引言
在全球变暖背景下，气候系统的变化正深刻重塑着陆地生态过程。中亚（CA）作为典型的干旱-半干旱生态脆弱区，对气候变化表现出高度敏感性。其植被动态不仅直接反映了区域水热条件的波动，更与区域的碳汇能力和生态安全紧密相连。因此，系统监测和识别中亚植被变化，对于理解干旱区生态系统应对气候扰动的适应机制至关重要。本研究采用叶面积指数（LAI）作为核心指标。与传统的归一化植被指数（NDVI）相比，LAI能更有效地克服高植被覆盖区的光谱饱和问题以及稀疏植被区的土壤背景干扰，从而更精确地刻画植物冠层的生物物理特性，尤其适用于干旱半干旱区的植被动态研究。
近年来，关于气候变化对中亚植被动态影响的研究已取得显著进展。已有研究表明，土壤湿度（SM）能显著增强植被区域的光合作用，而饱和水汽压差（VPD）则产生抑制作用。气温（TEM）的适度升高可延长生长季并促进碳吸收，但持续的热胁迫往往会降低光合效率及生物量积累。生长季前期的降水（PRE）则有助于提升植被生产力。然而，作为干旱胁迫关键指标的高VPD和强烈的地表太阳辐射（SRAD）广泛存在，当与长期的土壤水分亏缺叠加时，会显著加剧生态系统水分胁迫，导致植被表现出更明显的脆弱性响应。然而，现有研究多聚焦于单一气候因子或与植被的简单相关分析，缺乏对气候驱动因子耦合效应及其通过生态过程变量介导的间接影响的系统性探究。
事实上，在干旱生态系统中，碳利用效率（CUE）、水分利用效率（WUE）和生物量常被视为调控植被响应的关键中介变量。CUE反映了植物在干旱胁迫下的碳分配策略和代谢适应，WUE度量了碳-水耦合的效率，而生物量则代表了长期生产力和碳汇能力。尽管如此，关于这些过程变量在气候变化下协同调控作用的系统性定量研究仍然匮乏，其内在机制和反馈路径有待深入探索。
因此，本研究提出了一个理论性的气候-生态驱动机制框架，旨在阐明中亚气候因子如何通过影响关键生态过程变量间接调控植被LAI。具体而言，气温升高通常会加剧蒸散，导致土壤湿度降低；而降水增加则能有效提升土壤水分有效性，缓解干旱胁迫，促进植被生长。在干旱胁迫下，高VPD通常会引发气孔关闭以减少水分损失，从而抑制碳同化并降低WUE。同时，升高的VPD和高温会增加植物的代谢消耗，导致CUE下降。反之，充足的降水和土壤水分供应可提升植被WUE，缓解水分限制，促进生物量积累。基于此框架，我们假设气候因子以层级、间接的方式影响LAI：气候变化首先改变CUE、WUE等生态过程变量，进而调控植被生物量，最终体现为LAI的变化。特别地，在水分充足条件下，较高的CUE和WUE有利于生物量积累和LAI提升，而在干旱胁迫下这些变量的下降则会限制生物量增长并降低LAI。此外，我们预期植被生物量对LAI具有最显著的直接效应，因为冠层叶面积与生物量之间存在强正相关关系。
构建一个结构化的、方法学互补的多维分析框架，对于系统识别以LAI为代表的植被动态及其气候-生态驱动机制至关重要。Theil-Sen估计量对异常值和非正态分布具有高度稳健性，非常适合可靠地估算遥感时间序列的趋势斜率。Mann-Kendall检验则是经典的非参数显著性检验方法，能有效检测单调趋势的统计显著性。这两种方法已在全球和区域尺度的植被趋势分析中得到广泛应用。多元线性回归（MLR）是定量评估多因子贡献并确定其相对影响力的重要工具。结构方程模型（SEM）整合了路径分析、因子分析和回归模型，能够构建和验证多变量间的复杂因果网络。SEM特别适用于分析耦合、层级及具有反馈的生态过程，能有效揭示变量间假设的因果依赖关系。
