摘 要：生態(tài)系統(tǒng)水分利用效率（Water Use Efficiency，WUE）能很好地解釋生態(tài)系統(tǒng)水損失和碳增益間的權(quán)衡，揭示W(wǎng)UE的時(shí)空格局及內(nèi)在驅(qū)動(dòng)機(jī)制有助于理解流域內(nèi)植物生態(tài)策略及水資源循環(huán)過程?；陂L(zhǎng)江流域長(zhǎng)時(shí)序的衛(wèi)星遙感數(shù)據(jù)，利用趨勢(shì)分析、方差分解及Hurst指數(shù)等方法分析了2010—2019年生態(tài)系統(tǒng)總初級(jí)生產(chǎn)力（Gross Primary Productivity，GPP）、蒸散量（Evapotranspiration，ET）和WUE的時(shí)空特征，并探究GPP與ET對(duì)WUE的貢獻(xiàn)度，以及該貢獻(xiàn)度變化趨勢(shì)的持續(xù)狀態(tài)。結(jié)果表明：①流域內(nèi)WUE的分布呈現(xiàn)自上游向下游遞增的空間格局，年際變化趨勢(shì)為0. 013 gc（/ m2·a）；②流域內(nèi)GPP、ET及交互作用對(duì)WUE的貢獻(xiàn)度總體年際變化趨勢(shì)分別為-0. 003 5、-0. 005 1、0. 009 6/a，且在不同的氣候分區(qū)間差異較大；③流域內(nèi)GPP、ET及交互作用對(duì)WUE的貢獻(xiàn)度年際變化的Hurst指數(shù)分別為0. 51、0. 60和0. 61，表明持續(xù)狀態(tài)均為正向持續(xù)性，但在各氣候分區(qū)間差異較大。揭示了WUE的時(shí)空格局及內(nèi)在驅(qū)動(dòng)機(jī)制，對(duì)于應(yīng)對(duì)環(huán)境變化對(duì)生態(tài)系統(tǒng)碳、水循環(huán)過程的影響至關(guān)重要。

關(guān)鍵詞：水分利用效率；方差分解分析；Hurst指數(shù)；驅(qū)動(dòng)因素；長(zhǎng)江流域

中圖分類號(hào)：TV1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1001-9235（2025）03-0082-11

Spatio-Temporal Evolution Characteristics and Driving Analysis of Ecosystem Water Use"Efficiency in Yangtze River Basin

ZHANG Ping， CHEN Yanfei*， DING Jiawei， XU Shubang

（College of Resources And Environment， Yangtze University， Wuhan 430100， China）

Abstract： Ecosystem water use efficiency （WUE） is a good explanation of the trade-off between water loss and carbon gain in ecosystems. Uncovering the spatio-temporal patterns of WUE and the underlying driving mechanisms can help to understand the ecological strategies of plants and water cycling processes in basins. This study employed a long time series of satellite remote sensing data of the Yangtze River Basin to analyze the spatio-temporal characteristics of ecosystem gross primary productivity （GPP）， evapotranspiration （ET）， and WUE from 2010 to 2019 by using trend analysis， variance decomposition， and Hurst index. In addition， it investigated the contribution of GPP and ET to WUE and the persistence of the trend of this contribution. The results show： ① The distribution of WUE in the basin shows a spatial pattern of increasing from upstream to downstream， with an inter-annual variation of 0. 013 gc/（m2·a）; ② The overall inter-annual variations in the contributions of GPP， ET， and their interactions to WUE in the basin are ?0. 003 5， ?0. 005 1 and 0. 009 6/a， and they varied considerably across climate zones; ③ The Hurst indexes for inter-annual variation in the contributions of GPP， ET， and their interactions to WUE in the basin were 0. 51， 0. 60 and 0. 61， indicating that the persistence states were all positively but varied considerably across climate zones. The study elucidated the spatio-temporal patterns of WUE， as"well as the intrinsic driving mechanisms， which was of great importance to dealing with the impact of environmental change on the carbon and water cycle of the ecosystem.

Keywords： ecosystem water use efficiency; variance decomposition analysis; Hurst index; driving factor; Yangtze River Basin

生態(tài)系統(tǒng)中的植物通過光合作用吸收大氣中的CO2，然后經(jīng)過蒸騰作用消耗水分，這種陸地與大氣間的碳 - 水循環(huán)過程伴隨著生態(tài)系統(tǒng)的碳匯及水分損失［1］。生態(tài)系統(tǒng)尺度上，通常使用水分利用效率這一重要指標(biāo)來表征生態(tài)系統(tǒng)固碳過程中的耗水程度，既總初級(jí)生產(chǎn)力與蒸散量的比值。WUE對(duì)于評(píng)估生態(tài)系統(tǒng)對(duì)環(huán)境變化的響應(yīng)至關(guān)重要。其主要受CO2濃度、輻射、溫度、降水等環(huán)境因素的影響［2］，然而由于地理空間及氣候條件的不同，上述環(huán)境因素在空間上表現(xiàn)出顯著的差異，從而導(dǎo)致WUE在空間上也表現(xiàn)出明顯的空間異質(zhì)性［3-7］。WUE作為植物生理狀態(tài)的關(guān)鍵度量指標(biāo)，受植物本身的生理過程特性和群落水平的影響也較大。資源快速獲取型的植物類群WUE往往較低，因此不同類型的植被群落間WUE存在較大的差異［8-11］。另外，環(huán)境對(duì)生物的制約會(huì)影響植被的生理生態(tài)策略，從而導(dǎo)致生態(tài)系統(tǒng)WUE的差異增強(qiáng)。

