编辑推荐：
在估算森林生物量和碳储量时，木材密度（wood density）空间变化的不确定性会导致显著误差。研究人员围绕南美热带森林木材密度展开研究，发现其在不同区域差异显著，构建的模型能有效预测。这有助于提升南美热带森林地上生物量碳储量估算的准确性。
森林，作为地球生态系统的重要组成部分，不仅为众多生物提供栖息地，还在全球碳循环中发挥着关键作用。准确估算森林生物量碳储量，对于了解森林生态系统功能、评估气候变化影响以及制定科学的碳管理策略至关重要。然而，当前在量化热带森林地上生物量碳储量方面，面临着诸多挑战。虽然遥感技术不断发展，可进行大规模、连续的测量，但它无法像地面调查那样，精准获取树木的身份和木材密度信息。木材密度作为决定树木生物量的关键因素，其估算依赖专业的植物学调查。缺乏木材密度信息，会导致遥感和地面估算地上生物量之间出现明显偏差，甚至在同一国家内，地上生物量估算的空间偏差可达 30% 左右。这使得准确绘制热带森林生物量碳地图变得异常困难，不同全球生物量碳地图之间存在显著差异，反映出在热带森林大规模校准和验证方面的难题。
为了攻克这些难题，来自多个研究机构的研究人员，包括曼彻斯特城市大学（Manchester Metropolitan University）、利兹大学（University of Leeds）等，共同开展了一项关于南美热带森林木材密度变化的研究。该研究成果发表在《Nature Communications》上。
研究人员为了深入了解木材密度的变化规律，运用了多种关键技术方法。在数据收集方面，他们从
ForestPlots.net数据库中筛选出 981 个位于成熟、结构完整且郁闭度高的森林样地数据。这些样地由多个研究网络采用共享协议建立和维护，样地内树木的胸径（直径≥10cm）、物种信息被详细记录。对于木材密度的估算，研究人员通过将树木的分类身份与木材密度数据库交叉引用的方式获取。在分析木材密度与环境和空间变量关系时，采用了随机森林（random forests）和广义相加模型（generalised additive models，GAMs）。这两种模型能够捕捉响应变量和解释变量之间复杂的非线性关系，为后续的预测提供有力支持。
研究结果主要包括以下几个方面：
- 木材密度的变化：南美热带和亚热带森林的基部面积加权木材密度（basal-area weighted wood density）变化范围达两倍，平均为 0.63 gcm-3。不同区域间木材密度差异显著，如东中部亚马逊和圭亚那盾地区的森林木材密度较高，而西部亚马逊地区较低；山地森林的平均木材密度最低，干燥森林木材密度普遍较高，但部分样地木材密度较低。
- 木材密度的空间格局：通过构建模型发现，经度是影响木材密度变化的最重要解释变量，呈现出自西向东木材密度增加的梯度。土壤质地、土壤化学性质（阳离子交换容量和 pH）以及纬度等变量也对木材密度有重要影响。不同模型对木材密度空间格局的预测存在一定差异，但都能反映出大致的趋势，同时也预测出了局部尺度的变化。
- 模型的性能：经交叉验证，所有建模方法预测的木材密度值与观测值呈正相关，相关系数 r=0.62 - 0.75，决定系数（coefficient of determination）为 0.37 - 0.57，平均预测误差为 0.049 - 0.057 gcm-3。使用模型预测木材密度来估算碳储量，相比仅使用数据库平均木材密度值，误差显著降低。
在研究结论和讨论部分，该研究具有多方面的重要意义。研究人员构建了前所未有的木材密度数据集，并通过多种方法揭示了木材密度与环境和空间变量的关系，为遥感领域提供了重要的新产品，使碳储量估算误差相比单一平均木材密度值减少约一半。研究在木材密度空间变异研究方面取得了新进展，绘制了精细尺度的变化图，扩展了对安第斯、季节性干燥和大西洋森林木材密度的预测范围，验证了亚马逊地区木材密度梯度的存在。不过，研究也存在一定局限性，数据集仅占南美热带森林面积的一小部分，模型在某些地区的适用性和性能有待提高，且木材密度作为物种属性的处理方式忽略了种内变异。尽管如此，该研究在很大程度上推进了对热带美洲森林木材密度测量和预测的研究，其结果和地图将有助于更准确地基于遥感估算南美热带森林生物量碳储量，为全球碳循环研究和森林生态系统保护提供重要的科学依据。
涓嬭浇瀹夋嵎浼︾數瀛愪功銆婇€氳繃缁嗚優浠ｈ阿鎻ず鏂扮殑鑽墿闈剁偣銆嬫帰绱㈠浣曢€氳繃浠ｈ阿鍒嗘瀽淇冭繘鎮ㄧ殑鑽墿鍙戠幇鐮旂┒
10x Genomics鏂板搧Visium HD 寮€鍚崟缁嗚優鍒嗚鲸鐜囩殑鍏ㄨ浆褰曠粍绌洪棿鍒嗘瀽锛�
娆㈣繋涓嬭浇Twist銆婁笉鏂彉鍖栫殑CRISPR绛涢€夋牸灞€銆嬬數瀛愪功
鍗曠粏鑳炴祴搴忓叆闂ㄥぇ璁插爞 - 娣卞叆浜嗚В浠庣涓€涓崟缁嗚優瀹為獙璁捐鍒版暟鎹川鎺т笌鍙鍖栬В鏋�
涓嬭浇銆婄粏鑳炲唴铔嬬櫧璐ㄤ簰浣滃垎鏋愭柟娉曠數瀛愪功銆�
