《Forest Ecology and Management》：Aging plantations are constrained by a biophysical ceiling on carbon and ecological co-benefits
编辑推荐：
研究人员基于GEDI（Global Ecosystem Dynamics Investigation）模型在国家尺度估算了十个可解释的林分结构属性。林分大小与结构复杂性构成森林状况的两个正交轴。人工林林分大小约在70年时趋于平台期。日本350万公顷转化目标中有
研究人员基于GEDI（Global Ecosystem Dynamics Investigation）模型在国家尺度估算了十个可解释的林分结构属性。林分大小与结构复杂性构成森林状况的两个正交轴。人工林林分大小约在70年时趋于平台期。日本350万公顷转化目标中有一半落在双赢恢复区域。
研究背景与问题提出
大规模造林与人工林扩张已成为全球国家气候战略的核心支撑，许多国家承诺数百万公顷林地以实现碳中和与气候目标。人工林对决策者的吸引力在于早期快速生长、近期碳固存潜力及木材价值双重优势，使其成为气候减缓基石。然而人工林长期价值远不如短期收益明确。结构简单的人工林通常生态功能较低，生物多样性与栖息地质量不及天然林，且更易受自然干扰。从长期看，支撑碳效益的早期生长优势随林龄下降，林分级生产力趋近饱和，削弱其碳汇强度。近几十年全球人工林扩张大幅放缓，土地竞争加剧、经济回报下降与劳动力短缺共同限制新造可行性，关注点正从扩大面积转向管理现存人工林。科学和政策界主要关注全球南方森林面积增长，而对早期扩张遗留的老化、结构简单林分的审视严重不足。关键问题已从如何扩大人工林面积，转变为哪些林分应维持生产性纯林、哪些应改造及何处优先干预。
日本是检视这一转型的典型案例。森林覆盖约三分之二国土，人工林占森林面积约40%，多为针叶树种，主要为二十世纪中叶后营造的同龄单作纯林，面积长期稳定。这些林分初期支撑国内木材供给与碳积累，但相较天然林结构简化、生物多样性降低。人口减少侵蚀管理能力，废弃导致非目标树种入侵、结构进一步简化与价值流失。日本已转向“近自然(close-to-nature)”森林管理，计划将同龄单作纯林转化为复层混交林，但生物物理可行性、效益与权衡尚不明确。空间激光雷达LiDAR提供三维信息，GEDI作为首个专为植被结构观测设计的星载LiDAR任务，极大拓展了大规模森林结构监测潜力。研究人员整合野外测量、机载LiDAR与GEDI星载观测，在日本针叶林以约1 km空间分辨率绘制林分大小（累积发育的结构代理）与结构复杂性（林内树木大小异质性），应用机器学习识别气候、地形、社会经济因子关联，比较人工林与可比环境下天然林类似物的结构差异，评估与国家转化目标的空间匹配及权衡。
主要关键技术方法
研究人员使用2019至2023年日本境内GEDI V2 L2A高程与高度指标数据，经质量过滤保留优质足迹并限定针叶林、冠层高度RH98大于5 m及叶期筛选。地面参考数据来自日本三重、长崎、东京、山口六处样地共417个0.04 ha样方，测定DBH≥6 cm树木并划分冠层与亚冠层，配套同期机载LiDAR点云密度≥4 pts/m2。采用GEDI模拟器由ALS点云生成无地理定位误差的模拟波形RH指标（RH40–RH98及标准差），以普通最小二乘（OLS）与随机森林（RF）回归建立十项林分结构变量（冠层平均高、DBH、材积、材积密度、树木密度及变异标准差，亚冠层平均高与DBH）的预测模型，经五折交叉验证与站点空间交叉验证选优。将GEDI足迹聚合至日本三级网格（约1 km）并进行主成分分析（PCA）提取林分大小（PC1）与结构复杂性（PC2）两轴。利用森林登记数据按人工林比例分层，以气候与地形变量训练RF模型预测天然林类似物PC值，重复100次量化不确定性，计算结构差距与恢复潜力面积，结合行政与社会经济数据统计驱动因子重要性（MDI与SHAP）。
研究结果
3.1. GEDI-based structural models的性能