綜上，已有的研究已經(jīng)表明WUE受環(huán)境條件及植被本身特性的影響顯著。但多數(shù)研究在對(duì)WUE的驅(qū)動(dòng)分析時(shí)僅聚焦于某個(gè)特定的氣候地區(qū)或特定的植被類型去定性分析驅(qū)動(dòng)因素與其的相關(guān)性，或者是從全球的大尺度角度出發(fā)去總體評(píng)估WUE對(duì)不同驅(qū)動(dòng)因素的響應(yīng)情況。馬龍龍等［12］利用趨勢(shì)分析和Hurst指數(shù)方法研究鹽池縣WUE的時(shí)空演變特征及氣候變化和植被恢復(fù)對(duì)其變化趨勢(shì)的影響。趙浩然等［13］利用了數(shù)理統(tǒng)計(jì)方法探討了青海湖流域WUE的驅(qū)動(dòng)因子，并進(jìn)一步利用Hurst指數(shù)分析了WUE變化趨勢(shì)的持續(xù)狀態(tài)。蘇淑蘭等［14］則利用了相關(guān)性分析揭示了青海省草地覆被地區(qū)氣候因子對(duì)WUE年際和年內(nèi)的變化影響。楊樹燁等［15］基于基于δ13C值探明了黃土高原典型人工生態(tài)林（刺槐）和人工經(jīng)濟(jì)林（蘋果）葉片水分利用效率（WUE）對(duì)環(huán)境因子的響應(yīng)。此類研究多聚焦于單一氣候類型的地區(qū)進(jìn)行研究，例如上述的鹽池縣、青海湖流域和青海省等地區(qū)分別為干旱半干旱地區(qū)、高原亞寒帶半干旱地區(qū)。同時(shí)有的研究?jī)H局限于單一的植被類型進(jìn)行研究，例如上述蘇淑蘭、楊樹燁等人只針對(duì)草地及喬木等單一的植被WUE變化進(jìn)行評(píng)估。另外，Tang等［16］利用衛(wèi)星遙感數(shù)據(jù)進(jìn)行的長(zhǎng)期時(shí)空趨勢(shì)分析表明，近年來土地覆蓋和土地利用的變化導(dǎo)致了全球WUE的下降。Zou等［17］基于衛(wèi)星遙感數(shù)據(jù)集，采用相關(guān)性分析解釋了中亞地區(qū)生態(tài)系統(tǒng)WUE對(duì)不同干旱等級(jí)的響應(yīng)。El Masri等［18］使用 10 個(gè)陸地生態(tài)系統(tǒng)模型的估計(jì)值量化了全球氣候、大氣CO2濃度和N沉降對(duì)WUE的影響。此類研究則是從大尺度的角度去總體揭示W(wǎng)UE對(duì)不同驅(qū)動(dòng)因素的響應(yīng)。

由此可見，評(píng)估WUE在不同氣候類型地區(qū)和不同植被類型上的時(shí)空演變特征差異及其對(duì)驅(qū)動(dòng)因素的響應(yīng)差異至關(guān)重要。不同氣候類型地區(qū)生態(tài)系統(tǒng)的WUE差異較大，同時(shí)植被的組成差異也會(huì)加劇地區(qū)間WUE的不平衡。因此，本次以長(zhǎng)江流域?yàn)檠芯繉?duì)象，從WUE本身出發(fā)定量揭示GPP與ET對(duì)WUE具體的貢獻(xiàn)度在不同氣候類型地區(qū)及植被類型覆被上的演變特征差異，以及該貢獻(xiàn)度的變化趨勢(shì)在不同氣候類型地區(qū)的持續(xù)狀態(tài)的差異。長(zhǎng)江流域空間跨度大，氣候特征復(fù)雜，流域內(nèi)涵蓋了5種不同的氣候類型，且同時(shí)擁有4種不同的植被類型，是較為理想的研究對(duì)象。本次研究引入方差分解分析方法，該方法可以深入分析驅(qū)動(dòng)因素對(duì)目標(biāo)變量整體變異性的貢獻(xiàn)度，從而確定驅(qū)動(dòng)因素對(duì)目標(biāo)變量隨時(shí)間序列的變化產(chǎn)生的影響程度。另外，先前的研究已表明Hurst能很好的評(píng)估時(shí)間序列的發(fā)展趨勢(shì)。因此，本次研究基于高分辨率的長(zhǎng)時(shí)序遙感數(shù)據(jù)，以長(zhǎng)江流域?yàn)槔脮r(shí)空趨勢(shì)分析、方差分解分析及Hurst指數(shù)等方法，試圖回答以下問題：

①2010—2019年長(zhǎng)江流域GPP、ET和WUE在不同氣候分區(qū)和植被類型上的時(shí)空特征；②GPP、ET對(duì)WUE的貢獻(xiàn)度在不同氣候分區(qū)上的表現(xiàn)特征；③GPP、ET對(duì)WUE的貢獻(xiàn)度在不同氣候分區(qū)上的持續(xù)狀態(tài)。上述問題的回答有利于深入了解長(zhǎng)江流域生態(tài)系統(tǒng)的WUE情況，可為流域的生態(tài)保護(hù)及水資源規(guī)劃利用提供參考意見。

1 研究區(qū)概況

以長(zhǎng)江流域?yàn)檠芯繀^(qū)，其為中國(guó)最大的流域，面積為180萬km2，約占總國(guó)土面積的1/5。流域空間跨度較大，地勢(shì)呈現(xiàn)西高東低，同時(shí)地理?xiàng)l件復(fù)雜，因此也形成了迥異的氣候特征［19］。流域內(nèi)氣溫呈現(xiàn)由東南向西北、下游向上游、江南向江北遞減的分布趨勢(shì)。另外，流域的降水分布差異也極大，大部分地區(qū)年平均降水量在800～1 600 mm。因此，本次研究根據(jù)地勢(shì)、冷暖和降水量的分布將研究區(qū)劃分為圖1中的5個(gè)氣候分區(qū)［20］，由上游至下游依次為高原亞寒帶半干旱地區(qū)，高原亞寒帶半濕潤(rùn)地區(qū)，高原溫帶濕潤(rùn)、半濕潤(rùn)地區(qū)，北亞熱帶濕潤(rùn)地區(qū)，中亞熱帶濕潤(rùn)地區(qū)。

2 方法

2. 1 WUE計(jì)算

WUE是生態(tài)系統(tǒng)固碳過程中的耗水程度，反映植被每消耗單位水分所固定的碳。在本研究中WUE定義為GPP與ET的比率，見式（1）：式中：WUE為水分利用效率，gc（/ m2·mm）；GPP為生態(tài)系統(tǒng)總初級(jí)生產(chǎn)力，gc/m2；ET為蒸散量，mm。

2. 2 趨勢(shì)分析

本文采用最小二乘法回歸方程逐像元估算了2010—2019年GPP、ET和WUE的空間變化趨勢(shì)，見式（2）：

式中：i為年份序號(hào)；yi為格點(diǎn)第i年的相關(guān)變量；n為時(shí)間跨度（2010—2019年）；斜率T代表相關(guān)變量的變化趨勢(shì)，Tgt; 0表示柵格點(diǎn)對(duì)應(yīng)的變量在研究期呈增長(zhǎng)趨勢(shì)，Tlt; 0表示柵格點(diǎn)對(duì)應(yīng)的變量在研究期呈減小趨勢(shì)。

