编辑推荐：
森林碳储量对预测全球变暖等意义重大，但其地下生物量碳（BGC）估算存在不确定性。研究人员分析中国东北 189 个森林根冠比（RS）数据，发现林龄对 RS 影响最大。该研究强调林龄在森林碳分配中的重要性，为估算碳固存提供依据。
在全球气候变化的大背景下，森林作为陆地生态系统的重要组成部分，其碳储量的准确估算至关重要。森林储存着全球陆地生态系统约 80% 的地上碳和 40% 的地下碳，这一庞大的碳库对维持全球气候稳定和生态平衡起着关键作用。然而，目前在量化森林生态系统碳动态时却面临诸多难题。一方面，各种人为和自然干扰使得碳动态变得复杂多变；另一方面，地下生物量碳（BGC）由于缺乏通用且低成本的标准化测量方法，成为区域和全球碳储量估算中不确定性的主要来源。
森林根冠比（RS）作为从地上生物量推算地下生物量的关键参数，其空间格局和相关机制一直备受关注。以往研究表明，影响森林 RS 比值的因素众多，包括气候变量（如温度、光照、大气 CO?）、土壤资源（如水、氮、磷水平）以及植被特征（如林分密度、林龄、冠层高度）等。但多数研究聚焦于林分和站点尺度的多个因素，对于森林中生物和非生物因素在区域和全球尺度上如何控制 RS 比值，仍缺乏清晰的认识。同时，基于遥感的估算和地球系统模型常采用固定的 RS 比值，这一假设忽略了植被在不同空间和环境条件下的差异，导致估算结果存在偏差。
为了解决这些问题，来自国内的研究人员针对中国东北地区开展了深入研究。中国东北地区是我国重要的森林区域，其森林生物量约占全国的 40%，且涵盖多种气候带和干湿地区，近年来气候变化显著，研究该地区森林生态系统的碳动态和生物量分配极具现实意义。研究人员通过收集 189 个森林 RS 测量数据，利用机器学习模型等方法，深入探究了区域 RS 比值的驱动因素，并对 BGC 进行了估算。
研究人员在开展研究时，运用了多种关键技术方法。首先，收集了中国东北地区包括黑龙江、吉林、辽宁三省以及内蒙古自治区东部的森林相关数据。然后，利用随机森林（RF）模型分析数据，该模型在评估不同模型时表现最优，其高 R2（0.81）和低 RMSE（0.039）值，使其成为分析和预测 RS 空间分布的有力工具。此外，还运用了结构方程模型（SEM）进一步探究各因素之间的关系。
研究结果
- 关键驱动因素：通过 RF 模型分析发现，在解释 RS 变异方面，林龄是最重要的因素，相对重要性达到 17.6%。当林龄未纳入 RF 模型时，模型解释能力明显下降。在结构方程模型中，林龄的加入使 RS 的决定系数提高了 41%，这充分表明林龄在影响 RS 变异中起着主导作用。
- RS 比值与林龄的关系：研究表明，随着林龄的增加，区域 RS 值呈下降趋势。当林龄从小于 20 年增加到超过 60 年时，RS 值从 0.22±0.02 降至 0.16±0.01 。若不考虑林龄因素，在 40 - 60 年和超过 60 年的森林中，RS 值会被高估，分别高出 19.3% 和 22.6%。
- 与其他估算值的比较：研究人员估算的 RS 值（平均值 = 0.21±0.05）低于地球系统模型（0.25±0.03）和基于遥感的估算值（0.5±0.05） 。这导致对中国东北地区地下生物量碳的估算分别比上述两者低 33.2% 和 62.7%。
研究结论与讨论
本研究明确了林龄是影响中国东北地区森林 RS 比值的主要因素，这一发现对森林碳分配研究具有重要意义。林龄对 RS 比值的影响主要源于森林发育过程中的生理和物理变化。在森林生长初期，植物为了获取更多的土壤资源，会将更多的能量和资源分配到根系，此时 RS 比值相对较高。随着林龄增长，树木对光照的需求增加，在土壤肥沃的条件下，会将更多资源分配到茎干，以增加树高，获取更多光照，RS 比值随之降低。
研究结果还显示，以往的估算方法由于未充分考虑林龄因素，可能导致对老森林 RS 值的高估，进而影响对森林碳储量的准确估算。这一研究强调了在估算当前和未来森林碳固存时，必须考虑林龄因素，为更精准地评估森林生态系统的碳汇功能提供了重要依据。同时，该研究也为后续在区域和全球尺度上进一步研究森林碳分配机制提供了参考，有助于完善森林碳循环模型，提高对全球气候变化的预测能力。研究成果发表在《Agricultural and Forest Meteorology》，为该领域的研究开辟了新的思路和方向，对推动森林生态系统碳管理和应对气候变化具有重要的科学价值和实践意义。
