復合干熱事件對橡膠林總初級生產力的影響研究

摘" 要：橡膠林是熱帶地區分布最廣泛的人工林生態系統之一，在區域碳循環中發揮重要作用。全球氣候變化導致復合干熱事件（compound drought-hot events，CDHEs）愈發頻繁，對橡膠林生態系統功能構成嚴峻挑戰。本研究以海南島橡膠林為研究對象，基于標準化土壤濕度與地表溫度指數，采用Copula函數構建復合干熱指數（compound drought-hot index，CDHI），分析2001—2020年CDHEs的時空動態特征，并以海南島歷史典型干旱和高溫熱浪事件驗證其適用性。以總初級生產力（gross primary productivity，GPP）為評價指標，利用Copula條件概率定量評估不同干熱情景下GPP的損失風險，評估復合效應。研究結果表明：（1）2001—2020年間，所構建的CDHI能夠準確識別研究期間的嚴重CDHEs，其中2005與2020年最為嚴重；（2）在所有強度級別（輕度、中度和重度）下，CDHEs導致的橡膠林GPP損失概率顯著高于單一干旱或高溫熱浪事件（Plt;0.001），確證了復合事件的協同放大效應；（3）受區域地形－氣候相互作用影響，GPP損失風險呈現明顯的空間異質性，西北部橡膠林區域在各類事件情景下均表現出更高的GPP損失概率；（4）CDHEs的影響具有顯著季節性差異，旱季明顯高于雨季，特別是4—5月因與橡膠樹關鍵物候期重疊而形成環境脅迫的敏感窗口期。本研究揭示CDHEs影響橡膠林GPP的時空分異特征，為區域氣候適應性管理策略制定和橡膠林可持續經營提供科學依據，同時為熱帶地區其他人工林生態系統應對極端氣候事件的研究提供方法學參考。

關鍵詞：復合事件；復合干熱指數（CDHI）；Copula條件概率；海南島中圖分類號：S718.5 """""文獻標志碼：A

Impact of Compound Drought-hot Events on the Gross PrimaryProductivity of Rubber Plantations

BAO Qinggele¹， WU Zhixiang²， LIU Wenjie^1，3，4， WANG Ziqin¹， WU Lan^{1，2，3}， SUN Zhongyi^{1，3，4*}

1. School of Ecology， Hainan University， Haikou， Hainan 570228， China; 2. Rubber Research Institute， Chinese Academy of Tropical Agricultural Sciences， Danzhou， Hainan 571101， China; 3. Key Laboratory of Agro-forestry Environmental Processes and Ecological Regulation of Hainan Province， Haikou， Hainan 570228， China; 4. Sanya Tropical Ecosystem Carbon Source and Sink Field Scientific Observation and Research Station， Sanya， Hainan 572000， China

Abstract： Rubber plantations represent one of the most widespread planted forest ecosystems in tropical regions， playing a significant role in regional carbon cycles. Global climate change has led to increasingly frequent Compound Drought-hot Events （CDHEs）， posing severe challenges to rubber plantation ecosystem functions. This study focuses on rubber plantations in Hainan Island， China. Utilizing standardized soil moisture and land surface temperature indices， we constructed a Compound Drought-Hot Index （CDHI） based on Copula functions to analyze the spatiotemporal dynamics of CDHEs from 2001 to 2020， validated against historical typical drought and hot events in Hainan. Using Gross Primary Productivity （GPP） as an evaluation metric， Copula-based conditional probabilities were applied to quantitatively assess GPP loss risks under different drought-hot scenarios and evaluate compound effects. Key findings include： （1） The developed CDHI accurately identified severe CDHEs during 2001—2020， with 2005 and 2020 being the most extreme years. （2） Across all intensity levels （mild， moderate， severe）， CDHEs caused significantly higher probabilities of GPP loss in rubber plantations compared to isolated drought or hot events （Plt;0.001）， confirming the synergistic amplification effect of compound events. （3） GPP loss risks exhibited distinct spatial heterogeneity influenced by regional topography-climate interactions， with northwestern rubber plantation areas showing consistently higher vulnerability across all scenarios. （4） CDHE impacts demonstrated marked seasonal differences， being substantially greater during the dry season （particularly April—May） than the rainy season， coinciding with critical phenological stages of rubber trees and forming sensitive windows of environmental stress. This study reveals the spatiotemporal differentiation of CDHE impacts on rubber plantation GPP， providing scientific foundations for regional climate-resilient management strategies and sustainable rubber plantation practices. It also offers methodological references for studying extreme climate responses in other tropical planted forest ecosystems.

Keywords： compound events; compound drought-hot index （CDHI）; copula-based conditional probability; Hainan Island

DOI： 10.3969/j.issn.1000-2561.2025.09.017

全球變暖背景下，復合干熱事件（compound drought-hot events，CDHEs）加劇^[1]正威脅陸地碳匯功能^[2-4]。相比單一極端事件，CDHEs產生的水熱協同放大效應對植被生理過程干擾更深遠^[5-6]。人工林雖是提升碳匯的重要載體^[7-9]，但極端氣候事件可能顯著削弱其固碳潛力^[10-11]。橡膠林作為熱帶地區最廣布人工林（覆蓋770萬hm²）^[12]，在區域碳循環中占關鍵地位^[13-15]，然而其特殊生理特性使其對CDHEs尤為敏感^[16-17]。CDHEs通過水熱雙重脅迫抑制碳同化并破壞碳平衡^[18-20]，總初級生產力（gross primary productivity，GPP）作為量化碳匯的直接指標^[21-22]，其波動不僅影響短期碳同化，還可能通過改變生態系統結構功能影響全球碳平衡^[23-24]。因此，解析橡膠林GPP對CDHEs的響應及其條件概率評估，是陸地碳循環研究前沿，也是保障熱帶人工林碳匯功能的核心命題。

針對CDHEs這一復雜的生態威脅，研究方法與評估體系經歷了從定性到定量、從簡單疊加到概率耦合的演進過程。IPCC在SREX報告中對復合事件的定義為^[25]：（1）同時或接連發生的2個或更多極端事件；（2）放大事件影響力的潛在條件和極端事件的組合；或（3）多個單獨事件自身并非極端，但當它們結合后卻能產生極端影響。基于此定義框架，CDHEs被明確為一種依賴于高溫熱浪和干旱2種不同類型事件的協同現象，其最終形成的影響遠超單一要素的簡單疊加。在CDHEs的識別與量化方面，研究方法經歷了3個發展階段：早期研究主要采用閾值法^[26-30]，通過設定關鍵氣象參數的臨界值來識別CDHEs，如日最高氣溫gt;35"℃且日總降水量lt;1"mm^[31]、Palmer干旱指數（PDSI）與高溫日數（HDs）組合^[32-33]，以及標準化降水指數（SPI）與日最高氣溫超過歷史第90百分位閾值的耦合^[34]。隨后，研究者發展了標準化干熱指數（SDHI）^[35]，如通過分析降水減去潛在蒸發量（P-PET）和溫度（T）的百分位分布函數構建SDHI^[36]。然而，閾值法往往難以準確刻畫水熱交互作用的連續變化特性^[37]，而SDHI則因忽略變量間的相依結構而導致脅迫強度分級過于粗糙^[38]。這些方法學局限促進了基于Copula聯合概率法的新一代評估體系的發展。Copula函數憑借其能夠靈活處理多變量間依賴結構的優勢，特別是在捕捉非線性關系和尾部依賴現象方面的卓越表現^[39]，為CDHEs的精準識別提供了理論完備的工具。在具體應用中，高斯Copula因其理論完備性成為首選^[40]；而針對特定尾部依賴特征，非對稱Copula族則提供了更精準的刻畫能力，如Clayton族適于描述下尾部依賴（如低溫-少雨），Gumbel族適于上尾部依賴（如高溫熱浪-干旱），T-Copula則能兼顧雙尾依賴特性^[30]。

