Nature Climate Change | 中国科学院地理资源所吴朝阳课题组发表生物多样性调控植被物候的研究成果！

本文首发于“生态学者”微信公众号！

植被春季物候对气候变化的响应通常是通过测量其温度敏感性（ST，温度每升高1度，植被提前展叶的天数）来量化。ST是植被在当地历史气候环境的选择压力下演化形成的最优策略，其变化反映了植被为优化生命周期而对气候变化做出的适应性调整。了解ST的时空变化及其驱动因素对于更好地理解植被物候对气候变化的反馈至关重要。然而，以往的研究主要集中在ST的气候驱动因素上，对生物多样性如何影响植被的物候响应及其潜在机制的理解仍然有限。

生物多样性在调节植被生长和发育过程中发挥着关键作用，是生态系统适应气候变化、保持稳定的重要因素。最近的一些研究表明，生物多样性可以稳定植被物候，进而对生态系统功能起到稳定作用。可能的原因是生物多样性增强了植被群落响应干扰和压力因素的冗余性和多样性，使得植被高度多样化的群落更有可能发展出稳定机制，包括生长季节内的异步性以及对各种环境条件的不同适应性，促进物种在时间和空间尺度上的生态位分化，从而实现资源的互补利用。

基于此，研究人员将北半球393,139个森林清查样地的实测数据与基于卫星观测的ST等数据相结合，研究了生物多样性对植被物候响应气候变化的缓冲效应及机制。研究发现生物多样性在很大程度上影响了ST的空间变异，其影响力甚至超过了气候因素。在生物多样性较高的林分中，往往ST较低，可能归因于物种异步性以及其对气候变化响应的多样性，符合保险假说。同时，生物多样性驱动的植被根系变化和土壤理化性质的改善也是潜在的原因。此外，研究还发现，当前的一些地球系统模型无法捕捉到ST与生物多样性之间的负相关关系，进一步凸显了在预测气候变化对物候和生态系统的影响时，纳入生物多样性缓冲效应的必要性。

该研究成果近期发表于Nature Climate Change，第一作者为博士生申鹏举和汪箫悦副研究员，通讯作者为吴朝阳研究员、宁波大学孙伟伟教授、南京大学张永光教授，还有来自苏黎世联邦理工学院、西班牙国家研究委员会、爱荷华州立大学、北京大学、华东师范大学、中国科学院生态环境研究中心、北京师范大学和普渡大学的合作研究人员。此项研究得到了国家自然科学基金、中国科学院青年创新促进会和瑞士国家科学基金会等的资助。

论文信息：

Shen, P.†, Wang, X.†, Zohner, C. M., Peñuelas, J., Zhou, Y., Tang, Z., Xia, J., Zheng, H., Fu, Y., Liang, J., Sun, W.*, Zhang, Y.*, & Wu, C*. Biodiversity buffers the response of spring leaf unfolding to climate warming. Nature Climate Change. 1–6 (2024). doi:10.1038/s41558-024-02035-w.

论文链接：https://www.nature.com/articles/s41559-024-02445-1

图1 生物多样性与ST之间的负相关关系

a, e-j，每个地块（a）、植被类型（e, f）、群落（g, h）和气候区（i, j）的偏相关分析结果（f, h, j中的缩写全称见补充信息，表4–6）。b，全局尺度的偏相关和序贯回归的结果。c，基于Gini系数和SHAP平均绝对值的特征重要性。d，基于随机森林模型的SHAP值分布。P，正效应；N，负效应。在a中，给出了正相关和负相关的总体百分比以及显著的百分比（括号中）。f, h, j中的灰色虚线代表是否显著的分界（P < 0.05）。显著性基于双尾t检验。为了控制假发现率，在a, f, h, j中采用了Benjamini-Hochberg方法进行了多重假设检验校正。

图2 生物多样性与ST之间负相关机制

图中展示了偏相关分析和结构方程模型（SEM）的结果。SEM路径上的系数是标准化的，路径上的圆形地图表示偏相关结果的空间分布。路径箭头的粗细对应路径系数的大小，颜色表示符号，红色为正效应，蓝色为负效应。条形图表示直接和间接效应。显著性基于双尾t检验。为了控制假发现率，所有分析中均采用了Benjamini–Hochberg方法进行了多重假设检验校正。**P < 0.01；*P < 0.05。χ² = 48.86 ± 17.05，GFI = 0.93 ± 0.02，RMSEA = 0.06 ± 0.04，AIC = 89.02 ± 0.34。

图3 地球系统模型的生物多样性效应评估

a-d，15个Trendy模型（a）和13个CMIP6模型在不同共享社会经济路径（SSP1-2.6（b），SSP2-4.5（c）和SSP5-8.5（d））下的结果（模型详情见补充信息，表2和3）。a中的“Observation”来源于11组观测数据重采样后的分析结果（见补充信息，图11），以平均值±标准差表示。a的子图（i）–（xv）代表15个Trendy模型的结果的空间分布。图中的数字是显著正相关样本占所有显著样本的百分比。显著性水平设定为P < 0.05，由双尾t检验确定。