基于评估的二次水对季节性植物腐烂在非洲的影响gydF4y2Ba
Cağlar KucukgydF4y2Ba
1、2gydF4y2Ba
*gydF4y2Ba,gydF4y2Ba
Sujan柯伊拉腊gydF4y2Ba
1gydF4y2Ba,gydF4y2Ba
努诺·CarvalhaisgydF4y2Ba
1、3gydF4y2Ba,gydF4y2Ba
迭戈·g·产生gydF4y2Ba
2gydF4y2Ba,gydF4y2Ba
马库斯ReichsteingydF4y2Ba1gydF4y2Ba和gydF4y2Ba
马丁·荣格gydF4y2Ba
1gydF4y2Ba
- 1gydF4y2Ba生物地球化学部门集成、马克斯·普朗克生物地球化学研究所,德国耶拿gydF4y2Ba
- 2gydF4y2BaHydro-Climate极端实验室(H-CEL),学院生物科学工程,根特,比利时根特大学gydF4y2Ba
- 3gydF4y2Ba环境与可持续发展研究中心(用香熏)Departamento de Ciencias e Engenharia消费品展,Faculdade de Ciencias e Tecnologia Caparica、葡萄牙里斯本新大学德葡京gydF4y2Ba
当地的研究和建模实验表明,浅层地下水和土壤水分的横向分配,与土壤属性,可以是高度重要的二级水源water-limited植被的生态系统。然而,缺乏基于这些terrain-associated二级水影响植被的研究大空间域。这里,我们量化地形属性的空间变化的角色旱季植被衰变率在非洲从地球静止卫星获得收购评估大规模二次水影响的重要性。我们使用基于机器学习的归因识别和在哪些条件下地形属性与地形、地下水位深度,土壤水力性质影响植被衰变的速率。在研究领域中,机器学习模型属性约有三分之一的植被衰变速率地形属性的空间变化,大约各占一半直接地形与气候和植被效应和交互效应变量。二次水影响的重要性增加而增加地形变化,地下水位较浅的毛细上升倾向土壤属性。在地区有利地形属性,超过60%的植被的衰变率的变化归因于地形属性,强调二次水的重要性在非洲对植被的影响。我们的研究结果提供了一个实证评估当地范围内二次水的重要性对植被的影响在非洲和有助于改善水文和植被模型桥接过程在空间尺度上的挑战。gydF4y2Ba
1。介绍gydF4y2Ba
旱地覆盖全球超过40%的地表(gydF4y2BaD 'Odorico et al ., 2019gydF4y2Ba)。他们有一个强大的对全球碳循环的影响(gydF4y2Ba拉尔,2019gydF4y2Ba和大型年际气候变化很敏感gydF4y2Ba布兰德et al ., 2018gydF4y2Ba)。此外,超过三分之一的世界人口定居在旱地(gydF4y2Ba雷诺兹et al ., 2007gydF4y2Ba),其中90%是在发展中国家高度依赖于生态系统服务(gydF4y2BaMaestre et al ., 2012gydF4y2Ba)。尽管其重要性,ecohydrology旱地仍然是不清楚的gydF4y2BaMaestre et al ., 2021gydF4y2Ba)。特别是在非洲,旱地覆盖表面的75%,然而,他们仍然在很大程度上替代(gydF4y2BaMaestre et al ., 2012gydF4y2Ba;gydF4y2BaAdole et al ., 2016gydF4y2Ba;gydF4y2BaPrăvălie 2016gydF4y2Ba)。gydF4y2Ba
除了降水为主的水供应土地,二级水效果如地下水(gydF4y2Ba粉丝,2015gydF4y2Ba;gydF4y2Ba麦克斯韦尔康登,2016年gydF4y2Ba),毛细上升(gydF4y2Ba柯伊拉腊et al ., 2019gydF4y2Ba)和横向流动在hillslope尺度(gydF4y2Ba风扇et al ., 2019gydF4y2Ba),可以在旱地必不可少的植被(gydF4y2BaMiguez-Macho和粉丝,2021gydF4y2Ba)。尽管呼吁更好地纳入这种复杂的交互(gydF4y2Ba风扇et al ., 2007gydF4y2Ba;gydF4y2BaKollet和麦克斯韦,2008年gydF4y2Ba),地表模型仍然缺乏表示,可以捕获这些次要的但不平凡的水循环对植被的影响(gydF4y2Ba凡戴克et al ., 2018gydF4y2Ba;gydF4y2Baμet al ., 2021gydF4y2Ba)。局部范围的挑战主要是在表示地表异质性和相关水文过程在相对粗空间分辨率的地球系统模型(gydF4y2Ba克拉克et al ., 2015gydF4y2Ba;gydF4y2Ba费舍尔和Koven, 2020年gydF4y2Ba;gydF4y2Ba布莱et al ., 2021gydF4y2Ba)。不幸的是,我们所知,还没有基于研究的相关性等二级水对植被的影响在大空间域,援助流程的制定和发展模型。gydF4y2Ba
虽然并不可行的观察相关的水通量和存储在一个不错的时空分辨率大面积直接遥感促进植被动力学的详细监测,将调制,以及其他因素,二次水,提供痕迹为植被动力学二级水分的重要性。例如,二级水对植被的影响将是最大的进步水限制的时期。gydF4y2BaKucuk et al。(2022)gydF4y2Ba表明植被衰退是由水资源在大多数非洲国家第一批订单,与先前的文献一致,与理论预期的旱地ecohydrology (gydF4y2BaRodriguez-Iturbe Porporato, 2005gydF4y2Ba)。二级水分影响基本上采取行动,让水不再系统和燃料植物易懂为长期土壤水分,导致植被的延迟和缓冲衰退。不过,应该注意的是,二次水输入不太可能旱季植被衰变的主要控制整个欧洲大陆,在大规模的模式应该主要与气候相关制度和植被特征。因此,本研究的主要目的是隔离和属性的影响二次水植被衰变所无法解释的主要气候梯度。gydF4y2Ba
近年来,机器学习(ML)为数据驱动建模复杂的模式提供了巨大的机遇和交互在大型地球观测数据集与这些模型的可解释性尽管挑战(gydF4y2Ba鲁丁et al ., 2022gydF4y2Ba)。可翻译的ML现在的发展揭示了“黑匣子”模型,描述人工智能算法(gydF4y2BaMolnar 2019gydF4y2Ba)。这允许将输入变量对目标变量的贡献毫升模型并提供了前所未有的机遇的理解地表过程使用先进的地球观测数据集。gydF4y2Ba
在这项研究中,我们量化地形特性的影响变量与局部范围水分收敛性和二次水植被的季节性衰变率(λ)遥感观测在非洲的旱地。鉴于λ的协会与广泛的植被和气候特征、局部范围的角色的二次水生产植被空间格局的衰变率仍有待证明。因此,为了量化的影响non-climatic水输入water-limitation引起生态系统衰变率,我们使用的模型λ气候,植被和地形属性数组的数据使用可判断的ML产品。我们首先提出一个定量的地图地形属性的重要性,与二次水的影响,整个非洲。我们进一步调查的条件提高二级水植被动力学的相关性在非洲。gydF4y2Ba
2。数据和方法gydF4y2Ba
2.1。季节性的衰变率的植被gydF4y2Ba
