← 最新论文
📄 earth_science

Climate-driven carbon exchange in German forests before, during and after the 2018 drought: implications of climate forcing uncertainty

本研究利用 LandscapeDNDC 模型揭示,2018 年的干旱导致德国森林碳汇强度出现了显著且持续的下降,并呈现出空间异质性的影响,同时还表明气候强迫数据(特别是 E-OBS 与 ERA5 之间)的不确定性通过影响蒸发、蒸腾和呼吸速率,关键性地改变了模拟的碳通量估算。

原作者: Hassane Moutahir, Hannes Imhof, Pia Labenski, Edwin Haas, David Kraus, Sophia Walther, Michael Bell, Christian Markwitz, Ralf Kiese, Rüdiger Grote

发布于 2026-06-25
📖 1 分钟阅读☕ 轻松阅读

原作者: Hassane Moutahir, Hannes Imhof, Pia Labenski, Edwin Haas, David Kraus, Sophia Walther, Michael Bell, Christian Markwitz, Ralf Kiese, Rüdiger Grote

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

大局观:德国森林——一座巨大的碳海绵

请把德国的森林想象成一块巨大的、覆盖全国的海绵。它们的主要职责是从空气中吸收二氧化碳(CO₂),并将其储存在木材和土壤中。这对于对抗气候变化至关重要。

这项研究观察了这块“海绵”在 2011 年至 2023 年间的运作效率。研究人员特别关注了 2018 年大旱期间发生了什么——那是一个异常炎热且干燥的年份——以及森林在此之后是如何恢复(或未能恢复)的。

他们使用了一个名为 LandscapeDNDC 的高级计算机程序。你可以把它看作是森林的“数字孪生”。它通过模拟树木如何呼吸、饮水和生长来模拟森林,其基础是真实的气象数据,同时排除了人类伐木或害虫啃食等干扰因素。这让科学家们能够观察到天气对树木产生的纯粹影响。

主要发现

1. 2018 年大旱:突如其来的干渴

在 2018 年之前,德国森林普遍健康,能高效地吸收碳。但在 2018 年,天气变成了“复合型干旱”。这不仅仅是因为不下雨,还因为天气极其炎热,这意味着树木通过“出汗”流失水分的速度超过了它们饮水吸收的速度。

  • 结果: 森林作为碳海绵的能力下降了近 46%
  • 类比: 想象一名通常跑得很快的马拉松选手。在 2018 年,他们被迫在热浪中跑步且没有水喝。他们不仅慢了下来,甚至还踉跄跌倒了。在德国东北部的一些地区(松树占主导地位的地方),森林甚至停止了吸收碳,转而开始释放碳,在短时间内从一块海绵变成了一个漏水的桶。

2. 并非所有树木都一样

研究发现,不同类型的树木反应各异,这取决于它们所处的地理位置。

  • 南方的英雄: 南方(如黑森林)的森林以云杉和山毛榉为主,处于较湿润、较凉爽的地区。虽然它们也受到了干旱的影响,但恢复得相对较快。它们就像是能够抵御风暴的坚韧橡树。
  • 北方的挣扎者: 北部和东北部的森林(以松树为主)受创最深。这些地区的环境本就较为干燥,且拥有保水性差的沙质土壤(就像一个筛子)。当干旱来袭时,这些树木是最先感到窒息的。即便在多年后,它们吸收碳的能力仍比以前更弱。

3. “恢复”并非完全回归巅峰

在 2018 年之后,虽然有些年份(如 2021 年和 2023 年)天气好转,但森林并未完全恢复到干旱前的强度。

  • 类比: 想象一个过热的汽车引擎。即使你在冷却后注入了新鲜机油,它运行起来也不会像以前那样顺畅了。树木长出了更多的叶子(光合作用),但由于热量压力,它们的呼吸作用(呼吸作用)也比平时更强。最终结果是:森林仍然是一个碳汇,但它是一个比以前更弱的碳汇。

“天气报告”问题:为什么数据很重要

这项论文中最有趣的环节之一是“敏感性测试”。科学家们运行了两次数字森林模型:一次使用一种类型的天气数据(E-OBS),另一次使用另一种(ERA5)。

  • 转折点: 第二个数据集(ERA5)显示降雨量比第一个数据集更多。你可能会认为,更多的降雨意味着更快乐的树木和更多的碳吸收,对吧?
  • 现实情况: 出人意料的是,模型显示使用“较湿润”的数据时,碳吸收反而减少了。
  • 类比: 想象两场雨:
    • 风暴 A (E-OBS): 一场持续且深入的降雨,能渗透进土壤深处,让树根可以饮水。
    • 风暴 B (ERA5): 大量的细雨和薄雾。虽然总水量更高,但大部分水在到达地面之前就从叶片上蒸发掉了。树木只是被淋湿了,但并没有得到“补水”。
    • 温度陷阱: “较湿润”的数据还包含了更温暖的夜晚。就像人类一样,树木在夜晚温暖时会进行更多的“呼吸”(呼吸作用)。因此,尽管水分更多,但树木在夜间消耗能量的速度更快,导致储存的碳更少。

结论: 不仅仅是降了多少雨,更重要的是雨的形式(是大滴降雨还是细微薄雾)以及夜间的温度,决定了森林是繁荣还是挣扎。

研究未包含的内容(缺失的部分)

作者非常诚实地说明了他们的“数字孪生”模型遗漏了哪些内容。

  • 无死亡率: 该模型没有模拟树木死亡。在现实中,2018 年的干旱导致德国中部许多树木死亡。由于模型没有计算这些死去的树木,它可能会略微高估了干旱后几年森林目前的碳吸收量。
  • 无人工管理: 他们没有纳入伐木或森林管理因素。他们想要观察的是气候的纯粹影响。

总结

这项研究告诉我们,德国的森林对于对抗气候变化至关重要,但它们也很脆弱。2018 年的大旱是一次巨大的冲击,使部分地区的森林效能降低了近一半。虽然有所恢复,但森林尚未完全恢复原状,尤其是在干旱的北部。

此外,研究警告我们,预测未来是非常困难的。衡量天气的细微差别(例如是否将细雨计入降雨量)会导致对森林碳存储能力的预测出现巨大差异。为了得到正确的答案,我们不仅需要了解天气,还需要了解天气是如何与土壤和树木进行交互作用的。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →