《Global Change Biology》：Forest Densification and Pollution Rival Climate in Driving US Tree Demographic Change
编辑推荐：
森林在生物多样性、气候调节和人类福祉中发挥关键作用，但其对同时发生的环境变化的响应仍知之甚少。在美国全国范围内，森林种群统计速率受到气候变化、大气污染趋势以及森林密度系统性变化的影响。尽管长期以来对全球变化（global change）的这些方面感兴趣，但其相
森林在生物多样性、气候调节和人类福祉中发挥关键作用，但其对同时发生的环境变化的响应仍知之甚少。在美国全国范围内，森林种群统计速率受到气候变化、大气污染趋势以及森林密度系统性变化的影响。尽管长期以来对全球变化（global change）的这些方面感兴趣，但其相对重要性此前尚未被量化和比较。在此，研究人员应用一个框架，将种群统计趋势分解为敏感性（sensitivity；物种对环境变量的响应性）和暴露（exposure；所经历环境变化的幅度）。利用2002年至2024年全国森林清查（forest inventory）数据，研究人员分析了100个树种的补充（recruitment）、生长（growth）和死亡（mortality）如何响应代表气候、污染和森林密度的六个环境变量。该分析显示，尽管气候影响受到大量研究关注，森林密度和大气污染物沉降（atmospheric pollutant deposition；特别是硫（sulfur））变化与所有三个种群统计速率表现出更强的关联，这由对这些因子的更高暴露和更大敏感性共同驱动。研究人员还发现，在种群统计过程中，补充概率对六个环境驱动因子的每一个均最敏感，强调了再生（regeneration）在塑造森林对全球变化响应中的重要性。结果还记录了近几十年来森林动态的总体放缓，美国全国平均而言补充、生长和死亡均下降，尽管存在显著的地理和分类学变异。该综合分析提供了一个框架，用于理解森林对复杂环境变化的响应，识别种群统计过程最具影响力的驱动因子，并在快速变化时代制定有针对性的保护和管理策略。
该论文由Matthew M. Kling等完成，发表在《Global Change Biology》。研究背景：森林在生物多样性、气候调节和人类福祉中具有关键作用。全球环境变化通过补充、生长和死亡三个基本种群统计过程影响森林，并决定森林密度、生物量、物种组成和分布变化。既有研究存在两个问题：一是多关注单一驱动类别，尤其气候，虽然污染（氮、硫沉降）和森林密度增加也重要，但气候、污染和密度的相对重要性未系统量化比较；二是补充、生长和死亡常被孤立研究，限制整体预测。为此，研究人员使用暴露-敏感性框架（exposure-sensitivity framework；将总响应分解为环境变化幅度与单位环境变化响应），以同时比较驱动因子、过程与尺度。研究人员利用美国林务局森林清查与分析（Forest Inventory and Analysis, FIA）项目2002—2024年本土数据，分析100个树种的补充、生长和死亡对六个环境变量的响应。结论是：森林密度和污染，尤其硫沉降，与三个种群统计速率的关联强于气候变化；补充概率最敏感；美国森林动态总体放缓，补充、生长和死亡平均下降。其重要意义在于提供多驱动、多过程比较框架，提示污染和密度遗留效应应与气候并重，并突出再生动态对未来森林预测和管理的重要性。
方法上，研究使用FIA 2002—2024年本土样地数据，样地复测2—5次；排除仅调查一次及有种植或采伐活动样地，选取100个最常见树种，占美国本土森林基面积91%。响应变量包括年生长率（annual growth rate, AGR）、死亡和二值补充，补充以每单位同种成年基面积（conspecific basal area, CBA）年率表示，并用k近邻环境空间平滑处理零成年样地。环境预测变量来自CHELSA v2.1气候、CMAQ v5.3.2/EQUATES硫和氮沉降及FIA计算的CBA和异种基面积（heterospecific basal area, HBA）。每物种用Stan贝叶斯模型：生长线性回归，死亡logistic广义线性模型（generalized linear model, GLM），补充为hurdle模型；暴露由环境时间序列斜率估计，响应通过空间换时间替代（space-for-time substitution, STS）预测，并用平均绝对标准化效应和层次方差分解评价变量重要性。