在評估CDHEs對生態系統影響方面，研究指標體系經歷了從結構特征到功能過程的轉變。早期研究主要應用植被指數（如歸一化植被指數NDVI、增強型植被指數EVI等）監測生態系統響應^{[5， 41]}。盡管植被指數在大尺度監測中具有操作便利性，但其主要反映植被的理化性質和冠層結構而非直接表征生態系統的功能過程^[42]，難以準確量化CDHEs的生態影響機制。相比之下，總初級生產力（GPP）作為物質和能量循環的核心量度^[43]，在理論和實踐2個層面均展現出顯著優勢：理論上，GPP直接量化碳同化過程，能準確反映生態系統對環境脅迫的即時生理響應和中長期恢復能力^[44-45]；實踐上，GPP波動對極端事件的響應更為敏感，能夠提供極端事件對碳循環即時影響的可靠信號，為預測長期生態系統功能變化奠定基礎^[46]。但傳統的相關性分析^[47]難以捕捉極端事件與GPP間的尾部依賴關系^[48]——即使整體相關性不顯著，雖然極端情況下可能存在強關聯^[49-50]。為克服這一局限，基于Copula條件概率的GPP損失概率模型應運而生^[51]，為精準量化不同類型極端事件組合下的生態系統響應提供方法基礎。

天然橡膠作為四大工業原料之一，其主產樹種巴西橡膠樹（Hevea brasiliensis）是熱帶地區的經濟支柱^[52]，同時因其高光合效率在碳匯能力上甚至優于熱帶雨林^[53-55]。海南島作為我國橡膠主產區（橡膠種植面積48.02萬hm²，占全國種植面積的46%）^[56]，兼具戰略資源與生態屏障功能。然而，橡膠林生態系統呈現多維脆弱性：結構層面，純林化與同齡化導致生態冗余喪失，微氣候調節能力弱化^[16]；水文層面，淺層根系分布（66%～91%集中于0～30 cm土層^[57]）與高蒸散發形成“強需求-低儲量”水分矛盾^[17]；生理層面，乳管系統對水熱條件高敏感性放大了CDHEs的脅迫效應^[58]；物候層面，關鍵生長期與CDHEs高頻期重疊，限制了后期補償恢復能力^[59]。在機制層面（圖1），橡膠樹對CDHEs的響應呈現出復雜的級聯效應，高溫熱浪促進葉片蒸騰，導致氣孔關閉，限制CO₂吸收，降低光合作用速率。同時，高溫熱浪也降低光合酶效率，進一步減少GPP。干旱條件下，根系吸水受限，影響養分吸收和轉運，且水分作為光合作用原料之一，其不足也限制GPP；特殊的產膠生理特性，橡膠樹對水分脅迫敏感；復合因子的系統效應，高溫熱浪加速水分蒸發，增加干旱程度。干旱導致生態系統整體比熱降低，加劇高溫熱浪天氣的嚴重程度和持續時間。

海南島作為橡膠樹生長北界的生態邊際區，具有3個獨特優勢：（1）光合與抗逆生理平衡閾值接近物種極限，對環境脅迫響應更為敏感；（2）受厄爾尼諾-南方濤動（ENSO）事件顯著影響，CDHEs發生頻率高^[60]；（3）地形多樣形成局地氣候梯度，為研究空間異質性提供天然實驗場?；谶@些特點，本研究以海南島橡膠林為對象，基于標準化土壤濕度指數（standardized soil moisture index，SSMI）和標準化地表溫度指數（standar-di-zed land surface temperature index，SLTI），采用Copula函數構建復合干熱指數（compound drought- hot index，CDHI），分析2001—2020年間海南島橡膠林CDHEs的動態變化特征，并結合Copula條件概率方法，量化不同情景（高溫熱浪、干旱和復合干熱情景）下橡膠林GPP損失的概率，評估其對GPP的影響。研究結果為熱帶人工林應對CDHEs的適應性管理與風險防控提供科學依據與理論支持。

1" 材料與方法

1.1" 研究區概況

海南島（18°10′～20°10′N，108°37′～111°03′E）位于中國南海西北部，屬熱帶季風性氣候。年最高氣溫可達41.1"℃，年平均蒸散量為1020 mm，年降水量為1600 mm。降水分布呈明顯季節性差異，雨季降水可占全年的80%以上^[61]，旱季僅占10%～30%^[62]。地形以五指山和黎母山為中心向四周逐漸降低，形成梯狀結構。橡膠林總面積達7269.88"km²，占全島總面積約20%，主要分布在島西北部、北部和中東部地區^[63]。

1.2 "數據來源

1.2.1" 橡膠林分布數據" 本研究的橡膠林分布數據集來源于包青格樂等^[64]基于Landsat TM/OLI影像，結合第三次全國國土調查報告數據與野外調查數據，采用隨機森林分類模型獲得的2000—2020年5期海南島橡膠林分布變化數據集。該數據集空間分辨率為30"m，總體精度為96.93%，生產者精度為89.10%，用戶精度為94.72%，已被廣泛用于海南島橡膠林的相關研究^[65-67]。本研究對5期的數據進行疊加分析，提取2000—2020年間保持為橡膠林的區域，并為匹配氣象數據的空間分辨率，構建1 km分辨率網格，篩選出橡膠林面積占比超過90%的1910個網格作為研究樣本。

1.2.2" 地表溫度數據" 地表溫度（land surface temperature，LST）數據采用MOD11A1 V6數據集。該數據集是由Terra星搭載的中分辨率成像光譜儀（MODIS）獲取的地表溫度/發射率（LST/E）產品，時間分辨率為1 d，空間分辨率為1 km。本研究在GEE中選取2001年1月1日至2020年12月31日的LST數據，按月平均得到逐月數據。

1.2.3" 土壤濕度數據" 土壤濕度（soil moisture， SM）數據采用歐洲中期天氣預報中心（ECMWF）第五代再分析數據集（ERA5）。該數據集提供1950年至今的全球土壤濕度月數據，空間分辨率為0.1°，含4個深度層（0～7 cm、7～28 cm、28～100 cm、100～289 cm），單位為m³/m³。本研究通過加權平均計算0～289"cm整層土壤水分^[68]，并用雙線性插值將分辨率提升至1 km。

1.2.4" GPP數據 "GPP數據來源MODIS的MOD17A2H產品。該產品空間分辨率為500 m，通過Terra和Aqua衛星數據結合光能利用率模型來計算8 d累積值^[69]。本研究對2001—2020年數據進行月度合成，將跨月影像按日期比例分配到相應月份并累加，最后用均值重采樣獲得1 km分辨率的逐月GPP數據。

1.2.5" 其他數據" 本研究所使用的海南島氣溫（Ta）和相對濕度（RH）數據均來自國家地球系統科學中心（http：//www.geodata.cn/），空間分辨率為1 km的逐月數據^[70]。該數據是基于全國各氣象站所測數據結合地形數據所制成，本研究使用2001—2020年逐月Ta與RH數據，根據泰斯經驗公式^[71]對海南島研究時期逐月飽和水汽壓差（VPD）進行計算。地形數據來源于地理空間數據云（https：//www.gscloud.cn/），空間分辨率為1"km，利用ArcGIS 10.8提取坡度（Slope）與坡向（Aspect）。土壤有機碳（SOC）與土壤質地（Texture）數據來源與來源于聯合國糧農組織（FAO）和維也納國際應用系統研究所（IIASA）所構建的世界土壤數據庫（HWSD）。中國境內數據源為第二次全國土地調查南京土壤所所提供的1∶100萬土壤數據。橡膠林物候數據基于梁月華等^[65]利用phenofit包提取的物候信息獲得。