2. 3 方差分解

本次利用方差分解分析來評(píng)估GPP與ET對(duì)WUE的貢獻(xiàn)度。該方法始用于確定指定的環(huán)境因子對(duì)群落結(jié)構(gòu)變化的解釋比例。計(jì)算公式［21］如下：

Con（GPP，ET）= Con（GPP）∩ Con（ET）

式中：Var為方差；Cov為協(xié)方差；Con為貢獻(xiàn)率，貢獻(xiàn)率越高表示該因素對(duì)WUE變化的促進(jìn)或積極作用越大，反之則越小，負(fù)值時(shí)則說明該因素對(duì)WUE的變化起到抑制或消極作用。

2. 4 Hurst指數(shù)

Hurst指數(shù)能夠很好地描述時(shí)間序列的長(zhǎng)期依賴性，本次采用基于R/S分析方法的Hurst指數(shù)來評(píng)估GPP與ET對(duì)WUE貢獻(xiàn)度變化趨勢(shì)的持續(xù)狀態(tài)，見式（7）—（11）：

式中：H為Hurst指數(shù)；Xn為貢獻(xiàn)度時(shí)間序列的均值；Yn為貢獻(xiàn)度時(shí)間序列累計(jì)離差；Rn為貢獻(xiàn)度時(shí)間序列極差；Sn為貢獻(xiàn)度時(shí)間序列的標(biāo)準(zhǔn)差。H值取值范圍為［0，1］，當(dāng)0≤Hlt; 0. 5，表示貢獻(xiàn)度變化趨勢(shì)的持續(xù)狀態(tài)為逆向持續(xù)性；當(dāng)H= 0. 5，表示貢獻(xiàn)度變化趨勢(shì)是隨機(jī)的；當(dāng)0. 5 lt;H≤ 1表示貢獻(xiàn)度變化趨勢(shì)的持續(xù)狀態(tài)為正向持續(xù)性。

3 數(shù)據(jù)來源及計(jì)算過程

3. 1 數(shù)據(jù)來源

流域矢量邊界數(shù)據(jù)和氣候分區(qū)矢量邊界數(shù)據(jù)采用自資源環(huán)境科學(xué)數(shù)據(jù)平臺(tái)（https：//www. resdc. cn/data. aspx？DATAID=141）。GPP數(shù)據(jù)采用范任雪等［22］構(gòu)建的2000—2020年中國(guó)陸地生態(tài)系統(tǒng)年總初級(jí)生產(chǎn)力數(shù)據(jù)集，數(shù)據(jù)下載自科學(xué)數(shù)據(jù)銀行（https：//www. scidb. cn/en/detail？dataSetId=b496b208f51e44fcaf326e8b0f792c34）。該數(shù)據(jù)為年度數(shù)據(jù)，空間分辨率為1 km×1 km。數(shù)據(jù)集基于站點(diǎn)觀測(cè)數(shù)據(jù)集（China FLUX 長(zhǎng)期觀測(cè)數(shù)據(jù)）和公開數(shù)據(jù)，利用隨機(jī)森林回歸樹生成。生成的數(shù)據(jù)集與實(shí)測(cè)站點(diǎn)數(shù)據(jù)在空間分布上具有較高的一致性，R2高于0. 95，因此數(shù)據(jù)集可信度較高。ET數(shù)據(jù)采用自Zheng等［23］構(gòu)建的全球1 km分辨率地表實(shí)際蒸散發(fā)數(shù)據(jù)集，數(shù)據(jù)下載自國(guó)家青藏高原科學(xué)數(shù)據(jù)中心（https：//www.tpdc. ac. cn/zh-hans/data/c284bd88-7694-4577-9cbb-02684bd940ff）。該數(shù)據(jù)集覆蓋全球，時(shí)間步長(zhǎng)為每月，時(shí)間跨度為2000—2019年，空間分辨率為1 km×1 km。該數(shù)據(jù)集利用ETMonitor模型在月尺度上估算了1 km分辨率的蒸散總量，并根據(jù)FLUXNET等地面觀測(cè)數(shù)據(jù)進(jìn)行直接驗(yàn)證，估算結(jié)果與地面實(shí)測(cè)數(shù)據(jù)的相關(guān)系數(shù)為0. 75，具有較好的一致性。植被類型數(shù)據(jù)來自武漢大學(xué)Yang等［24］制作的中國(guó)年度土地類型覆蓋數(shù)據(jù)集，下載源為Zenodo（http：//doi. org/10. 5281/zenodo. 4417809），數(shù)據(jù)空間分辨率為30 m×30 m。本次提取了長(zhǎng)江流域的草地、灌木、農(nóng)田和森林4種植被覆蓋數(shù)據(jù)（圖1b）。

3. 2 數(shù)據(jù)預(yù)處理

綜合考慮各數(shù)據(jù)時(shí)序長(zhǎng)度，本次研究統(tǒng)一選取的數(shù)據(jù)時(shí)間跨度為2010—2019年。由于各數(shù)據(jù)來源不同，時(shí)間、空間分辨率各異，數(shù)據(jù)格點(diǎn)也無法對(duì)應(yīng)。因此在計(jì)算前需對(duì)各柵格數(shù)據(jù)進(jìn)行分辨率的統(tǒng)一和格點(diǎn)的校對(duì)。時(shí)間分辨率統(tǒng)一為1 a，空間分辨率統(tǒng)一為1 km×1 km。

3. 3 WUE及其趨勢(shì)變化計(jì)算過程

3. 3. 1 不同氣候分區(qū)WUE及其趨勢(shì)變化計(jì)算

a））首先按照長(zhǎng)江流域的矢量邊界分別逐年截取GPP數(shù)據(jù)、逐月截取ET數(shù)據(jù)，可借助Arc GIS 10. 8中“裁剪”功能實(shí)現(xiàn)。

b））將逐月的ET數(shù)據(jù)合并成年尺度數(shù)據(jù)，各年逐月數(shù)據(jù)的對(duì)應(yīng)格點(diǎn)相加即可得到年尺度數(shù)據(jù)，可借助Arc GIS 10. 8中“柵格計(jì)算器”功能實(shí)現(xiàn)。

c））將各年的GPP與ET數(shù)據(jù)分別逐格點(diǎn)進(jìn)行對(duì)應(yīng)，然后將對(duì)應(yīng)格點(diǎn)的GPP除以ET即可得到該年流域內(nèi)WUE的分布情況，將WUE代入趨勢(shì)計(jì)算公式即可計(jì)算得到對(duì)應(yīng)柵格點(diǎn)WUE的變化趨勢(shì)，可借助Arc GIS 10. 8中“按掩膜提取”和“柵格計(jì)算器”功能實(shí)現(xiàn)。

d））按照不同氣候類型區(qū)域的矢量邊界逐年進(jìn)行截取，即可得到不同氣候分區(qū)逐年的WUE及其趨勢(shì)變化的柵格分布情況。文中各年不同氣候分區(qū)的GPP、ET和WUE值為上述步驟中各年不同氣候分區(qū)內(nèi)所有GPP、ET和WUE柵格點(diǎn)的均值。GPP、ET和WUE變化趨勢(shì)則為2010—2019年不同氣候分區(qū)內(nèi)GPP、ET和WUE均值隨時(shí)間變化的斜率。