结果部分。3.1 Exposure to Environmental Change（环境变化的暴露）：研究人员通过拟合各环境变量时间序列回归斜率并标准化比较暴露。结果显示，硫沉降暴露最高，为1.41 sd/decade，是氮沉降（0.40 sd/decade）的三倍以上；森林密度（同种和异种基面积）与降水居中（0.28、0.28和0.23 sd/decade）；温度变化相对空间变异最慢（0.074 sd/decade）。空间上，温度普遍变暖，降水区域多变，硫和氮沉降在东部显著下降、西部趋势多变，森林密度在东部和太平洋西北增加，东南和太平洋沿岸尤其迅速，西部内陆异质。
3.2 Sensitivity of Demographic Rates（种群统计速率的敏感性）：通过每物种每过程的标准化回归系数评估空间环境梯度响应。补充概率对六类环境变量的平均绝对标准化效应均最大，表明其最敏感。补充对森林密度最敏感，CBA和HBA总体负相关，但CBA主要通过补充率、HBA主要通过补充概率。硫沉降负相关补充，主要通过概率。氮和气候效应不一致但有时强。生长也主要受密度负向影响，CBA和HBA升高均降低生长，CBA略强；平均在暖区、低硫沉降区生长更快。存活最敏感于污染和气候，低硫、高降水存活较高，温度和氮效应种间方向高度变异。
3.3 Modeled Demographic Responses（模拟的种群统计响应）：结合敏感性与暴露预测趋势。多数物种和景观中，近期存活增加，补充和生长下降：补充下降见于65%景观和62%物种，生长下降见于67%景观和63%物种，存活增加见于66%景观和70%物种。东部表现为生长下降、存活增加；西部和补充趋势更异质。变化由暴露和敏感性共同贡献，最强响应来自高暴露高敏感性（如硫对存活和补充概率），也有主要来自敏感性（HBA对补充率）或暴露（硫对补充率）。方差分解显示，同种密度暴露解释生长趋势30%和补充率趋势44%，异种密度暴露解释生长18%，硫敏感性解释四个速率22%—29%；气候变量关联弱，最强为死亡对温度敏感性约6%。替代气候参数得到定性相同结果。东西分层显示硫在东部最突出，在西部仍重要，差异主要来自暴露，西部硫暴露约东部十分之一，敏感性约低一半；西部存活趋势仍由硫敏感性主导（22%），生长和补充率由同种基面积暴露主导（36%和77%）。
3.4 Model Evaluation（模型评价）：通过比较预测与观测时间趋势评价STS。STS得到有限支持：三个过程预测的平均方向与观测一致，存活接近观测，但生长和补充预测低估观测变化率。物种内正相关为73%—99%，种间均值相关r=0.23—0.68，空间块内正相关78%—99%，均值相关r=0.42—0.78。
讨论部分总结：与许多全球变化研究强调温度降水不同，本研究发现近期污染和森林基面积系统变化与树木生长、存活和补充的关联强于气候变化，在平均气候和极端气候参数下均成立。气候作用弱不等于不重要：温度暴露几乎无处不在，可能通过普遍暴露驱动群落热化，并可能被森林密度增加的微气候缓冲部分抵消；未来气候重要性可能上升。硫沉降即便排放下降仍是重要相关因子，反映持续沉降和历史负荷生态持久性，西部对存活和补充概率也重要；氮沉降因兼具养分和胁迫作用而关联异质。森林密度增加通过密度依赖竞争体现历史土地利用遗留，同种与异种密度对补充概率和补充率机制不同，符合Janzen-Connell效应。地理上，东部密度增加、污染下降，生长下降、存活增加；西部更异质。完整生活周期显示补充概率最敏感；美国森林补充、生长和死亡均下降，表明种群周转总体减速，主要由东部驱动，与林分成熟、密度增加和空气质量改善有关，可能限制未来适应能力。局限包括相关性、常见种、未纳入CO
2施肥、火和病原体、非线性和交互、适应能力等。STS评价表明其方向有用但低估变化幅度。
研究结论部分翻译：总之，该分析为理解和在全球变化下管理森林提供了若干重要见解。第一，大气污染和森林密度变化与近期树木种群统计变化的关联强于气候变化，表明森林对环境变化的响应不能完全通过以气候为中心的视角理解。第二，补充概率是环境敏感性最高的种群统计过程，使再生动态对预测森林组成变化至关重要。第三，研究人员记录的人口学放缓可能通过减少未来变化所需的周转而限制森林的适应能力。总之，这些发现强调监测多个环境驱动因子、在预测中优先考虑补充动态，并认识到遗留效应可能与持续气候趋势同样重要地塑造未来森林。
