干旱气象
  • CN 62-1175/P
  • ISSN 1006-7639
  • 双月刊
  • 中国科技核心期刊
  • 中国学术期刊综合评价数据库统计源期刊
  • 中文科技期刊数据库收录期刊
作者投稿 专家审稿 编辑办公

干旱气象, 2025, 43(2): 207-220 DOI: 10.11755/j.issn.1006-7639-2025-02-0207

论文

气候过渡区不同生态系统多陆面因子-大气耦合特征

何杭,, 杨泽粟,, 邬钰嫣

成都信息工程大学大气科学学院，高原大气与环境四川省重点实验室，四川 成都 610225

Characterization of multi-land surface factor-atmosphere coupling in different ecosystems in the climate transition zones

HE Hang,, YANG Zesu,, WU Yuyan

College of Atmospheric Sciences，Chengdu University of Information Technology，Plateau Atmospheric and Environment Key Laboratory of Sichuan Province，Chengdu 610225，China

通讯作者: 杨泽粟（1987—），男，博士，主要从事陆-气相互作用研究。E-mail：cqhcyzx@126.com。

责任编辑: 王涓力；校对：邓祖琴

收稿日期: 2024-06-27   修回日期: 2024-09-18  

基金资助: 气象联合基金重点项目(U2142208)
国家自然科学基金重点项目(42230611)
陇原青年创新创业人才项目(2024QNGR33)

Received: 2024-06-27   Revised: 2024-09-18  

作者简介 About authors

何杭（1999—），男，硕士研究生，主要从事陆-气相互作用研究。E-mail：hehangabc@163.com。

摘要

气候过渡区作为“陆-气耦合”热点地区，当前研究多集中于该区域陆-气耦合时空分布及水热条件的影响，缺乏对多因子协同作用及不同生态系统耦合度差异的研究。本文基于站点观测资料，聚焦陆面水、热、生因子与地表通量的耦合关系，对比分析不同生态系统之间单因子和多因子陆-气耦合度差异，评估各陆面因子对耦合度的贡献。结果表明，单因子耦合中，稀疏植被的潜热与叶面积指数耦合强度最强，农田的潜热与土壤温度耦合强度最强；草地、森林和农田的感热与土壤温度耦合最强。多因子耦合度明显优于单因子，多因子与潜热的耦合度在森林和稀疏植被有明显提升，与感热的耦合在稀疏植被明显增强。各因子对地表通量的贡献中，草地感热和潜热分别由热力和生态因子主导；稀疏植被潜热由水分、生态因子共同主导，感热由热力因子主导；农田和森林的潜热和感热由热力因子主导。干旱条件下，水分和生态因子对多数生态系统中潜热和感热的贡献增大。

关键词： 生态系统; 多陆面因子协同作用; 潜热通量; 感热通量; 陆-气耦合

Abstract

As a hot spot of “land-atmosphere coupling”, the current study focuses on the spatial and temporal distribution of land-atmosphere coupling and the influence of hydrothermal conditions in the climate transition regions, but lacks the study on the synergistic effect of multi-factor and the difference in coupling degree among different ecosystems. Based on the station observation data, the paper focused on the coupling relationship between land surface water, thermal and ecological factors and surface fluxes, comparatively analyzed the differences in single-factor and multi-factor synergistic land-atmosphere coupling among different ecosystems, and assessed the contribution of each land surface factor to the coupling degree. The results show that in single-factor coupling, the coupling between latent heat flux and leaf area index is the strongest for sparse vegetation, and the coupling between latent heat flux and soil temperature is the strongest for farmland; the coupling between sensible heat flux and soil temperature is the strongest for grassland, forest and farmland. Multi-factor synergistic coupling is significantly better than that of single factor, and multi-factor synergistic coupling with latent heat flux is significantly enhanced in forest and sparse vegetation, and synergistic coupling with sensible heat flux is obviously enhanced in sparse vegetation. Among the contributions of each factor to the surface fluxes, in grassland system sensible and latent heat fluxes are dominated by thermal and ecological factors, respectively; in sparse vegetation system latent heat flux is co-dominated by the soil moisture factor and leaf area index, and sensible heat flux is dominated by the thermal factor; and latent heat and sensible heat fluxes are dominated by the thermal factor in farmland and forest system. Under drought conditions, the contributions of soil moisture and ecological factors to latent and sensible heat fluxes increase in most ecosystems.

Keywords： ecosystem; synergistic effects of multiple land surface factors; latent heat flux; sensible heat flux; land-atmosphere coupling

PDF (9795KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

何杭, 杨泽粟, 邬钰嫣. 气候过渡区不同生态系统多陆面因子-大气耦合特征[J]. 干旱气象, 2025, 43(2): 207-220 DOI:10.11755/j.issn.1006-7639-2025-02-0207

HE Hang, YANG Zesu, WU Yuyan. Characterization of multi-land surface factor-atmosphere coupling in different ecosystems in the climate transition zones[J]. Arid Meteorology, 2025, 43(2): 207-220 DOI:10.11755/j.issn.1006-7639-2025-02-0207

0 引言

全球气候变化已经对社会经济和地球生态系统产生了显著而深远的影响，威胁着社会经济的可持续发展并影响人类的生存环境（朱建华等，2007），而全球气候变化及其时空的演变很大程度上依赖于陆-气相互作用（Dirmeyer et al.，2014；Liu et al.，2020），陆-气的能量、水和碳的交换深度影响天气和气候的形成和演变（Jung et al.，2019；Butterworth et al.，2021）。陆-气相互作用主要发生在大气边界层，通过陆面过程和大气边界层的传输来实现（张强等，2017a），主要是两个系统之间的水分和能量交换（Dickinson，1995；Jung et al.，2019；Baker et al.，2021；马耀明等，2021），陆面则通过这种交换与大气密切的联系在一起。一些重大天气过程的发生发展也与陆-气相互作用有关，例如区域气候模拟结果表明陆-气相互作用通过局部和远程效应增加了热浪的持续时间（Fischer et al.，2007）以及气温的变率（Seneviratne et al.，2006），有助于干旱的持续和加剧（Brubaker and Entekhabi，1996；Berg and Sheffield，2018；Cook et al.，2018）。虽然全球的陆地面积小于海洋且仅占地球表面的1/3，但其复杂性远超海洋系统，是气候系统重要的组成部分（Allan et al.，2020）。同时，陆-气相互作用在行星边界层、地表温度和水分状态的日演变中起着至关重要的作用（Santanello et al.，2009；Allan et al.，2020）。

陆-气耦合度可衡量陆面过程对天气气候的影响，表征陆面状态对大气温度、大气湿度、降水或者其他物理过程影响的程度（戴永久，2020；Vicente-Serrano et al.，2020；杨扬等，2021），耦合强度越强的区域，陆面过程对天气和气候的影响就越大。陆-气耦合大气环流模式模拟结果表明强陆-气耦合区域多出现在干湿气候过渡区（Koster et al.，2004；Koster et al.，2006），干旱地区的陆-气耦合强度与土壤湿度异常呈正相关，而湿润地区的陆-气耦合强度与土壤湿度异常呈负相关（张强等，2009；Guo and Dirmeyer，2013；岳平等，2015；Santanello et al.，2019；Zhou et al，2019；邸燕君等，2022）。在干湿气候过渡带，土壤湿度对降水的影响最大，在此过渡带，地表通量对土壤湿度变化具有很强的敏感性，其大小和变化很容易影响到降水（黄建平等，2013）。全球陆地数据同化系统（Global Land Data Assimilation System， GLDAS）的降水分析和土壤湿度之间的相关性研究也表明陆-气耦合较强的区域主要位于干旱向半干旱气候的过渡区或半湿润森林向草原的气候过渡区（Zhang et al.，2008）。地球表面有着各种类型的气候过渡区，东亚夏季季风过渡区位于中国大部分半干旱地区，东亚干旱带对气候变化非常敏感，其陆-气耦合过程非常活跃（曾剑等，2016；张强等，2017b；张强等，2019；Zhang et al.，2020；张良等，2023），位于气候过渡区的陆面通量还呈现出显著的年际变化（Zhang et al.，2023）。在非常干燥的非气候过渡地区，蒸散很弱，蒸散的变化也十分有限，而在非常湿润的非气候过渡区，大气环流的动力学影响对大气状态起着更为重要的作用。