1.3 "方法

1.3.1 "CDHI" 本研究構建了復合干熱指數（CDHI），用于量化干旱和高溫熱浪事件的聯合風險。該指數基于SSMI和SLTI，通過Copula函數捕捉二者之間的相依結構。為避免對原始數據分布做出參數化假設，首先采用非參數化的Gringorton經驗頻率公式^[72]來估計邊緣分布，并據此計算SSMI和SLTI。隨后，對比5種常用的Copula函數（gaussian copula，clayton copula，gumbel copula，frank copula，t-copula），分別構建CDHI，并使用平方歐幾里得距離評估每個Copula函數的擬合優度^[73]。假設SSMI和SLTI分別為2個連續變量，CDHEs可以描述為變量SSMI小于或等于閾值（ssmi），變量SLTI大于或等于閾值（slti），則CDHEs的聯合概率（P_j）可表示為：

式中，u和v是變量SSMI和SLTI小于或等于閾值ssmi和slti時的累積概率，C為Copula函數。隨后，將Gringorten經驗頻率分布擬合到聯合概率P_j。為了便于量化CDHEs的強度并與單一極端事件指數與強度的劃分標準保持一致性，利用通過標準正態分布的逆函數將P_j轉化為CDHI。

式中，Φ^?1為標準正態分布的逆函數，G為Gringorton經驗頻率公式。根據標準化指數的通用分級標準^[74]，CDHI的輕度、中度、重度和極端干旱閾值分別為（?1， ?0.5]、（?1.5， ?1.0]、（?2.0， ?1.5]、（?∞， ?2.0]。

為選擇構建CDHI時的最優Copula函數，本研究使用了平方歐幾里得距離評估每個Copula函數的擬合優度。具體計算公式為：

式中，d為Copula函數的擬合優度，C_emp（u， v）表示通過經驗Copula計算的樣本值的累計概率，C_k（u， v）表示通過理論Copula計算的樣本值的累計概率。

1.3.2" GPP標準化異常" 鑒于GPP具有長期趨勢和季節性特征，本研究中采用季節-趨勢分解（seasonal-trend decomposition using LOESS， STL）對月尺度GPP時間序列進行分解，將其拆分為趨勢項（氣候變化和林齡增長等因素導致的緩慢變化）、季節項（橡膠林年內物候周期性變化）和殘差項（反映短期氣象條件（如干旱和高溫熱浪等）引起的異常波動）3個組成部分。對殘差項進行標準化處理，得到GPP標準化異常（standardized anomaly of GPP，SAGPP），其中正異常和負異常分別表示樣本GPP的增加和減少，SAGPP值越小，表明GPP低于平均水平的程度越大^[51]。

1.3.3" 基于Copula的條件概率 "為了定量評估CDHEs對橡膠林GPP的影響，構建CDHI與橡膠林GPP損失之間的條件概率模型，分析在給定CDHI條件下GPP損失概率分布，即橡膠林生態系統SAGPP小于等于sagpp（損失閾值）的可能性。首先，采用Gringorten經驗頻率公式分別估計CDHI和SAGPP的邊緣分布，然后構建CDHI與SAGPP之間的條件概率模型，并通過平方歐幾里得距離評估Copula函數的擬合優度。以輕度復合干熱情景CDHI∈（-1.0，-0.5]為例：

式中，F為變量的邊緣分布，C為Copula函數。為全面評估不同強度復合干熱事件的影響，建立了分級情景體系，包括中度CDHI∈（?1.5，?1.0]和重度CDHI∈（?2.0，?1.5]復合干熱情景，并同步分析輕、中、重三級單一干旱（SSMI）和高溫熱浪（SLTI）情景。通過對比同級別的復合與單一事件，系統量化復合效應。

1.3.4" 地理探測器模型" 地理探測器模型（geo-g-raphic detector model，GDM）是一種基于空間異質性原理，用于探測因變量與自變量之間空間相關性的統計分析方法^[75]。本研究采用GDM方法，定量分析海南島氣象因子（土壤水分、氣溫、VPD等）、土壤因子（質地、有機碳含量等）、植被因子（物候期）和地形因子（坡度、坡向）對橡膠林在復合干熱事件下GPP損失概率的驅動效應。

2 "結果與分析

2.1" 聯合分布優選

表1為SSMI和SLTI的二維Copula函數擬合優度評價結果。以平方歐幾里得距離值最小則擬合程度最優為判斷標準，可見擬合SSMI和SLTI最優的聯合分布函數為Gumbel Copula函數（值為0.210 279 4），因此選擇該函數來構建CDHI。

2.2" 海南島橡膠林CDHI的適用性

圖2A為2001—2020年間海南島橡膠林平均CDHI的時間序列。研究期間內，CDHEs發生頻率較高，尤其在2003—2010年、2015—2016年、2020年間出現多次嚴重且持續性的CDHEs。其中，2005年與2020年的CDHEs強度最大，CDHI值最低分別達到（?2.26±0.39）和（?1.78±0.53），表明發生了極端和重度CDHEs。圖中的陰影區域對應《中國氣象災害年鑒》記錄的海南島歷史典型干旱和高溫熱浪事件，涵蓋2003—2011年、2015—2017年、2019—2020年，與本研究識別結果高度吻合，證實CDHI在海南島橡膠林區域的適用性。圖2B為2001—2020年發生CDHEs的平均面積占比。研究期間內，2003—2008年、2010年、2015年、2019—2020年的CDHEs的平均面積占比較高。其中，2020年的CDHEs平均面積占比最高，為75.81%，其次為2005—2007年，依次為64.33%、62.48%、54.68%。

2.3" 典型CDHEs年海南島橡膠林CDHI的空間分布特征

圖3為2020年1—10月海南島橡膠林CDHEs的空間分布特征。在此期間，各月均出現不同程度的CDHEs，其中2月CDHEs覆蓋面積最小，僅占61.62%，以輕度為主（57.38%），4月和10月次之。除上述3個月外，其余月份CDHEs覆蓋面積均超過98%，5—7月與9月尤為嚴重。5月CDHEs覆蓋面積達100%，重度占比最高（47.02%）；6月覆蓋面積99%，以極端（41.36%）和重度（36.23%）為主；7月覆蓋面積99.42%，重度（56.91%）與中度（31.36%）為主；9月則覆蓋面積達99.58%，重度和極端分別占45.18%與27.96%。空間分布上，極端和重度CDHEs主要集中在海南島的西北部和北部地區，這與該區域降水較少的氣候特征相一致。

2.4 "不同事件情景下的橡膠林GPP損失概率對比

圖4為輕度、中度和重度復合干熱、干旱和高溫熱浪情景下海南島橡膠林GPP損失概率對比。Mann-Whitney U檢驗并結合Bonferroni校正結果顯示，在任何強度級別（輕度、中度和重度）下，CDHEs導致的GPP損失概率均極顯著高于單獨的干旱或高溫熱浪事件（Plt;0.001），表明復合極端事件對生態系統的影響存在顯著的協同放大效應。復合效應明顯放大了GPP損失概率，輕度、中度和重度CDHEs下的平均GPP損失概率逐漸增加，分別為（54±1.73）%、（56±2.47）%和（57±3.02）%，比單一干旱事件平均高0.92%、1.21%和1.46%，比單一高溫熱浪事件高7.9%、11.9%和15%。在3種情景中，高溫熱浪事件導致的GPP損失概率最低，僅有少數橡膠林柵格的GPP損失概率隨強度增加而明顯提高，約9%的區域表現出對高溫熱浪強度增加的低敏感性。