基于上述考虑，本研究选取了气温（TEM）、降水（PRE）、饱和水汽压差（VPD）、太阳辐射（SRAD）和土壤湿度（SM）这五个关键气候-生态因子，构建了一个集成的分析框架：TMMS框架。在此框架中，利用Theil-Sen估计量和Mann-Kendall检验识别2001年至2023年LAI及五个气候-生态因子的时空趋势；利用MLR量化各因子对LAI变异的主导影响；利用SEM在气候-生态因子的基础上，纳入CUE、WUE和生物量等生态过程变量，系统探究“气候因子–生态过程–植被状态”之间的驱动机制。并以典型干旱半干旱区中亚为研究区，旨在（1）分析植被动态的时空演变及其地带性分布规律；（2）探究植被变化与气候-生态因子间的驱动关系；（3）预测未来植被趋势，识别潜在退化与恢复区域，并提出针对性的生态管理策略。
材料与方法
研究区概况
中亚位于欧亚大陆内部，涵盖哈萨克斯坦、乌兹别克斯坦、吉尔吉斯斯坦、塔吉克斯坦、土库曼斯坦和中国新疆地区。该区域地形复杂多样，海拔范围从-155米到7,445米，平均海拔约915米，支持着草原、灌丛、森林和沙漠等多种植被类型。研究区属典型的大陆性气候，主要为干旱区，局部存在温带、寒带和极地气候区。该区域年降水量普遍偏低且分布不均，夏季气温高，太阳辐射强，VPD高，SM稀缺，共同制约着植被的生长发育。作为气候敏感的干旱生态系统，中亚为研究植被-气候相互作用提供了理想的天然实验室。在此背景下，LAI作为关键的生物物理参数，是评估植被动态及其对气候变化响应的宝贵指标。
数据来源与处理
本研究使用的数据集主要包括多源遥感和再分析产品，涵盖植被、气候、地形、土地覆盖和生物量数据。所有数据在分析前均经过严格的质量控制和验证。
其中，LAI是本研究的核心参数，采用了由全球陆表遥感产品北京工程研究中心发布的GLASS LAI V6产品。该产品已被验证为当前可用的最高分辨率的长期全球LAI数据集，能够有效表征植被物候并捕捉植被扰动动态。
为确保多个异构数据集的一致性，我们进行了一系列标准化的预处理步骤。在时间尺度上，除土地覆盖、DEM、柯本气候分类和生物量数据外，所有数据集均聚合为春季（3-5月）、夏季（6-8月）、秋季（9-11月）、冬季（12-2月）的季节均值以及年均值。在空间尺度上，所有数据集均使用数据类型特定的策略重采样至1公里的统一分辨率。具体而言，对LAI、TEM、PRE等连续变量采用双线性插值法；对MCD12Q1土地覆盖产品和柯本气候分类等分类数据集，采用最近邻法以保留类别属性；对高分辨率30米SRTM DEM，采用均值聚合方法计算每个1公里网格单元的平均高程。最后，所有图层均投影到亚洲北阿尔伯斯等积圆锥坐标系（WGS 1984基准面），以确保整个研究中基于面积计算的准确性。
关键生态过程变量计算
本研究中的SM指所有土层累积含水量，计算公式为 SM = L0∗1000 + L1∗70 + L2∗210 + L3∗720 + L4∗1890。SM（毫米）不仅直接反映了降水入渗与蒸散之间的平衡，也捕捉了底土水资源在干旱期支撑植被的作用。
碳利用效率（CUE）是评估植被碳分配策略的关键指标，定义为净初级生产力（NPP, g C m−2 ）与总初级生产力（GPP, g C m−2 ）的比值，即 CUE = NPP / GPP。CUE（无量纲）直接反映了光合固定碳分配给生物量积累而非通过呼吸代谢损失的比例。