不同生态系统在各个要素演变上存在明显差异，这主要受植被类型、水资源可获取性、土壤特性和气候条件等多种因素共同影响（徐聪等；2022；廖志朗等，2024）。例如，森林生态系统是陆地生态系统的主体和全球气候系统的重要组成部分（刘世荣等，2014），由于其高叶面积指数和强蒸散作用，对局地气候的调节能力较强；而荒漠生态系统则因植被稀疏、蒸散作用有限，其全年能量主要以感热形式交换，对区域能量平衡的影响更为显著（龚婷婷等，2015）。甚至对于农田生态系统来说，不同的季节以及种植不同的作物均会导致地面各要素演变过程中存在差异（万志红等，2016）。同时，全球的非均匀性变暖，也使得不同生态系统对大气的响应有所差异。近一个世纪以来的森林、农田和草地等生态系统对气候变化有很强的响应，诸多生态系统类型的组成、结构和分布已发生明显变化（岳天祥和范泽孟，2014）。

陆-气耦合过程中，地表状态异常会导致地表水热通量的变化，进而影响边界层水汽和稳定度，最终对降水产生影响（Santanello et al.，2019；Zhou et al，2019；邸燕君等，2022）。在这个过程中，地表耦合阶段，即地表状态对地表水热通量的影响是陆面影响大气的初始阶段，其强弱直接影响到陆-气耦合强度（Kumar et al.，2019；Maertens et al.，2021；Mu et al.，2021）。表征地表水分状态的土壤湿度可从多方面影响地表水热通量（Andresen et al.，2020；Sadeghi et al.，2020；Schmidt-Walter et al.，2020；Humphrey et al.，2021；Fairbairn et al.，2023）。一方面，土壤湿度决定了地表蒸散的水分可利用性，对潜热通量有直接影响（Qiu et al.，2016；Lei et al.，2018；Liou et al.，2019；Shrestha et al.，2018；Seo et al.，2019；Yao et al.，2019；Ishola et al.，2020；Hsu and Dirmeyer，2022）；另一方面，由于蒸散的冷却效应降低地表温度，从而改变了地表温度与空气温度之间的差异，进而改变感热通量的强度（Ruosteenoja et al.，2018；Yang et al.，2018；Schumacher et al.，2019；Wang et al.，2019；Ma et al.，2020；Dirmeyer et al.，2021；Kashyap and Kumar，2021）。

目前陆-气耦合研究对地表热力和生态因子考虑不足。理论上，土壤温度和植被状态对地表水热通量也具有重要影响。土壤温度较高可以增大地表与近地层温差，使感热增强，同时地表温度升高还可以使地表饱和水汽压增大，造成陆-气间水汽压差增大，增大潜在蒸散（Kang et al.，2000；Kane et al.，2001；Zhu et al.，2021）。此外，地表温度升高还会增加大气不稳定度，增加湍流强度，有利于感热和潜热通量传输。生态因子方面而言，反映植被生长状况的叶面积指数（Leaf Area Index，LAI）也与地表水热通量存在一定关联，较大的LAI值通常指示着茂密和健康的植被覆盖，较好的植被使地表粗糙度增大（Valayamkunnath et al.，2018；Abdolghafoorian and Farhadi，2019；Gao et al.，2020），促进湍流的产生和传播（Xu et al.，2019；He et al.，2021）。而且，较大的LAI通常伴随着蒸腾作用增加，从而使总蒸散量增加。因此，采用LAI比对研究不同生态系统植被的影响因子及其年际演变特征，有助于深化理解陆-气相互作用在局地的表现，为植被生长情况的估测提供可靠的依据。

当前陆-气耦合研究不仅对热力和生态因子考虑不足，更没有考虑多因子协同作用的影响。同时，不同生态系统水分、热力、生态因子差异显著，对陆-气耦合的影响也还不清楚。本文选取气候过渡区4种不同类型生态系统，包括森林、草地、农田以及稀疏植被生态系统研究气候过渡区不同生态系统之间的陆-气耦合度差异，分析其时空演变特征，并阐述水分（土壤湿度）、热力（土壤温度）及生态（叶面积指数）因子对地表水热通量的影响，定量评估水热生因子对通量变化的贡献率，以期增强对气候过渡区不同生态系统之间的陆-气耦合度差异以及各地表因子对耦合度贡献的认识。

1 研究区、资料及方法

1.1 研究区概况

为了突出气候过渡区不同生态系统间耦合度差异，以及各地表因子对耦合度的贡献，选择的4个站点（表1）代表4种不同的土地覆盖，有相对完整的长时间数据序列（2004—2013年）和来自相同仪器（涡动协方差技术）的观测。

表1   站点地理信息和气候特征

Tab.1  Presentation of geographic information and climatic characteristics of four sites

站点名称地理位置气候过渡区生态系统特征年平均
降水量/mm		地表能量平衡
闭合状况
Metolius Mature Ponderosa Pine121.6°W， 44.4°N地中海气候-温带大陆性气候ENF（常绿针叶林）5230.83
Vaira Ranch-Ione121.0°W， 38.4°N地中海气候-温带草原气候GRA（草地）5590.76
Gebesee10.9°E， 51.1°N温带海洋性气候-温带大陆性气候CRO（农田）4700.65
Santa Rita Mesquite110.9°W， 31.8°N热带沙漠气候-热带草原气候WSA（稀疏植被）3800.70

注：地表能量平衡闭合状况=（感热通量+潜热通量）/净辐射。

新窗口打开| 下载CSV


站点Metolius Mature Ponderosa Pine处于以常绿针叶林为主的地区，森林覆盖率大于60%，高度超过2 m，几乎所有树木终年常绿，夏季炎热干燥，冬季温和多雨；站点Vaira Ranch-Ione处于草本植物覆盖地区，树木和灌木覆盖率低于10%，有明显的干湿季，湿季降水多；站点Gebesee被作物覆盖，有种植期、收获期和土壤裸露期，该地区常年湿润；站点Santa Rita Mesquite所处地区终年高温，长夏无冬，干湿季分明。

1.2 数据来源

采用的逐半小时土壤温度（Soil Temperature，TS）、土壤湿度（Soil Water Content，SWC）、潜热通量（Latent Heat Flux，LH）、感热通量（Sensible Heat Flux，SH）的站点资料均来自FLUXNET（https://fluxnet.org），时段为2004—2013年。相关研究检验了FLUXNET数据集的可靠性（Jaeger et al.，2009；Hoek et al.，2020；徐聪等，2022）。LAI来自NASA（National Aeronautics and Space Administration），获取网址为 https://appears.earthdatacloud.nasa.gov，时间分辨率为半月，水平分辨率为500 m，时段为2004—2013年。LAI有两种类型的样本：地理坐标的点样本和通过矢量多边形框选的空间区域样本，本文采用地理坐标的点样本。SWC、TS和LAI分别代表水、热量以及生态因子，简称“水热生因子”。

1.3 数据处理

为了选择强陆-气耦合的时间段，去除了4个站点逐半小时土壤湿度、土壤温度、潜热通量和感热通量数据的夜间数据，并剔除异常值，对出现异常值的时刻进行了线性插值。由于降水会影响潜热通量和感热通量的传输和分配，研究中删除了降水时刻的土壤湿度、土壤温度、潜热通量和感热通量数据，之后计算月平均值。LAI的月平均值由逐半月数据线性插值得到。

1.4 方法

使用各地表因子与潜热通量和感热通量的相关系数来量化它们之间的关系，进而计算不同生态系统潜热和感热与不同地表因子的复相关系数来研究水热生因子对地表水热通量分配的综合影响。

采用的耦合诊断方法为Pearson相关系数、复相关系数和标准化回归系数。通过计算Pearson相关系数分析地表水热通量对于水热生3个单因子变化的敏感性。Pearson相关系数的公式如下：

r=∑i=1n(Xi-X-)(Yi-Y-)∑i=1n(Xi-X-)2∑i=1n(Yi-Y-)2

式中：X-、Y-分别是Xi样本和Yi样本的平均值。

为了同时考虑水热生3因子对地表水热通量的影响，构建以下多元线性回归方程：

E=b0+b1×SWC+b2×TS+b3×LAI

式中：E表示潜热通量或感热通量，b是偏回归系数。

复相关系数计算公式如下：

R=cov(y,y^)σyσy^=∑(y^i-y-)2∑(yi-y-)2

式中：y^由多元线性回归计算所得，y^=b0+b1×X1+b2×X2+b3×X3+…+bn×Xn；cov(y,y^)为原始样本y与y^的协方差；σy和σy^分别是y和y^的标准差。复相关系数R的取值范围为[0,1]。

