水在动态的生态系统世界中发挥着核心作用。 植被对干旱的敏感性尤其取决于对水限制的理解。 然而，在试图阐明这种复杂关系的过程中，科学界常常因植被类型的巨大多样性、不同的气候以及根区的不可预测性而受到阻碍。 我们的 最近的一项研究, 发表于科学杂志 New Phytologist，揭示了其中一些悬而未决的问题，但也凸显了仍然存在的知识差距。
深度学习阐明了生物群落中的植物水分胁迫
通过采用深度神经网络，我们更仔细地研究了植被在面临干旱条件时的反应。 我们已经能够隔离并测量 水分胁迫因子 (fET) 表明干旱期间蒸散量 (ET) 减少。 值得注意的是，我们的结果显示了ET对水分胁迫的不同反应。 事实上，范围很广，从一些稀树草原和草原地区的 fET 迅速下降到大多数森林的微妙减少。 准确地说，我们观察到稀树草原和草原的 fET 显着下降，有时会骤降至富水条件下观察到的速率的 10%。 相比之下，即使面临严重缺水，大多数森林的 fET 也仅略有下降。
但问题是：在大多数干旱地区，在最初下降之后，fET 与累积缺水量之间的关系似乎趋于平稳（图1）。 但为什么？
当最初提出这些发现时，我们思考了一个问题：这是由于这些地点的木质部阻力增加，还是这些地点可以获得更深的地下水储备？
答案，或者至少是答案的一部分，是在之前的实地研究中找到的，这些研究表明，植被，尤其是干旱地区的植被，可以在干旱期间由于地下水或更深的土壤水分进入而维持蒸散。 与此同时，植物还根据水分亏缺的进展有策略地调整其气孔关闭。 然而，许多传统的地表模型没有考虑到这些复杂性，导致人们对水压力及其影响的了解不完整。
迈向全球水势网络
这给我们带来了一个关键的差距。 尽管实地研究和测量的重要性不可否认，特别是那些关注水势的研究和测量（图2、图3），不易获取，并且通常不与生态系统规模的测量位于同一地点。 数据的缺乏给旨在完善全球对陆地生态系统水限制的理解的研究人员带来了挑战。
想象一下，如果研究人员能够访问跨不同生物群落的水势测量的标准化和综合数据库，可能会取得突破！ 我们利用深度学习对外星人应对干旱的探索取得了可喜的成果。 但前方的道路需要协作、共享资源以及共同努力来填补数据空白。
科学界将从全球水势测量网络中受益匪浅，为我们提供更好地了解地球生态系统的工具。 这是什么 PSI网一项创建全球水势网络的倡议正在实施。
关于作者：
Francesco Giardina是苏黎世联邦理工学院(ETH)的一名研究员，师从Sonia Seneviratne。他的研究领域涵盖陆气相互作用、生态水文学和遥感技术。他尤其热衷于运用新型机器学习技术来理解植物在气候变化条件下对水分胁迫的响应。更多信息： 弗朗西斯科·贾迪纳 | 苏黎世联邦理工学院
推荐阅读：
使用深度学习诊断蒸散发对跨生物群落缺水的反应 – Giardina – 新植物学家 – Wiley Online Library
