光合效率是衡量植被将光能转化为生物质的关键指标，直接影响全球碳循环与粮食安全。然而，传统模型仅依赖温湿度等气象因素，无法解释全球近60%的光合效率时空变异。针对这一问题，我院陈镜明院士团队创新性地整合遥感观测、生态进化最优理论与可解释机器学习的方法，分析了全球120个生态系统站点通量数据，首次系统揭示了植物性状对生态系统光合效率的主导作用，为提升碳汇预测、应对气候变化提供了全新视角。
研究成果突破传统认知，增加叶绿素含量、叶片寿命、比叶质量等性状，将模型解释力从36%（仅气象）提升至80%以上，水分供应与光照条件通过与植物性状的交互共同影响光合作用，证实了“性状-环境”协同机制，在森林、草原、农田等生态系统中具有普适性；取得技术突破与未来价值，首次实现大尺度植物性状动态追踪，解决了传统地面测量的时空局限；具有很好的应用前景，为森林碳汇监测、农业精准管理、干旱预警等提供了理论工具。
研究成果为地球系统模型注入了“植物智慧”，通过量化性状与生态系统光合效率的复杂关系，有望开发出更精准的动态植被模型，未来将结合新型卫星遥感与模型优化，大幅提升气候变化背景下的碳汇预测精度。下一步研究团队将联合全球生态网络，开发高分辨率光合效率预测系统，服务于气候变化政策制定，助力‘双碳’目标实现。
研究成果以“Plant traits shape global spatiotemporal variations in photosynthetic efficiency”为题，发表在国际权威期刊Nature Plants。福建师范大学为该研究工作的第一单位。福建师范大学地理科学学院、碳中和未来技术学院博士后鄢予霖为该论文的第一作者，地理科学学院、碳中和未来技术学院的陈镜明院士为该论文的通讯作者。该论文得到博士后科学基金面上项目、科技部重点研发项目以及国家自然科学基金项目资助。
论文连接：https://www.nature.com/articles/s41477-025-01958-2
图1. 不同因素对生态系统尺度光合效率日变化解释能力的比较：（a, d, g）仅气象因子，（b, e, h）仅植物性状，（c, f, i）植物性状和气象因子。