多元回归和相关量化了SWC、TS和LAI对地表水热通量耦合的综合影响。此外，为了分解并研究它们对地表水热通量耦合的单独影响，引入标准化回归系数（Bi）（Tang et al.，2018），计算公式为

Bi=bi×σXi/σy

标准化回归系数用于评价地表水热通量（LH或SH，即上式中的σy）的变化对SWC、TS或LAI（即上式中的σXi）变化的敏感性，其中σ表示标准差，而bi通过多元线性回归方程y^=b0+b1×X1+b2×X2+b3×X3+…+bn×Xn计算得到。令X1、X2、X3分别为水分、热力、生态因子，则多元线性回归方程为E=b0+b1×SWC+b2×TS+b3×LAI，E表示潜热通量或感热通量，b是偏回归系数，再计算出各自变量的标准差σ，即可用标准化回归系数的公式来表现水热生因子对于通量的贡献。标准化回归系数通过考虑预测变量和响应变量的标准差，可以直接在不同地点的不同变量之间进行比较，以量化它们对水热通量相对重要性的空间变化。

2 结果与分析

2.1 不同生态系统陆面水热生因子变化特征

水分条件是气候过渡区主要的环境限制因素，首先分析各生态系统土壤湿度（SWC）状态差异。森林的年平均SWC最大，农田次之，稀疏植被最小。由于森林具有水源涵养功能，其SWC高于其他生态系统；稀疏植被由于降水稀少，大气蒸散需求强烈，土壤水分严重亏缺，SWC最小。图1为2004—2013年不同生态系统SWC的时间变化。从SWC的年内变化看，除稀疏植被外，各生态系统的SWC均表现出冬季大夏季小的年内循环特征，森林和草地循环较农田更突出，而稀疏植被的SWC年内变化较小。从年际变化看，草地SWC年际变率最大，森林和农田次之，稀疏植被较小。另外，森林和农田SWC在研究时段内表现出明显变干趋势，这些生态系统可利用的水分正在逐渐减小。处于地中海气候和温带大陆性气候的森林，有充足的水汽条件，且植被相对于草地和农田有更好的储水能力，土壤湿度减小的速率相对较小。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   2004—2013年4个生态系统土壤湿度的月变化（a）和年际变化（b）

（误差棒表示正负1个标准差，下同）

Fig.1   The monthly （a） and yearly （b） variation of SWC for four ecosystems from 2004 to 2013

（Error bars indicate plus or minus one standard deviation，the same as below）


陆面能量是陆-气相互作用的重要方面，以土壤温度（TS）表征陆面热力特性，图2为2004—2013年不同生态系统土壤温度的时间变化。TS年平均值在草地和稀疏植被较大，森林和农田较小，这与其所处的气候带有关。稀疏植被处于热带沙漠气候与热带草原气候过渡区，气温较高，加上植被稀少，短波辐射能受到较少阻挡到达地面，从而使TS常年处于较高水平；农田和森林由于人为灌溉、植物遮挡和吸水作用等，TS相对较低。TS年内变化基本符合辐射年内循环，春夏季太阳辐射强，TS高，秋冬季太阳辐射弱，TS低；草地和农田生态系统TS年际变化较为突出。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   2004—2013年4个生态系统土壤温度的月变化（a）和年际变化（b）

Fig.2   The monthly （a） and yearly （b） variation of soil temperature for four ecosystems from 2004 to 2013


图3为2004—2013年不同生态系统叶面积指数（LAI）时间变化。从年平均值而言，森林植被茂盛，LAI最大，稀疏植被LAI较小。从年内波动看，农田由于种植期、收获期和土壤裸露期的存在，LAI年内变化最大，夏季峰值和冬季低值差别大且不同年份变化剧烈，这可能是不同的种植活动造成的；森林、草地以及稀疏植被LAI的年内变化较小，但森林的年际波动十分明显。比较不同生态系统LAI发现，森林、农田、草地和稀疏植被平均LAI依次减小。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   2004—2013年4个生态系统LAI的月变化（a）和年际变化（b）

Fig.3   The monthly （a） and yearly （b） variation of leaf area index for four ecosystems from 2004 to 2013


2.2 不同生态系统地表水热通量变化特征

受地表水热生因子调控，地表水热通量随之变化，图4为2004—2013年不同生态系统潜热通量（LH）的时间序列。LH年均值森林最大，农田次之，草地较小，稀疏植被最小。森林具有生物多样性和丰富的生态系统功能，植被覆盖率高，蒸腾作用强烈，释放的LH也相对高；草地、农田土壤水分和植被状态略低于森林，LH小于森林。春夏季气温升高、降水增多，蒸散作用旺盛，LH较大，而秋冬季气温较低，季节性蒸发减少，LH也随之降低。值得注意的是，草地的LH峰值出现在4月，其余3个生态系统的LH峰值则出现在夏季。这可能是因为草地的草本植物生长时间较短，加上该草地位于地中海气候与温带草原气候过渡区，充足的水汽使得该地植被在春季就已达到成熟，潜热释放相对于其余生态系统更早。受水热生等气候环境因子年际波动影响，不同生态系统LH的年际变化都比较明显。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   2004—2013年4个生态系统潜热通量的月变化（a）和年际变化（b）

Fig.4   The monthly （a） and yearly （b） variation of latent heat flux for four ecosystems from 2004 to 2013


水热生因子变化同样会引起感热变化，图5为2004—2013年不同生态系统感热通量（SH）的时间序列。通过计算可知，SH年均值稀疏植被最大，森林次之，草地较小，农田最小。稀疏植被缺乏植被保护，太阳辐射可以直接照射地表，使其迅速升温，SH也相对较高；森林和草地水分和植被状态均高于稀疏植被，地表获得的热量减少，因此SH小于稀疏植被；该农田处于温带海洋性气候与温带大陆性气候过渡区，温暖湿润，水汽和人为灌溉的双重影响使得传热效率降低，SH常年较低。由于春夏季气温高，地面温度随之升高，加上春夏季日照时间长，太阳辐射强，地面能量吸收增加，SH较大；秋冬季气温低以及日照时间短，SH也随之降低。受太阳辐射影响，4个生态系统SH均基本在春季和夏季较高，秋季降低，冬季最低。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   2004—2013年4个生态系统感热通量的月变化（a）和年际变化（b）

Fig.5   The monthly （a） and yearly （b） variation of sensible heat flux for four ecosystems from 2004 to 2013


2.3 不同生态系统单因素陆-气耦合度特征

图6为各生态系统中潜热通量（LH）与水热生因子的耦合关系。水分因子（土壤湿度）在草地和稀疏植被系统中与LH均表现为正相关性（r分别为0.54和0.47），耦合程度中等，即SWC升高、LH增加，SWC降低、LH减少。在森林和农田系统中LH与SWC均表现为负相关性（r分别为-0.25和-0.32），为弱耦合，即SWC升高、LH减少，SWC降低、LH增加。LH与SWC在4种生态系统中耦合都不强，因此除SWC外还需要考虑其他因素对LH的影响。在森林和农田中，热力因子（土壤温度）与LH均表现为正相关性（r分别为0.67、0.83），为强耦合，TS可以较好地解释LH的变化；在稀疏植被中，LH与TS表现为正相关性（r=0.36），为弱耦合；在草地中，LH与TS呈负相关（r=-0.51），耦合程度中等。LH与TS在草地和稀疏植被中耦合不强，还需考虑其他因素的影响。森林和农田具有较高的植被覆盖度且树木的根系较深，加上其位于湿润气候条件下，土壤湿度较高，属于能量限制区域，而草地和稀疏植被情况则相反，属于水分限制区域，所以在森林和农田TS和LH正相关，SWC和LH负相关；在稀疏植被水热因子均与LH正相关。LH与生态因子（LAI）在4种生态系统均呈正相关，在草地和稀疏植被中，表现为强耦合（r分别为0.65、0.86），LAI可以较好地解释LH的变化；在农田中，LH与LAI耦合程度中等（r=0.56）；在森林中，LAI与LH弱耦合（r=0.27），需考虑其他因素对耦合的影响。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   不同生态系统潜热通量（LH）与土壤湿度、土壤温度、LAI的散点图

