气候阈值与时间解耦驱动新热带云雾林生殖物候——基于36年月度记录的分析

《Ecography》：Climatic thresholds and temporal decoupling drive reproductive phenology in Neotropical cloud forests: a 36-year analysis

　　

生殖物候（reproductive phenology）影响热带山地云雾林的生态系统功能与气候敏感性，但阶段特异性气候阈值（phase-specific climatic thresholds）及开花与结实之间的时间耦合（temporal coupling）在数十年尺度上仍缺乏量化。研究人员分析了委内瑞拉一处云雾林1983–2018年的36年月度记录（15个焦点物种）及NASA/POWER水文气候数据，整合随机森林（random forest, RF）模型、回归树阈值分析（regression-tree threshold analysis）、气候窗口敏感性分析（climate-window sensitivity analyses）、尺度依赖相干性（scale-dependent coherence）、物种水平趋势分析（species-level trend analyses）以及考虑季节性和自相关（autocorrelation）的时间模型。在2001–2018年完整七变量模型中，降水是开花和结实的优势同期预测变量，回归树阈值分别为32.57和88.01 mm month^?1。仅使用各阶段三个最高排名预测变量的缩减模型恢复了与完整模型相同的阈值；然而，两种设定在时间结构交叉验证（temporally structured cross-validation）下均不稳定。敏感性分析支持开花阈值跨模型设定，而结实更依赖模型，并在全时段（排除地表UVA辐照度）表现对前期大气条件的敏感性。开花与结实于亚年尺度显示最强相干性（峰值8个月），长期轨迹则分化：开花下降而结实发生增加；两项趋势在季节调整模型、自相关稳健误差（autocorrelation-robust errors）及AR(1)敏感性分析下仍显著。物种水平分析显示，开花下降分布广泛但非普遍，而结实发生增加集中于部分类群。上述结果表明时间解耦（temporal decoupling）：年内生殖协调得以保留，而长期生殖发生跨物种、预测变量集和气候窗口发生重组。

研究背景与问题：热带山地云雾林生物多样性高但对气候扰动脆弱，其生殖物候受降水、温度、云浸没、雾截留和地形降水等共同影响；与低地热带森林不同，山地云雾林具有显著水分与云覆盖季节性。已有全球综合研究提示热带山地是物候异步热点，但南美热带地区仍存在知识缺口。热带生殖物候通常更受降水与干旱变率影响，但新热带云雾林中开花与结实的阶段特异性水文气候阈值、驱动变量层级、阈值在重复模型拟合下的稳定性，以及开花—结实跨时间尺度协调是否保留，仍缺乏量化。Flores等此前在该委内瑞拉云雾林记录到群落物候重组及土壤水分的介导作用，但尚未回答具体阈值、加入大气与土壤变量后驱动层级如何变化、以及协调在何种时间尺度保留或减弱。研究人员据此开展36年月度记录与NASA/POWER水文气候数据的整合分析，以识别开花与结实的差异化气候阈值及其时间稳定性，并检验长期趋势与多尺度耦合。

研究开展、结论与意义：研究人员将预测变量由三个扩展为七个：地表UVA辐照度（surface UVA irradiance）、相对湿度、风速及两个深度土壤水分，并采用随机森林（random forest, RF）量化变量重要性、回归树（regression tree）估计阈值、5折交叉验证（cross-validation, CV）、1000次bootstrap重拟合、时间分块交叉验证与扩展窗口验证评估稳定性，用尺度依赖小波相干（wavelet coherence）检验2–24个月尺度耦合，用普通最小二乘（ordinary least squares, OLS）、Mann–Kendall趋势检验、Sen斜率、月份固定效应、异方差和自相关一致标准误（heteroskedasticity- and autocorrelation-consistent standard errors, HAC）及GLSAR AR(1)模型评估长期趋势。结论是：开花与结实受非对称水文气候结构组织，但阈值稳健性阶段间不同；降水主导开花且在多种设定下稳定，结实阈值更模型依赖；年内开花—结实协调保留而长期生殖发生发生物种加权重构，这对传粉、散布与更新监测具有意义。

