隨著遙感監測、大數據、機器學習和模型模擬等技術迅猛發展，生態學的研究范式正明顯向觀測、統計和模型分析傾斜。近日，浙江農林大學森林食物資源挖掘與利用全國重點實驗室香榧團隊在國際權威學術期刊《自然·氣候變化》發文提醒，生態學學科發展正面臨“重觀測、輕實驗”的失衡風險。

研究團隊系統梳理了8606篇植物物候研究論文，這些論文來自“科學引文索引”（Web of Science）數據庫收錄的810種期刊。他們借助人工智能（AI）輔助分類模型，將其劃分為涵蓋對溫度、光周期、干旱等環境因子主動操控的實驗研究，與觀測數據分析、遙感、理論模型等非實驗研究。

分析結果顯示，近30多年來，樹木物候領域發文量呈指數級增長，但增量主要來自非實驗研究。這一趨勢在高影響因子期刊中尤為顯著：在2020—2026年間，高達73%的植物物候學論文為非實驗研究。也就是說，當前學術界正日益傾向於發表那些能夠快速產出全球尺度結論的大數據研究。

文章進一步指出，非實驗性觀測研究雖然具有尺度大、效率高的優勢，但往往容易受到復雜因子的干擾，從而產生表面上顯著、實則並不可靠的“虛假相關”。而且，生態系統對環境變化的響應具有高度復雜性，單靠大數據建模難以完整進行反映。以樹木物候學為例，早期基於觀測數據的分析曾認為光周期能調節歐洲赤鬆的春季物候，但隨后嚴格的操控實驗卻推翻了這一結論。這說明，僅憑觀測所得的統計關系，並不能自動推導出真實的生態機制。

論文第一作者、浙江農林大學教授張瑞認為，如果生態學研究持續向“重觀測、輕實驗”的方向滑移，僅憑觀測數據和模型預測氣候變暖下的生態響應，極可能產生系統性誤差。他們也發現，實驗研究的減少並非單純源於研究者偏好的變化，而是受制於實驗周期長、經費投入高、設施維護難及長期資助匱乏等現實困境。在當前的科研評價體系下，基於觀測和計算的分析顯然更具快速產出的效率優勢。但是，生態學研究不能因此放棄實驗傳統。

“我們呼吁學術界、資助機構和高水平期刊重新審視資源配置，合力推進長期實驗研究網絡建設，為實驗研究拓寬資助與發表空間。”張瑞表示，唯有以實驗確証底層機制，再結合大數據的宏觀視野，才能真正洞悉氣候變化下樹木的生存策略，從而更准確地理解生態系統對氣候變化的響應規律，為森林食物資源的適地適樹栽培和穩產高產管理提供堅實的科學依據。