3. 3. 2 不同植被類型WUE及其趨勢(shì)變化計(jì)算

a））逐年提取土地覆蓋類型數(shù)據(jù)中的草地、農(nóng)田、灌木、森林4種植被類型，借助Arc GIS 10. 8中“按屬性提取”功能實(shí)現(xiàn)。

b））草地、農(nóng)田、灌木、森林4種植被類型數(shù)據(jù)為30 m×30 m的空間分辨率，因此要統(tǒng)一至與GPP和ET相同的空間分辨率1 km×1 km，借助Arc GIS 10. 8中“重采樣”功能實(shí)現(xiàn)。

c））按照逐年的草地、農(nóng)田、灌木、森林邊界分別提取對(duì)應(yīng)年份的GPP和ET數(shù)據(jù)，可借助Arc GIS 10. 8中“按掩膜提取”功能實(shí)現(xiàn)。

d））將各年草地、農(nóng)田、灌木、森林邊界內(nèi)的GPP和ET數(shù)據(jù)分別逐格點(diǎn)進(jìn)行對(duì)應(yīng)，然后將對(duì)應(yīng)格點(diǎn)的GPP除以ET即可得到該年不同植被類型WUE的分布情況，再將WUE代入趨勢(shì)計(jì)算公式即可計(jì)算得到對(duì)應(yīng)柵格點(diǎn)WUE的變化趨勢(shì)，可借助Arc GIS 10. 8中“按掩膜提取”和“柵格計(jì)算器”功能實(shí)現(xiàn)。

文中各年不同植被類型的GPP、ET和WUE值為上述步驟中各年不同植被類型邊界內(nèi)所有GPP、ET和WUE柵格點(diǎn)的均值，GPP、ET和WUE變化趨勢(shì)則為2010—2019年間不同植被類型邊界內(nèi)GPP、ET和WUE均值隨時(shí)間變化的斜率。

3. 4 GPP與ET對(duì)WUE的貢獻(xiàn)度計(jì)算過程

本次使用R語言“vegan”包的“varpar（t）”函數(shù)進(jìn)行方差分解分析，且基于柵格點(diǎn)進(jìn)行計(jì)算。不同氣候分區(qū)GPP與ET對(duì)WUE的貢獻(xiàn)度計(jì)算過程如下。

a））將逐年的GPP、ET與WUE柵格數(shù)據(jù)轉(zhuǎn)化為矢量點(diǎn)數(shù)據(jù)，借助Arc GIS 10. 8中“柵格轉(zhuǎn)點(diǎn)”功能實(shí)現(xiàn)。

b））按照氣候分區(qū)的矢量邊界逐年截取各邊界內(nèi)的GPP、ET與WUE矢量點(diǎn)數(shù)據(jù)，借助Arc GIS 10. 8中“裁剪”功能實(shí)現(xiàn)。

c））逐年提取不同氣候分區(qū)內(nèi)GPP、ET與WUE矢量點(diǎn)值，然后將數(shù)據(jù)導(dǎo)出為Excel表格，借助Arc GIS 10. 8中“提取屬性表”功能實(shí)現(xiàn)。

d））利用R語言的“read_xls（）”函數(shù)分別讀取各年不同氣候分區(qū)內(nèi)所有矢量點(diǎn)的GPP、ET與WUE值；并利用R語言的“merge（）”函數(shù)將各年不同氣候分區(qū)內(nèi)各矢量點(diǎn)的GPP、ET與WUE值一一對(duì)應(yīng)。

e））利用R語言“vegan”包中的“varpar（t）”函數(shù)即可計(jì)算出不同氣候分區(qū)各年GPP、ET及交互作用對(duì)WUE的貢獻(xiàn)度。

不同植被類型GPP與ET對(duì)WUE的貢獻(xiàn)度計(jì)算過程與不同氣候分區(qū)計(jì)算過程一致，計(jì)算時(shí)將氣候分區(qū)邊界替換為不同植被類型邊界，按照上述步驟計(jì)算即可。

4 結(jié)果

4. 1 GPP、ET和WUE的時(shí)空變化特征

圖2顯示了長(zhǎng)江流域GPP、ET和WUE的多年平均值和與趨勢(shì)的空間分布。從多年平均值來看，GPP（圖2a）、ET（圖2c）和WUE（圖2e）在空間上的分布較為一致，均表現(xiàn)為自上游向下游遞增。變化趨勢(shì)在空間分布上則表現(xiàn)各異。GPP（圖2b）約70%的地區(qū)呈現(xiàn)增長(zhǎng)狀態(tài)，且主要集中在中下游地區(qū)，而上游為降低趨勢(shì)。ET（圖2d）大部分地區(qū)呈降低趨勢(shì)，約占整個(gè)流域面積的55%，中游呈增長(zhǎng)趨勢(shì)。WUE增長(zhǎng)趨勢(shì)（圖2f）主要分布在中下游，約占流域面積的70%，另外呈下降趨勢(shì)的30%區(qū)域則主要分布在上游。

GPP、ET和WUE受不同環(huán)境約束時(shí)在各氣候分區(qū)的時(shí)空特征各異?？臻g上看，GPP（圖3a）、ET（圖3b）和WUE（圖3c）的區(qū)域均值自上游高原亞寒帶半干旱地區(qū)向下游中亞熱帶濕潤(rùn)地區(qū)遞增。各氣候分區(qū)的GPP多年平均值自上游向下游分別為252. 88、529. 69、864. 53、1 417. 98和1 594. 81 gc/m2；ET分別為307. 34、527. 37、641. 78、758. 86和784. 42 mm；WUE則分別為0. 88、0. 99、1. 34、1. 93和2. 06 gc（/ m2·mm）。上游3個(gè)氣候分區(qū)的GPP、ET和WUE均低于流域總體水平（1 318. 70 gc/m2、716. 71 mm、1. 8 gc（/ m2·mm）），下游2個(gè)氣候分區(qū)則高于流域整體水平。