水分利用效率（WUE）是表征生态系统碳-水耦合效率的关键综合性指标，定义为GPP（g C m−2 ）与蒸散（ET, kg H2 O m−2 ）的比值，即 WUE = GPP / ET。WUE（g C kg−1 H2 O）反映了生态系统消耗单位水量所积累的碳量，综合体现了植被在蒸散调控下将有限水资源转化为有机生物量的效率。
通过整合这三个指标，本研究捕捉了中亚植被响应从水分胁迫、碳固定到生长过程的完整链条机制特征。
统计分析
序列Mann-Kendall检验用于分析LAI时间序列 temporal trend的演变并识别趋势变得统计显著的时间点。Sen斜率估计量与Mann-Kendall显著性检验相结合，用于分析LAI和气候-生态因子的空间趋势及显著性。构建MLR模型以评估气候-生态因子对LAI的主导效应。采用SEM探索影响LAI的气候-生态因子驱动机制。偏相关分析用于在控制其他变量影响后，量化沿驱动路径上任两个因子之间的净关系。Hurst指数与Sen-MK方法结合，用于预测LAI的未来趋势。
结果
LAI的年际与季节变化
2001年至2023年间，年均LAI范围在0到2.8之间，表现出显著的空间异质性，反映了干旱中亚典型的经向和纬向生态地带性规律。经向上，LAI呈现波动格局，主要由不同经度带植被类型组成的变化驱动。从47°E到60°E，植被覆盖从草原过渡到灌丛、稀疏植被和裸地，导致LAI在此西-中经度梯度上普遍下降。相反，在60°E至85°E之间，各种森林类型逐渐占主导，导致LAI值显著上升。再向东，由于干旱沙漠和未植被土地覆盖类型的扩张，LAI值急剧下降。这一经向格局对应了横跨中亚的“低-高-低”空间生态结构。纬向上，LAI从35°N到55°N总体呈增加趋势，从南部的沙漠灌丛和裸盐碱地向中部的草原、北部的湿地和山地森林过渡。这一趋势反映了干旱区内典型的“北湿南干”梯度，凸显了纬向气候地带性对LAI分布的强烈影响。
除水平地带性规律外，LAI沿垂直（海拔）梯度的变化也揭示了关键生态过程。与简单的线性关系不同，LAI随海拔呈现明显的分段模式，临界阈值约在2000米。2000米以下，LAI随海拔升高而增加。这表明在低海拔平原和盆地，极端干旱是植被生长的主要限制因素。随着海拔上升至中山带，降水增加和蒸散减少改善了水热条件，导致LAI升高。然而，在2000米以上，此趋势发生逆转，LAI与海拔呈负相关。这表明在高海拔山区，热力限制（即低温）逐渐取代水分可用性，成为植被生长的主导限制因子。
总体而言，中亚LAI的空间格局呈现“西低、中高、东降”的经向梯度、“自南向北逐渐增加”的纬向趋势以及沿海拔梯度“先增后减”的垂直格局，反映了区域植被分布在水分热量条件差异、植被类型组成和地貌单元分异共同作用下的清晰生态地带性规律。
为进一步检验LAI temporal trend特征及其统计显著性，采用了Mann-Kendall序列检验和年均LAI时间序列进行分析。结果表明，草原（GL）总体呈波动格局，2003年至2016年观察到不显著的下降趋势。其他植被类型从约2010年至2023年普遍呈现增加趋势，而在此之前的时期，多数类型显示波动格局。各植被类型显著向上转折的年份分别为：落叶阔叶林（DBF，2011年）、常绿针叶林（ENF，2012年）、阔叶作物（BC，2014年）、灌丛（SL）、稀树草原（SV）和常绿阔叶林（EBF，2015年）以及落叶针叶林（DNF，2018年）。总体来看，研究区LAI在2001–2004年和2017–2023年呈不显著增加趋势，而在2005年至2016年间呈不显著下降趋势，表明其经历了“上升–下降–上升”的波动轨迹。植被类型间存在显著差异。阔叶作物（BC）的LAI最高且增加速率最大，主要分布在沙漠-绿洲农业区，受国家支持绿洲农业和林业发展的政策影响强烈。相比之下，落叶针叶林（DNF）和常绿针叶林（ENF）主要分布在沙漠或高山区，受寒冷干旱环境条件制约，其LAI值是所有植被类型中最低的。