关键技术方法概括（≤250字）：样本队列来自委内瑞拉Altos de Pipe（10°23′58.92″N，66°58′43.68″W）云雾林1983–2018年15个焦点物种的6480个物种—月观测、432个月度群落记录，气候数据来自NASA/POWER。方法包括随机森林回归与变量重要性排序、回归树阈值分析、气候窗口滞后与累积敏感性分析、5折及时间分块/扩展窗口交叉验证、1000次bootstrap重拟合、Morlet小波尺度依赖相干分析、物种水平OLS与Mann–Kendall/Sen趋势、月份固定效应及HAC与GLSAR AR(1)时间模型。

结果：

**1. 气候变量的层级重要性（Hierarchical importance of climatic variables）**：通过2001–2018年完整七变量随机森林回归，降水为开花（33.1%）和结实（28.3%）的首要同期预测变量；开花中风速24.3%、温度11.5%、相对湿度10.9%、UVA 9.4%，结实中UVA 20.2%、温度17.5%、风速16.9%、相对湿度10.2%；袋外R²分别为0.275和0.337，说明气候预测变量解释重要但不完全的部分。

**2. 关键气候阈值（Critical climatic thresholds）**：通过回归树分析，开花和结实的首分裂均为降水，阈值分别为32.57和88.01 mm month^?1，结实阈值约为开花的2.7倍；开花最低预测值9.1 events month^?1出现在降水≤11.16 mm month^?1，最高26.9 events month^?1出现在降水75.42–132.69 mm month^?1且10–20 cm土壤水分>0.66；结实最高29.5 events month^?1出现在降水≤88.01 mm month^?1、温度≤24.39°C、相对湿度≤80.31%、UVA≤1.29 W m^?2，最低11.8 events month^?1出现在降水>88.01 mm month^?1且UVA>1.38 W m^?2。

**3. 预测变量集稳健性与阈值时间交叉验证（Predictor-set robustness and temporal cross-validation of the thresholds）**：通过仅保留各阶段三个最高重要性预测变量的缩减回归树，开花（降水32.57 mm month^?1，训练R²=0.328）和结实（降水88.01 mm month^?1，训练R²=0.419）恢复与七变量模型相同的首分裂和阈值；但连续分块交叉验证中，开花降水仅在40%折中为首分裂，风速替代，3/5折测试R²为负（均值?0.34）；结实分块验证60%支持降水、扩展窗口40%支持，温度可主导；缩减预测变量未改善时间不稳定。全时段1983–2018无UVA模型中开花降水首分裂100%支持，结实仍不稳，滞后全时段模型中三个月滞后风速或相对湿度替代降水，表明阈值时间稳定性受验证记录长度影响大于预测变量数量。

**4. 气候窗口敏感性分析（Climate-window sensitivity analyses）**：在2001–2018年完整七变量模型中，当前降水为开花与结实首位随机森林预测变量和回归树根，加入滞后与累积预测变量后阈值不变；全时段无UVA敏感性模型中，开花当前降水仍主导且全时段阈值29.30 mm month^?1；结实并发无UVA模型的树根改为10 m风速，滞后无UVA模型中三个月滞后风速成为随机森林首位和树根（阈值2.48 m s^?1），说明开花阈值跨气候窗口稳健，结实更依赖模型设定和前期大气条件。

**5. 多尺度小波相干（Multi-scale wavelet coherence）**：通过尺度依赖相干分析，开花—结实相干在亚年尺度超过0.5标准，8个月最高（0.763），其次9个月0.760、10个月0.737、7个月0.704、11个月0.682、12个月0.534；2–6个月低于0.5，13–24个月亦低于0.5，表明耦合最强于中间亚年尺度而非年或多年尺度。

**6. 长期时间趋势（Long-term temporal trends）**：OLS显示开花显著下降（?0.124 events year^?1，R²=0.022，p=0.002），结实显著增加（+0.129 events year^?1，R²=0.034，p<0.001）；Mann–Kendall确认结实显著增加（z=3.245，p=0.001，Sen斜率+1.75 events year^?1），未检出开花显著年趋势（z=?0.913，p=0.361，Sen斜率?1.00 events year^?1）。开花峰值在6月（27.67 events month^?1），结实峰值在1月（28.50 events month^?1），相差7个月；十年均值显示开花在2010年代降至14.08 events month^?1，结实升至21.61 events month^?1，开花—结实差值由正转负（2010年代?7.53）；月度Mann–Kendall显示结实正趋势集中于4、5、6、12月。