時(shí)間尺度上看（表1），2010—2019年長(zhǎng)江流域GPP（9. 18 gc（/ m2·a））和WUE（0. 01 gc（/ m2·mm·a））總體上呈上升趨勢(shì)，ET（-0. 77 mm/a）總體上則呈下降趨勢(shì)。各分區(qū)的GPP、ET和WUE時(shí)間演變與總體趨勢(shì)一致。但變化趨勢(shì)在各氣候分區(qū)上有所差異，其中GPP的變化趨勢(shì)自上游向下游分別為0. 60、10. 99、3. 36、5. 64和13. 73 gc（/ m2·a）；ET分別為-0. 70、-1. 54、-0. 81、-1. 19和-0. 50 mm/a；WUE則分別為0. 004 0、0. 005 3、0. 005 5、0. 009 1和0. 018 5 gc（/ m2·mm·a）。GPP和WUE的變化趨勢(shì)除中亞熱帶濕潤(rùn)地區(qū)外其余各區(qū)均大于流域總體水平（9. 18、0. 01 gc（/ m2·mm·a））；ET則為除最上游的高原亞寒帶半干旱地區(qū)和下游的中亞熱帶濕潤(rùn)地區(qū)外，其余各區(qū)降低趨勢(shì)均大于流域總體水平（-0. 77 mm/a）。

GPP（圖4a）、ET（圖4b）和WUE（圖4c）在不同植被類型上也表現(xiàn)出顯著的差異性?？傮w水平上看，GPP和ET呈現(xiàn)出草地gt;灌木gt;農(nóng)田gt;森林的特征，WUE則表現(xiàn)為草地（1. 06 gc（/ m2·mm））gt;農(nóng)田（1. 90 gc（/ m2·mm））gt;灌木（1. 95 gc（/ m2·mm））gt;森林（2. 07 gc（/ m2·mm））。時(shí)間演變上看，GPP的變化趨勢(shì)表現(xiàn)為農(nóng)田（14. 85 gc（/ m2·a））和灌木（11. 75 gc/（m2·a））遠(yuǎn)大于草地（2. 47 gc（/ m2·a））和森林（8. 94 gc（/ m2·a））；GPP的變化趨勢(shì)除灌木（1. 84 mm/a）外，草地（-0. 81 mm/a）、農(nóng)田（-0. 52 mm/a）和森林（-0. 74 mm/a）均為負(fù)向增長(zhǎng)；WUE變化趨勢(shì)則表現(xiàn)為草地（0. 006 gc（/ m2·mm·a））gt;灌木（0. 012 gc（/ m2·mm·a））gt;森林（0. 014 gc（/ m2·mm·a））gt;農(nóng)田（0. 021 gc（/ m2·mm·a））。

4. 2 GPP、ET對(duì)WUE貢獻(xiàn)度的時(shí)空特征

GPP（圖5a）和ET（圖5b）對(duì)WUE的貢獻(xiàn)度皆為正向，交互作用的貢獻(xiàn)度則均為負(fù)向。表明GPP、ET對(duì)WUE具有增益效果，且GPP的總體增益效果強(qiáng)于ET。但在空間分布上卻表現(xiàn)出顯著的差異，GPP對(duì)WUE的增益在高原亞寒帶半干旱地區(qū)效果最差，多年平均貢獻(xiàn)度僅為0. 49；其余各氣候分區(qū)的貢獻(xiàn)度相當(dāng)，其中以高原溫帶濕潤(rùn)、半濕潤(rùn)地區(qū)（多年平均貢獻(xiàn)度為0. 96）效果最佳；值得注意的是，上游高原亞寒帶半濕潤(rùn)地區(qū)GPP對(duì)WUE的貢獻(xiàn)度（多年平均貢獻(xiàn)度為0. 84）總體上大于下游北亞熱帶濕潤(rùn)地區(qū)（多年平均貢獻(xiàn)度為0. 72）。ET對(duì)WUE的貢獻(xiàn)度則在高原溫帶濕潤(rùn)、半濕潤(rùn)地區(qū)表現(xiàn)最弱，多年平均貢獻(xiàn)度僅為0. 12；其次為中亞熱帶濕潤(rùn)地區(qū)，多年平均貢獻(xiàn)度為0. 22；其余各氣候分區(qū)貢獻(xiàn)度則基本相當(dāng)，且在最上游的高原亞寒帶半干旱地區(qū)、高原亞寒帶半濕潤(rùn)地區(qū)表現(xiàn)最佳，多年平均貢獻(xiàn)度分別為0. 47和0. 44。

時(shí)間上看（表2），2010—2019年GPP對(duì)WUE的貢獻(xiàn)度在各分區(qū)上差異較大，下游北亞熱帶濕潤(rùn)地區(qū)、中亞熱帶濕潤(rùn)地區(qū)均呈下降趨勢(shì)，年際變化趨勢(shì)分別為0. 005、0. 001/a；上游除高原亞寒帶半干旱地區(qū)（年際變化趨勢(shì)0. 000 6/a）為輕微上升趨勢(shì)外，高原亞寒帶半濕潤(rùn)地區(qū)（年際變化趨勢(shì)-0. 012/a）和高原溫帶濕潤(rùn)、半濕潤(rùn)地區(qū)（年際變化趨勢(shì)-0. 000 5/a）則均呈下降趨勢(shì)。2010—2019年ET對(duì)WUE的貢獻(xiàn)度則表現(xiàn)為除高原亞寒帶半干旱地區(qū)（年際變化趨勢(shì)0. 012/a）外其余各區(qū)均為負(fù)增長(zhǎng)趨勢(shì)。