在这项研究中,我们调查的空间变化的司机植被的季节性衰变率,λ,估计使用一个渐近指数衰减函数在非洲使用每日地球静止卫星的16年的长部分植被数据检索ca。5公里空间分辨率(gydF4y2BaKucuk et al ., 2022gydF4y2Ba)。渐近衰减函数量化衰变速度,振幅和时间的独立事件,允许比较植被的衰变率在不同的气候区,因此理解λ的空间变化背后的驱动因素。初步分析表明λλ证实了植物可用水资源减少的速度使用水有限的条件下(gydF4y2BaKucuk et al ., 2022gydF4y2Ba)。对于一个给定水平的干旱,树冠高衰减较慢,从而获得更大的λ值,比短,同意之前的实地研究(gydF4y2BaTeuling et al ., 2006gydF4y2Ba;gydF4y2BaBoese et al ., 2019gydF4y2Ba)。此外,λ的变化与树木覆盖和干旱反映植物对水限制的适应策略,即。、强ecosystem-scale drought-stressed森林和草原干旱应对策略(gydF4y2Ba辛格et al ., 2020gydF4y2Ba)。因此,除了一阶气候驱动大陆规模的渐变,λ包含二级过程影响植被信息衰减在地区范围内和礼物的机会了解非洲局部范围的过程。gydF4y2Ba
2.2。数据和预处理gydF4y2Ba
我们使用的地形、气候和植被属性在λ的空间变异的研究域模型。提出了使用的数据集的概述gydF4y2Ba表1gydF4y2Ba。地形属性,我们使用预测覆盖(i)地下水作为一个次要的水资源,(ii)地形复杂的地形特性,调节植物可用土壤水分的横向分配和收敛水,和(3)土壤水力性质的基本调制器提供水和植物的可访问性。gydF4y2Ba
表1gydF4y2Ba。摘要在研究中使用的数据集。gydF4y2Ba
我们定义第一组地形因素考虑水位深度(西医)。除了西医的数据gydF4y2Ba风扇et al . (2013)gydF4y2Ba最近,我们使用高度排水(手)的数据gydF4y2Ba山崎et al。(2019)gydF4y2Ba使用价值生成数字高程模型的空间分辨率90米。手是有用的诊断西医的变化,因为它是一个很好的代理显示排水位置(gydF4y2Ba风扇et al ., 2019gydF4y2Ba),它强烈影响地下水位深度。我们聚合西医和通过算术平均拥有这些数据产品在同一空间分辨率作为λ。尽管西医可能重要的季节性变化,时间序列的高空间分辨率西医不可用在大域由于缺乏观察和建模的困难。因此,西医数据在这项研究中的应用是静态和代表一个气候的意思。作为季节性浅层地下水的地区代理,例如,由于季节性洪水,我们使用了湿地的数据gydF4y2BaTootchi et al。(2019)gydF4y2Ba。湿地数据聚合目标空间分辨率通过计算湿地区域目标网格细胞的百分比。gydF4y2Ba
第二组地形预测因子与地形的复杂性。我们使用地形湿度指数(双胞胎)代替土壤水分的横向收敛的可能性。为了占坡,hillslope尺度方面,我们使用Vectoral强度测量(VRM)这是一个复合指标量化斜率和方面。VRM的值的范围从0到1,增加与地形险峻。最后,我们使用地形粗糙度的大小和规模,使用VRM衍生而来的。粗糙度的大小是一个重要的参数来表示地形的变化即使空间聚合。所有的数据推导出地形的复杂性gydF4y2BaAmatulli et al。(2020)gydF4y2Ba使用价值在90和250 m分辨率数字高程模型。我们使用的数据有250分辨率后聚集到目标分辨率使用算术平均(5公里)。gydF4y2Ba
为了准备最后的地形因素,我们用沙子、粘土、土壤有机质含量、体积粗碎片SoilGrids数据集的数据(gydF4y2BaHengl et al ., 2017gydF4y2Ba),顶部和深厚的土壤。首先,SoilGrids数据集是聚合(平均)到目标分辨率,即本地解决λ(5公里)。分组层1米后表层土壤和深层土壤,我们使用均值随着层代表顶部和深厚的土壤。然后我们计算土壤水力性质使用pedo-transfer功能中提供gydF4y2Ba萨克斯顿和罗尔斯(2006)gydF4y2Ba。此外,我们估计的最大潜在向上毛细管流量(gydF4y2Ba我gydF4y2Ba帽gydF4y2Ba每天在毫米(mm /天)假设一个固定的距离1米以上使用理查兹方程(地下水位gydF4y2Ba理查兹,1931gydF4y2Ba)一维垂直土柱。最后,我们使用植物提供水(爪子)是土壤含水量之间的差异在田间持水量、凋萎点土壤导水率在田间持水量(gydF4y2BakgydF4y2Ba足球俱乐部gydF4y2Ba),gydF4y2Ba我gydF4y2Ba帽gydF4y2Ba对顶部和λ深层土壤作为预测模型。gydF4y2Ba
为了包括气候特征的预测模型中,我们使用了降水、温度和短波辐射数据和年度季节性的时间尺度。首先,所有的气候变量,我们使用多动物意味着类预测。此外,一些相关变量得到了降水和温度的季节性变化WorldClim数据集(gydF4y2Ba菲克Hijmans, 2017gydF4y2Ba)。最后,季节性的短波辐射源自每月TerraClimate数据集(gydF4y2BaAbatzoglou et al ., 2018gydF4y2Ba)按照相同的方法中使用gydF4y2Ba菲克和Hijmans (2017)gydF4y2Ba。空间聚合没有必要为气候预测气候变量在同一分辨率作为目标变量,λ。5公里。gydF4y2Ba
最后一组预测覆盖植被特征。首先,我们使用从树冠高度gydF4y2BaSimard et al。(2011)gydF4y2Ba聚合数据5公里后解决。此外,我们使用四个基于MODIS植被相关产品:植被树和非树木分数(gydF4y2BaDimiceli et al ., 2015gydF4y2Ba),燃烧区(gydF4y2Ba想来et al ., 2015gydF4y2Ba),和植物功能类型(击球)(gydF4y2Bafiedl的用于检查电子邮件地址和Sulla-Menashe, 2019gydF4y2Ba)。而前三个变量是通过算术平均聚合目标网格单元,击球时,这是一个分类变量的类型,是聚合使用模式(最常见)目标网格单元。此外,我们计算香农多样性指数(gydF4y2Ba香农,1948gydF4y2Ba)内的击球目标网格细胞代表当地规模可变性的击球。gydF4y2Ba
准备数据用于建模后,我们过滤掉所有的地区年降水量超过1500毫米/年。这只过滤需要考虑旱地,λ在潮湿地区的时空变化与其他混杂因素除了水限制。进一步降低不确定性,我们排除了地区较低的信心在λ值过滤区域相对标准误差大于1,且小于3成功收敛的16估计每个网格单元(参考gydF4y2BaKucuk et al ., 2022gydF4y2Ba详情)。总体而言,约30000网格细胞ca。5公里空间分辨率被选为分析提出了研究。gydF4y2Ba
2.3。方法gydF4y2Ba
我们使用XGBoost (gydF4y2Ba陈和Guestrin, 2016年gydF4y2Ba),最近实施梯度提高了回归树,使用地形模型λ的空间变化,气候和植被属性预测。梯度增加的ML方法,使用一个基于树模型由训练数据的子集。基于树的回归是一种强大的方法具有较高的灵活性,旨在最小化输出误差与强大的梯度搜索不考虑预测和目标之间的基本流程。为了避免可能的归因对λ的变化预测,并确保模型始终反映中央假设二次水缓冲water-limited植物腐烂,我们限制了模型有一个单调λ和地形参数之间的关系。我们基本上假定任何地形属性,促进二次水gydF4y2Ba通过gydF4y2Ba额外的水分输入应该和λ正相关。除了西医和手,我们之间有积极的单调性约束模型λ和地形参数,即。植物有效水分越大,植被衰减越慢。与西医和手,负约束集,即。,the deeper the groundwater, the weaker its support to surface soil moisture. After setting the constraints, we used 10% of the grid cells, which are randomly selected, to build the model, and used the rest of the grid cells for validation.
