高寒草甸对气候变化高度敏感，其中叶片寿命是调控碳循环的关键植物功能性状。然而，目前对高寒草甸叶片寿命的长期动态、驱动机制及其与净初级生产力相互作用的认知仍存在不确定性。传统监测方法（如人工标记、定点相机）成本高、覆盖范围有限。基于遥感的物候模型虽能提取功能生长季，但NDVI时间序列易受噪声干扰，需进行滤波重建。环境胁迫通过改变水分、养分和温度波动，促使植物调整功能性状以适应生存压力，但其驱动叶片寿命变化的具体路径尚不清晰。以往研究多依赖实验或相关分析，难以处理变量的非线性交互和高维特征；空间统计工具（如地理加权回归、地理探测器）可揭示空间异质性，但预设函数形式，在揭示复杂交互或边际响应形态方面能力有限。机器学习，特别是XGBoost等集成学习模型，擅长分析高维非线性生态数据。结合SHAP的可解释机器学习，能量化各预测因子对结果的方向、大小和边际效应，揭示传统方法遗漏的阈值和交互效应，但目前应用仍有限。此外，缺乏对未来不同情景下叶片寿命模式的精确预测。本研究以三江源地区高寒草甸为案例，集成多源遥感、气象和社会经济数据，运用XGBoost-SHAP算法，构建“环境变化-植物性状响应-生态系统反馈”的预测框架，旨在：（1）揭示2003-2022年三江源高寒草甸叶片寿命的时空动态；（2）分析其关键环境驱动因子的非线性或协同效应；（3）建立基于水热过程、可迁移的叶片寿命估算模型，模拟其与净初级生产力的未来轨迹，以期为优化碳汇功能和生态屏障可持续性提供依据。

数据与方法

• 研究区：三江源地区，位于青藏高原东北部，是长江、黄河、澜沧江的发源地，素有“中华水塔”之称。受高原地形和大陆性气候影响，年均温-13.6°C至6.4°C，年降水量187-773毫米（80%集中于6-9月）。广布的高寒草甸以矮生嵩草、西藏嵩草等为优势种，覆盖率超过87%。

• 数据来源：

  • 植被指数：MODIS MOD13Q1 V6.1的NDVI数据（250米，16天），经Google Earth Engine预处理和质量控制。

  • NPP数据：基于改进CASA模型计算的月尺度NPP（500米）。

  • 环境驱动因子：选取气候（温度、降水、太阳辐射、风速、VPD、干旱指数）、地形（高程、坡度）、土壤属性（土壤湿度）和社会经济（放牧强度、人口密度）共10类因子。所有数据重采样至1公里分辨率。

  • 未来数据：基于三个CMIP6全球气候模型（EC-Earth3, GFDL-ESM4, MRI-ESM2-0）降尺度后的月温度、降水等数据，用于SSP245和SSP585情景下的预测。

• 关键方法：

  • NDVI去噪与物候提取：采用集合经验模态分解结合Savitzky-Golay滤波对NDVI时间序列去噪，并用Logistic函数拟合。采用动态阈值法提取返青期（GUD，NDVI振幅首次>0.2）和枯黄期（LSD，NDVI振幅首次<0.5）。叶片寿命定义为二者间隔。

  • 趋势与相关分析：使用泰尔-森斜率估计和曼-肯德尔检验分析GUD、LSD、LL和NPP的时空变化趋势。使用皮尔逊相关分析评估LL与NPP的关系。

  • 驱动机制分析（XGBoost-SHAP）：首先进行多重共线性检验（VIF<5），保留温度、降水等8个变量。利用XGBoost模型进行预测，并结合SHAP方法量化各驱动因子对LL的贡献、方向及边际效应，并揭示因子间的交互作用。

  • 叶片寿命估算模型构建：基于XGBoost-SHAP筛选出的核心驱动因子（温度、降水、太阳辐射、风速、土壤湿度），结合Lasso回归进一步精简。根据年均温（0°C）和年降水（400毫米）阈值划分四个气候区，分别为各分区构建多项式回归模型，并通过10折交叉验证选择最优模型。

结 果

• 高寒草甸物候与NPP的时空动态：

• 物候变化：2003-2022年，区域平均返青期为第131.75天，77.64% 的地区返青期显著提前（>2天/10年）。区域平均枯黄期为第275.15天，64.82% 的地区枯黄期显著推迟（平均5.5天/10年）。两者共同导致区域平均叶片寿命（138.71天）在81.12% 的地区显著延长，平均延长速率达9.32天/10年，且主要由枯黄期推迟主导（对应原文图2：GUD、LSD、LL的空间分布及变化趋势图）。