另外，GPP（圖6a）和ET（圖6b）對(duì)WUE的貢獻(xiàn)度在植被類型間也表現(xiàn)各異。GPP對(duì)WUE的增益效果在各植被類型間相當(dāng)，其中灌木GPP對(duì)WUE的貢獻(xiàn)度最高，多年平均貢獻(xiàn)度為0. 93；農(nóng)田GPP對(duì)WUE的貢獻(xiàn)度則最低，多年平均貢獻(xiàn)度為0. 73；森林與草地GPP對(duì)WUE的增益效果基本相當(dāng)，多年平均貢獻(xiàn)度分別為0. 85和0. 84。相反的，灌木ET對(duì)WUE的貢獻(xiàn)度最低，多年平均貢獻(xiàn)度僅為0. 17；其次為草地，多年平均貢獻(xiàn)度為0. 24；森林與農(nóng)田ET對(duì)WUE的增益較高，多年平均貢獻(xiàn)度分別為0. 5和0. 44。時(shí)間演變上看，2010—2019年灌木和森林GPP對(duì)WUE的貢獻(xiàn)度呈正向增長(zhǎng)趨勢(shì)，年際變化趨勢(shì)分別為0. 012/a和0. 007/a；草地和農(nóng)田則呈負(fù)向增長(zhǎng)趨勢(shì)，年際變化趨勢(shì)分別為-0. 007/a和-0. 003/a。另外，2010—2019年各植被類型ET對(duì)WUE的貢獻(xiàn)率均呈負(fù)向增長(zhǎng)，其中森林的負(fù)向增長(zhǎng)最快，年際變化趨勢(shì)為-0. 009/a；其次為草地，年際變化趨勢(shì)為-0. 005/a；灌木與農(nóng)田的變化趨勢(shì)一致，均為-0. 002 5/a。

4. 3 GPP、ET對(duì)WUE貢獻(xiàn)度變化趨勢(shì)的持續(xù)狀態(tài)

2010—2019年，GPP、ET對(duì)WUE貢獻(xiàn)度在不同氣候分區(qū)和植被類型間的變化趨勢(shì)呈現(xiàn)出顯著的差異。各趨勢(shì)的持續(xù)性也呈現(xiàn)不同的狀態(tài)（表3），氣候分區(qū)上看，10 a間GPP對(duì)WUE貢獻(xiàn)度的變化趨勢(shì)的持續(xù)性在上游地區(qū)表現(xiàn)各異，最上游的高原亞寒帶半干旱地區(qū)（0. 57）、高原亞寒帶半濕潤(rùn)地區(qū)（0. 54）為正向持續(xù)狀態(tài)，而高原溫帶濕潤(rùn)、半濕潤(rùn)地區(qū)（0. 41）則為負(fù)向持續(xù)性。同樣的，在下游也呈現(xiàn)北亞熱帶濕潤(rùn)地區(qū)（0. 55）為正向持續(xù)性而中亞熱帶濕潤(rùn)地區(qū)為逆向持續(xù)性的不同持續(xù)狀態(tài)。ET對(duì)WUE貢獻(xiàn)度的變化趨勢(shì)在上游3個(gè)高原氣候分區(qū)均表現(xiàn)為逆向持續(xù)性，而下游2個(gè)亞熱帶氣候分區(qū)域則為正向持續(xù)性。

5 討論

5. 1 WUE時(shí)空變化特征分析

長(zhǎng)江流域WUE在空間上表現(xiàn)出顯著的空間異質(zhì)性，隨著環(huán)境條件的變異，WUE自上游向下游遞增。主要原因?yàn)楦鞯貐^(qū)環(huán)境條件的不同導(dǎo)致了植被類型差異較大，上游高寒地區(qū)的主要覆被為草甸，而下游則主要為森林和農(nóng)田。根據(jù)不同植被類型WUE的計(jì)算可知，森林的WUE是遠(yuǎn)大于草地的，因此WUE空間上的分布特征符合實(shí)際。本文對(duì)不同植被類型WUE的計(jì)算結(jié)果存在這樣的排序：森林gt;灌木gt;農(nóng)田gt;草地，資源快速獲取型植物類群往往具有較低的WUE，而生態(tài)位較高的植被類群則具有更高的WUE，這與Lu等［25］的研究結(jié)果一致，另外，Ito等［26］的研究也得出了相同的結(jié)論。

2010—2019年長(zhǎng)江流域WUE總體呈上升趨勢(shì)，年際變化為0. 013 gc（/ m2·mm·a），同時(shí)在空間上也表現(xiàn)出顯著的異質(zhì)性，趨勢(shì)自上游至向下游遞增。上游高寒地區(qū)WUE增長(zhǎng)明顯低于下游亞熱帶地區(qū)。這主要因?yàn)橹脖簧L(zhǎng)的關(guān)鍵制約因素為氣溫［27］，同時(shí)植物的WUE與氣溫呈正相關(guān)［28］，因此下游WUE的增長(zhǎng)明顯高于上游。

5. 2 GPP、ET對(duì)WUE貢獻(xiàn)度的時(shí)空差異分析

從植被類型看，由于水分獲取效率高［29］和在生態(tài)系統(tǒng)的資源獲取中占有絕對(duì)優(yōu)勢(shì)的生態(tài)位［30］，致使灌木和森林GPP對(duì)WUE的貢獻(xiàn)較大。而農(nóng)田和草則較低。森林因?yàn)楦蛋l(fā)達(dá)，水分的傳輸路徑長(zhǎng)，葉片的氣孔導(dǎo)度低蒸騰少［31］且遮蔭和根系的水分涵養(yǎng)會(huì)減少土壤水分的蒸發(fā)，因此森林ET對(duì)WUE的貢獻(xiàn)度最佳。而灌木則由于快速的水分利用使其氣孔導(dǎo)度增高，蒸騰較大［32］，致使ET對(duì)WUE的貢獻(xiàn)最低。草地和農(nóng)田則因?yàn)樯嫌谓邓^少［33］和下游的土壤蒸發(fā)較高［34］，導(dǎo)致兩者ET對(duì)WUE的貢獻(xiàn)均較低。

由于地理及氣候條件不同，導(dǎo)致了覆被類型也各異，因此不同氣候分區(qū)受覆被類型的制約，GPP與ET對(duì)WUE的貢獻(xiàn)度呈現(xiàn)出明顯的空間異質(zhì)性。根據(jù)圖5及表4可知，由于高原溫帶濕潤(rùn)、半濕潤(rùn)地區(qū)內(nèi)灌木及森林占比較高，因此在流域內(nèi)該區(qū)域的GPP對(duì)WUE的貢獻(xiàn)度最高，而ET則最低。下游亞熱帶區(qū)域的植被主要為灌木及農(nóng)田，因此形成了GPP對(duì)WUE的貢獻(xiàn)度較高，但ET較低的現(xiàn)象。而最上游的高寒區(qū)域，其植被組成絕大部分為草地，故GPP與ET對(duì)WUE的貢獻(xiàn)度均不高。