虽然基于树模型是相对容易理解,也不是轻而易举的事情估计预测的重要性的一个多维模型和非线性毫升以公正的方式。gydF4y2Ba她和李(2017)gydF4y2Ba建议使用夏普利添加剂解释(世鹏科技电子)值来解决这一问题,这是植根于合作博弈理论(gydF4y2Ba沙普利1953gydF4y2Ba),对每个预测作为球员的比赛。作为一个附加的解释方法,世鹏科技电子值的总和所有预测,例如,网格单元,等于该实例的预测价值的偏差值的预测。此外,它是可能的分区的世鹏科技电子值直接和交互作用。换句话说,对于一个简单的建模场景gydF4y2BaygydF4y2Ba奥林匹克广播服务公司gydF4y2Ba≈gydF4y2BaygydF4y2Ba米gydF4y2Ba=gydF4y2BafgydF4y2Ba(gydF4y2BaxgydF4y2Ba1gydF4y2Ba,gydF4y2BaxgydF4y2Ba2gydF4y2Ba),gydF4y2BaygydF4y2Ba奥林匹克广播服务公司gydF4y2Ba和gydF4y2BaygydF4y2Ba米gydF4y2Ba观察和模仿的目标变量,gydF4y2BaxgydF4y2Ba1gydF4y2Ba和gydF4y2BaxgydF4y2Ba2gydF4y2Ba预测,gydF4y2Ba在哪里gydF4y2Ba的意思是gydF4y2BaygydF4y2Ba米gydF4y2Ba,ϕgydF4y2BaxgydF4y2Ba1−gydF4y2BaxgydF4y2Ba1gydF4y2Ba和ϕgydF4y2BaxgydF4y2Ba1−gydF4y2BaxgydF4y2Ba2gydF4y2Ba世鹏科技电子价值归因于预测吗gydF4y2BaxgydF4y2Ba1gydF4y2Ba独自一人,这两个因素之间的交互作用,分别。gydF4y2BaLundberg et al。(2020)gydF4y2Ba提出利用基于树模型的模型结构近似世鹏科技电子值来避免在大型数据集计算复杂度。为了限制方法论问题特性相互依存(参见3.4节)和改善可解释性,我们分组世鹏科技电子值预测的地形、气候和植被特性,解释模型的输出为:gydF4y2Ba
为了量化土地参数的重要性,我们归一化的ϕ值取绝对值后不同的预测:gydF4y2Ba
最后,我们分析了Φ的变化gydF4y2Ba地形gydF4y2Ba−gydF4y2Ba总gydF4y2Ba改变西医,VRM,gydF4y2Ba我gydF4y2Ba帽gydF4y2Ba价值观和这些相关变异与年降水量的敏感性。gydF4y2Ba
3所示。结果gydF4y2Ba
3.1。模型输出植被的季节性衰变率gydF4y2Ba
毫升模型捕获大陆梯度以及当地λ(λ的变化gydF4y2Ba米gydF4y2Ba所示,gydF4y2Ba图1一个gydF4y2Ba与Nash-Sutcliffe建模效率(55%)gydF4y2Ba纳什和拍摄,1970年gydF4y2Ba)。我们认为这一个令人满意的成就过程形成植被衰变模式的复杂性和单调的约束在地形模型的预测反映中央的假设。模型的残差显示各向异性结构在地区范围内(gydF4y2Ba图1 bgydF4y2Ba),这表明该模型没有捕获所有当地范围内变化,可能由于不完整的和不完美的预测进一步讨论(参见3.4节)。gydF4y2Ba
图1gydF4y2Ba。的地图gydF4y2Ba(一)gydF4y2Ba模型输出(λgydF4y2Ba米gydF4y2Ba),在天,更大的λ值(蓝色)显示衰减慢gydF4y2Ba(B)gydF4y2Ba剩余的模型(λ−λgydF4y2Ba米gydF4y2Ba),在天,正值(红色)表示低估。整个域的映射值的直方图给出了在主面板的所有地图用虚线表示的意思是域的值,以及六insets展示当地的可变性。gydF4y2Ba
在下面,我们使用训练模型属性和分析预测的贡献与二级水对λ的影响gydF4y2Ba米gydF4y2Ba根据世鹏科技电子值。从本质上讲,这种分析利用λ的模式gydF4y2Ba米gydF4y2Ba毫升模型解释的变化。gydF4y2Ba
3.2。地形属性的重要性植被的季节性衰变率gydF4y2Ba
根据世鹏科技电子值,归一化的空间变化地形λ(Φ的重要性gydF4y2Ba地形gydF4y2Ba−gydF4y2Ba总gydF4y2Ba2)所示,请参考方程gydF4y2Ba图2gydF4y2Ba一起6放大小图和直方图的值,平均值的域用虚线所示。在研究领域,33%的λ的变化是由于地形影响平均17%的直接影响,16%来自与气候和植被相互作用性质。gydF4y2Ba
图2gydF4y2Ba。归一化的空间变化地形λ(Φ的重要性gydF4y2Ba地形gydF4y2Ba−gydF4y2Ba总gydF4y2Ba)的输出方程2大红色(蓝色)值显示更高的地形参数的重要性。指gydF4y2Ba图1gydF4y2Ba阴谋的细节。gydF4y2Ba
此外,我们发现热点λ地形属性的重要性大于60% (gydF4y2Ba图2gydF4y2Ba),复杂的和结构化的空间模式。这些模式与估计的重要性蒸发从二级水源利用水文模型,完成不同的遥感数据(gydF4y2Ba凡戴克et al ., 2018gydF4y2Ba)。gydF4y2Ba
一些地区浅层地下水在这些热点,如Box-B乍得湖的南部,Logone和沙里河河流和沼泽萨德湿地-gydF4y2Ba图2gydF4y2Ba(参考gydF4y2Ba风扇et al ., 2013gydF4y2Ba水位深度估计),与先前的研究一致的相关性浅水表植被活动water-limited环境(gydF4y2Ba柯伊拉腊et al ., 2017gydF4y2Ba;gydF4y2BaRoebroek et al ., 2020gydF4y2Ba)。gydF4y2Ba
此外,我们发现强烈地形效应对诸如埃塞俄比亚高原山区(Box-E),以及在较小程度上,马尼卡省高地(Box-F)(参考gydF4y2Ba克拉克et al ., 2017gydF4y2Ba为进一步的信息马尼卡省高地)。这可能反映了地形的复杂性对横向水流的影响和水分融合在山谷和河岸区域(gydF4y2Ba风扇et al ., 2019gydF4y2Ba)。gydF4y2Ba
现在,我们检查了一下地形属性的重要性随个人地形变量相关地形复杂,地下水,分别和毛细上升。集中在整个研究领域,我们发现,与VRM地形属性增加系统的重要性,一个度量总结地形复杂性(gydF4y2Ba图3一gydF4y2Ba)。大约一半的地形属性的重要性与VRM值高于0.85。横向水流和水分融合在复杂地形提高二次水的相关性对植被的影响如前所报道在流域尺度(gydF4y2BaHoylman et al ., 2018gydF4y2Ba;gydF4y2BaTai et al ., 2020gydF4y2Ba)。gydF4y2Ba
图3gydF4y2Ba。归一化地形(一样的重要性gydF4y2Ba图2gydF4y2Ba)和矢量的变化强度测量(VRM)gydF4y2Ba(一)gydF4y2Ba、地下水位深度(西医)gydF4y2Ba(B)gydF4y2Ba向上,最大潜在毛细管流量1米水位深度(gydF4y2Ba我gydF4y2Ba帽gydF4y2Ba)gydF4y2Ba(C)gydF4y2Ba。轴显示的是总(Φ地形的影响gydF4y2Ba地形gydF4y2Ba−gydF4y2Ba总gydF4y2Ba)尽管酒吧彩色和注释,以说明其组件直接影响(ΦgydF4y2Ba地形gydF4y2Ba−gydF4y2Ba直接gydF4y2Ba与气候(Φ)和交互作用gydF4y2Ba地形gydF4y2Ba−gydF4y2Ba这一gydF4y2Ba)和植被(ΦgydF4y2Ba地形gydF4y2Ba−gydF4y2Ba蔬菜gydF4y2Ba),使用方程2。gydF4y2Ba
地形属性的影响λ与浅水位深度增加系统(gydF4y2Ba图3 bgydF4y2Ba)。地区地下水位深度< 1 m与几乎一半的地形属性的重要性。这种效应与深层地下水水平逐渐减少16 m。这个关系,然而,并不在西医水平比16米深,大概由于地表水和地下水之间的断开,在其他因素更加突出。当地的重要性增加水位深度超过16 m将共变高地形复杂的山区(参见上图)。我们的研究表明,浅水表是非洲的重要二次水源植被,又与以前的结果一致(gydF4y2BaMadani et al ., 2020gydF4y2Ba)。gydF4y2Ba
我们还观察到一个系统增加地形属性的重要性增加毛细上升的倾向gydF4y2Ba我gydF4y2Ba帽gydF4y2Ba与土壤质地属性(gydF4y2Ba图3 cgydF4y2Ba)。总的来说,超过一半的地形对λ的重要性是什么时候gydF4y2Ba我gydF4y2Ba帽gydF4y2Ba> 1毫米/天。这表明,增强土壤水分的垂直向上的存在毛细管通量中扮演一个重要的角色在提供二次用水在非洲的大部分地区植被的活动。这通常是与先前的研究一致确定土壤质地作为关键变量调节气候之间的相互作用,土壤和植被(gydF4y2BaFernandez-Illescas et al ., 2001gydF4y2Ba)。gydF4y2Ba
3.3。干旱对地形参数的重要性gydF4y2Ba