2.5" 不同事件情景下的橡膠林GPP損失概率的空間分布

圖5為海南島橡膠林在輕度、中度和重度情景下GPP損失概率的空間分布。研究結果表明，不同類型的極端氣候事件對橡膠林生產力產生顯著影響：復合干熱情景下，海南島橡膠林的GPP損失概率隨事件強度加劇而明顯增加，這種增加趨勢在海南島西北部尤為顯著。CDHEs表現出對橡膠林GPP的強烈抑制作用，特別是在事件強度升級時。干旱情景下，橡膠林GPP損失概率同樣隨事件強度加劇而上升，空間分布模式與復合干熱情景相似，主要影響區域也集中在海南島西北部。事件強度與損失風險呈明顯正相關。高溫熱浪情景下的影響模式則表現出明顯差異。雖然部分地區（海南島西北部）的GPP損失概率也隨高溫熱浪強度增加而上升，但約91%的橡膠林區域呈相反趨勢，即隨著高溫熱浪強度的增加，GPP損失概率反而降低，顯示出與復合干熱和單一干旱情景截然不同的響應模式。

2.6 "橡膠林GPP損失概率的季節性變化

圖6為海南島橡膠林在輕度、中度、重度復合干熱、干旱和高溫熱浪情景下，GPP損失概率均值的月度時間序列變化。分析顯示，在全年各月中，除1、4月外，復合干熱情景下的GPP損失概率始終高于單一干旱和高溫熱浪情景，進一步證實了復合極端事件的協同放大效應。對于復合干熱情景而言，除11、12月外，GPP損失概率隨事件強度增加而上升。對于干旱情景，除6、7月和10—12月外，GPP損失概率呈現出隨事件強度增加而上升的趨勢。而在高溫熱浪情景下，僅4、5月的GPP損失概率隨事件強度增加而上升，其他月份則呈相反趨勢。從季節性分布來看，所有情景下的GPP損失概率均在旱季期間達到較高水平，反映了水分可獲得性對橡膠林生產力的關鍵調控作用。具體到月份，復合干熱和干旱情景下的GPP損失概率從1月開始上升，4月達到峰值，此后逐漸下降，6—11月保持較低水平，12月再次緩慢上升。而高溫熱浪事件下的GPP損失概率從1月開始上升，5月達到峰值，隨后逐漸下降，8月后略有回升，之后又開始下降。復合干熱情景下的最高和最低GPP損失概率分別出現在4月和11月，分別為（72.29±9.99）%和（45.25± 10.33）%，干旱情景下的最高和最低值分別出現在4月和11月，分別為（78.44±11.66）%和（42.77± 12.24）%，而高溫熱浪情景下則分別出現在5月和12月，分別為（56.47±13.48）%和（32.81±5.80）%。

2.7" 損失空間格局形成機制解析

本研究采用地理探測器模型對海南島橡膠林GPP損失概率的單因子解釋能力進行定量分析。q值用于衡量各驅動因子對GPP損失概率空間分異的解釋程度。圖7對角線顯示，不同因子對GPP損失概率的解釋力差異顯著，各因子解釋力依次為VPD（0.135）gt;SOS（0.113）gt;SM（0.075）gt;SOC（0.063）gt;Slope（0.051）gt;Aspect（0.036）gt;Ta（0.02）gt;Texture（0.002）。其中，VPD、SOS、SM和Aspect的q值均達到統計顯著性水平（Plt;0.05），表明VPD、SOS、SM及Aspect是影響GPP損失空間格局的主要驅動因子。此外，任意2個因子交互后的解釋力均大于單因子的解釋力。尤其是VPD與Ta、VPD與SOS、SOS與Ta等，說明氣象-物候協同效應顯著增強了對GPP損失空間分異的解釋力。

3 "討論

CDHI是一種能夠準確識別橡膠林CDHEs的有效指數：本研究基于海南島橡膠林的SSMI和SLTI，采用5種常用Copula函數構建CDHI，并量化不同干熱事件情景下GPP的損失概率，展現了良好的適用性和準確性。CDHI成功捕捉了2001—2020年間海南島橡膠林區域發生的主要復合干熱事件，特別是2003—2010年、2015—2016年及2020年的高強度、持續性事件。以2020年為例，CDHI識別的復合干熱事件與《中國氣象災害年鑒》^[76]記錄高度吻合，不僅在時間上準確反映5—9月的持續性高溫熱浪與5—7月的嚴重干旱形成的“高溫熱浪-干旱加劇”耦合效應，也在空間上精確定位儋州、白沙、澄邁、臨高等受影響最嚴重的橡膠主產區。這種時空一致性凸顯CDHI作為復合干熱事件評估工具的可靠性，為后續分析干熱復合效應對橡膠林GPP影響提供方法基礎。

空間上，海南島橡膠林GPP損失概率存在顯著空間異質性，西北部區域在不同事件情景下始終呈現更高的GPP損失概率。定量分析表明，VPD（表征焚風效應）、SM（土壤持水能力）、SOS（物候期）和Aspect（坡向）是驅動GPP損失空間格局的主要因素。中部五指山山脈作為核心地形屏障，通過動力抬升作用重塑水熱分布。東南季風暖濕氣流在迎風坡經歷地形抬升引發絕熱冷卻，形成豐沛地形降水；而背風坡因焚風效應產生絕熱增溫，形成顯著干熱化的雨影區，導致同緯度區域東西部水熱條件呈現反向梯度。此外，西南方向輸送的暖濕氣流經中南半島長山山脈次級地形抬升后，其殘余水汽抵達海南島時已呈現干熱化特征^[77]。VPD作為表征焚風效應的核心指標，其高解釋力反映了西南暖濕氣流與地形屏障（五指山背風坡）共同作用下，西北部大氣干旱和熱脅迫的協同增強。SOS的影響則凸顯了物候敏感期與復合干熱事件的時空重疊對GPP的調節作用，VPD與SOS的交互作用（q=0.208）進一步表明二者耦合時GPP損失風險大幅提升。土壤持水能力（SM，q=0.075）的空間差異揭示其對干旱脅迫的緩沖效應。SM與VPD的交互作用（q=0.193）證實，土壤持水能力的差異會在焚風主導區域加劇GPP損失空間分異。坡向（Aspect）雖單獨作用有限（q=0.036），但與VPD的交互作用（q=0.188）反映出地形方位通過影響降水與焚風強度，間接調控GPP風險。多因子交互作用顯示，氣象-物候-土壤的協同機制主導了GPP損失的空間格局。VPD與Ta的協同放大干熱脅迫（q=0.229），SM與SOS則揭示高持水能力可緩沖物候期提前的負效應。最終，在西北部，焚風效應增強、土壤持水能力減弱與展葉期的時空重疊共同驅動該區成為GPP損失高風險區域。