5. 3 GPP、ET對(duì)WUE貢獻(xiàn)度變化趨勢(shì)持續(xù)狀態(tài)的時(shí)空差異分析

根據(jù)表3、4可知，GPP對(duì)WUE貢獻(xiàn)率的變化趨勢(shì)在高原溫帶濕潤(rùn)、半濕潤(rùn)地區(qū)為逆向持續(xù)性，表明該區(qū)域的GPP的貢獻(xiàn)率在未來時(shí)間里將轉(zhuǎn)變?yōu)樵鲩L(zhǎng)趨勢(shì)，其主要原因?yàn)榻陙須夂蜃兣瘜?dǎo)致高寒地區(qū)暖濕化加劇，從而促使該地區(qū)GPP的提高［35］。在下游地區(qū)，GPP對(duì)WUE貢獻(xiàn)率的變化趨勢(shì)在中亞熱帶濕潤(rùn)地區(qū)也為逆向持續(xù)性，表明該地區(qū)GPP的貢獻(xiàn)率在未來時(shí)段內(nèi)可能呈負(fù)增長(zhǎng)，這主要是因?yàn)樵搮^(qū)域?yàn)榱饔騼?nèi)主要的經(jīng)濟(jì)帶，人類活動(dòng)頻繁導(dǎo)致了植被退化，或原始植被轉(zhuǎn)變?yōu)槿斯ぶ参铮撨^程會(huì)降低區(qū)域植被的GPP［32］。

另外，ET對(duì)WUE貢獻(xiàn)率的變化趨勢(shì)在下游的亞熱帶地區(qū)呈正向持續(xù)性，表明該區(qū)域的ET的貢獻(xiàn)度將繼續(xù)呈負(fù)向增長(zhǎng)，主要原因?yàn)樵摰貐^(qū)為流域內(nèi)人類活動(dòng)的主要聚集地，人口和經(jīng)濟(jì)的快速發(fā)展極大的影響了土地利用和覆被情況，導(dǎo)致區(qū)域內(nèi)蒸散量顯著增加［33］，因此ET對(duì)WUE的貢獻(xiàn)度呈下降趨勢(shì)。

5. 4 局限性

本次研究采用的GPP與ET數(shù)據(jù)來自范任雪［22］與Zheng等［23］制作的數(shù)據(jù)產(chǎn)品。GPP數(shù)據(jù)集與實(shí)測(cè)數(shù)據(jù)具有較高的一致性（R2gt;0. 95），ET數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)的一致性也表現(xiàn)良好（R2gt;0. 75），但與實(shí)測(cè)數(shù)據(jù)間均存在差異。因此使用該數(shù)據(jù)集計(jì)算的WUE值具有一定的不確定性，其對(duì)WUE的計(jì)算精度有所影響。另外在計(jì)算不同植被類型的WUE時(shí)，未考慮土地演變情況，每年的土里利用情況會(huì)隨著人類活動(dòng)發(fā)生改變。但每年提取的草地、農(nóng)田、灌木、森林邊界均未考慮人類活動(dòng)引起的變化，因此基于此邊界計(jì)算的逐年不同植被類型WUE存在不確定性，可進(jìn)一步考慮排除人類活動(dòng)影響下的草地、農(nóng)田、灌木、森林邊界進(jìn)行不同植被類型WUE的計(jì)算。

6 結(jié)論

本文揭示了2010—2019年長(zhǎng)江流域生態(tài)系統(tǒng)WUE的時(shí)空格局及內(nèi)在驅(qū)動(dòng)機(jī)制，明確了GPP與ET對(duì)WUE的貢獻(xiàn)度及貢獻(xiàn)度變化趨勢(shì)的持續(xù)狀態(tài)，得出如下結(jié)論。

a））長(zhǎng)江流域WUE在空間上呈自上游向下游遞增的分布格局，年際變化為0. 013 gc（/ m2·mm·a）；不同植被類型的WUE存在以下排序：森林gt;灌木gt;農(nóng)田gt;草地。

b））長(zhǎng)江流域GPP、ET及交互作用對(duì)WUE的貢獻(xiàn)度總體年際變化趨勢(shì)分別為-0. 003 5、-0. 005 1和0. 009 6/a，且在不同的氣候分區(qū)間差異較大。

c））長(zhǎng)江流域GPP、ET及交互作用對(duì)WUE的貢獻(xiàn)度年際變化的Hurst指數(shù)分別為0. 51、0. 60和0. 61，表明持續(xù)狀態(tài)均為正向持續(xù)性，但在各氣候分區(qū)間差異較大。

參考文獻(xiàn)：

［1］YANG Y T， DONOHUE R J， MCVICAR T R， et al. Long‐term"CO2 fertilization increases vegetation productivity and has little effect on hydrological partitioning in tropical rainforests［J］. Journal of Geophysical Research： Biogeosciences， 2016， 121（8）： 2125-2140.

［2］LIU Y B， XIAO J F， JU W M， et al. Water use efficiency of"China’s terrestrial ecosystems and responses to drought［J］. Scientific Reports， 2015， 5（1）. DOI： 10. 1038/srep13799.

［3］KEENAN T F，HOLLINGER D Y，BOHRER G，et al． Increase"in forest water-use efficiency as atmospheric carbon dioxide concentrations rise［J］． Nature，2013，499： 324-327．

［4］馬利民，劉禹，趙建夫. 賀蘭山油松年輪中穩(wěn)定碳同位素含量和環(huán)境的關(guān)系［J］. 環(huán)境科學(xué)，2003（5）：49-53.

［5］YU G R， SONG X， WANG Q F， et al. Water-use efficiency of forest ecosystems in Eastern China and its relations to climatic variables［J］. The New Phytologist， 2008， 177（4）： 927-937.

［6］BAI Y F， WU J G， XING Q， et al. Primary productivity and rain use efficiency across a precipitation gradient on the Mongolia Plateau［J］. Ecology， 2008， 89（8）：2140-2153.

［7］任健，單貴蓮，代微然，等.紫外線B增強(qiáng)對(duì)滇楊、川楊光合參數(shù)及暗呼吸的影響［J］.云南農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)），2016，31（1）：95-100.

［8］STERLING S M， DUCHARNE A， POLCHER J. The impact of global land-cover change on the terrestrial water cycle［J］. Nature Climate Change， 2013， 3（4）： 385-390.

［9］JIN Z， LIANG W， YANG Y T， et al. Separating vegetation greening and climate change controls on evapotranspiration trend over the Loess Plateau［J］. Scientific Reports， 2017， 7. DOI： 10.1038/s41598-017-08477-x.