因为二次水效果取决于降雨的供应,我们分析地形变量的重要性在λ与影响VRM,西医gydF4y2Ba我gydF4y2Ba帽gydF4y2Ba在降水梯度的0 - 1500毫米/年(gydF4y2Ba图4一gydF4y2Ba)。Φ之间的积极关系gydF4y2Ba土地gydF4y2Ba−gydF4y2Ba总gydF4y2Ba在不同的降水机制和VRM通常是一致的。梯度之间的低和高地形的复杂性,是更加明显在潮湿和干燥制度相比,在中间降水梯度。Φ的更大的敏感性gydF4y2Ba土地gydF4y2Ba−gydF4y2Ba总gydF4y2Ba地形的复杂性在潮湿条件下可能反映了更多的二次水影响由于横向流动过剩的降雨。在非常干燥的情况下,地形的复杂性需要相对较大的二次水有相当大的影响,主要是因为大多数的降雨会蒸发掉了(gydF4y2Ba纽曼et al ., 2006gydF4y2Ba),因此,不产生明显超过所需渗透侧地下流。因此,在中间地形的复杂性,山峰在中间干旱程度的二次水效果。中间的最优性条件提高地下水的水分来源的角色也被报道之前(gydF4y2Ba柯伊拉腊et al ., 2014gydF4y2Ba)。gydF4y2Ba
图4gydF4y2Ba。干旱对地形参数的重要性的影响(参考方程2)与向量的变化强度测量(VRM)gydF4y2Ba(一)gydF4y2Ba、地下水位深度(西医)gydF4y2Ba(B)gydF4y2Ba和最大潜在向上毛细管通量高于水位深度(1米gydF4y2Ba我gydF4y2Ba帽gydF4y2Ba)gydF4y2Ba(C)gydF4y2Ba。gydF4y2Ba
浅水表(< 1 m)与高Φ的重要性gydF4y2Ba土地gydF4y2Ba−gydF4y2Ba总gydF4y2Ba所有降水政权表明强烈的二次水影响地下水时容易(gydF4y2Ba图4 bgydF4y2Ba)。随着水位有点深几米深处,有一种倾向增加ΦgydF4y2Ba土地gydF4y2Ba−gydF4y2Ba总gydF4y2Ba随着干旱,地下水收益相关性表明二次供水的主要由降雨减少供水(gydF4y2Ba布鲁克斯et al ., 2015gydF4y2Ba)。gydF4y2Ba
积极的关系gydF4y2Ba我gydF4y2Ba帽gydF4y2Ba和地形变量的重要性在λ在降水机制是一致的,而增加干旱的影响变得更强(gydF4y2Ba图4 cgydF4y2Ba)除了最干燥,看起来条件。这些模式显示土壤介导毛细上升的一个重要的角色作为植被二次水的影响,特别是中间干旱的地区。gydF4y2Ba
3.4。鲁棒性和局限性gydF4y2Ba
基于机器学习的量化和分析的影响二次水季节性植物腐烂在非洲与基本假设和方法相关的不确定性。假设植被衰退主要是由于水分限制在大多数非洲的生态系统是由以前的研究(参考gydF4y2BaKucuk et al ., 2022gydF4y2Ba和引用)。为了减少不确定性,我们主要研究领域局限于保留water-limited系统不包括潮湿的热带地区(参见2.2节)。我们研究的重要发现的重要性和模式造成腐烂植被特征与二次用水符合非洲旱地主要是water-limited假设。gydF4y2Ba
我)的主要方法论的相关不确定性基础训练的质量和性能机器学习模型和ii)的正确归因λ的变化地形属性建模。关于模型的质量和性能,我们承认XGBoost模型解释说只有55%的λ的变化根据培训只有10%的随机选择的像素,以避免过度拟合将空间自相关(gydF4y2Ba罗伯茨et al ., 2017gydF4y2Ba)。虽然这性能似乎乍一看相对较低,说明大多数的方差可以被认为是一个重要的成就过程形成植被衰变模式的复杂性,伴随着很少了解潜在机制和过程。然而,它也表明,我们缺乏预测和/或存在一些固有的问题数据产品的质量作为预测因子。地形因素的不完美的代表管理二级水可能限制进一步的预测集3 - 5公里的空间分辨率,重要的亚格子变化因素和响应在λ可能没有充分解决。模型残差(gydF4y2Ba图1 bgydF4y2Ba中尺度)显示清晰的空间结构,但不是在大尺度。因此,我们可能低估了λ的变化由于景观尺度的空间模式和归因因素表明,地形属性的重要性可能保守,这些可能会更强更高的空间分辨率。gydF4y2Ba
植物腐烂的基于机器学习的归因模式是基于地形变量的解释模型和训练,因此,对这些模式捕捉和解释模型。我们承认毫升方法利用统计协会没有任何揭示因果关系的保证。在我们的实验设计中,我们旨在增强了预测结果的可解释性约束与我们的目标设置为可判断的因素,并通过约束地形的单调性预测因子λ根据先验知识。只注意单调限制规定的响应信号作为因果正规化在模型训练过程中,但是形状保持灵活。一些定性研究的发现源于信心的事实显示地形属性的重要性变化与地形的复杂性系统,水位深度,和最大的毛细上升,这些在很大程度上是一致的理解从理论和以往的研究(gydF4y2Ba图3gydF4y2Ba)。我们要注意,这里给出的结果和发现不是微不足道的,并非强制使用单调预测约束自地形重要性估计为平均绝对偏差(公式2)。gydF4y2Ba
我们使用世鹏科技电子值作为最先进的预测技术基于机器学习的归因,而归因存在大之间的共变预测仍然是一个挑战gydF4y2BaKumar et al。(2020)gydF4y2Ba。我们旨在最小化这个问题通过分析预测组织的重要性,而不是单个的预测基于世鹏科技电子的一致的聚合值(参考方程1和2)。这使得我们的归因健壮的共变的预测在一组,例如,在地形的预测。我们假设大多数的预测因子之间的共变是在集团内,但仍然是共变跨组织,可能会导致一些干扰。gydF4y2Ba
最后,我们研究设计的主要挑战是,它几乎是不可能的验证研究结果定量使用独立的观察。在定性的比较,我们发现模式从理论与先前的研究一致的理解。然而,我们鼓励未来的研究考虑这里中等水分对植被的影响显示的模式作为一种新的假设推断从机器学习,应审查和测试辅助工具和方法。gydF4y2Ba
4所示。讨论gydF4y2Ba
在这项研究中,我们探讨了影响当地规模的二级水与气候,地形,植被特征的季节性植物衰变率(λ)部分植被在非洲旱地5公里空间分辨率基于机器学习的方法。我们发现地形属性的重要性λ在某些热点地区可超过60%。在非洲的全部研究领域,地形属性的重要性是平均33%,大概是均分在地形属性的直接影响和交互作用的地形与气候和植被属性。地形影响λ的重要性随干旱,暗示越来越角色的二次水对植被的影响。我们进一步发现地形植被衰变上的属性的重要性增加而增加最大潜能毛细上升由土壤质地属性(gydF4y2Ba我gydF4y2Ba帽gydF4y2Ba),随着地下水位浅。增加干旱的模式变得更强大,大概强调二次水的重要角色在这种情况下。地形植被衰变上的属性的重要性与地形的复杂性,也增加了与最强的模式在中间干旱地区复杂的地形条件和最佳的降水输入导致地区地下水位深度,仍然可以访问的植被。基于我们的研究表明,当地规模过程影响水资源在旱地广泛和重要的关联域在非洲大陆,和这些过程不容忽视。的呈现模式地形变化、地下水位深度,在旱季植被和土壤毛细上升倾向衰变可以帮助指导全球土地的开发模型考虑到二次水的影响。把这些中介地形对干旱的影响反应在地球系统模型可以对模拟产生大影响生态系统碳循环等过程,水周转时间尺度,因此,land-atmosphere反馈。gydF4y2Ba
数据可用性声明gydF4y2Ba
本研究使用的数据集可以引用文献中找到(总结gydF4y2Ba表1gydF4y2Ba)。光栅文件规范化的地形影响的重要性以及直接的生世鹏科技电子值和交互作用的地形、气候和植被中可用gydF4y2Bahttps://doi.org/10.6084/m9.figshare.16780405.v2gydF4y2Ba。gydF4y2Ba
作者的贡献gydF4y2Ba
CK和乔丹的概念和设计研究。CK在乔丹的支持下进行实验和分析世鹏科技电子计算的值,和SK土壤水力性质的估计。CK写了初稿的手稿。所有作者提供知识贡献的分析结果,导致手稿修改,阅读,和批准提交的版本。gydF4y2Ba
资金gydF4y2Ba
CK承认国际马克斯·普朗克研究的资助学校的全球生物地球化学循环。SK承认Erdsystemforschung的支持:Afrikanische Grundwasserressourcen im Zuge des globalen Wandels(地球系统研究:地下水资源在非洲在全球变化)项目马普学会的。DM承认资金从欧洲研究委员会(ERC)赠款协议715254 (DRY-2-DRY)和欧盟(eu)地平线2020计划项目869550 (DOWN2EARTH)。先生承认资金由欧洲研究委员会(ERC)协同作用给予理解和建模的地球系统机器学习(其中)地平线2020研究和创新计划(批准协议855187号)。gydF4y2Ba
的利益冲突gydF4y2Ba
作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。gydF4y2Ba
出版商的注意gydF4y2Ba
本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。gydF4y2Ba
补充材料gydF4y2Ba
本文的补充材料在网上可以找到:gydF4y2Bahttps://www.雷竞技rebatfrontiersin.org/articles/10.3389/fdata.2022.967477/full补充材料gydF4y2Ba
引用gydF4y2Ba