橡膠林GPP損失概率的季節性變化及其成因：GPP損失概率呈現明顯的季節性變化模式，這與海南島季風氣候的降水和溫度特征高度一致。1—5月（旱季）的GPP損失概率顯著高于6—12月（雨季）。旱季降水稀少，1—2月為落葉盛期，橡膠樹光合作用最弱；3—5月為新葉抽發階段，幼葉尚未完成角質層發育和光合系統成熟，對高溫熱浪和干旱的敏感性顯著高于成熟葉片，導致光合系統易受抑制，GPP損失風險顯著上升。其中4—5月作為旱雨季過渡期，水熱條件不穩定疊加新葉擴展關鍵期，進一步加劇生理脅迫^[52，78]。除4、5月外，其余月份高溫熱浪下的GPP損失概率均隨著事件強度的增加而呈下降趨勢。這一現象可歸因于多重機制的綜合作用。海南島作為橡膠林種植的北界區域，本研究采用的相對標準化溫度指標識別的高溫熱浪事件，對橡膠樹而言可能尚未達到生理脅迫閾值，甚至在某些情況下還未達到其光合作用的最適溫度范圍^[79-81]。這解釋了為何單一高溫熱浪事件對橡膠林GPP的影響相對有限。水分有效性同樣可能緩沖了純高溫熱浪的脅迫作用，即在充足水分條件下，橡膠樹能通過提升蒸騰冷卻效應維持葉溫穩定，并利用光合酶活性的溫度響應特性，使GPP得到維持甚至提升^[82]。特別是在6—10月的雨季期間，充足的降水補充了土壤水分，有效抵消了高溫熱浪帶來的潛在負面影響。11—12月雨季剛結束，但季節轉換的緩沖效應依舊使土壤中仍保有前期積累的水分儲備，足以支持植物的短期生長，緩解了高溫熱浪帶來的脅迫。然而，當高溫熱浪與干旱同時發生時，二者間的協同作用顯著放大了對橡膠林GPP的負面影響。這種協同效應主要體現在高溫熱浪與干旱對碳-水平衡的系統性破壞：高溫熱浪通過提升大氣飽和水汽壓差（VPD）增強水分脅迫、加速氣孔振蕩頻率，并可能引發木質部栓塞的鏈式反應，最終導致橡膠樹生理調節能力的系統性崩潰。這解釋了為何復合干熱事件下的GPP損失概率顯著高于單一事件情景。在干旱情景下，GPP損失概率在6—7月（雨季初）和10—12月（雨季末）呈隨事件強度增加而下降的趨勢。這一現象主要歸因于雨季期間土壤水分充沛，能夠有效緩解干旱對橡膠林光合作用的抑制；而雨季末階段，盡管降水減少，但土壤中仍儲存有部分水分，加之11—12月氣溫相對較低，高溫熱浪脅迫減弱，進一步減輕了干旱對GPP的負面影響。這也同時導致11月復合干熱情景下的GPP損失概率隨事件強度增加而減少。

本研究采用的高溫熱浪和干旱指數均為標準化指標（相對指標），而非針對橡膠樹生理生態閾值的絕對指標，可能導致氣象學意義上的極端事件與實際生態脅迫不完全對應。在數據方面，GPP損失概率估算受再分析數據（ERA5-Land）與MODIS GPP產品的固有偏差所引入。因此，未來可通過多源遙感數據融合和通量塔觀測校正，提升CDHEs識別和GPP估算的精度與時空分辨率。因此，未來發展基于物種生態幅的CDHEs定量評估方法，并通過多源遙感數據融合與通量塔觀測校正，進一步提升CDHEs識別和GPP估算的精度與時空分辨率。同時，結合實地災情記錄和多源觀測數據，對CDHI的災害預警性能進行系統評估，并探索其在極端氣候事件預測和適應性管理中的拓展應用。

參考文獻

[1]"""""" LI J， ZHANG Y， BEVACQUA E， ZSCHEISHLER J， KEENAN T TREVOR F， LIAN X， ZHOU S， ZHANG H Y， HE M Z， PIAO S L. Future increase in compound soil drought-heat extremes exacerbated by vegetation greening[J]. Nature Communications， 2024， 15（1）： 10875.

[2]"""""" ZSCHEISCHLER J， WESTRA S， VAN DEN HURK B J J M， SENEVIRATNE S I， WARD P J， PITMAN A， AGH-AK-OUCHAK A， BRESCH D N， LEONARD M， WAHL T， ZHANG X B. Future climate risk from compound events[J]. Nature Climate Change， 2018， 8（6）： 469-477.

[3]"""""" ZSCHEISCHLER J， MARTIUS O， WESTRA S， BEVA-CQ-UA E， RAYMOND C， HORTON R M， VAN DEN HURK B， AG-HAKOUCHAK A， JéZéQUEL A， MAHECHA M D， MARAUN D， RAMOS A M， RIDDER N N， THIERY W， VIGNOTTO E. A typology of compound weather and climate events[J]. Nature Reviews Earth amp; Environment， 2020， 1（7）： 333-347.

[4]"""""" TIAN R K， LI J H， ZHENG J H， LIU L， HAN W Q， LIU Y J. The impact of compound drought and heatwave events from 1982 to 2022 on the phenology of Central Asian grasslands[J]. Journal of Environmental Management， 2024， 365： 121624.

[5]"""""" HAO Y， HAO Z C， FU Y S， FENG S F， ZHANG X， WU X Y， HAO F H. Probabilistic assessments of the impacts of compound dry and hot events on global vegetation during growing seasons[J]. Environmental Research Letters， 2021， 16（7）： 074055.

[6]"""""" YAO Y， FU B J， LIU Y X， ZHANG Y， DING J Y， LI Y， ZH-OU S， SONG J X， WANG S， LI C J， ZHAO W W. Comp-ound hot-dry events greatly prolong the recovery time of dry-l-and ecosystems[J]. National Science Review， 2024， 11（10）： nwae274.

[7]"""""" GRISCOM B W， ADAMS J， ELLIS P W， HOUGHTON R A， LOMAX G， MITEVA D A， SCHLESINGER W H， SHOCH D， SIIKAM?KI J V， SMITH P， WOODBURY P， ZG-ANJAR C， BLACKMAN A， CAMPARI J， CONANT R T， DELGADO C， ELIAS P， GOPALAKRISHNA T， HAM-SIK M R， HERRERO M， KIESECKER J， LANDIS E， LAESTADIUS L， LEAVITT S M， MINNEMEYER S， POLASKY S， POTAPOV P， PUTZ F E， SANDERMAN J， SILVIUS M， WOLLENBERG E， FARGIONE J. Natural climate solutions[J]. Proceedings of the National Academy of Sciences， 2017， 114（44）： 11645-11650.

[8]"""""" AMERAY A， BERGERON Y， VALERIA O， MONTORO GIRONA M， CAVARD X. Forest carbon management： a rev-iew of silvicultural practices and management strategies across boreal， temperate and tropical forests[J]. Current Forestry Reports， 2021， 7（4）： 245-266.

[9]"""""" SALEKIN S， DICKINSON Y L， BLOOMBERG M， MEA-SON D F. Carbon sequestration potential of plantation forests in New Zealand： no single tree species is universally best[J]. Carbon Balance and Management， 2024， 19（1）： 1-12.

[10]""" PAN S F， YANG J， TIAN H Q， SHI H， CHANG J F， CIAIS P， FRANCOIS L， FRIELER K， FU B J， HICKLER T， ITO A， NISHINA K， OSTBERG S， REYER C P O， SCHAPHOFF S， STEINKAMP J， ZHAO F. Climate extreme versus carbon extreme： Responses of terrestrial carbon fluxes to temperature and precipitation[J]. Journal of Geophysical Research： Biogeosciences， 2020， 125（4）： e2019JG005252.

