科技日报记者 张盖伦

　　随着遥感监测、大数据、机器学习和模型模拟等技术的迅猛发展，生态学的研究范式正明显向观测、统计和模型分析倾斜。近日，浙江农林大学森林食物资源挖掘与利用全国重点实验室香榧团队在国际权威学术期刊《自然气候变化》发文提醒，生态学学科发展正面临“重观测、轻实验”的失衡风险。

　　研究团队系统梳理了1990年以来Web of Science收录的810种期刊中的8606篇植物物候研究论文，并借助人工智能辅助分类模型，将其划分为涵盖对温度、光周期、干旱等环境因子主动操控的实验研究和观测数据分析、遥感、理论模型等非实验研究。

　　分析结果显示，近三十多年来，树木物候领域发文量呈指数级增长，但增量主要来自非实验研究。这一趋势在高影响因子期刊中尤为显著：在2020—2026年间，高达73%的植物物候学论文为非实验研究。也就是说，当前学术界正日益倾向于发表那些能够快速产出全球尺度结论的大数据研究。

　　文章进一步指出，非实验性观测研究虽然具有尺度大、效率高的优势，但往往容易受到复杂因子的干扰，从而产生表面上显著、实则并不可靠的“虚假相关”。而且，生态系统对环境变化的响应具有高度复杂性，单靠大数据建模难以完整进行反映。以树木物候学为例，早期基于观测数据的分析曾认为光周期能调节欧洲赤松的春季物候，但随后严格的操控实验却推翻了这一结论。这说明，仅凭观测所得的统计关系，并不能自动推导出真实的生态机制。

　　论文第一作者、浙江农林大学教授张瑞表示，如果生态学研究持续向“重观测、轻实验”的方向滑移，仅凭观测数据和模型预测气候变暖下的生态响应，极可能产生系统性误差。他们也发现，实验研究的减少并非单纯源于研究者偏好的变化，而是受制于实验周期长、经费投入高、设施维护难及长期资助匮乏等现实困境。在当前的科研评价体系下，基于观测和计算的分析显然更具快速产出的效率优势。但是，生态学不能因此放弃实验传统。

　　“我们呼吁学术界、资助机构和高水平期刊重新审视资源配置，合力推进长期实验研究网络建设，为实验研究拓宽资助与发表空间。”张瑞强调，唯有以实验确证底层机制，再结合大数据的宏观视野，才能真正洞悉气候变化下树木的生存策略，从而更准确地理解生态系统对气候变化的响应规律，为森林食物资源的适地适树栽培和稳产高产管理提供坚实的科学依据。