Abatzoglou, j . T。,Dobrowski, S. Z., Parks, S. A., and Hegewisch, K. C. (2018). TerraClimate, a high-resolution global dataset of monthly climate and climatic water balance from 1958-2015.科学数据gydF4y2Ba5、1 - 12。doi: 10.1038 / sdata.2017.191gydF4y2Ba
《公共医学图书馆摘要》gydF4y2Ba|gydF4y2BaCrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Adole, T。,Dash, J., and Atkinson, P. M. (2016). A systematic review of vegetation phenology in Africa.生态。通知gydF4y2Ba。34岁,117 - 128。doi: 10.1016 / j.ecoinf.2016.05.004gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Amatulli G。,McInerney, D., Sethi, T., Strobl, P., and Domisch, S. (2020). Geomorpho90m, empirical evaluation and accuracy assessment of global high-resolution geomorphometric layers.科学数据gydF4y2Ba7队。doi: 10.1038 / s41597 - 020 - 0479 - 6gydF4y2Ba
《公共医学图书馆摘要》gydF4y2Ba|gydF4y2BaCrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
布莱,e . M。,Arora, V. K., Clark, D. B., Dadson, S. J., De Kauwe, Ma. G., Lawrence, D. M., et al. (2021). Advances in land surface modelling.咕咕叫。气候变化的代表gydF4y2Ba。7,45 - 71。doi: 10.1007 / s40641 - 021 - 00171 - 5gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Boese, S。,Jung, M., Carvalhais, N., Teuling, A. J., and Reichstein, M. (2019). Carbon-water flux coupling under progressive drought.BiogeosciencesgydF4y2Ba16,2557 - 2572。doi: 10.5194 / bg - 16 - 2557 - 2019gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
布兰德,M。,Wigneron, J. P., Chave, J., Tagesson, T., Penuelas, J., Ciais, P., et al. (2018). Satellite passive microwaves reveal recent climate-induced carbon losses in African drylands.Nat,生态。另一个星球gydF4y2Ba。2,827 - 835。doi: 10.1038 / s41559 - 018 - 0530 - 6gydF4y2Ba
《公共医学图书馆摘要》gydF4y2Ba|gydF4y2BaCrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
布鲁克斯,p D。,Chorover, J., Fan, Y., Godsey, S. E., Maxwell, R.eed M., McNamara, J. P., et al. (2015). Hydrological partitioning in the critical zone: recent advances and opportunities for developing transferable understanding of water cycle dynamics.水Resour。ResgydF4y2Ba。51岁,6973 - 6987。wr017039 doi: 10.1002/2015gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
陈,T。,和Guestrin, C. (2016). “XGBoost: a scalable tree boosting system,” in22 ACM SIGKDD学报》国际会议上知识发现和数据挖掘gydF4y2Ba(旧金山,CA), 785 - 794。gydF4y2Ba
《公共医学图书馆摘要》gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
克拉克,m . P。风扇,Y。,Lawrence, D. M., Adam, J. C., Bolster, D., Gochis, D. J., et al. (2015). Improving the representation of hydrologic processes in earth system models.水Resour。ResgydF4y2Ba。51岁,5929 - 5956。wr017096 doi: 10.1002/2015gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
克拉克,V。,Timberlake, J., Hyde, M., Mapaura, A., Palgrave, M. C., Wursten, B., et al. (2017). A first comprehensive account of floristic diversity and endemism on the Nyanga Massif, Manica Highlands (Zimbabwe-Mozambique).KirkiagydF4y2Ba19日—53。doi: 10.5167 /不会- 131473gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Dimiceli C。,Carroll, M., Sohlberg, R., Kim, D. H., Kelly, M., and Townshend, J. R. G. (2015).MOD44B MODIS植被/ Terra连续领域250年度L3全球网格V006罪。gydF4y2Ba美国国家航空航天局EOSDIS DAAC土地流程。doi: 10.5067 / MODIS / MOD44B.006gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
D 'Odorico, P。,Porporato, A., and Runyan, C. (2019). “Ecohydrology of arid and semiarid ecosystems: An Introduction,” in旱地EcohydrologygydF4y2Ba,eds p D 'Odorico, a . Porporato和c·w·Runyan扮演(Cham: Springer)。doi: 10.1007 / 978 - 3 - 030 - 23269 - 6 _1gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
粉丝,y (2015)。地下水在地球的关键区域:与大规模的模式和流程。gydF4y2Ba水Resour。ResgydF4y2Ba。51岁,3052 - 3069。wr017037 doi: 10.1002/2015gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
粉丝,Y。,Clark, M., Lawrence, D. M., Swenson, S., Band, L. E., Brantley, S. L., et al. (2019). Hillslope hydrology in global change research and earth system modeling.水Resour。ResgydF4y2Ba。55岁,1737 - 1772。wr023903 doi: 10.1029/2018gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
粉丝,Y。,Li, H., and Miguez-Macho, G. (2013). Global patterns of groundwater table depth.科学gydF4y2Ba339年,940 - 943。doi: 10.1126 / science.1229881gydF4y2Ba
