El Nino Southern Oscillation-Driven Variability in Vegetation Indices and Carbon Fluxes over Rajasthan, India: A Non-parametric District-level Analysis (2000-2024)

技术摘要：拉贾斯坦邦植被与碳通量受 ENSO 驱动的变率研究 (2000–2024)

问题陈述
本研究旨在量化厄尔尼诺-南方涛动（ENSO）事件和季风降水如何影响印度拉贾斯坦邦不同干旱梯度下的夏季作物（kharif）季节植被状况及陆地碳通量。虽然降水在驱动植被变化方面的支配地位已得到证实，但针对各地区层面、独立于降水变率之外的 ENSO 对总初级生产力（GPP）和净初级生产力（NPP）的具体影响程度，仍缺乏充分的表征。此外，在高度干旱和干旱地区（其年际变率极高），理解这些气候驱动因素如何相对于冠层绿度（NDVI）影响碳同化作用，目前仍存在研究空白。

研究方法
本研究采用全非参数统计框架，分析了拉贾斯坦邦所有 33 个地区 25 年（2000–2024 年）的数据。

• 数据来源： 研究整合了四种 MODIS Collection 6 产品——MOD13Q1（250 m NDVI/EVI）、MOD17A2H（8 天 GPP）、MOD17A3HGF（年 NPP）以及 MCD12Q1（土地利用/土地覆盖）——并结合了 IMD 0.25° 格点降水数据和 NOAA ONI 指数。
• 预处理： 应用了由 MCD12Q1 衍生的动态农业掩膜（IGBP 分类 12 和 14）来逐年隔离农业像素，以防止自然旱地植被对 ENSO 信号的衰减。
• 统计框架：
  • 趋势检测： 使用 Mann-Kendall (MK) 检验和 Sen 斜率估计器识别长期趋势。
  • 相关性分析： 使用 Kendall tau 和 Spearman rho 评估双变量关联。通过偏 Spearman 相关性控制降水（RF），以分离出独立的 ONI 对 GPP 的影响。
  • 建模： 利用迭代 Theil-Sen 回归方法推导地区级预测方程。模型结构为：$GPP = \alpha + \beta_{RF} \cdot (RF - RF_{med}) + \beta_{ONI} \cdot (ONI - ONI_{med})$。
  • 验证： 通过留一交叉验证（LOOCV）量化模型技能，得出平均绝对百分比误差（MAPE）、均方根误差（RMSE）和系统偏差。
  • 预测： 利用 1000 次自助重采样技术生成 2026 年展望，为地区级预测产生 90% 的置信区间。
• 关键贡献

1. 地区级归因： 这是首个针对整个拉贾斯坦邦 MODIS 植被和碳通量产品，提供全非参数化、地区级 ENSO 信号归因的研究。
2. 降水与 ENSO 的解耦： 本研究成功分离了独立的 ENSO 对 GPP 的影响（在控制降水变量后），识别出了干旱和半干旱西部特定的“ONI 敏感型”地区。
3. GPP 与 NDVI 的差异： 研究量化了在厄尔尼诺事件期间，GPP 相对于 NDVI 存在约 2:1 的抑制比例，强调了由于气孔关闭，碳同化作用的下降速度快于冠层绿度的下降。
4. 业务化预测： 开发了具有量化不确定性（LOO-MAPE）的 Theil-Sen 预测模型，为生成具有行动意义的季节性农业早期预警提供了框架。

结果

• ENSO 影响： 厄尔尼诺事件平均使夏季作物 NDVI 降低 3.6%，GPP 降低 7.0%。这种影响在极度干旱的杰萨尔梅尔（Jaisalmer）地区最为严重，其 NDVI 亏缺达 14.3%，GPP 亏缺达 21.6%。拉尼娜事件则产生 3–18% 的对称性盈余。
• 相关性： 降水与 NDVI 的相关性在所有 33 个地区均显著（平均 $\rho$ = 0.935）。然而，独立的 ONI 对 GPP 的影响仅在六个干旱和半干旱西部地区（比卡内尔、丘鲁、甘加纳格尔、哈努曼格尔、杰萨尔梅尔和焦德普尔）显著，偏相关系数范围为 -0.42 至 -0.62。在半湿润东部，ENSO 的影响主要通过降水进行介导。
• 长期趋势： 在 33 个地区中有 16 个地区检测到显著的 NDVI 和 GPP 正向 Mann-Kendall 趋势。最高的绿化速率出现在半湿润东南部（GPP 平均增加 +5.4 g C m⁻² yr⁻¹），这归功于农业集约化和二氧化碳施肥效应。
• 模型性能： Theil-Sen 模型实现的平均 LOO-MAPE 在 NDVI 上为 6.2%，在 GPP 上为 17.4%。模型在半湿于东南部表现最好（MAPE < 12%），在极度干旱的杰萨尔梅尔（31.5%）和干旱的丘鲁（41.4%）表现最差，原因是高年际噪声和检测底限问题。
• 2026 年预测： 基于 -0.1 的 ONI 值（FMA 2026），预测全州夏季作物 GPP 为 249.5 g C m⁻²（异常值 -3.2%）。33 个地区中有 30 个被归类为“接近正常”，而杰萨尔梅尔、丘鲁和琼朱努被预测为“低于正常”。

重要性与主张
本文声称其发现为基于卫星的碳监测和农业规划提供了关键见解。具体而言，研究指出，如果不在考虑中纳入 GPP（相对于绿度 NDVI）的不对称性抑制，那么在平均或多雨年份校准的 NDVI 产量模型，在厄尔尼诺事件期间将会系统性地高估夏季作物的产量。

该研究将其 Theil-Sen 方程定位为一个简单的修正框架。通过整合季前 ONI 预测值与地区中值降水预测值，规划者可以在收获前数周调整 GPP 估算。作者总结道，识别出的“ONI 敏感型”地区为制定差异化的作物咨询策略提供了基础，这些策略可以将海表温度（SST）展望与降水预报相结合。该工作被认为在提供实时降水预报的前提下，已具备用于季节性农业规划、投入品供应管理以及亚地区级干旱宣布的业务化应用能力。