[11]""" YIN J B， GENTINE P， SLATER L， GU L， POKHREL Y， HANASAKI N， GUO S L， XIONG L H， SCHLENKER W. Future socio-ecosystem productivity threatened by compo-und drought-heatwave events[J]. Nature Sustainability， 2023， 6（3）： 259-272.

[12]""" Food and Agriculture Organization of the United Nations. Global forest resources assessment 2020[R]. Rome： Food and Agriculture Organization of the United Nations， 2020.

[13]""" MA Z S， LIU L， QI D L， WU Z X， TANG M， YANG C， FU Q M， ZHANG Y Y. The opportunities and challenges associated with developing rubber plantations as carbon sinks in China[J]. Journal of Rubber Research， 2024， 27（3）： 309-321.

[14]""" CHENG K， YANG H T， TAO S L， SU Y J， GUAN H C， REN Y， HU T Y， LI W K， XU G C， CHEN M X， LU X C， YANG Z K， TANG Y H， MA K P， FANG J Y， GUO Q H. Carbon storage through China’s planted forest expansion[J]. Nature Communications， 2024， 15（1）： 4106.

[15]""" TORIYAMA J， IMAYA A， HIRAI K， LIM T K， HAK M， KIYONO Y. Effects of forest conversion to rubber plantation and of replanting rubber trees on soil organic carbon pools in a tropical moist climate zone[J]. Agriculture， Ecosystems amp; Environment， 2022， 323： 107699.

[16]""" SINGH A K， LIU W J， ZAKARI S， WU J E， YANG B， JIANG X J， ZHU X A， ZOU X， ZHANG W J， CHEN C F， SINGH R， NATH A J. A global review of rubber plantations： Impacts on ecosystem functions， mitigations， future directions， and policies for sustainable cultivation[J]. Science of the Total Environment， 2021， 796： 148948.

[17]""" CHEN Q Y， FU R Y， CHENG S Y， QIAO D， HU Z M， ZHANG Z J， DAI L C. Effects of the conversion of natural tropical rainforest to monoculture rubber plantations on soil hydrological processes[J]. Journal of Plant Ecology， 2024， 17（2）： rtae021.

[18]""" LESK C， ANDERSON W， RIGDEN A， COAST O， J?GE-RM-EYR J， MCDERMID S， DAVIS K F， KONAR M. Compound heat and moisture extreme impacts on global crop yields under climate change[J]. Nature Reviews Earth amp; Environment， 2022， 3（12）： 872-889.

[19]""" REHSCHUH R， RUEHR N K. Diverging responses of water and carbon relations during and after heat and hot drought stress in Pinus sylvestris[J]. Tree Physiology， 2022， 42（8）： 1532-1548.

[20]""" CHEN Q， TIMMERMANS J， WEN W， VAN BODEGOM P M. Ecosystems threatened by intensified drought with diver-gent vulnerability[J]. Remote Sensing of Environment， 2023， 289： 113512.

[21]""" LAI J M， KOOIJMANS L M J， SUN W， LOMBARDOZZI D， CAMPBELL J E， GU L H， LUO Y Q， KUAI L， SUN Y. Terrestrial photosynthesis inferred from plant carbonyl sulfide uptake[J]. Nature， 2024： 1-7.

[22]""" CHAPIN III F S， MATSON P A， VITOUSEK P. Principles of terrestrial ecosystem ecology[M]. New York： Springer Sc-ie-nce amp; Business Media， 2011.

[23]""" TREHARNE R， BJERKE J W， T?MMERVIK H， STEN-DA-RDI L， PHOENIX G K. Arctic browning： impacts of extreme climatic events on heathland ecosystem CO₂ fluxes[J]. Global Change Biology， 2019， 25（2）： 489-503.

[24]""" REICHSTEIN M， BAHN M， CIAIS P， FRANK D， MAH-EC-HA M D， SENEVIRATNE S I， ZSCHEISCHLER J， BE-ER C， BUCHMANN N， FRANK D C， PAPALE D， RAM-MIG A， SMITH P， THONICKE K， VAN DER VELDE M， VICCA S， WALZ A， WATTENBACH M. Climate extremes and the carbon cycle[J]. Nature， 2013， 500（7462）： 287-295.

[25]""" FIELD C B， BARROS V， STOCKER T F， QIN D H， DOKKEN D J， PLATTNER G K， EBI K L， ALLEN S K， MAS-TRANDREA M D， TIGNOR M， MACH K J， MIDG-LEY P M. Managing the risks of extreme events and disasters to advance climate change adaptation： a special report of working groups I and II of the Intergovernmental Panel on Climate Change （IPCC）[R]. Cambridge： Cambridge University Press， 2012.

[26]""" BEVACQUA E， ZAPPA G， LEHNER F， ZSCHEISCHLER J. Precipitation trends determine future occurrences of compound hot-dry events[J]. Nature Climate Change， 2022， 12（4）： 350-355.

[27]""" CHIANG F， GREVE P， MAZDIYASNI O， WADA Y， AG-H-AKOUCHAK A. Intensified likelihood of concurrent war-m and dry months attributed to anthropogenic climate chan-ge[J]. Water Resources Research， 2022， 58（6）： e2021W-R0-30411.

[28]""" GHANBARI M， ARABI M， GEORGESCU M， BROAD-BE-NT A M. The role of climate change and urban development on compound dry-hot extremes across US cities[J]. Nature Communications， 2023， 14（1）： 3509.

[29]""" DE LUCA P， DONAT M G. Projected changes in hot， dry， and compound hot-dry extremes over global land regions[J]. Geophysical Research Letters， 2023， 50（13）： e2022GL1-02493.

[30]""" ZHANG Q， YU X， QIU R， LIU Z X， YANG Z Q. Evolution， severity， and spatial extent of compound drought and heat events in north China based on copula model[J]. Agricultural Water Management， 2022， 273： 107918.

[31]""" HAO Z C， HAO F H， XIA Y L， FENG S F， SUN C， ZH-AN-G X， FU Y S， HAO Y， ZHANG Y， MENG Y. Compound droughts and hot extremes： characteristics， drivers， changes， and impacts[J]. Earth-Science Reviews， 2022， 235： 104241.

[32]""" WANG C， LI Z， CHEN Y N， OUYANG L， LI Y P， SUN F， LIU Y C， ZHU J Y. Drought-heatwave compound events are stronger in drylands[J]. Weather and Climate Extremes， 2023， 42： 100632.

[33]""" ZHANG B E， WANG S， SLATER L. Anthropogenic climate change doubled the frequency of compound drought and heatwaves in low-income regions[J]. Communications Earth amp; Environment， 2024， 5（1）： 715.

[34]""" SHI Z T， JIANG D B， WANG Y L. Spatiotemporal depende-nce of compound drought-heatwave and fire activity in China[J]. Weather and Climate Extremes， 2024， 45： 100695.

[35]""" KANG Y， GUO E L， WANG Y F， BAO Y L， BAO Y H， MANDULA N， RUNA A， GU X L， JIN L. Characterisation of compound dry and hot events in Inner Mongolia and their relationship with large-scale circulation patterns[J]. Journal of Hydrology， 2022， 612： 128296.

[36]""" WANG A Q， TAO H， DING G， ZHANG B L， HUANG J L， WU Q Y. Global cropland exposure to extreme compound drought heatwave events under future climate change[J]. Weather and Climate Extremes， 2023， 40： 100559.

[37]""" RIDDER N N， PITMAN A J， WESTRA S， UKKOLA A， DO H X， BADOR M， HIRSCH A L， EVANS J P， DI LUCA A， ZSCHEISCHLER J. Global hotspots for the occurrence of compound events[J]. Nature Communications， 2020， 11（1）： 5956.

