中欧严重干扰森林恢复力强劲但面临空间均质化导致的韧性丧失

《Landscape Ecology》：Severely disturbed forests in Central Europe retain robust recovery capacity but face resilience loss due to spatial homogenization

本研究针对2018年极端气候引发的欧洲云杉八齿小蠹大规模爆发及后续高强度 salvage logging（抢救性采伐）对森林恢复的影响，通过融合多源遥感数据（Sentinel-1/2、UAV），量化了捷克中部9000 km2森林的干扰与早期恢复动态。研究发现，尽管干扰面积达30.8%，但森林仍表现出较强的恢复能力（5.2年内25%干扰区植被高度>2米）；然而，干扰后裸土主导的景观均质化及频繁的再生失败（年均28.2%过渡类植被逆转为裸土）揭示了恢复过程的脆弱性。该研究为气候变化下森林韧性管理提供了关键空间显性证据，强调需通过保留干扰遗留物和增强结构多样性提升未来森林适应性。

　　

2018年，一场席卷中欧的极端干旱与热浪触发了有记录以来最严重的云杉八齿小蠹（Ips typographus）爆发，导致数百万立方米的森林蓄积量损失，传统森林景观面目全非。这场灾害不仅暴露了单一树种人工林在气候变化下的脆弱性，更引发了对森林能否从如此大规模的干扰中恢复的深切担忧。尤其令人忧虑的是，为减少经济损失而开展的大规模抢救性采伐（salvage logging）是否会清除林分中本可促进自然再生的关键生态遗留物（如枯立木、林下植被），从而削弱森林的长期韧性？面对这一挑战，捷克生命科学大学的Prosper Washaya、Tomá? Hlásny等研究人员在《Landscape Ecology》发表论文，通过整合卫星遥感、无人机高分辨率影像与生存分析模型，首次系统揭示了中欧严重干扰森林的早期恢复动态及其隐藏的生态风险。

研究团队选取捷克中部9000 km2的森林干扰热点区，利用2018-2024年的Sentinel-1合成孔径雷达（SAR）和Sentinel-2光学影像，结合无人机获取的厘米级植被高度模型（CHM），开发了基于U-Net卷积神经网络的干扰识别算法和随机森林（Random Forest）恢复分类模型。他们将干扰后地表状况划分为三类：近裸土（NBS，植被高度<0.2米）、过渡类（TC，植被高度≤2米）和稳定再生类（ER，植被高度2-6米），并追踪年际转换路径。通过Kaplan-Meier生存分析量化恢复概率，并计算净恢复率（已扣除再生失败逆转换）。

3.1 分类性能

干扰分类总体精度达0.93（F1-score：干扰类0.91，未干扰类0.95），恢复分类精度为0.85，其中近裸土和过渡类的分类精度（F1-score 0.84-0.89）高于稳定再生类（0.82），表明模型能可靠捕捉早期恢复信号。

3.2 干扰影响与动态

2018-2024年间，研究区森林面积减少30.8%（约1869 km2），干扰峰值出现在2020年（551 km2）。干扰空间分布高度异质，中部挪威云杉（Picea abies）主导区受灾最严重，而东部混交林区受影响较小。

3.3 干扰后森林恢复

干扰后景观以近裸土为主导（2018年占干扰区92%），但随时间的推移，植被覆盖逐步上升。至2024年，近裸土比例降至45.8%，而过渡类和稳定再生类合计占54%（其中稳定再生类达25%）。恢复进程呈现“先快后慢”特征，前两年恢复速度最快。

3.4 恢复斑块空间动态

近裸土斑块规模显著大于植被斑块，最大连续斑块达647公顷（2021年），表明干扰和采伐导致景观高度均质化。过渡类和稳定再生类斑块平均规模较小（0.02-0.08公顷），但随时间持续扩大，反映再生过程的空间扩展。

3.5 恢复路径与逆转风险

年际转换矩阵显示，近裸土年均74.6%保持原状，仅19.1%转为过渡类、6.3%直接跃升为稳定再生类。关键发现是，过渡类中28.2%每年逆转为近裸土，稳定再生类亦有8.6%的倒退风险，凸显早期再生的不稳定性。净恢复率（已剔除逆转）表明，向任何植被覆盖（NBS→TC/ER）的年均恢复率为13.5%，而向稳定再生（NBS/TC→ER）仅5.9%。

3.6 恢复概率

生存分析表明，从干扰发生到形成≥2米植被覆盖的中位时间为5.2年。恢复概率曲线显示，前两年累积恢复概率达42%，但五年后增速放缓，十年期预测恢复概率为66%（外推结果需谨慎解读）。

研究结论强调，尽管中欧森林在极端干扰后表现出强劲的恢复能力，但大规模裸土化、频繁的再生失败以及景观结构均质化可能削弱其长期韧性。这种脆弱性与历史管理方式（如单一树种轮作林业）和高强度干扰后干预密切相关。作者呼吁转向以韧性为导向的实践，如保留林业（retention forestry）和近自然经营（closer-to-nature forestry），通过利用干扰遗留物增强结构多样性和物种组成，提升森林应对未来气候变动的能力。该研究为全球变化下森林景观可持续管理提供了关键空间显性证据，警示在追求经济效率的同时，不可忽视生态过程的复杂性。