**7. 时间趋势对季节性和自相关的稳健性（Robustness of temporal trends to seasonality and autocorrelation）**：残差诊断显示开花Durbin–Watson为0.872、结实0.677，12个月滞后Ljung–Box检验显著；月份固定效应降低但未消除残差依赖；HAC标准误和GLSAR AR(1)模型下，开花仍显著负（?0.135 events year^?1，p=0.0047；?0.142 events year^?1，p=0.0039），结实仍显著正（+0.132 events year^?1，p=0.00060；+0.132 events year^?1，p=0.00081），表明分化趋势非季节性或残差自相关伪影。

**8. 物种水平与性状组趋势异质性（Species-level and trait-group trend heterogeneity）**：物种水平分析显示15个焦点物种中12个开花OLS斜率为负、3个为正，3个显著负、1个显著正；Vismia ferruginea、Palicourea fendleri和Guapira olfersiana合计贡献55.8%的负向物种水平贡献。结实中9种为正、6种为负，4个显著正、1个显著负；Protium tovarense单独贡献51.5%的正向贡献，三强合计73.1%；因此群落开花下降分布较广但非普遍，群落结实增加为异质、物种加权信号。性状组分析因部分性状水平物种数少，仅作描述性解释。

讨论总结：该研究将Flores等此前的模式记录推进到气候层级、气候窗口敏感性和阈值稳健性量化；开花降水主导在完整病例、全时段无UVA、滞后窗口及预测变量缩减中较稳定，但2001–2018完整病例在时间分块交叉验证下不稳定，说明阈值稳健性更依赖验证记录长度而非预测变量数量；结实阈值更受预测变量可用性和前期气候窗口影响，应视为操作性完整病例标志而非普遍生理边界。阈值应解释为生殖发生概率增加的水文气候区，而非刚性生理临界点；降水主导符合热带生殖物候与水有效性更相关的认识，开花较低阈值及土壤水分二次分裂提示适度干旱缓解可触发开花，较强开花表达依赖持续土壤水，而结实具有更高、更多变量的气候包络，反映其更长、更高成本的发展需求。NASA/POWER变量为区域水文气候代理，不能直接测量云浸没、雾截留、穿透雨和冠层尺度水分有效性。长期趋势在季节性和自相关校正后仍存在，支持时间解耦；物种水平结果显示群落趋势由物种加权重构驱动，而非所有物种一致响应。花果结构影响传粉者、食果动物和种子散布者，阈值可用于监测物候风险，但尤其结实阈值不宜解读为精确生态临界点。

研究结论翻译：本研究表明，新热带云雾林生殖物候由非对称水文气候结构组织，但该结构的稳健性在生殖阶段间不同。开花显示最稳定的气候信号：降水在完整病例、全时段无UVA、滞后窗口和预测变量集缩减分析中均为优势预测变量和回归树首分裂；只有全时段无UVA设定在时间结构交叉验证中保持该稳定性，而2001–2018完整病例树无论使用七个还是三个预测变量均未保持。结实完整七变量模型显示降水阈值，但全时段无UVA和滞后窗口模型显示对前期大气条件更敏感。因此，开花阈值可解释为相对稳健，但其时间验证稳定性依赖记录长度；结实降水阈值应作为操作性完整病例标志。三预测变量树恢复与七预测变量树相同的阈值，表明主要阈值不依赖预测变量集大小；两种设定在2001–2018时间结构交叉验证中均不稳定，开花仅在使用较长1983–2018无UVA记录时达到稳定，说明记录长度而非预测变量复杂性限制该系统中的时间验证。长期物候变化同样非对称：开花发生下降而结实发生增加，二者在考虑季节性、残差自相关和AR(1)误差结构后仍显著。物种水平分析显示开花下降分布广泛但非普遍，结实增加异质并集中于部分类群；群落轨迹分化代表生殖发生的物种加权重构，而非所有物种一致响应。此处识别的阈值和趋势是物候重组的操作性指标，而非固定生理边界；NASA/POWER变量提供有用的长期水文气候代理，但不直接测量云浸没、雾截留、穿透雨或冠层尺度水分有效性。整合长期物候记录、气候窗口敏感性分析、物种水平趋势评估、预测变量集缩减以及自相关稳健和时间交叉验证建模，仍为检测热带山地云雾林生殖动态的气候驱动重构提供了可转移框架。