[38]""" HAO Z C， HAO F H， SINGH V P， XIA Y L， SHI C X， ZH-A-NG X. A multivariate approach for statistical assessments of compound extremes[J]. Journal of Hydrology， 2018， 565： 87-94.

[39]""" TOOTOONCHI F， SADEGH M， HAERTER J O， R?TY O， GRABS T， TEUTSCHBEIN C. Copulas for hydroclimatic analysis： a practice-oriented overview[J]. Wiley Interdisciplinary Reviews： Water， 2022， 9（2）： e1579.

[40]""" WU X Y， HAO Z C， ZHANG X， LI C， HAO F H. Evaluat-ion of severity changes of compound dry and hot events in China based on a multivariate multi-index approach[J]. Journal of Hydrology， 2020， 583： 124580.

[41]""" ZHANG G X， ZHANG S Y， WANG H M， GAN T Y， FANG H Y， SU X L， SONG S B， FENG K， JIANG T L， HUANG J B， XU P C， FU X L. Biodiversity and wetting of climate alleviate vegetation vulnerability under compound drought-hot extremes[J]. Geophysical Research Letters， 2024， 51（10）： e2024GL108396.

[42]""" CAMPS-VALLS G， CAMPOS-TABERNER M， MORENO- MARTíNEZ á， WALTHER S， DUVEILLER G， CESCA-TTI A， MAHECHA M D， MU?OZ-MARí J， GARCíA- HARO F J， GUANTER L， JUNG M， GAMON J A， REIC-HSTEIN M， RUNNING S W. A unified vegetation index for quantifying the terrestrial biosphere[J]. Science Advances， 2021， 7（9）： eabc7447.

[43]""" PENG J L， TANG J W， XIE S D， WANG Y H， LIAO J Q， CHEN C， SUN C L， MAO J H， ZHOU Q P， NIU S L. Evidence for the acclimation of ecosystem photosynthesis to soil moisture[J]. Nature Communications， 2024， 15（1）： 9795.

[44]""" LIU M， PE?UELAS J， TRUGMAN A T， VARGAS G G， YANG L Q， ANDEREGG W R L. Diverging responses of terrestrial ecosystems to water stress after disturbances[J]. Nature Climate Change， 2025： 1-7.

[45]""" KANNENBERG S A， ANDEREGG W R L， BARNES M L， DANNENBERG M P， KNAPP A K. Dominant role of soil moisture in mediating carbon and water fluxes in dryland ecosystems[J]. Nature Geoscience， 2024， 17（1）： 38-43.

[46]""" SUN Z Y， WANG X F， ZHANG X R， TANI H， GUO E L， Y-IN S， ZHANG T Y. Evaluating and comparing remote sensing terrestrial GPP models for their response to climate variability and CO₂ trends[J]. Science of the Total Environ-m-ent， 2019， 668： 696-713.

[47]""" WANG S H， ZHANG Y G， JU W M， PORCAR-CASTELL A， YE S S， ZHANG Z Y， BRüMMER C， URBANIAK M， MAMMARELLA I， JUSZCZAK R， BOERSMA K F. War-m-er spring alleviated the impacts of 2018 European summer heatwave and drought on vegetation photosynthesis[J]. Agr-i-c-ultural and Forest Meteorology， 2020， 295： 108195.

[48]""" LIU L B， GUDMUNDSSON L， HAUSER M， QIN D H， LI S C， SENEVIRATNE S I. Soil moisture dominates dryness stress on ecosystem production globally[J]. Nature Commun-ications， 2020， 11（1）： 4892.

[49]""" AAS K， CZADO C， FRIGESSI A， BAKKEN H. Pair-copula constructions of multiple dependence[J]. Insurance： Mathem-atics and Economics， 2009， 44（2）： 182-198.

[50]""" HAFF I H， AAS K， FRIGESSI A. On the simplified pair-co--p-ula construction： simply useful or too simplistic？[J]. Journal of Multivariate Analysis， 2010， 101（5）： 1296-1310.

[51]""" ZHU X F， ZHANG S Z， LIU T T， LIU Y. Impacts of heat and drought on gross primary productivity in China[J]. Rem-ote Sensing， 2021， 13（3）： 378.

[52]""" 楊思琪， 楊川， 龔元， 章杰， 宋波， 吳志祥. 海南橡膠林生態系統凈碳交換物候特征[J]. 熱帶作物學報， 2022， 43（6）： 1288-1296.YANG S Q， YANG C， GONG Y， ZHANG J， SONG B， WU Z X. Phenological characteristics of net carbon exchange in rubber plantation ecosystems in Hainan[J]. Chinese Journal of Tropical Crops， 2022， 43（6）： 1288-1296. （in Chinese）

[53]""" 吳志祥， 謝貴水， 楊川， 陳幫乾， 周兆德. 海南儋州地區橡膠林碳通量特征研究[J]. 西北林學院學報， 2015， 30（1）： 51-59， 107.WU Z X， XIE G S， YANG C， CHEN B Q， ZHOU Z D. Study on carbon flux characteristics of rubber plantations in Danzhou， Hainan[J]. Journal of Northwest Forestry University， 2015， 30（1）： 51-59， 107. （in Chinese）

[54]""" MOESINGER L， ZOTTA R M， VAN DER SCHALIE R， SCANLON T， DE JEU R， DORIGO W. Monitoring vegetation condition using microwave remote sensing： the standardized vegetation optical depth index （SVODI）[J]. Biogeosciences， 2022， 19（21）： 5107-5123.

[55]""" HAO Z C， HAO F H， SINGH V P， ZHANG X. Changes in the severity of compound drought and hot extremes over global land areas[J]. Environmental Research Letters， 2018， 13（12）： 124022.

[56]""" 海南省林業局. 2023年海南林草年鑒[R/OL]. （2023-07-12） [2024-05-15]. https：//lyj.hainan.gov.cn/xxgk/tjxx/202405/t2-02-4-0515_3663519. html.Forestry Department of Hainan Province. Hainan forestry and grassland yearbook 2023[R/OL]. （2023-07-12） [2024- 05-15]."https：//lyj.hainan.gov.cn/xxgk/tjxx/202405/t20240515_3663519. html. （in Chinese）

[57]""" 吳志祥， 謝貴水， 陶忠良， 周兆德， 王旭. 海南儋州不同林齡橡膠林土壤碳和全氮特征[J]. 生態環境學報， 2009， 18（4）： 1484-1491.WU Z X， XIE G S， TAO Z L， ZHOU Z D， WANG X. Characteristics of soil carbon and total nitrogen in rubber plantations of different stand ages in Danzhou， Hainan[J]. Ecology and Environmental Sciences， 2009， 18（4）： 1484-1491. （in Chinese）

[58]""" SMITH C C， ESPíRITO-SANTO F D B， HEALEY J R， YOUNG P J， LENNOX G D， FERREIRA J， BARLOW J. Secondary forests offset less than 10% of deforestation-me-diated carbon emissions in the Brazilian Amazon[J]. Global Change Biology， 2020， 26（12）： 7006-7020.

[59]""" ANDEREGG W R L， TRUGMAN A T， BADGLEY G， KONINGS A G， SHAW J. Divergent forest sensitivity to repeated extreme droughts[J]. Nature Climate Change， 2020， 10（12）： 1091-1095.

[60]""" SINGH J， ASHFAQ M， SKINNER C B， ANDERSON W B， MISHRA V， SINGH D. Enhanced risk of concurrent regional droughts with increased ENSO variability and warming[J]. Nature Climate Change， 2022， 12（2）： 163-170.