《公共医学图书馆摘要》gydF4y2Ba|gydF4y2BaCrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
粉丝,Y。,Miguez-Macho G。韦弗,c·P。Walko, R。,和Robock, A. (2007). Incorporating water table dynamics in climate modeling: 1. Water table observations and equilibrium water table simulations.j .地球物理学。研究大气gydF4y2Ba112 - 17。jd008111 doi: 10.1029/2006gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Fernandez-Illescas, c·P。Porporato,。Laio F。,和Rodriguez-Iturbe,我。(2001). The ecohydrological role of soil texture in a water-limited.生态系统gydF4y2Ba37岁,2863 - 2872。wr000121 doi: 10.1029/2000gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
菲克,s E。,和Hijmans, R. J. (2017). WorldClim 2: new 1-km spatial resolution climate surfaces for global land areas.Int。j . ClimatolgydF4y2Ba。37岁,4302 - 4315。doi: 10.1002 / joc.5086gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
费舍尔,r。,和Koven, C. D. (2020). Perspectives on the future of Land Surface Models and the challenges of representing complex terrestrial systems.j .放置模型。地球系统gydF4y2Ba。12,e2018MS001453。ms001453 doi: 10.1029/2018gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
fiedl的用于检查电子邮件地址,M。,和Sulla-Menashe, D. (2019).每年MCD12Q1 MODIS / Terra + Aqua土地覆盖类型L3全球500网格V006罪gydF4y2Ba。美国国家航空航天局EOSDIS DAAC土地流程。doi: 10.5067 / MODIS / MCD12Q1.006gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
想来,L。,Justice, C., Boschetti, L., and Roy, D. (2015).MCD64A1 MODIS / Terra +水燃烧区域月度L3全球500网格V006罪gydF4y2Ba。美国国家航空航天局EOSDIS DAAC土地流程。doi: 10.5067 / MODIS / MCD64A1.006gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Hengl, T。,Mendes de Jesus, J., Heuvelink, G. B., Gonzalez, M. R., Kilibarda, M., Blagotić, A., et al. (2017). SoilGrids250m: global gridded soil information based on machine learning.《公共科学图书馆•综合》gydF4y2Ba第1 - 40 12日。doi: 10.1371 / journal.pone.0169748gydF4y2Ba
《公共医学图书馆摘要》gydF4y2Ba|gydF4y2BaCrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Hoylman, z . H。,Jencso, K. G., Hu, J., Martin, J. T., Holden, Z. A., Seielstad, C. A., et al. (2018). Hillslope topography mediates spatial patterns of ecosystem sensitivity to climate.j .地球物理学。Biogeosci》gydF4y2Ba。123年,353 - 371。jg004108 doi: 10.1002/2017gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
柯伊拉腊,S。荣格,M。,Reichstein, M., de Graaf, I. E., Camps-Valls, G., Ichii, K., et al. (2017). Global distribution of groundwater-vegetation spatial covariation.地球物理学。卷gydF4y2Ba。44岁,4134 - 4142。gl072885 doi: 10.1002/2017gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
柯伊拉腊,S。金,H。,Hirabayashi, Y., Kanae, S., and Oki, T. (2019). Sensitivity of global hydrological simulations to groundwater capillary flux parameterizations.水Resour。ResgydF4y2Ba。55岁,402 - 425。wr023434 doi: 10.1029/2018gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
柯伊拉腊,S。,Yeh, P. J.-F., Hirabayashi, Y., Kanae, S., and Oki, T. (2014). Global-scale land surface hydrologic modeling with the representation of water table dynamics.j .地球物理学。研究大气gydF4y2Ba119年,75 - 89。jd020398 doi: 10.1002/2013gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Kollet, s . J。,和麦克斯韦,r . M。(2008). Capturing the influence of groundwater dynamics on land surface processes using an integrated, distributed watershed model.水Resour。ResgydF4y2Ba。44岁的队。wr006004 doi: 10.1029/2007gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Kucuk C。,柯伊拉腊,S。,Carvalhais, N., Miralles, D. G., Reichstein, M., and Jung, M. (2022). Characterizing the response of vegetation cover to water limitation in africa using geostationary satellites.j .放置模型。地球系统gydF4y2Ba。14日,e2021MS002730。ms002730 doi: 10.1029/2021gydF4y2Ba
《公共医学图书馆摘要》gydF4y2Ba|gydF4y2BaCrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
库马尔,即。,Venkatasubramanian, S., Scheidegger, C., and Friedler, S. (2020). “Problems with shapley-value-based explanations as feature importance measures,” in美国第37国际会议上机器学习gydF4y2Ba,5491 - 5500。gydF4y2Ba