Fig.6   Scatter plots of latent heat flux versus soil moisture， soil temperature and leaf area index for different ecosystems


图7为各生态系统中感热通量（SH）与水热生因子的耦合关系，可以看出，在4种生态系统中，SWC与SH都表现为负相关性。其中，草地和稀疏植被中，SH与SWC为强耦合（r分别为-0.78和-0.72）；森林中，两者耦合强度中等（r=-0.44）；农田中，两者为弱耦合（r=-0.38）。SH与SWC在森林和农田中耦合不强，需考虑其他因素的影响。4种生态系统中，SH与TS都呈正相关；草地、森林和农田中，SH与TS为强耦合（r分别为0.93、0.80、0.75），TS可以较好地解释SH变化；稀疏植被中，SH与TS耦合强度中等（r=0.54）。在草地中，SH与LAI几乎不相关；在森林和农田中，SH与LAI表现为正相关性（r分别为0.41、0.25），为弱耦合；稀疏植被中，SH与LAI呈负相关（r=-0.28），为弱耦合。SH与LAI在草地、农田和稀疏植被中耦合不强，需考虑其他因素的影响。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   不同生态系统感热通量与土壤湿度、土壤温度、LAI的散点图

Fig.7   Scatter plots of sensible heat flux versus soil moisture， soil temperature and leaf area index for different ecosystems


2.4 不同生态系统多元陆-气耦合特征

图8为不同生态系统潜热通量和感热通量的复相关系数和各因子的标准化回归系数（贡献）。可见，在森林系统中，LH多元耦合度R为0.77，相较于水、生单因子耦合度（图6中rLH-SWC=-0.25、rLH-LAI=0.27）有较大提升，相对于热力单因子耦合度（图6中rLH-TS=0.67）提升0.10；从各因子对LH贡献和贡献率（图8和图9）看，水热因子对LH均为正贡献，生物因子为负贡献，且TS对LH的贡献起主导作用，SWC其次，LAI贡献最小。在该生态系统下，TS和SWC直接控制土壤中水分的蒸发，对LH有更直接的影响，LAI与植被生长和覆盖有关，其影响更多地体现在植被蒸腾方面。SH多元耦合度R为0.81，相较于水、生单因子耦合度（图7中rSH-SWC=-0.44、rSH-LAI=0.41）有较大提升，相对于热力单因子耦合度（图7中rSH-TS=0.80）提升0.01；水热生因子对SH均为正贡献，且TS对SH的贡献起主导作用，SWC其次，LAI贡献最小。在该生态系统下，TS和SWC是直接影响感热通量的关键因素，它们控制了土壤和大气之间的热交换，而生物因子的影响相对较小，其效应更多地体现在植被蒸腾方面，通过地表能量平衡发挥间接作用。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8   不同生态系统潜热通量和感热通量的复相关系数（R）和标准化回归系数

（B1、B2、B3分别表示土壤湿度、土壤温度和LAI对通量的贡献）

Fig.8   Complex correlation coefficients （R） and standard regression coefficients of latent heat flux and sensible heat flux for different ecosystems

（B1， B2 and B3 denote the contributions of soil moisture， soil temperature， and LAI to the fluxes， respectively）


图9

新窗口打开| 下载原图ZIP| 生成PPT

图9   平均态不同生态系统土壤湿度、土壤温度、LAI对潜热通量和感热通量的贡献（单位：%）

（越靠近左角代表水分因子的贡献越大；越靠近上角代表热力因子的贡献越大；越靠近右角代表生态因子的贡献越大）

Fig.9   Contributions of soil moisture， soil temperature and LAI to latent heat flux and sensible heat flux in different ecosystems under the mean state （Unit： %）

（The closer to the left corner represents the larger contribution of the moisture factor， the closer to the upper corner represents the larger contribution of the thermal factor， and the closer to the right corner represents the larger contribution of the ecological factor）


在草地生态系统中，LH多元耦合度R=0.87，相较于水热生单因子耦合度（图6中rLH-SWC=0.54、rLH-TS=-0.51、rLH-LAI=0.65）均有较大提升；水、生因子对LH为正贡献，热力因子为负贡献，且LAI对LH的贡献起主导作用，TS其次，SWC贡献最小。在该生态系统下，植被的生长状况和覆盖程度与蒸腾直接相关，而蒸腾和植被的状态是潜热通量的主要驱动力。SH多元耦合度R=0.93，相较于水、生单因子耦合度（图7中rSH-SWC=-0.78、rSH-LAI=0.08）有较大提升，相对于热力单因子（图7中rSH-TS=0.93）几乎没有提升；水、生因子对SH为负贡献，热力因子为正贡献，TS对SH的贡献起主导作用，SWC其次，LAI贡献最小。

在农田生态系统中，LH多元耦合度R=0.86，相较于水、生单因子耦合度（图6中rLH-SWC=-0.32、rLH-LAI=0.56）有较大提升，相对于热力单因子耦合度（图6中rLH-TS=0.83）提升0.03；热、生因子对LH均为正贡献，且TS的贡献起主导作用，LAI其次，SWC几乎没有贡献。SH多元耦合度R=0.76，相较于水、生单因子耦合度（图7中rSH-SWC=-0.38、rSH-LAI=0.25）有较大提升，相对于热力单因子耦合度（图7中rSH-TS=0.75）提升0.01；热力因子对SH为正贡献，水、生因子为负贡献，且TS的贡献起主导作用，LAI其次，SWC贡献最小。

在稀疏植被生态系统中，LH多元耦合度R=0.96，相较于水、热单因子耦合度（图6中rLH-SWC=0.47、rLH-TS=0.36）提升较大，相对于生态单因子耦合度（rLH-LAI=0.86）提升0.10；水热生因子对LH均为正贡献，且LAI的贡献起主导作用，SWC其次，TS贡献最小。SH多元耦合度R=0.83，相较于水热生单因子耦合度（图7中rSH-SWC=-0.72、rSH-TS=0.54、rSH-LAI=-0.28）均有较大提升；热力因子对SH为正贡献，水、生因子为负贡献，且TS的贡献起主导作用，LAI其次，SWC贡献最小。

此外，标准化回归系数可以直接在不同地点的不同变量之间进行比较，以量化它们对湍流通量的相对重要性。通过图8和图9的对比可见，除草地中TS对LH负贡献外，在其余生态系统中TS对LH都为正贡献；除森林外，LAI在3种生态系统中对LH都为正贡献。对LH贡献最大的因子是森林中的TS，其标准化回归系数最大，可达1.020；而对LH贡献最小的因子是农田中的SWC，其标准化回归系数最小，仅有-0.007。TS在4种生态系统中对SH都为正贡献。对SH贡献最大的因子是森林中的TS，其标准化回归系数最大，可达0.960；对SH贡献最小的因子是森林中的LAI，其标准化回归系数最小，仅有0.010。4种生态系统中，水热生因子在稀疏植被中可以较好地解释LH变化，其复相关系数最大（0.96）；水热生因子在草地中可以很好地解释SH变化，其复相关系数最大（0.93）。

为分析干旱条件下，水热生因子对陆-气耦合的贡献，将2003—2014年间降水最少的年份定义为干旱年。图10为平均和少雨干旱年的水热生因子对潜热通量和感热通量的贡献。可以看出，干旱年相对于平均态而言，森林、稀疏植被、农田水分因子对LH的贡献增大（干旱年点往水分方向移动）。其中，森林和稀疏植被中干旱年水分因子的贡献增加较大；草地和稀疏植被中，干旱年生态因子的贡献增大（干旱年往LAI方向移动）。相对于LH，水热生因子对SH的贡献在干旱年较平均态变化更大，各生态系统间的差异也更大。因为在干旱年，地表通常更加炎热，导致地面温度升高，增加地表向大气释放的感热通量，并且干旱条件下，植被可能会凋谢或减少，导致地表反照率增加，高反照率会使地表更容易吸收太阳辐射。干旱年份，在森林和农田中水分和生态因子对SH的贡献有较大增加（干旱年点向右下移动）；在稀疏植被中，生态因子对SH的贡献增大，热力因子的贡献增加较小；草地中，干旱年与平均态几乎没有偏移。

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10   平均态和干旱年不同生态系统土壤湿度、土壤温度、LAI对潜热通量（a）和感热通量（b）的贡献（单位：%）