• NPP变化：区域平均NPP为143.74 gC m⁻²，空间上自东向西递减。80.13% 的地区NPP呈显著增加趋势。季节上，夏季NPP最高且增长最快（1.236 gC m⁻² yr⁻¹），是生长季NPP增加的主因（对应原文图3：NPP空间分布、变化趋势及季节贡献图）。

• 叶片寿命与NPP的关系：53.64% 的地区LL与生长季NPP呈显著正相关，表明更长的LL通常伴随更高的植被生产力（对应原文图4a：LL与NPP相关性空间分布图）。多年平均数据显示二者显著正相关（R²=0.67）。然而，当LL超过约150天的生态阈值后，其对NPP的边际增益减弱，呈现非线性饱和特征（对应原文图4b：LL与NPP的散点拟合图）。

• 叶片寿命的驱动机制：

  • 因子贡献演变：SHAP分析显示，温度始终是LL最重要的驱动因子（贡献率>30%）。太阳辐射的作用持续增强，至2022年其重要性已仅次于温度；而降水的贡献呈下降趋势（对应原文图5，及附图S4，S5：不同年份驱动因子SHAP重要性及值分布图）。

• 边际效应与交互作用：温度、降水对LL的影响呈非线性，在低值区促进效应更明显。太阳辐射的影响在2022年表现出“增长-饱和”现象。降水、风速与其他因子的交互作用强度在2003-2022年间减弱，而太阳辐射的交互作用持续增强（对应原文图6：SHAP交互值热图）。

• 叶片寿命估算模型与未来预测：

  • 模型构建：为四个气候区分别建立了二次多项式回归模型（对应原文表1：各气候区最优回归模型公式）。模型估算的历史LL空间分布与观测结果一致，不确定性在1.47%至53.92%之间（对应原文图8a, b：模型估算的LL空间分布及不确定性图）。

• 未来预测：在SSP245和SSP585情景下，至2100年，分别有68.92%和70%以上的地区LL将延长，平均延长6.32天和15.98天，SSP585情景下延长更快（5.291天/10年）（对应原文图8c, d：未来LL变化空间分布图）。未来NPP随LL延长而增加，但分别在LL约170天（SSP245）和180天（SSP585）时增长停滞，并在约2090年后，过度的LL延长可能导致NPP下降（对应原文图9：未来LL与NPP关系演变图）。

讨 论

本研究揭示了三江源高寒草甸LL显著延长（9.32天/10年），且主要由枯黄期推迟驱动，这与许多中纬度高山地区以返青期提前为主的模式不同，凸显了青藏高原生态系统的独特性。温度是LL变化最主要的驱动因子，印证了热量条件对高寒植被生长的根本性限制。太阳辐射作用的持续增强，表明光热资源的协同对调节叶片物候日益重要。

LL与NPP存在显著的生态阈值（约150天），超过后NPP增益递减。这源于多重限制：1）延长LL增加了氮磷需求，加剧群落养分限制；2）衰老叶片养分再吸收效率降低，限制新生长；3）叶片过多碳分配可能减少根系投资，间接限制养分吸收和生产力；4）生长季延长在增加光合碳输入的同时也提升了生态系统呼吸，可能导致碳饱和。未来预测表明，高排放情景（SSP585）下LL阈值更高，CO₂施肥效应可能暂时缓解磷限制，但长期看，衰老叶片比例激增可能导致养分再吸收崩溃，引发NPP下降。

尽管延长LL有助于提升生产力，但其受限于养分循环能力。从管理视角，应遵循“优化而非最大化”原则，通过调整物候窗口和功能群结构来提高单位LL的固碳效率，而非一味追求最长生长季。

结 论

本研究基于XGBoost-SHAP算法揭示了三江源高寒草甸叶片寿命的时空动态、驱动机制及其与NPP的关系，并构建了可迁移的估算模型。主要结论如下：

1. 2003-2022年，三江源高寒草甸叶片寿命在超过81%的区域显著延长（9.32天/10年），主要由枯黄期推迟驱动，区域NPP同步增加。

2. 叶片寿命与NPP呈非线性正相关，存在约150天的生态阈值，超过后NPP的边际增益下降。

3. 温度是叶片寿命最重要的驱动因子，太阳辐射的影响持续增强，降水的影响减弱。

4. 构建的分区多项式回归模型能较好估算叶片寿命。未来预测表明，叶片寿命将持续延长，但NPP的增长将在本世纪末随叶片寿命超过阈值（SSP245: ~170天， SSP585: ~180天）而停滞甚至下降。

   这些结果强调，尽管三江源高寒草甸通过延长叶片寿命展现了对气候变化的显著适应力，但区域碳汇提升受刚性生态阈值约束，在高排放路径下面临碳汇潜力减损的风险。研究为高寒生态系统碳汇优化和恢复策略提供了关键见解。

原文链接：https://doi.org/10.1016/j.geosus.2026.100452