拉尔,r (2019)。碳循环在全球旱地。gydF4y2Ba咕咕叫。气候变化的代表gydF4y2Ba。5,221 - 232。doi: 10.1007 / s40641 - 019 - 00132 - zgydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Lundberg, s M。不,G。陈,H。,DeGrave, A., Prutkin, J. M., Nair, B., et al. (2020). From local explanations to global understanding with explainable ai for trees.Nat,马赫。智能gydF4y2Ba。2,2522 - 5839。doi: 10.1038 / s42256 - 019 - 0138 - 9gydF4y2Ba
《公共医学图书馆摘要》gydF4y2Ba|gydF4y2BaCrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Lundberg, s M。,和Lee, S.-I. (2017). “A unified approach to interpreting model predictions,” in31日学报》国际会议上神经信息处理系统gydF4y2Ba(长滩,CA), 4768 - 4777。gydF4y2Ba
Madani, N。,Kimball, J. S., Parazoo, N. C., Ballantyne, A. P., Tagesson, T., Jones, L. A., et al. (2020). Below-surface water mediates the response of African forests to reduced rainfall.环境卷gydF4y2Ba。15日,034063年。1748 - 9326 . doi: 10.1088 / / ab724agydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Maestre, f . T。,Benito, B. M., Berdugo, M., Concostrina-Zubiri, L., Delgado-Baquerizo, M., Eldridge, D. J., et al. (2021). Biogeography of global drylands.新植醇gydF4y2Ba。231年,540 - 558。doi: 10.1111 / nph.17395gydF4y2Ba
《公共医学图书馆摘要》gydF4y2Ba|gydF4y2BaCrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Maestre, f . T。,Salguero-Gómez, R., and Quero, J. L. (2012). It is getting hotter in here: determining and projecting the impacts of global environmental change on drylands.费罗斯。反式。r . Soc。B杂志。ScigydF4y2Ba。367年,3062 - 3075。doi: 10.1098 / rstb.2011.0323gydF4y2Ba
《公共医学图书馆摘要》gydF4y2Ba|gydF4y2BaCrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
麦克斯韦,r . M。,和Condon, L. E. (2016). Connections between groundwater flow and transpiration partitioning.科学gydF4y2Ba353年,377 - 380。doi: 10.1126 / science.aaf7891gydF4y2Ba
《公共医学图书馆摘要》gydF4y2Ba|gydF4y2BaCrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Miguez-Macho G。,和粉丝,Y。(2021). Spatiotemporal origin of soil water taken up by vegetation.自然gydF4y2Ba598年,624 - 628。doi: 10.1038 / s41586 - 021 - 03958 - 6gydF4y2Ba
《公共医学图书馆摘要》gydF4y2Ba|gydF4y2BaCrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Molnar, c (2019)。gydF4y2Ba可翻译的机器学习gydF4y2Ba。网上:gydF4y2Bahttps://christophm.github.io/interpretable-ml-bookgydF4y2Ba。gydF4y2Ba
μM。,De Kauwe, M. G., Ukkola, A. M., Pitman, A. J., Gimeno, T. E., Medlyn, B. E., et al. (2021). Evaluating a land surface model at a water-limited site: implications for land surface contributions to droughts and heatwaves.二聚水分子。地球系统。ScigydF4y2Ba。25日,447 - 471。doi: 10.5194 /赫斯- 25 - 447 - 2021gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
纳什,E。,和Sutcliffe, V. (1970). River flow forecasting through conceptual models Part I - A discussion of principles.j .二聚水分子gydF4y2Ba。10日,282 - 290。0022 - 1694 . doi: 10.1016 / (70) 90255 - 6gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
纽曼,b D。,Wilcox, B. P., Archer, S. R., Breshears, D. D., Dahm, C. N., Duffy, C. J., et al. (2006). Ecohydrology of water-limited environments: a scientific vision.水Resour。ResgydF4y2Ba。42岁的保护。wr004141 doi: 10.1029/2005gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Prăvălie, r (2016)。旱地程度和环境问题。一个全球的方法。gydF4y2Ba地球科学。牧师gydF4y2Ba。161年,259 - 278。doi: 10.1016 / j.earscirev.2016.08.003gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
雷诺兹,j·F。,Stafford Smith, D. M., Lambin, E. F., Turner, B. L., Mortimore, M., Batterbury, S. P., et al. (2007). Ecology: global desertification: building a science for dryland development.科学gydF4y2Ba316年,847 - 851。doi: 10.1126 / science.1131634gydF4y2Ba
《公共医学图书馆摘要》gydF4y2Ba|gydF4y2BaCrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
理查兹,洛杉矶(1931)。液体通过多孔介质的毛细管传导。gydF4y2Baj:。理论物理gydF4y2Ba。1,318 - 333。doi: 10.1063/1.1745010gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
罗伯茨·d·R。铁路,V。,Ciuti, S., Boyce, M. S., Elith, J., Guillera-Arroita, G., et al. (2017). Cross-validation strategies for data with temporal, spatial, hierarchical, or phylogenetic structure.描述生态学gydF4y2Ba40岁,913 - 929。doi: 10.1111 / ecog.02881gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Rodriguez-Iturbe,我。,和Porporato, A. (2005).Ecohydrology治水的生态系统:土壤水分与植物动力学。gydF4y2Ba剑桥:剑桥大学出版社。doi: 10.1017 / CBO9780511535727gydF4y2Ba