（六边形代表平均态，五角星代表干旱年，箭头表示平均态到干旱年的偏移情况）

Fig.10   Contributions of soil moisture， soil temperature and LAI to latent heat flux （a） and sensible heat flux （b） in different ecosystems under the mean state and in dry year （Unit： %）

（The hexagon represents the mean state， the pentagram represents the dry year， and the arrows indicate the shift from the mean state to the dry year）


3 结论和讨论

本文基于FLUXNET的土壤温度、土壤湿度、感热通量和潜热通量数据以及来自NASA的叶面积指数数据，对北半球气候过渡区4种不同类型生态系统（森林、草地、农田以及稀疏植被）的陆-气耦合度差异以及各因子对耦合度的贡献进行了研究，得到如下结论。

1 ）潜热通量和感热通量与土壤湿度、土壤温度和LAI单因子耦合的情况下，不同生态系统中地表通量与地表变量的单因子耦合度差异较大。潜热通量与土壤湿度在草地耦合最强（r=0.54），与土壤温度在农田耦合最强（r=0.83），与LAI在稀疏植被耦合最强（r=0.86）；感热通量与土壤湿度、土壤温度在草地耦合最强（r分别为-0.78、0.93），与LAI在森林耦合最强（r=0.41）。总体而言，与潜热通量和感热通量耦合最强的分别是稀疏植被中的LAI和草地中的土壤温度。

2 ）地表通量与地表变量的多因子耦合明显优于单因子耦合，稀疏植被潜热通量与地表多因子的耦合强度较强（R=0.96），较单因子耦合度最大提升0.60；草地感热通量多元耦合强度较强（R=0.93），较单因子耦合度最大提升0.85。

3 ）对于潜热通量，草地LAI的贡献占主导，稀疏植被由土壤湿度和LAI贡献共同主导，农田和森林由土壤温度主导；对于感热通量，草地、农田和森林由土壤温度贡献主导，稀疏植被由LAI和土壤温度贡献共同主导。

4 ）干旱条件下，森林和稀疏植被中水分因子对潜热通量的贡献增大，草地中生态因子对潜热通量的贡献增大；森林和农田中水分和生态因子对感热通量的贡献大幅增加，稀疏植被中生态因子对感热通量的贡献增加明显。

本文的研究结果突出了气候过渡区不同生态系统之间的陆-气耦合度差异以及地表因子对耦合度的贡献，其新颖之处在于应用地表水热通量与水热生多因子耦合之间的关系，并量化了水热生多因子耦合的相对重要性。但仅考虑了水热生因子对地表水热通量的线性影响，而未考虑非线性部分。考虑非线性影响时，需要引入非线性模型或考虑参数之间的交互作用。在各生态系统中，湍流通量与水热生因子之间的关系可能是非线性的，可以采取非线性模型、广义可加模型、分段线性模型等来考虑这种非线性影响。此外，除了土壤湿度、土壤温度、LAI外，风也是影响水热平流和水热通量的重要因素之一，风可以通过气流的运动和输送改变大气中水汽和热量的分布，从而影响地表和大气之间的水热交换；风还可以通过增加对流换热来影响感热的传递（Bentamy et al.，2003；Hirano et al.，2016；Nieto et al.，2019；Liu et al.，2020），所以还可以考虑风等其他因子对耦合度的贡献。生态系统的效益和功能是地球生命支持系统的重要组成部分，是人类生存和发展的物质基础和基本条件（张志强等，2001），除本文所选取的4种生态系统外，还存在其他生态系统，例如：湿地、山地、河流和湖泊、草沼湿地生态系统等，要全面理解气候过渡区不同生态系统之间的陆-气耦合度差异还需要进一步研究更多类型的生态系统。

参考文献

戴永久, 2020.

陆面过程模式研发中的问题

[J]. 大气科学学报, 43(1):33-38.

[本文引用: 1]

邸燕君, 曾鼎文, 张文波, 等, 2022.

亚洲东部和南部土壤干湿状态对陆气耦合的影响分析

[J]. 干旱气象, 40(3):345-353.

DOI      [本文引用: 2]

基于1979—2020年5—8月欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts, ECMWF）第五代全球大气再分析产品——ERA5逐日数据计算了3个度量陆气耦合强度的指数,分析了亚洲东部和南部区域陆气耦合的气候态特征及其在不同土壤干湿条件下的差异。结果表明,从气候态看,华北-东北、青藏高原、印度、中国云南-东南亚和中纬度干旱带为较强陆气耦合区。在华北-东北、青藏高原、印度、中国云南-东南亚地区,土壤越干,陆气耦合强度越大,这种因土壤湿度不同而导致的耦合强度的显著差异,存在于从土壤湿度到蒸散发,再从蒸散发到边界层水汽和不稳定度的各耦合过程中,产生这种差异的主要原因是上述区域土壤湿度变率较大。而在中纬度干旱带,由于土壤湿度值及其变率均很小,耦合强度随土壤干湿条件变化无明显差异。华南为弱陆气耦合区,只有土壤偏干时,土壤湿度和蒸散发之间才能发生显著耦合,而蒸散发和边界层在所有土壤干湿条件下均不发生显著耦合。

龚婷婷, 雷慧闽, 焦阳, 等, 2015.

黄土高原农牧交错带稀疏自然植被生态系统的地表能量特征

[J]. 应用生态学报, 26(6):1625-1 633.

[本文引用: 1]

黄建平, 季明霞, 刘玉芝, 等, 2013.

干旱半干旱区气候变化研究综述

[J]. 气候变化研究进展, 9(1):9-14.

[本文引用: 1]

刘世荣, 温远光, 蔡道雄, 等, 2014.

气候变化对森林的影响与多尺度适应性管理研究进展

[J]. 广西科学, 21(5):419-435.

[本文引用: 1]

廖志朗, 欧虹伶, 欧阳家萌, 等, 2024.

地表蒸散发遥感产品在不同生态系统的评估

[J]. 气象研究与应用, 45(2):57-62.

[本文引用: 1]

马耀明, 胡泽勇, 王宾宾, 等, 2021.

青藏高原多圈层地气相互作用过程研究进展和回顾

[J]. 高原气象, 40(6):1241-1 262.

[本文引用: 1]

万志红, 李荣平, 周广胜, 等, 2016.

锦州地区玉米农田生态系统水汽通量变化特征及其调控机制

[J]. 气象与环境学报, 32(6):155-159.

[本文引用: 1]

徐聪, 朱高峰, 朱永泰, 等, 2022.

SiB2模型对不同生态系统的能量通量模拟性能研究

[J]. 兰州大学学报:自然科学版, 58(5):631-640.

[本文引用: 2]

岳平, 张强, 赵文, 等, 2015.

黄土高原半干旱草地近地层湍流温湿特征及总体输送系数

[J]. 高原气象, 34(1):21-29.

DOI      [本文引用: 1]

利用兰州大学半干旱气候与环境观测站(简称SACOL站)2008年夏季晴天近地层湍流观测资料, 分析了SACOL站近地层湍流温、湿统计特征, 确定了大气动力学和热力学粗糙度长度, 讨论了总体输送系数随大气稳定度的变化规律.结果表明, 大气层结不稳定条件下, 无量纲温度和比湿脉动方差与稳定度Z/L之间均满足-1/3次规律; 大气层结稳定条件下, 温湿脉动方差总体趋势是随大气稳定度增加而减小.水汽通量全天大于零, 最大值为0.063 g·m<sup>-2</sup>·s<sup>-1</sup>, 地表日平均蒸发量为1.9 mm.中性条件下, 黄土高原半干旱草地动力学粗糙度长度为6.6×10<sup>-3</sup> m, 热力学粗糙度为1.85×10<sup>-5</sup> m.大气层结不稳定条件下, C<sub>D</sub>平均值为4.4×10<sup>-3</sup>, C<sub>H</sub>平均值为3.9×10<sup>-3</sup>; 中性条件下, C<sub>D</sub>和C<sub>H</sub>平均值分别为4.2×10<sup>-3</sup>和2.8×10<sup>-3</sup>; 层结稳定条件下, C<sub>D</sub>平均值为3.1×10<sup>-3</sup>, C<sub>H</sub>平均值为2.1×10<sup>-3</sup>, 表明总体输送系数随稳定度的增大而减小.

岳天祥, 范泽孟, 2014.

典型陆地生态系统对气候变化响应的定量研究

[J]. 科学通报, 59(3):217-231.

[本文引用: 1]

杨扬, 杨启东, 王芝兰, 等, 2021.

