树木年轮与遥感技术融合：揭示森林生长与干扰监测的新维度

《Current Forestry Reports》：A Review of Dendrochronology and Remote Sensing Integration for Forest Growth and Disturbance Monitoring

本研究系统综述了树木年轮学（Dendrochronology）与遥感（Remote Sensing）技术集成在森林生长与干扰监测中的应用。为解决森林生长评估中碳源（光合作用）与碳汇（木材形成）过程监测脱节的问题，研究人员分析了78项多学科研究，揭示了树轮宽度（TRW）与植被指数（VIs，如NDVI）在年际尺度上的强相关性，但长期趋势存在解耦现象。该研究为跨尺度森林生产力评估提供了方法论框架，对全球变化下的碳循环模拟和森林管理具有重要意义。

　　

在全球气候变化加剧的背景下，森林作为重要的碳汇，其生长动态的精准监测成为生态学研究的关键课题。然而，传统的地面观测与新兴的太空探测手段长期各自为政，导致对森林碳循环过程的理解存在盲区。树木年轮记录着树木茎干的碳积累过程，而卫星遥感则捕捉着冠层光合作用的“绿色脉搏”，二者如何协同揭示森林的生命轨迹？这正是发表于《Current Forestry Reports》的综述文章《树木年轮学与遥感集成在森林生长与干扰监测中的综述》所要解决的核心问题。

长期以来，科学界面临一个尴尬的局面：树木年轮数据能提供精确到年的生长历史，但受限于采样成本难以大范围推广；遥感技术可实现全球覆盖，却只能追溯至20世纪70年代。更本质的矛盾在于，遥感监测的植被指数（如NDVI）反映的是冠层光合作用（碳源强度），而树木年轮宽度（TRW）记录的是木材形成的碳汇活动。这两种过程受不同生理机制调控，导致不同研究对森林生长趋势的判断常出现分歧。例如在加拿大 boreal 森林，基于树木年轮的研究显示黑云杉（Picea mariana）生长增加，而卫星数据却指出该区域存在“褐化”现象。这种矛盾凸显了整合两种数据的迫切性。

为破解这一难题，研究团队系统分析了2015-2025年间78项跨学科研究，从三个主导研究方向展开剖析：（1）TRW、VIs与气候因子的相互关系；（2）长期生长趋势评估；（3）干扰与极端气候事件的响应机制。研究发现，生长季月份的TRW与VIs普遍呈现显著正相关，尤其在水分受限区域。例如在干旱事件中，TRW通常比VIs表现出更强烈且持久的生长抑制，说明茎干生长对胁迫更敏感。然而在长期趋势分析中，两者常出现解耦，如北方森林中遥感检测到的褐化趋势与部分树轮记录的生长加速形成对比。这种差异揭示了碳分配优先级的变化——树木在胁迫下可能优先维持叶面积而非径向生长。

研究进一步揭示了方法学创新的重要性。传统树轮采样多集中于气候敏感区（如树线），存在空间代表性偏差；而遥感数据尺度不匹配（如1公里分辨率AVHRR数据）可能导致混合像元问题。对此，作者建议采用更高分辨率影像（如Sentinel-2）结合国家森林 inventory 的系统采样设计。在技术层面，研究强调了将树木胸高断面积增量（BAI）等生物量相关指标与雷达（SAR）、激光雷达（LiDAR）等新型遥感数据结合，可更准确捕捉三维生长动态。

关键技术创新方面，研究团队通过系统文献检索与多维度分类，建立了包含采样策略、生长指标（如树轮宽度指数RWI、最大晚材密度）、植被指数（NDVI、EVI）和统计方法的分析框架。特别关注了去趋势方法（如平滑样条、区域曲线标准化RCS）对长期信号提取的影响，以及遥感数据时序重建（如最佳像素合成BAP）技术的应用。针对干扰研究，引入了抗性-恢复力指标和变化检测算法，实现了从个体树木到景观尺度的跨尺度验证。

研究结果分析

TRW、VIs与气候的关系

通过相关分析与线性混合模型，研究发现生长季中期（如7-8月）的NDVI与TRW相关性最强，但存在气候驱动异质性。在阿拉斯加树线，温度上升导致云杉生长衰退的同时NDVI同步下降；而地中海地区干旱则引发TRW较NDVI更剧烈的响应滞后。值得注意的是，TRW与气候的相关性强于VIs与气候的关联，表明树轮对限制性气候因子的指示性更直接。

长期生长趋势评估

使用去趋势时序（50%研究采用RWI）与线性模型比较发现，TRW与VIs趋势一致性存疑。北方森林中树轮显示的生长加速与遥感观测的褐化形成反差，可能源于碳分配向冠层的倾斜或年龄结构效应。例外出现在气候驱动明确的区域，如 Tibetan 高原青海云杉（Picea crassifolia）在升温增雨环境下二者均显示生长提升。

干扰与极端事件响应

通过抗性-恢复力指标量化发现，干旱事件中TRW通常较VIs下降更显著（如地中海地区栎树衰退），且恢复期更长。虫害爆发研究（如芬兰 autumn 蛾）中，NDVI变化与TRW减少呈非线性关系，重度落叶后生长衰退加剧。森林退化分析则通过地形变量（海拔、坡向）与遥感空间模式结合，识别出干旱敏感区的立地条件特征。

结论与展望

本研究论证了树木年轮学与遥感集成如何通过碳源-碳汇双视角提升森林生长评估的准确性。其重要意义在于：一是突破了单一数据源的尺度局限，实现从个体树木到景观的跨尺度推演；二是为全球变化下森林碳汇功能预测提供了生理机制框架，特别是揭示了碳分配优先级对生长趋势解读的关键影响。未来研究需聚焦高分辨率遥感（如HLS数据）、生态元数据（林分结构、土壤湿度）的系统整合，以及树木生理过程（非结构性碳储存、物候异步）的机理挖掘。随着气候变化加剧，这种跨学科方法将为构建韧性森林管理策略提供不可替代的科学支撑。