《公共医学图书馆摘要》gydF4y2Ba|gydF4y2BaCrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Roebroek, c·t·J。、Melsen洛杉矶。,Hoek van Dijke, A. J., Fan, Y., and Teuling, A. J. (2020). Global distribution of hydrologic controls on forest growth.二聚水分子。地球系统。ScigydF4y2Ba。24岁,4625 - 4639。doi: 10.5194 /赫斯- 24 - 4625 - 2020gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
鲁丁,C。,Chen, C., Chen, Z., Huang, H., Semenova, L., and Zhong, C. (2022). Interpretable machine learning: Fundamental principles and 10 grand challenges.Stat。SurvgydF4y2Ba。16日,1 - 85。doi: 10.1214 / 21-ss133gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
萨克斯顿,k . E。,和Rawls, W. J. (2006). Soil water characteristic estimates by texture and organic matter for hydrologic solutions.土壤科学。Soc。点。JgydF4y2Ba。70年,1569 - 1578。doi: 10.2136 / sssaj2005.0117gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
香农,c, e (1948)。通信的数学理论。gydF4y2Ba贝尔系统。中欧。JgydF4y2Ba。27日,379 - 423。doi: 10.1002 / j.1538-7305.1948.tb01338.xgydF4y2Ba
《公共医学图书馆摘要》gydF4y2Ba|gydF4y2BaCrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Shapley l . s . (1953)。一个值为n人游戏。gydF4y2BaContribut。论游戏gydF4y2Ba2,307 - 317。doi: 10.1515 / 9781400881970 - 018gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Simard, M。,Pinto, N., Fisher, J. B., and Baccini, A. (2011). Mapping forest canopy height globally with spaceborne lidar.j .地球物理学。Biogeosci》gydF4y2Ba。116年,1 - 12。jg001708 doi: 10.1029/2011gydF4y2Ba
《公共医学图书馆摘要》gydF4y2Ba|gydF4y2BaCrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
辛格,C。,Wang-Erlandsson, L., Fetzer, I., Rockström, J., and Van Der Ent, R. (2020). Rootzone storage capacity reveals drought coping strategies along rainforest-savanna transitions.环绕。卷gydF4y2Ba。15日,1402年。1748 - 9326 . doi: 10.1088 / / abc377gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
大,X。,Anderegg, W. R., Blanken, P. D., Burns, S. P., Christensen, L., and Brooks, P. D. (2020). Hillslope hydrology influences the spatial and temporal patterns of remotely sensed ecosystem productivity.水Resour。ResgydF4y2Ba。56岁的1-13。wr027630 doi: 10.1029/2020gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Teuling, a·J。,Seneviratne, S. I., Williams, C., and Troch, P. A. (2006). Observed timescales of evapotranspiration response to soil moisture.地球物理学。卷gydF4y2Ba。33岁,0 - 4。gl028178 doi: 10.1029/2006gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
Tootchi,。Jost,。,和Ducharne, A. (2019). Multi-source global wetland maps combining surface water imagery and groundwater constraints.地球系统。科学。数据gydF4y2Ba892657年,189 - 220。doi: 10.5194 / essd - 11 - 189 - 2019gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
冯·迪,我。,Schellekens, J., Yebra, M., Beck, H. E., Renzullo, L. J., Weerts, A., et al. (2018). Global 5 km resolution estimates of secondary evaporation including irrigation through satellite data assimilation.二聚水分子。地球系统。ScigydF4y2Ba。22日,4959 - 4980。doi: 10.5194 /赫斯- 22 - 4959 - 2018gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
山崎,D。,我keshima, D., Sosa, J., Bates, P. D., Allen, G. H., and Pavelsky, T. M. (2019). MERIT Hydro: a high-resolution global hydrography map based on latest topography dataset.水Resour。ResgydF4y2Ba。55岁,5053 - 5073。wr024873 doi: 10.1029/2019gydF4y2Ba
CrossRef全文gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
关键词:gydF4y2Baecohydrology,非洲,限制水、地下水、地形、二次水资源、植物腐烂率,旱地gydF4y2Ba
引用:gydF4y2Ba柯伊拉腊Kucuk C, S, Carvalhais N,产生DG, Reichstein米和荣格米(2022)基于评估的二次水对季节性植物腐烂在非洲的影响。gydF4y2Ba前面。大数据gydF4y2Ba5:967477。doi: 10.3389 / fdata.2022.967477gydF4y2Ba
收到:gydF4y2Ba2022年6月12日;gydF4y2Ba接受:gydF4y2Ba2022年8月01;gydF4y2Ba
发表:gydF4y2Ba2022年9月09年。gydF4y2Ba
编辑:gydF4y2Ba
福勒斯特·m·霍夫曼gydF4y2Ba橡树岭国家实验室(DOE),美国gydF4y2Ba版权gydF4y2Ba©2022 Kucuk,柯伊拉腊Carvalhais产生,Reichstein和荣格。这是一个开放分布式根据文章gydF4y2Ba知识共享归属许可(CC)gydF4y2Ba。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。gydF4y2Ba
*通信:gydF4y2BaCağlar Kucuk,gydF4y2Backucuk@bgc-jena.mpg.degydF4y2Ba