中国区域陆气耦合强度的时空分布特征

[J]. 干旱气象, 39(3):374-385.

[本文引用: 1]

曾剑, 张强, 王春玲, 2016.

东亚夏季风边缘摆动区陆面能量时空分布规律及其与气候环境的关系

[J]. 气象学报, 74(6):876-888.

[本文引用: 1]

张强, 王蓉, 岳平, 等, 2017a.

复杂条件陆-气相互作用研究领域有关科学问题探讨

[J]. 气象学报, 75(1):39-56.

[本文引用: 1]

张强, 王胜, 张杰, 等, 2009.

干旱区陆面过程和大气边界层研究进展

[J]. 地球科学进展, 24(11):1185-1 194.

[本文引用: 1]

张强, 岳平, 张良, 等, 2019.

夏季风过渡区的陆-气相互作用:述评与展望

[J]. 气象学报, 77(4):758-773.

[本文引用: 1]

张强, 张红丽, 张良, 等, 2017b.

论我国夏季风影响过渡区及其陆-气相互作用问题

[J]. 地球科学进展, 32(10):1009-1 019.

[本文引用: 1]

张良, 张强, 王润元, 等, 2023.

我国夏季风过渡区陆-气相互作用研究的新进展

[J]. 干旱气象, 41(4):519-530.

DOI      [本文引用: 1]

中国夏季风过渡区是全球陆-气相互作用强盛区域之一，也是极端天气灾害频发且易造成严重经济损失的区域，对过渡区陆-气相互作用的进一步认识将有助于提升该区域防灾减灾能力。以近年来中国气象局干旱气候变化与减灾重点实验室为平台开展的夏季风过渡区相关项目群取得的研究成果为基础，对过渡区陆-气相互作用时空分布规律、陆面水分收支对夏季风响应新特征、边界层时空变化特征及发展机制、季风与陆-气相互作用对区域气候影响、陆-气相互作用对作物产量影响以及多因子和多尺度动力学粗糙度参数化方案等方面的新进展进行系统总结，并根据夏季风过渡区陆-气作用研究的发展趋势，提出今后应在侧重加强陆-气交换多循环过程对夏季风年循环响应规律研究基础上，探讨陆-气相互作用对夏季风的多尺度动态响应，建立地表过程和大气边界层关键物理量的气候动力学关系，以改进和提升区域气候模式模拟水平。该工作对推动我国陆-气耦合过程的研究具有重要意义。

张志强, 徐中民, 程国栋, 2001.

生态系统服务与自然资本价值评估

[J]. 生态学报, 21(11):1918-1 926.

[本文引用: 1]

朱建华, 侯振宏, 张治军, 等, 2007.

气候变化与森林生态系统:影响、脆弱性与适应性

[J]. 林业科学, 2007(11):138-145.

[本文引用: 1]

ABDOLGHAFOORIAN A, FARHADI L, 2019.

Estimation of surface turbulent fluxes from land surface moisture and temperature via a variational data assimilation framework

[J]. Water Resources Research, 55(6): 4 648-4 667. DOI: 10.1029/2018WR024580.

[本文引用: 1]

ALLAN R P, BARLOW M, BYRNE M P, et al, 2020.

Advances in understanding large-scale responses of the water cycle to climate change

[J]. Annals of the New York Academy of Sciences, 1472(1): 49-75. DOI: 10.1111/nyas. 14337.

PMID      [本文引用: 2]

Globally, thermodynamics explains an increase in atmospheric water vapor with warming of around 7%/°C near to the surface. In contrast, global precipitation and evaporation are constrained by the Earth's energy balance to increase at ∼2-3%/°C. However, this rate of increase is suppressed by rapid atmospheric adjustments in response to greenhouse gases and absorbing aerosols that directly alter the atmospheric energy budget. Rapid adjustments to forcings, cooling effects from scattering aerosol, and observational uncertainty can explain why observed global precipitation responses are currently difficult to detect but are expected to emerge and accelerate as warming increases and aerosol forcing diminishes. Precipitation increases with warming are expected to be smaller over land than ocean due to limitations on moisture convergence, exacerbated by feedbacks and affected by rapid adjustments. Thermodynamic increases in atmospheric moisture fluxes amplify wet and dry events, driving an intensification of precipitation extremes. The rate of intensification can deviate from a simple thermodynamic response due to in-storm and larger-scale feedback processes, while changes in large-scale dynamics and catchment characteristics further modulate the frequency of flooding in response to precipitation increases. Changes in atmospheric circulation in response to radiative forcing and evolving surface temperature patterns are capable of dominating water cycle changes in some regions. Moreover, the direct impact of human activities on the water cycle through water abstraction, irrigation, and land use change is already a significant component of regional water cycle change and is expected to further increase in importance as water demand grows with global population.© 2020 The Authors. Annals of the New York Academy of Sciences published by Wiley Periodicals, Inc. on behalf of New York Academy of Sciences.

ANDRESEN C G, LAWRENCE D M, WILSON C J, et al, 2020.

Soil moisture and hydrology projections of the permafrost region-a model intercomparison

[J]. The Cryosphere, 14(2): 445-459. DOI: 10.5194/tc-14-445-2020.

[本文引用: 1]

BAKER J C A, CASTILHO DE SOUZA D, KUBOTA P Y, et al, 2021.

An assessment of land-atmosphere interactions over south America using satellites, reanalysis, and two global climate models

[J]. Journal of Hydrometeorology, 22(4): 905-922. DOI: 10.1175/JHM-D-20-0132.1.

[本文引用: 1]

BENTAMY A, KATSAROS K B, MESTAS-NUÑEZ A M, et al, 2003.

Satellite estimates of wind speed and latent heat flux over the global oceans

[J]. Journal of Climate, 16(4): 637-656.

[本文引用: 1]

BERG A, SHEFFIELD J, 2018.

Climate change and drought: The soil moisture perspective

[J]. Current Climate Change Reports, 4(2): 180-191. DOI: 10.1007/s40641-018-0095-0.

[本文引用: 1]

BRUBAKER K L, ENTEKHABI D, 1996.

Analysis of feedback mechanisms in land-atmosphere interaction

[J]. Water Resources Research, 32(5): 1 343-1 357. DOI: 10.1029/96WR00005.

[本文引用: 1]

BUTTERWORTH B J, DESAI A R, TOWNSEND P A, et al, 2021.

Connecting land-atmosphere interactions to surface heterogeneity in CHEESEHEAD19

[J]. Bulletin of the American Meteorological Society, 102(2): E421-E445. DOI: 10.1175/BAMS-D-19-0346.1.

[本文引用: 1]

COOK B I, MANKIN J S, ANCHUKAITIS K J, 2018.

Climate change and drought: From past to future

[J]. Current Climate Change Reports, 4(2): 164-179. DOI: 10.1007/S40641-018-0093-2.

[本文引用: 1]

DICKINSON R E, 1995.

Land-atmosphere interaction

[J]. Reviews of Geophysics, 33(S2): 917-922. DOI: 10.1029/95RG00284.

[本文引用: 1]

DIRMEYER P A, BALSAMO G, BLYTH E M, et al, 2021.

Land-atmosphere interactions exacerbated the drought and heatwave over northern Europe during summer 2018

[J]. AGU Advances, 2(2): e2020AV000283. DOI: 10.1029/2020AV000283.

[本文引用: 1]

DIRMEYER P A, WANG Z Y, MBUH M J, et al, 2014.

Intensified land surface control on boundary layer growth in a changing climate

[J]. Geophysical Research Letters, 41(4): 1 290-1 294. DOI: 10.1002/2013GL058826.

[本文引用: 1]

FAIRBAIRN L, REZANEZHAD F, GHARASOO M, et al, 2023.

Relationship between soil CO2fluxes and soil moisture: Anaerobic sources explain fluxes at high water content

[J]. Geoderma, 434: 116493. DOI: 10.1016/j.geoderma.2023.116493.

[本文引用: 1]

FISCHER E M, SENEVIRATNE S I, LÜTHI D, et al, 2007.

Contribution of land‐atmosphere coupling to recent European summer heat waves

[J]. Geophysical Research Letters, 34(6): 2006GL029068. DOI: 10.1029/2006GL029068.

[本文引用: 1]

GAO B, FARNSWORTH J, SMITS K M, 2020.

