2）时间尺度：针对具有至少5年数据的站点，评估站点内“GPP达到最大时的土壤湿度”随SMgrowth变化的动态趋势。
3. 野外实验验证
（1）在青藏高原高寒草甸通过人工操控降水（6种降水水平：1/12P至5/4P，P为年均降水量），验证“GPP达到最大时的土壤湿度”对SMgrowth的因果响应。
（2）测量植物地下生物量分配（fBNPP）、土壤碳氮含量等变量，探讨生态系统调节“GPP达到最大时的土壤湿度”的潜在机制。
在143个站点中，有108个站点的GPP-土壤湿度关系表现出“驼峰型”响应。“GPP达到最大时的土壤湿度”的分布具有显著的地理与生态系统差异，范围为5.8%-56.9%（土壤体积含水量），中值为20.9%。干旱生态系统的“GPP达到最大时的土壤湿度”低于湿润生态系统，反映了水分供应对生态系统光合作用的适应性影响。
“GPP达到最大时的土壤湿度”随生长季土壤湿度（SMgrowth）增加呈线性增长，回归斜率为0.92，表明生态系统通过调节“GPP达到最大时的土壤湿度”适应不同的水分供应。尽管时间尺度上的适应速度低于空间尺度，但“GPP达到最大时的土壤湿度”仍显示出对年度水分变化的动态响应。降水量越少的站点，适应速度越快，表明干旱生态系统对水分变化更敏感。
野外实验结果进一步证明，“GPP达到最大时的土壤湿度”对SMgrowth的变化具有因果响应。随着土壤湿度降低：植物地下生物量分配显著增加（fBNPP），通过增强水分吸收和减少蒸腾缓解水分胁迫。“GPP达到最大时的土壤湿度”下移以降低植物光合作用对水分的依赖性。
图1 土壤水分与总初级生产力 (GPP) 关系的概念图。
图2 基于 FLUXNET 站点得到的总初级生产力的最佳土壤湿度分布。a， 本研究中使用的 108 个站点检测到的GPP达到最大时的土壤湿度的位置。原始地图来自 R 中的 spData 包。b ，10 种不同植被类型的 10 个站点的总初级生产力 (GPP, ln-scaled) 对每日土壤湿度的响应。
图3 适应土壤水分生长 (SMgrowth) 空间变化的总GPP最佳土壤水分的适应速度。
图4 为适应土壤生长水分（SMgrowth）的时间变化，总初级生产力最适土壤水分的适应速度。
图5 通过控制降水的田间试验得出生长土壤湿度 (SMgrowth) 对总初级生产力最佳土壤湿度的影响。
内容来源：农业遥感与作物模型
左右滑动切换图片