2001–2023年期间，季节平均LAI值范围分别为：春季0–3.2，夏季0–5.9，秋季0–2.7，冬季0–1.5。总体而言，LAI在四个季节均呈现轻微上升趋势，但存在明显的季节差异：春季和夏季波动较大，而秋季和冬季变化较为平缓。生长季通常从春季持续到秋季，春季标志着植被快速生长的开始。随着夏季来临，气温升高和太阳辐射增强促进了光合作用和蒸腾作用，推动植被旺盛生长，使LAI达到年度峰值。秋季，气温下降和日照减少预示着植被休眠期的开始，导致LAI稳步下降。冬季，低温和有限的太阳辐射导致植被活动最小，LAI降至年度最低水平。除针叶林（ENF和DNF）外，所有植被类型的LAI均表现出明显的季节性波动。尽管ENF和DNF的LAI值普遍较低，但由于其对温度和光照条件适应性强，这些类型季节变化很小，年际趋势相对稳定。这一格局与LAI反映单位地表面积总叶面积的特性相符。
LAI与气候-生态因子的时空趋势
为进一阐明中亚LAI的时空特征，应用了Sen斜率估计量和Mann-Kendall显著性检验。为避免多重检验带来的I类错误（假阳性），采用Benjamini–Hochberg错误发现率（FDR）程序（q = 0.05）对所有像元的p值进行校正。结果表明，过去23年间中亚植被表现出高度的整体稳定性，90.95%的区域未发生统计显著的变化。在发生变化的剩余“热点”区域中，年度趋势显示出明显的净绿化格局：显著增加区域的比例（6.77%）是显著减少区域比例（2.28%）的近三倍。这种变化的空间格局也表现出显著的区域差异：上升趋势（蓝色）在东部地区（如中国新疆）占主导，而下降趋势（红色）则集中在西部的里海沿岸以及哈萨克斯坦中西部丘陵地区。
年度“净绿化”趋势掩盖了显著的季节分异，特别是对于占主导地位的草原。在全年、春季、秋季和冬季，所有植被类型显著增加的面积比例远大于显著减少的面积。然而，夏季则呈现出完全相反的模式。夏季，草原是唯一一个显著减少面积（6.77%）超过显著增加面积（3.65%）的植被类型。这强有力地表明，中亚的植被退化压力几乎完全集中在生长季的草原生态系统。
为全面评估2001年至2023年气候和生态因子对中亚LAI变化的影响，应用了逐像元Theil-Sen斜率估计和Mann-Kendall检验（经FDR校正）以识别各驱动因子的 temporal trend。在所考察的变量中，PRE、SRAD和TEM在过去23年表现出高度的整体稳定性，近100%的区域未呈现统计显著趋势。SM和VPD是仅有的两个显示广泛显著趋势的驱动因子。SM表现出显著的年际变化（-16.22 至 44.87 毫米/年）。显著减少的区域（红色）广泛分布，而显著增加的区域（蓝色）主要集中在中国新疆北部的额尔齐斯河流域、哈萨克斯坦的巴尔喀什湖附近以及土库曼斯坦的卡拉库姆运河附近。VPD在整个区域呈现一致且显著的增加趋势，年际速率最高可达0.02 kPa/年。显著增加的区域横跨中亚整个西部，在中东部地区也有出现。这些发现表明，SM和VPD可能是控制中亚植被变化的关键水文气候驱动因子。
气候-生态因子对LAI的主导影响