Evaporation from undulating soil surfaces under turbulent airflow through numerical and experimental approaches

[J]. Vadose Zone Journal, 19(1): e20038. DOI: 10.1002/vzj2.20038.

[本文引用: 1]

GUO Z C, DIRMEYER P A, 2013.

Interannual variability of land-atmosphere coupling strength

[J]. Journal of Hydrometeorology, 14(5): 1 636-1 646. DOI: 10.1175/JHM-D-12-0171.1.

[本文引用: 1]

HE X L, XU T R, BATENI S M, et al, 2021.

Estimation of turbulent heat fluxes and gross primary productivity by assimilating land surface temperature and leaf area index

[J]. Water Resources Research, 57(11): e2020WR028224. DOI: 10.1029/2020WR028224.

[本文引用: 1]

HIRANO D, FUKAMACHI Y, WATANABE E, et al, 2016.

A wind-driven, hybrid latent and sensible heat coastal polynya off Barrow, Alaska

[J]. Journal of Geophysical Research: Oceans, 121(1): 980-997. DOI: 10.1002/2015 JC011318.

[本文引用: 1]

HOEK VAN DIJKE A J, MALLICK K, SCHLERF M, et al, 2020.

Examining the link between vegetation leaf area and land-atmosphere exchange of water, energy, and carbon fluxes using FLUXNET data

[J]. Biogeosciences, 17(17): 4 443-4 457. DOI: 10.5194/bg-17-4443-2020.

[本文引用: 1]

HSU H, DIRMEYER P A, 2022.

Deconstructing the soil moisture-latent heat flux relationship: The range of coupling regimes experienced and the presence of nonlinearity within the sensitive regime

[J]. Journal of Hydrometeorology, 23(7): 1 041-1 057. DOI: 10.1175/JHM-D-21-0224.1.

[本文引用: 1]

HUMPHREY V, BERG A, CIAIS P, et al, 2021.

Soil moisture-atmosphere feedback dominates land carbon uptake variability

[J]. Nature, 592(7852): 65-69. DOI: 10.1038/s41586-021-03325-5.

[本文引用: 1]

ISHOLA K A, MILLS G, FEALY R M, et al, 2020.

Improving a land surface scheme for estimating sensible and latent heat fluxes above grasslands with contrasting soil moisture zones

[J]. Agricultural and Forest Meteorology, 294: 108151. DOI: 10.1016/j.agrformet.2020.108151.

[本文引用: 1]

JAEGER E B, STÖCKLI R, SENEVIRATNE S I, 2009.

Analysis of planetary boundary layer fluxes and land-atmosphere coupling in the regional climate model CLM

[J]. Journal of Geophysical Research: Atmospheres, 114(D17): 2008JD 011658. DOI: 10.1029/2008JD011658.

[本文引用: 1]

JUNG M, KOIRALA S, WEBER U, et al, 2019.

The FLUXCOM ensemble of global land-atmosphere energy fluxes

[J]. Scientific Data, 6(1): 74. DOI: 10.1038/s41597-019-0076-8.

[本文引用: 2]

KANE D L, HINKEL K M, GOERING D J, et al, 2001.

Non-conductive heat transfer associated with frozen soils

[J]. Global and Planetary Change, 29(3/4): 275-292. DOI: 10.1016/S0921-8181(01)00095-9.

[本文引用: 1]

KANG S, KIM S, OH S, et al, 2000.

Predicting spatial and temporal patterns of soil temperature based on topography, surface cover and air temperature

[J]. Forest Ecology and Management, 136(1/3): 173-184. DOI: 10.1016/S0378-1127(99)00290-X.

[本文引用: 1]

KASHYAP B, KUMAR R, 2021.

Sensing methodologies in agriculture for soil moisture and nutrient monitoring

[J]. IEEE Access, 9: 14 095-14 121. DOI: 10.1109/ACCESS. 2021.3052478.

[本文引用: 1]

KOSTER R D, DIRMEYER P A, GUO Z C, et al, 2004.

Regions of strong coupling between soil moisture and precipitation

[J]. Science, 305(5687): 1 138-1 140. DOI: 10.1126/science.1100217.

[本文引用: 1]

KOSTER R D, SUD Y C, GUO Z C, et al, 2006.

GLACE: The global land-atmosphere coupling experiment. Part I: Overview

[J]. Journal of Hydrometeorology, 7(4): 590-610. DOI: 10.1175/JHM510.1.

[本文引用: 1]

KUMAR S V, MOCKO D M, WANG S G, et al, 2019.

Assimilation of remotely sensed leaf area index into the Noah-MP land surface model: Impacts on water and carbon fluxes and states over the continental United States

[J]. Journal of Hydrometeorology, 20(7): 1 359-1 377. DOI: 10.1175/JHM-D-18-0237.1.

[本文引用: 1]

LEI F N, CROW W T, HOLMES T R H, et al, 2018.

Global investigation of soil moisture and latent heat flux coupling strength

[J]. Water Resources Research, 54(10): 8 196-8 215. DOI: 10.1029/2018WR023469.

[本文引用: 1]

LIOU Y A, LE M S, CHIEN H, 2019.

Normalized difference latent heat index for remote sensing of land surface energy fluxes

[J]. IEEE Transactions on Geoscience and Remote Sensing, 57(3): 1 423-1 433. DOI: 10.1109/TGRS.2018. 2866555.

[本文引用: 1]

LIU Y, LU M, YANG H, et al, 2020.

Land-atmosphere-ocean coupling associated with the Tibetan Plateau and its climate impacts

[J]. National Science Review, 7(3): 534-552. DOI: 10.1093/nsr/nwaa011.

PMID      [本文引用: 2]

This paper reviews recent advances regarding land-atmosphere-ocean coupling associated with the Tibetan Plateau (TP) and its climatic impacts. Thermal forcing over the TP interacts strongly with that over the Iranian Plateau, forming a coupled heating system that elevates the tropopause, generates a monsoonal meridional circulation over South Asia and creates conditions of large-scale ascent favorable for Asian summer monsoon development. TP heating leads to intensification and westward extension (northward movement) of the South Asian High (Atlantic Intertropical Convergence Zone), and exerts strong impacts on upstream climate variations from North Atlantic to West Asia. It also affects oceanic circulation and buoyancy fields via atmospheric stationary wave trains and air-sea interaction processes, contributing to formation of the Atlantic Meridional Overturning Circulation. The TP thermal state and atmospheric-oceanic conditions are highly interactive and Asian summer monsoon variability is controlled synergistically by internal TP variability and external forcing factors.© The Author(s) 2020. Published by Oxford University Press on behalf of China Science Publishing & Media Ltd.

MA Y M, HU Z Y, XIE Z P, et al, 2020.

A long-term (2005-2016) dataset of hourly integrated land-atmosphere interaction observations on the Tibetan Plateau

[J]. Earth System Science Data, 12(4): 2 937-2 957. DOI: 10.5194/essd-12-2937-2020.

[本文引用: 1]

MAERTENS M, DE LANNOY G J M, APERS S, et al, 2021.

Land surface modeling over the dry Chaco: The impact of model structures, and soil, vegetation and land cover parameters

[J]. Hydrology and Earth System Sciences, 25(7): 4 099-4 125. DOI: 10.5194/hess-25-4099-2021.

[本文引用: 1]

MU M Y, DE KAUWE M G, UKKOLA A M, et al, 2021.

Evaluating a land surface model at a water-limited site: Implications for land surface contributions to droughts and heatwaves

[J]. Hydrology and Earth System Sciences, 25(1): 447-471. DOI: 10.5194/hess-25-447-2021.

[本文引用: 1]

NIETO H, KUSTAS W P, ALFIERI J G, et al, 2019.

Impact of different within-canopy wind attenuation formulations on modelling sensible heat flux using TSEB

[J]. Irrigation Science, 37(3): 315-331. DOI: 10.1007/s00271-018-0611-y.

[本文引用: 1]

QIU J X, CROW W T, NEARING G S, 2016.

The impact of vertical measurement depth on the information content of soil moisture for latent heat flux estimation

[J]. Journal of Hydrometeorology, 17(9): 2 419-2 430. DOI: 10.1175/JHM-D-16-0044.1.

[本文引用: 1]

RUOSTEENOJA K, MARKKANEN T, VENÄLÄINEN A, et al, 2018.

Seasonal soil moisture and drought occurrence in Europe in CMIP5 projections for the 21st century

[J]. Climate Dynamics, 50(3): 1 177-1 192. DOI: 10.1007/s00382-017-3671-4.