研究人员基于随机五折与站点空间交叉验证评估GEDI RH指标反演十项林分结构变量的精度。冠层平均树高随机交叉验证R2达0.67，平均干材积0.55，总林分材积0.49，平均DBH 0.45；变异性相关属性精度较低，材积标准差R2 0.53，DBH与高度标准差均为0.38，树木密度0.26。亚冠层平均高与DBH分别为0.50与0.17。空间交叉验证下树木密度与亚冠层DBH约束较弱。OLS与RF性能总体相当，部分变量需谨慎解释。
3.2. Stand size and structural complexity of Japanese needleleaf forest
研究人员将575万条GEDI足迹聚合至三级网格绘制十项结构变量全国分布，PCA提取两轴共解释93.7%方差。PC1（83.0%）正向载荷所有平均大小相关变量，负向载荷树木密度，解释为林分大小；PC2（10.7%）正向载荷冠层内变异、负向载荷总材积与密度及亚冠层平均大小，解释为结构复杂性。区域上九州、关东、东北人工林主导区结构复杂性低；四国、中部结构复杂性高且过熟林比例大；北海道因天然林占比高亦现高复杂性。
3.3. Stand age-related dynamics of forest structural variables
按人工林比例分四类（天然＜10%、天然主导混合10–50%、人工林主导混合50–90%、人工林≥90%），研究人员发现人工林林分大小早中期随龄增加，约50年后放缓，约70年趋平；结构复杂性呈U型，轮伐期低，约75年后升高。天然林林分大小早期慢但宽龄持续增，结构复杂性随龄稳步升而不饱和。人工林比例越高，年龄与两结构维度相关性越弱但均显著。
3.4. Predictors of stand size and structural complexity
研究人员以RF模型在市町村尺度用16项气候、地形、社会变量预测PC1与PC2，解释方差分别为56%与42%。气候是林分大小首要预测类别（背景气候40%+变率35%），温度呈单峰偏中值，海拔至约500 m正偏。地形是结构复杂性首要预测（约47%），坡度＜15°强正偏后平台。社会经济变量全国贡献小（约7–8%），但在四国、关东等山区占比升高。
3.5. Plantation–natural forest structural gaps and conversion implications
研究人员以＞90%天然针叶林网格训练RF仅用气候地形预测自然林类似物PC值（PC1 R2 0.61，PC2 0.48），应用于人工林网格得结构差距。全国人工林林分大小平均高自然类似物1.10单位，结构复杂性低0.37单位；混合林差距减弱。区域异质性强，九州林分大小差距最大（ΔPC1＝?2.89），东北与北海道结构复杂性差距最大（ΔPC2＝＋0.56、＋0.54）。年龄上成熟与过熟人工林林分大小差距约为幼龄3.5倍。22%人工林网格可获林分大小增益，46%获结构复杂性增益，17%双赢增益，对应1.475、2.843、1.125 Mha；混合林为37%、58%、25%。双赢区集中于四国山麓、近畿中国西部、中部中央约35°N中海拔区。外推后人工林双赢面积约1.43–1.64 Mha（占全国3.50 Mha目标41–47%），含混合林达1.79–2.06 Mha（51–59%）。
讨论总结
研究人员指出日本老化人工林约70年林分大小平台化，多数将在二十年内跨过阈值，边际碳贡献下降；天然林约百龄近饱和且无人工林早期平台，持续积累体积。结构复杂性人工林呈U型，受经营史而非年龄主导；天然林随龄增。区域分三类：中西部山麓双赢区、九州转化伴林分大小损失区、北海道人工林近自然类似物且复杂性差距大。双赢区叠加陡坡、通达差与废弃，低于自然类似物双维结构，宜优先干预。自然类似物比较存局限：GEDI结构模型密度与亚冠层精度低、ALS与野外时间差、空间替代法限针叶比对、PC2高值可能来自低材积低密度而非真复杂性、天然林采样偏高处低效产点、GEDI覆盖不均北海道偏弱。结论为研究人员通过GEDI框架反演十项林分属性，在国家尺度解析林分大小与结构复杂性两维，人工林老化中林分大小约70年平台，结构复杂性弱年龄依赖受地形与管理遗留塑造；与自然类似物比仅约半数的3.50 Mha转化目标落双赢区，其余涉权衡，揭示人工林恢复的生物物理上限与空间显性目标必要性；框架可移植他区监测多维森林状况。论文发表于《Forest Ecology and Management》。
