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《自然—气候变化》期刊发表题为《生态学研究实验弱化风险加剧》的文章。文章基于对树木物候学领域近30年文献的系统分析，揭示当前生态学研究方法演变中的隐忧，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，研究范式正明显向以观测、统计和模型分析倾斜，而以环境操控为核心的实验性研究却增长乏力，学科发展正面临“重观测、轻实验”的失衡风险。

树木物候学领域实验与非实验研究趋势。（课题组供图）

“这一深度剖析，也为森林食物资源领域如何整合跨学科手段、统筹观测与实验、深化机理认识提供了有益的方法论启示。”论文通讯作者吴家胜指出。

该研究以团队长期关注的树木物候学为切入点展开系统分析。研究团队基于关键词检索，系统梳理了1990年以来Web of Science核心合集收录的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30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，而操控实验的增长则较为缓慢。

这一分化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。这深刻反映出，当前学术界正日益倾向于那些能够快速产出全球尺度结论的“大数据”研究，而周期长、耗资大且伴随基础设施维护风险的长期实验，正陷入资助匮乏与发表受限的双重困境。

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”。

研究人员认为，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。对于香榧等长周期森林食物资源的生产而言，这种方法论的纠偏尤为重要。如果仅凭气象数据的相关性进行引种区划或产量预测，可能导致管理决策的失误。基于此，研究团队将这一问题提升到学科发展层面进行探讨。

文章指出，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”。然而，生态学不能因此放弃实验传统。观测与实验并非彼此替代，而应相互补充。

文章呼吁学术界、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，加大对多因子操控平台的支持与倾斜，为实验研究拓宽资助与发表空间。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，从而为森林食物资源的适地适树和稳产高产提供坚实的科学依据。

相关论文信息：

https://doi.org/10.1038/s41558-026-02583-3