[本文引用: 1]

SADEGHI M, EBTEHAJ A, CROW W T, et al, 2020.

Global estimates of land surface water fluxes from SMOS and SMAP satellite soil moisture data

[J]. Journal of Hydrometeorology, 21(2): 241-253. DOI: 10.1175/JHM-D-19-0150.1.

[本文引用: 1]

SANTANELLO J A JR, LAWSTON P, KUMAR S, et al, 2019.

Understanding the impacts of soil moisture initial conditions on NWP in the context of land-atmosphere coupling

[J]. Journal of Hydrometeorology, 20(5): 793-819. DOI: 10.1175/JHM-D-18-0186.1.

[本文引用: 2]

SANTANELLO J A JR, PETERS-LIDARD C D, KUMAR S V, et al, 2009.

A modeling and observational framework for diagnosing local land-atmosphere coupling on diurnal time scales

[J]. Journal of Hydrometeorology, 10(3): 577-599. DOI: 10.1175/2009JHM1066.1.

[本文引用: 1]

SCHMIDT-WALTER P, TROTSIUK V, MEUSBURGER K, et al, 2020.

Advancing simulations of water fluxes, soil moisture and drought stress by using the LWF-Brook90 hydrological model in R

[J]. Agricultural and Forest Meteorology, 291: 108023. DOI: 10.1016/j.agrformet. 2020. 108023.

[本文引用: 1]

SCHUMACHER D L, KEUNE J, VAN HEERWAARDEN C C, et al, 2019.

Amplification of mega-heatwaves through heat torrents fuelled by upwind drought

[J]. Nature Geoscience, 12(9): 712-717. DOI: 10.1038/s41561-019-0431-6.

[本文引用: 1]

SENEVIRATNE S I, LÜTHI D, LITSCHI M, et al, 2006.

Land-atmosphere coupling and climate change in Europe

[J]. Nature, 443(7108): 205-209. DOI: 10.1038/nature05095.

[本文引用: 1]

SEO E, LEE M I, JEONG J H, et al, 2019.

Impact of soil moisture initialization on boreal summer subseasonal forecasts: Mid-latitude surface air temperature and heat wave events

[J]. Climate Dynamics, 52: 1 695-1 709. DOI: 10.1007/s00382-018-4221-4.

[本文引用: 1]

SHRESTHA P, KURTZ W, VOGEL G, et al, 2018.

Connection between root zone soil moisture and surface energy flux partitioning using modeling, observations, and data assimilation for a temperate grassland site in Germany

[J]. Journal of Geophysical Research: Biogeosciences, 123(9): 2 839-2 862. DOI: 10.1029/2016JG003753.

[本文引用: 1]

TANG Q, XIE S, ZHANG Y, et al, 2018.

Heterogeneity in warm-season land-atmosphere coupling over the US Southern Great Plains

[J]. Journal of Geophysical Research: Atmospheres, 123(15): 7 867-7 882. DOI: 10.1029/2018 JD028463.

[本文引用: 1]

VALAYAMKUNNATH P, SRIDHAR V, ZHAO W G, et al, 2018.

Intercomparison of surface energy fluxes, soil moisture, and evapotranspiration from eddy covariance, large-aperture scintillometer, and modeling across three ecosystems in a semiarid climate

[J]. Agricultural and Forest Meteorology, 248: 22-47. DOI: 10.1016/j.agrformet.2017. 08.025.

[本文引用: 1]

VICENTE-SERRANO S M, MCVICAR T R, MIRALLES D G, et al, 2020.

Unraveling the influence of atmospheric evaporative demand on drought and its response to climate change

[J]. Wiley Interdisciplinary Reviews: Climate Change, 11(2): e632. DOI: 10.1002/wcc.632.

[本文引用: 1]

WANG C, FU B J, ZHANG L, et al, 2019.

Soil moisture-plant interactions: An ecohydrological review

[J]. Journal of Soils and Sediments, 19(1): 1-9. DOI: 10.1007/s11368-018-2167-0.

[本文引用: 1]

PurposeSoil moisture is a key ecohydrological variable in the soil-plant-atmosphere systems; understanding soil moisture-plant interactions is at the core of ecohydrology research. Here we review the current state of knowledge regarding soil moisture-plant interactions and the ecohydrological effects of soil moisture dynamics. Approaches for investigating soil moisture-plant interactions are also reviewed, with emphasis on their ability to predict plant/ecosystem responses to soil moisture variations under environment change.ResultsThe status and distribution of soil moisture affect ecohydrological processes such as runoff, infiltration and evaporation and plant morphology and function (e.g. transpiration and photosynthetic rate). Plants also affect soil moisture dynamics through its involvement in the water cycle. Soil moisture, evapotranspiration and atmospheric factors (e.g. vapour pressure deficit) are closely linked in transitional soil moisture regimes (ranging from dry to wet soil conditions), the identification of which is critical for quantifying these relationships under different soil moisture conditions. Clarifying the mechanisms of soil moisture-plant interactions can aid in the development of soil moisture models, especially those comprising detailed process representation and feedback.Future perspectives and conclusionsLong-term controlled experiments examining soil moisture dynamics and a meta-analysis of the results are useful for elucidating and quantifying the soil moisture-plant interactions. Soil moisture models are important tools for predicting changes in soil moisture-plant interactions. Simplifying descriptions of each process in models is important; moreover, optimality-based models can provide novel insights that would allow prediction of plant responses to changes in soil moisture dynamics due to environment fluctuations.

XU T R, HE X L, BATENI S M, et al, 2019.

Mapping regional turbulent heat fluxes via variational assimilation of land surface temperature data from polar orbiting satellites

[J]. Remote Sensing of Environment, 221: 444-461. DOI: 10.1016/j.rse.2018.11.023.

[本文引用: 1]

YANG L B, SUN G Q, ZHI L, et al, 2018.

Negative soil moisture-precipitation feedback in dry and wet regions

[J]. Scientific Reports, 8(1): 4026. DOI: 10.1038/s41598-018-22394-7.

[本文引用: 1]

YAO Y J, ZHANG Y H, LIU Q, et al, 2019.

Evaluation of a satellite-derived model parameterized by three soil moisture constraints to estimate terrestrial latent heat flux in the Heihe River basin of Northwest China

[J]. Science of the Total Environment, 695: 133787. DOI: 10.1016/j.scitotenv.2019.133787.

[本文引用: 1]

ZHANG J Y, WANG W C, WEI J F, 2008.

Assessing land-atmosphere coupling using soil moisture from the Global Land Data Assimilation System and observational precipitation

[J]. Journal of Geophysical Research: Atmospheres, 113(D17): 2008JD009807. DOI: 10.1029/2008JD009807.

[本文引用: 1]

ZHANG Q, ZENG J, YUE P, et al, 2020.

On the land-atmosphere interaction in the summer monsoon transition zone in East Asia

[J]. Theoretical and Applied Climatology, 141(3): 1 165-1 180. DOI: 10.1007/s00704-020-03239-8

[本文引用: 1]

ZHANG L, SHA S, ZHANG Q, et al, 2023.

Investigating the coupling relationship between soil moisture and evaporative fraction over China’s transitional climate zone

[J]. Hydrology, 10(12): 221. DOI: 10.3390/hydrology10120221.

[本文引用: 1]

ZHOU S, PARK WILLIAMS A, BERG A M, et al, 2019.

Land-atmosphere feedbacks exacerbate concurrent soil drought and atmospheric aridity

[J]. Proceedings of the National Academy of Sciences, 116(38): 18 848-18 853. DOI: 10.1073/pnas.190495511.

[本文引用: 2]

ZHU L Y, JIANG C S, PANTHI S, et al, 2021.

Impact of high precipitation and temperature events on the distribution of emerging contaminants in surface water in the Mid-Atlantic, United States

[J]. Science of the Total Environment, 755: 142552. DOI: 10.1016/j.scitotenv.2020.142552.

[本文引用: 1]

/

〈 〉



陇ICP备09004376

Copyright © 2019 《干旱气象》 编辑部

地址： 甘肃省兰州市东岗东路2070号，中国气象局兰州干旱气象研究所 730020

电话： 0931-2402270、0931-2402775   Email：ghqx@iamcma.cn、ghs_ghqx@sina.com

技术支持: 北京玛格泰克科技发展有限公司

访问总数: 当日访问总数: 当前在线人数: