预测短暂地貌与相互连接生态系统的不稳定性

隐性临界点为何与日常生活息息相关

我们依赖的许多景观和生态系统——例如高山冰川和亚马逊雨林——可以多年保持看似稳定的状态，然后突然转变为截然不同的格局。这类突变会影响海平面上升、洪水风险、区域气候和生物多样性。该研究提出了一种在真实世界数据中直接识别潜在临界点的新方法，无需繁复的数学预处理，从而在地球关键环节开始失衡时提供更清晰的早期预警。

超越嘈杂的季节起伏

自然系统很少平滑运行。植被、冰体与气候都随季节有强烈波动、长期趋势和随机噪声。传统的预警工具寻求“临界性变慢”——系统接近临界点时，从小扰动中恢复的速度变慢。但这些工具假定数据已被去除趋势和季节循环，这一步既棘手又易出错。不同的季节性去除方法可能导致对森林或冰盖稳定性是否下降得出很不相同的结论。作者借用数学中的一个概念——Floquet乘子（Floquet multipliers），使他们能够在本质上具有周期性的系统（例如受年度日照和温度循环驱动的系统）中直接度量稳定性，而无需先把季节性剔除。

沿时间追踪稳定性，而非只看平均值

该方法基于一种称为动态模态分解（Dynamic Mode Decomposition）的技术，它考察数据中模式如何从一个时间步演变到下一个。从中估算出一组数字——特征值（eigenvalues）——描述扰动是如何增长或衰减的。在稳定系统中，这些数值都保持在临界值以下；当任一数值跨越阈值时，不稳定性便会出现。对于季节性重复的系统，作者着重使用Floquet乘子，它们跟踪围绕季节周期的稳定性。通常有一个乘子代表规则的季节节律并接近于1，而另一个乘子则揭示推动系统迈向临界点的更深层变化。通过在时间上滑动一个窗口，他们可以观察这些乘子的变化并检测何时有某个乘子接近或越过危险界线。

从运动中的冰川到承压的森林

为展示方法的实际效果，研究人员首先在逐渐从繁茂走向贫瘠的植被合成模型上测试该方法。他们的方法比方差或自相关等标准指标更早且更清晰地发出即将崩溃的警告，且不需去除季节性。随后他们转向真实数据。针对两个研究详尽的冰川——一个在阿拉斯加，一个在喀喇昆仑——他们分析了基于卫星的地表速度详测。冰川通常随季节加速或减速，但有时会进入猛冲期，速度远高于平常。基于Floquet的分析在每次猛冲开始前至少能检测到不稳定性的明显上升，无论是观察冰川的单点数据，还是将冰川视为一个空间扩展的整体系统。

绘制不稳定性开始蔓延的空间图谱

因为该方法既可用于完整地图也可用于单一时间序列，它能揭示系统在空间上何处开始失稳。对于冰川，作者发现只有冰体的特定区域在猛冲前在其稳定性模式上“点亮”，表明局部斑块驱动了整体变化。随后他们将该技术应用于亚马逊雨林的卫星植被观测，使用一种称为植被光学深度（vegetation optical depth）的量度，反映生物量与冠层水分。分析发现一种不稳定模态在南部亚马逊最为强烈——该地区受森林砍伐和人为活动影响严重。尽管该模式并不完全对应任一单一驱动因子（如火灾、干旱或单纯的森林损失），但结果表明多重压力共同推动部分森林走向抵抗力较弱的状态。

对观测地球未来意味着什么

通俗地说，这项工作为自然临界点提供了更可靠的报警系统。与其将季节性波动和嘈杂测量强行变为人工“平坦”信号，新方法接纳地球的周期性节律，并考察围绕这些节律的恢复力如何变化。通过追踪何时某些数学特征越过稳定阈值，科学家可以更好地预见突发的冰川猛冲或像亚马逊这样重要生态系统的区域性转变。尽管该方法仍依赖于良好的数据质量和在设置上的谨慎选择，但它为监测广泛的气候、生态和地貌系统以捕捉潜在的、且可能不可逆的突变前兆打开了大门。

引用: Smith, T., Morr, A., Bookhagen, B. et al. Predicting instabilities in transient landforms and interconnected ecosystems. Nat Commun 17, 1316 (2026). https://doi.org/10.1038/s41467-026-68944-w

关键词: 临界点, 冰川, 亚马逊雨林, 早期预警信号, 生态系统稳定性