科研进展 | 国家生态科学数据中心揭示中国森林碳周转呈现显著分化趋势：成熟林植被碳周转加速，近熟林植被碳周转减缓
- ：NESDC
- ：2026-08-06
植被碳周转时间（τveg）主导陆地生态系统碳源汇动态及其对全球变化响应的不确定性。在全球变化背景下，北美、欧洲森林及全球植被碳周转呈加速趋势，但作为全球三大碳汇区之一的中国森林，其植被碳周转的变化及其影响机制尚不清楚。国家生态科学数据中心前期利用多源数据-模型融合方法，在区域尺度揭示了中国森林τveg整体呈延长趋势（Ge, Ren, He* et al., 2026, Science Bulletin）。然而，这一趋势是否在不同林龄森林中普遍成立，环境和生物因子如何影响尚不清楚。因此，国家生态科学数据中心基于中国生态系统研究网络（CERN）2004–2020年28个森林生态系统长期定位监测数据，首次利用实测数据揭示了中国森林τveg的长期变化趋势及其林龄分化特征和机制。
研究发现，中国森林τveg大小为20.43±1.12 years，近20年来植被碳周转显著减缓（0.19 ± 0.12 years per year , p<0.05），林龄对植被碳周转时间的变化起到关键的调节作用：成熟林植被碳周转呈微弱的加速趋势（-0.19 ± 0.15 years yr-1 , p =0.20），呈现与全球一致的“生长加快-凋落/死亡更快-周转变快”的模式；而近熟林植被碳周转显著减缓（0.43 ± 0.14 years yr-1, p<0.001），呈现相反的“凋落／死亡加快－生长更快－周转变慢”的模式。
研究通过结构方程模型（SEM）解析了多因子对中国森林植被生长与碳损失之间权衡关系的共同调控作用。在成熟林，气候变化和CO2通过更多促进凋落等输出过程主导植被碳周转的加速，以密度上升为显著特征的生物因素起缓冲作用；近熟林凋落物增长对τveg的贡献明显减小，CO2施肥效应通过促进植被生长主导了τveg的延缓，以胸径上升为特征的生物因子强化了这一作用。
该研究进一步促进了CERN跨站点联网研究和挖掘分析，加深了我们对森林植被碳周转的时间变化趋势及其驱动机制的理解，对于准确评估和预测森林碳汇及其对气候变化的反馈，以及实施有效的森林生态系统管理具有重要意义。成果于2026年7月发表于Journal of Ecology，国家生态科学数据中心何洪林主任为通讯作者，任小丽副主任和葛蓉博士为共同第一作者。该研究得到国家自然科学基金（42030509, 42301538, 31700417）及国家科技基础资源调查专项（2021FY100705）等项目资助。
论文信息：
Ren, X., Ge, R., He, H., Chase, J., Wang, T., Xu, Q., Piao, S., Penuelas, J., Zhang, L., Yu, S.-Y., Yang, Y., Yu, K., Zhou, T., He, J.-S., Bai, Y., Zhang, M., Chen, D., Lin, L., Ye, Q., … Yu, G. (2026). Divergent long-term trends in vegetation carbon turnover between mature and young forests. Journal of Ecology, 114, e70396.
论文链接：
https://doi.org/10.1111/1365-2745.70396
论文核心结果图表：
图1 基于长期监测数据的中国森林植被碳周转时间(τveg)变化趋势。(a) 2004-2020年间28个森林样地的标准化τveg值，阴影区域表示95%置信区间。(b) 中国τveg年变化率与南美洲成熟林、欧洲及北美成熟林以及全球森林的对比。
图2 成熟林和近熟林植被碳周转时间（τveg）的变化趋势及其对比。（a）11个成熟林的τveg变化。（b）17个近熟林的τveg变化。（c）成熟林与幼龄林τveg的变化差异。
图3 环境变化和林分结构变化对森林植被碳周转时间（τveg）变化的影响（a. 成熟林; b. 近熟林）。MAT和MAP分别代表年平均气温和降水量；CO2和Ndep分别表示大气中的CO2浓度和氮沉降；SDI代表林分密度指数。在结构方程模型拟合之前，使用Z-score方法对28个森林样地的数据进行标准化。与箭头相邻的数字表示标准化路径系数。R2表示解释的方差的比例。实线箭头表示有效路径（P<0.05），虚线箭头表示非有效路径（P>0.05）。成熟林（a）和近熟林（b）的拟合优度统计数据分别为GFI=0.965、SRMR=0.015、P=0.372和GFI=0.968、SRMR=0.024、P=0.079，表明模型数据拟合效果较好。