[61]""" AN Y H， WU Z X， WANG Y C， ZHANG R Q， WU L， LIU W J， WANG P， SUN Z Y. Spatiotemporal dynamics and underlying mechanisms of ecosystem respiration in rubber plantations： a case study in Hainan Island[J]. Journal of Rubber Research， 2024， 27（3）： 283-298.

[62]""" CUI W， XIONG Q， ZHENG Y Q， ZHAO J F， NIE T Z， WU L， SUN Z Y. A study on the vulnerability of the gross primary production of rubber plantations to regional short-term flash drought over Hainan Island[J]. Forests， 2022， 13（6）： 1-17.

[63]""" KONG J Y， AN Y H， SHI X， SUN Z Y， WU L， CUI W. Meteorological-data-driven rubber tree powdery mildew mo-del and its application on spatiotemporal patterns： a case study of Hainan Island[J]. Sustainability， 2023， 15（16）： 12119.

[64]""" 包青格樂， 張潤卿， 王藝宸， 崔嵬， 趙俊福， 烏蘭， 孫仲益. 2000—2020年海南島天然橡膠人工林分布變化數據集[J]. 中國科學數據（中英文網絡版）， 2023， 8（4）： 371-382.BAO Q G L， ZHANG R Q， WANG Y C， CUI W， ZHAO J F， WU L， SUN Z Y. A dataset of distribution changes of natural rubber plantations in Hainan Island from 2000 to 2020[J]. China Scientific Data， 2023， 8（4）： 364-375. （in Chinese）

[65]""" 梁月華， 王藝宸， 王自芹， 崔嵬， 烏蘭， 孫仲益. 極端天氣對海南島橡膠林物候的影響[J]. 熱帶生物學報， 2024， 15（5）： 547-557.LIANG Y H， WANG Y C， WANG Z Q， CUI W， WU L， SUN Z Y. The impact of extreme weather on the phenology of rubber plantations in Hainan Island， China[J]. Journal of Tropical Biology， 2024， 15（5）： 547-557. （in Chinese）

[66]""" AN Y H， WU Z X， ZHANG R Q， ZHANG X， TAN Z H， SUN Z Y. Spatiotemporal dynamics of carbon sequestration capacity and its determinants in rubber plantation ecosystems of Hainan Island[J]. Global Ecology and Conservation， 2025， 57： e03431.

[67]""" KONG J Y， WU L， CAO J X， CUI W， NIE T Z， AN Y H， SUN Z Y. Meteorological impacts on rubber tree powdery mildew and projections of its future spatiotemporal pattern[J]. Agriculture， 2024， 14（4）： 619.

[68]""" ZHONG Z Q， HE B， WANG Y P， CHEN H W， CHEN D L， FU Y H， CHEN Y N， GUO L L， DENG Y， HUANG L， YUAN W P， HAO X M， TANG R， LIU H M， SUN L Y， XIE X M， ZHANG Y F. Disentangling the effects of vapor pressure deficit on northern terrestrial vegetation productivity[J]. Science Advances， 2023， 9（32）： eadf3166.

[69]""" LI Y Z， ZHANG Y， LYU J. Interannual variations in GPP in forest ecosystems in Southwest China and regional differences in the climatic contributions[J]. Ecological Informatics， 2022， 69： 101591.

[70]""" SUN W Y， MU X M， SONG X Y， WU D， CHENG A F， QIU B. Changes in extreme temperature and precipitation events in the Loess Plateau （China） during 1960—2013 under global warming[J]. Atmospheric Research， 2016， 168： 33-48.

[71]""" ALDUCHOV O A， ESKRIDGE R E. Improved Magnus form approximation of saturation vapor pressure[J]. Journal of Applied Meteorology， 1996， 35（4）： 601-609.

[72]""" WANG Y Q， YANG J， CHEN Y N， SU Z C， LI B F， GUO H， DE MAEYER P. Monitoring and predicting drought based on multiple indicators in an arid area， China[J]. Remote Sensing， 2020， 12（14）： 2298.

[73]""" GUO Y， HUANG S Z， HUANG Q， WANG H， WANG L， FANG W. Copulas-based bivariate socioeconomic drought dynamic risk assessment in a changing environment[J]. Journal of Hydrology， 2019， 575： 1052-1064.

[74]""" LI C， WANG R H， NING H S， LUO Q H. Characteristics of meteorological drought pattern and risk analysis for maize production in Xinjiang， Northwest China[J]. Theoretical and Applied Climatology， 2018， 133： 1269-1278.

[75]""" 王勁峰， 徐成東. 地理探測器： 原理與展望[J]. 地理學報， 2017， 72（1）： 116-134.WANG J F， XU C D. Geodetector： principle and prospective[J]. Acta Geographica Sinica， 2017， 72（1）： 116-134. （in Chinese）

[76]""" 中國氣象局. 中國氣象災害年鑒（2020年）[M]. 北京： 氣象出版社， 2021China Meteorological Administration. China meteorological disaster yearbook （2020）[M]. Beijing： Meteorological Press， 2021. （in Chinese）

[77]""" 李偉光， 張京紅， 劉少軍， 車秀芬， 陳小敏， 鄒海平. 海南島干旱的氣象特征及監測指標[J]. 熱帶生物學報， 2022， 13（4）： 324-330.LI W G， ZHANG J H， LIU S J， CHE X F， CHEN X M， ZOU H P. Meteorological characteristics and monitoring indicators of drought in Hainan Island[J]. Journal of Tropical Biology， 2022， 13（4）： 324-330. （in Chinese）

[78]""" WANG Y X， HOLLINGSWORTH P M， ZHAI D， WEST C D， GREEN J M H， CHEN H F， HURNI K， SU Y F， WARREN-THOMAS E， XU J C， AHRENDS A. High-resolution maps show that rubber causes substantial deforestation[J]. Nature， 2023， 623（7986）： 340-346.

[79]""" PAN L， XIAO X M， YAO Y， PAN B H， YIN C L， MENG C， QIN Y W， ZHANG C C. Site-specific apparent optimum air temperature for vegetation photosynthesis across the globe[J]. Scientific Data， 2024， 11（1）： 758.

[80]""" FANG Z X， ZHANG W M， WANG L H， SCHURGERS G， CIAIS P， PE?UELAS J， BRANDT M， YANG H， HUANG K， SHEN Q， FENSHOLT R. Global increase in the optimal temperature for the productivity of terrestrial ecosystems[J]. Communications Earth amp; Environment， 2024， 5（1）： 466.

[81]""" HUANG M T， PIAO S L， CIAIS P， PE?UELAS J， WANG X H， KEENAN T F， PENG S S， BERRY J A， WANG K， MAO J F， ALKAMA R， CESCATTI A， CUNTZ M， DE DEURWAERDER H， GAO M D， HE Y， LIU Y W， LUO Y Q， MYNENI R B， NIU S L， SHI X Y， YUAN W P， VERBEECK H， WANG T， WU J， JANSSENS I A. Air temperature optima of vegetation productivity across global biomes[J]. Nature Ecology amp; Evolution， 2019， 3（5）： 772-779.

[82]""" NOVICK K A， FICKLIN D L， STOY P C， WILLIAMS C A， BOHRER G， OISHI A C， PAPUGA S A， BLANKEN P D， NOORMETS A， SULMAN B N， SCOTT R L， WANG L X， PHILLIPS R P. The increasing importance of atmospheric demand for ecosystem water and carbon fluxes[J]. Nature Climate Change， 2016， 6（11）： 1023-1027.