类型a：学术研究报告

本研究由来自加拿大麦克马斯特大学地理与地球科学学院的Bing Xu和M. Altaf Arain、不列颠哥伦比亚大学土地与食品系统学院的T. Andrew Black、俄勒冈州立大学森林生态系统与社会系的Beverly E. Law、劳伦斯伯克利国家实验室计算研究部的Gilberto Z. Pastorello以及气候与生态系统科学部的Housen Chu共同完成。研究成果发表于全球变化生物学领域权威期刊《Global Change Biology》2020年第26卷第901-918页。

【学术背景】 在全球气候变化加剧的背景下，热浪和干旱等极端气候事件频发，对森林碳循环过程产生深远影响。森林生态系统通过吸收约30%的化石燃料碳排放，在全球碳平衡中扮演关键角色（Luyssaert et al., 2007）。已有研究表明，2003年欧洲热浪导致森林碳损失相当于前5年碳汇总量（Ciais et al., 2005），而2005年亚马逊干旱造成1.2-1.6 Pg碳损失（Phillips et al., 2009）。然而，森林碳通量对气候异常的响应存在显著的季节动态和生态系统特异性，目前缺乏系统性量化研究。本研究旨在：（1）揭示不同森林类型对温度和干旱胁迫敏感性的季节变化规律；（2）解析气候条件、生产力水平和林分特征对敏感性的影响机制；（3）建立预测森林敏感性变化的指标体系。

【研究方法】 研究团队整合了FluxNet网络（包括FluxNet2015和AmeriFlux）中北美34个森林站点（共351站点年）的长期观测数据，包含8个落叶阔叶林（DBF）、22个常绿针叶林（ENF）和3个混交林。林龄跨度6-400年，涵盖自然林和人工林。

数据处理采用多步骤标准化方法： 1. 数据预处理：对半小时尺度的涡度协方差（eddy covariance）通量数据进行质量控制、u*过滤和间隙填充（Papale et al., 2006）。净生态系统生产力（NEP）通过净生态系统交换量（NEE）取负值获得，总初级生产力（GEP）和生态系统呼吸（Re）采用夜间通量分割算法估算。

1. 敏感性指数构建：

• 气候指标：日平均气温（Ta）指示热胁迫，蒸发分数EF=LE/(LE+H)（LE为潜热通量，H为显热通量）指示干旱胁迫
• 采用15天移动窗口的线性回归斜率量化碳通量对Ta和EF异常的敏感性，负值表示胁迫导致碳通量下降
• 通过去趋势（消除长期气候变化和森林生长影响）和异常值计算（扣除多年日均值）实现数据标准化

1. 多变量分析：

• 采用分类回归树（CART）方法解析敏感性变异的驱动因素
• 预测变量包括森林类型、季节、林龄等级、管理状态、干扰历史等10类因子
• 设置最小节点样本量15以控制树深度

【主要结果】 1. 季节动态特征： - 春季高温促进ENF的NEP（敏感性0.12 g C m⁻² day⁻¹ °C⁻¹），但抑制DBF的NEP（-0.08 g C m⁻² day⁻¹ °C⁻¹） - 夏季ENF的GEP随温度升高而下降（dGEP/dTa=-0.15），导致NEP显著降低（-0.18） - 干旱对DBF的NEP抑制主要发生在生长季后期（7-10月，敏感性达-6 g C m⁻² day⁻¹），而ENF因GEP和Re同步下降保持NEP稳定

1. 气候调控机制：

• NEP对Ta异常的敏感性随日均温升高而增强（R²=0.47, p<0.01）
• 夏季干旱敏感性与降水呈负相关（R²=0.39），湿润站点更易受干旱影响
• 年均温（MAT）每升高1°C，NEP-Ta敏感性增加0.05单位

1. 生态系统特性影响：

• 高生产力森林（GEP>1700 g C m⁻² yr⁻¹）对夏季干旱敏感性强2.3倍
• 天然林比人工林耐受力高40%（p<0.05）
• 成熟林（80-120年）对干旱的抵抗力最强，NEP-EF敏感性接近零

1. CART分析显示：

• 季节变化解释敏感性变异的42.7%（首要分裂节点）
• 生产力（年均GEP）是干旱敏感性的最强预测因子（相对重要性6.51×10⁻²）
• 管理状态对热胁迫敏感性的解释力达0.74×10⁻⁴

【研究结论】 本研究首次建立了森林碳通量对气候胁迫的日尺度敏感性指标体系，揭示出： 1. 气候极端事件的影响高度依赖发生季节，春季高温对ENF有利但对DBF有害，而夏季干旱对DBF的破坏更严重 2. 生态系统生产力和水分可利用性是敏感性的关键调控因子，符合”快速生长-高敏感性”假说 3. 天然成熟林通过深层根系和结构复杂性形成更强气候韧性，为可持续森林管理提供科学依据

【创新价值】 1. 方法学创新：开发15天移动窗口的标准化敏感性指数，突破年尺度分析的局限 2. 理论突破：证实”光合-呼吸耦合响应”是ENF维持碳平衡的关键机制 3. 应用价值：建立的CART模型可整合遥感数据实现区域敏感性制图

【其他发现】 1. 东西部ENF响应差异：西部站点（如CA-TP4）EF敏感性全年为负，东部站点（如US-MMS）仅冬季显著 2. 干扰历史的影响：近期受干扰林分Ta敏感性比未干扰林高58%（p<0.01） 3. 数据局限性：EF在湿润地区可能高估干旱程度，需结合土壤水分数据改进

该研究为预测气候变化下森林碳汇功能演变提供了新范式，其开发的敏感性指数已被应用于北美碳评估模型（Buotte et al., 2019）。后续研究可结合树木年轮和遥感数据拓展长时间序列分析。