采用逐像元MLR模型分析了PRE、SM、SRAD、TEM和VPD这五个因子在年尺度和季节尺度上对中亚LAI的主导影响。结果表明，生态因子SM是LAI变异的主要驱动因子。在年尺度上，气候-生态因子共同解释了LAI变异的43.35%，其中SM贡献了46%，成为最重要的因子。这种主导地位主要归因于中亚广布的干旱区，年降水量低且分布不均，使得水分可用性成为植被生长的主要限制因子。作为土壤中植物可用水分的直接指标，SM在很大程度上决定了植被的生长潜力。在所有植被类型中，SM consistently emerged as the dominant factor，显示出高度的空间一致性。
在年尺度上，在干旱和寒冷气候区，SM是主导因子，贡献率分别为47.78%和36.19%，这与这些区域特有的强水分胁迫条件一致。在温带地区，PRE成为主导因子（46.09%），这可能与该区域降水季节性强且集中，直接影响土壤水分再分配和植被水分利用效率有关。在极地气候区，SRAD是主导驱动因子（37.06%）。该区域高海拔、低温和生长季短，使得太阳辐射成为植物生产力的关键限制因子。
在季节尺度上，春季气候–生态因子的总解释力为41.31%，SM（48%）和TEM（20%）是主导驱动因子，调控着解冻期植被的快速恢复和萌发。夏季，总解释力增至52.35%，SM在高温高蒸发条件下调控水分供应的作用尤为显著。在秋季和冬季，大多数植被进入休眠期，生长活动基本停止，导致气候-生态因子的解释力显著下降：秋季为18.47%，冬季为16.34%。值得注意的是，与秋季相比，VPD和TEM对LAI的主导作用在冬季有所增强，这很大程度上源于冬季特有的寒冷干燥条件。一方面，低温是光合作用和代谢活动的关键限制因子，特别是在寒冷和极地地区，即使轻微的温度波动也能显著影响植被状态。另一方面，尽管总体蒸散量低，但在天山和帕米尔高原等高海拔或寒冷干旱地区，VPD持续影响常绿或耐寒植物的水分调节能力，进而影响LAI。此外，在温带气候区，冬季气候–生态因子的解释力高达48.62%，其中PRE贡献了56.34%，表明该区域可能存在冬季雨季，显著增强了水分可用性，并加强了LAI对水分相关因子的响应。
讨论
植被动态的气候-生态驱动机制
在全球气候变化背景下，中亚干旱半干旱生态系统植被动态表现出显著的空间异质性，并受复杂驱动机制控制。深入理解气候–生态耦合关系对于区域生态保护和可持续管理至关重要。2001年至2023年间，中亚LAI经历了初期增加、随后下降、继而重新上升的波动演化模式。空间上，植被生长条件良好的区域主要集中在绿洲农业区、山地草原以及水资源丰富地区。相比之下，水热条件差的沙漠和盆地LAI值较低。上述差异是否也源于调控机制对植被碳-水资源利用效率的影响，仍需进一步研究。
MLR分析证实，SM是驱动中亚LAI年际和季节变化的主导气候-生态因子，这与前人研究结果一致。然而，该区域植被动态潜在的气候-生态驱动机制仍知之甚少。为解决这一空白，我们采用SEM，并引入CUE、WUE和生物量作为生态中介变量，建立了一个连接“气候驱动–生态过程–植被状态”的分析框架。CUE和WUE分别反映了生态系统的碳分配策略和水分利用效率。它们不仅代表了干旱胁迫下植被的生理调控，也揭示了生态系统在气候变化条件下碳-水分配中的权衡策略。生物量作为植被碳汇的代理指标，是连接气候生态过程与观测到的LAI变化的关键桥梁变量。
基于2001年至2020年的平均分布，CUE、WUE和生物量在中亚的空间格局与LAI的空间格局紧密对应，且其 temporal trend 也呈现波动但总体上升的轨迹。这些结果初步表明生态过程变量与LAI之间存在潜在的稳定耦合关系 ， 为 后 续 的
打赏