［10］WANG Z， LI D K. Spatial-temporal distribution of vegetation net primary productivity and its driving factors from 2000 to 2015 in Shaanxi， China［J］. Ying Yong Sheng Tai Xue Bao， 2018， 29（6）： 1876-1884.

［11］TIAN H Q， LU C Q， CHEN G S， et al. Climate and land use controls over terrestrial water use efficiency in monsoon Asia［J］. Ecohydrology， 2011， 4（2）： 322-340.

［12］馬龍龍，易志遠(yuǎn)，魏采用，等.寧夏鹽池縣生態(tài)系統(tǒng)水分利用效率時(shí)空特征及其影響因素［J］.干旱區(qū)研究，2024，41（4）：650-660.

［13］趙浩然，曹生奎，雷義珍，等.青海湖流域生態(tài)系統(tǒng)水分利用效率時(shí)空特征及驅(qū)動(dòng)分析［J］.草地學(xué)報(bào)，2024，32（11）：3554-3566.

［14］蘇淑蘭，姬海娟，張東，等.青海草地生態(tài)系統(tǒng)水分利用效率特征及其影響因素分析［J］.草地學(xué)報(bào)，2023，31（9）：2814-2825.

［15］楊樹燁，趙西寧，高曉東，等.基于δ13C值的黃土高原生態(tài)林和經(jīng)濟(jì)林水分利用效率差異及對(duì)環(huán)境響應(yīng)分析［J］.水土保持學(xué)報(bào)，2022，36（4）：247-252，264.

［16］TANG X G， LI H， DESAI A R， et al. How is water-use efficiency of terrestrial ecosystems distributed and changing on Earth？［J］. Scientific Reports， 2014， 4（1）： 74-83.

［17］ZOU J， DING J L， WELP M， et al. Assessing the response of ecosystem water use efficiency to drought during and after drought events across Central Asia［J］. Sensors， 2020， 20（3）. DOI：10.3390/S20030581.

［18］EL M B， SCHWALM C， HUNTZINGER D N， et al. Carbon and water use efficiencies： A comparative analysis of ten terrestrial ecosystem models under changing climate［J］. Scientific Reports， 2019， 9. DOI： 10. 1038/S41598-019-50808-7.

［19］王超，李浩，葉秀輝，等.長(zhǎng)江流域未來氣候變化預(yù)估研究［J］.人民珠江，2024，45（9）：11-18.

［20］賈怡童，林愛文，朱弘紀(jì).長(zhǎng)江流域不同氣候分區(qū)生長(zhǎng)季植被總初級(jí)生產(chǎn)力對(duì)極端氣候變化的時(shí)空響應(yīng)研究［J］.國(guó)土與自然資源研究，2020（1）：38-42.

［21］肖旭，洪祥鎮(zhèn)，宋安斌.中國(guó)營(yíng)商環(huán)境水平測(cè)度、地區(qū)差異及驅(qū)動(dòng)因素分析［J］.統(tǒng)計(jì)與決策，2024，40（12）：162-167.

［22］范仁雪，朱先進(jìn)，陳智，等. 2000–2020年中國(guó)陸地生態(tài)系統(tǒng)年總初級(jí)生產(chǎn)力數(shù)據(jù)集［J］.中國(guó)科學(xué)數(shù)據(jù)（中英文網(wǎng)絡(luò)版），2023，8（2）：160-172.

［23］ZHENG C L， JIA L， HU G C. Global land surface evapotranspi‐ration monitoring by ETMonitor model driven by multi-source sat‐ellite earth observations［J］. Journal of Hydrology， 2022， 613.DOI：10. 1016/j. jhydrol. 2022. 128444.

［24］YANG J ， HUANG X . The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019［J］. Earth System Science Data， 2021， 13（8）：3907-3925.

［25］LU X L，ZHUANG Q L． Evaluating evapotranspiration and water use efficiency of terrestrial ecosystems in the conterminous United States using MODIS and AmeriFlux data［J］．Ｒemote Sens‐ing of Environment，2010，114： 1924-1939．

［26］ITO A，INATOMI M． Water-use efficiency of the terrestrial bio‐sphere：A model analysis focusing on interactions between the global carbon and water cycles［J］． Journal of Hydrometeorology，2012，13：681-694．

［27］張穎，章超斌，王釗齊，等. 三江源1982—2012年草地植被覆蓋度動(dòng)態(tài)及其對(duì)氣候變化的響應(yīng)［J］. 草業(yè)科學(xué)，2017，34（10）：1977-1990.

［28］ZHENG H， LIN H， ZHU X J， et al. Divergent spatial responses of plant and ecosystem water-use efficiency to climate and vegetation gradients in the Chinese Loess Plateau［J］. Global and Planetary Change，2019，181. DOI： 10. 1016/j. gloplacha. 2019. 102995.

［29］曾歡歡，劉文杰，吳駿恩，等.西雙版納地區(qū)叢林式橡膠林內(nèi)植物的水分利用策略［J］.生態(tài)學(xué)雜志，2019，38（2）：394-403.

［30］CHAVES J E， ARANIBAR J N， GATICA G. Species and functional plant diversity enhance ecosystem functions in the central Monte desert［J］. Journal of Vegetation Science， 2021， 32（1）：112-122.

［31］DEANS R M， BRODRIBB T J， BUSCH F A， et al. Plant water‐use strategy mediates stomatal effects on the light induction of photosynthesis［J］. New Phytologist， 2019， 222（1）： 382-395.

［32］檀文炳，王國(guó)安，韓家懋，等.長(zhǎng)白山不同功能群植物碳同位素及其對(duì)水分利用效率的指示［J］.科學(xué)通報(bào)，2009，54（13）：1912-1916.

［33］WANG J，LIU D S，CIAIS P，et al. Decreasing rainfall frequency contributes to earlier leaf onset in northern ecosystems［J］. Nature Climate Change， 2022， 12（4）：386-392.

［34］SHEN M G，PIAO S L，JEONG S J，et al. Evaporative cooling over the Tibetan Plateau induced by vegetation growth［J］. Proceedings of the National Academy of Sciences，2015，112：9299-9304.

［35］WANG L， LI M，WANG J， et al. An analytical reductionist framework to separate the effects of climate change and human activities on variation in water use efficiency［J］. Science of the Total Environment， 2020，727. DOI： 10. 1016/j. scitotenv. 2020.138306.

［36］HUANG Z Q， RAN S S， FU Y R， et al. Functionally dissimilar neighbours increase tree water use efficiency through enhancement of leaf phosphorus concentration［J］. Journal of Ecology， 2022， 110（9）： 2179-2189.