2024年11月8日，Nature Plants在线发表韩国首尔国立大学Jiangong Liu和Youngryel Ryu联合署名通讯作者题为“Evidence for widespread thermal acclimation of canopy photosynthesis”的研究论文。文章揭示了植物如何在冠层尺度上适应温度随时间变化的开创性见解。
最新研究发现，植物会在数周至数月内调整其光合作用能力，这一过程被称为热适应。以往的研究主要关注单个叶片，而最新的这项新研究则将重点关注到整个冠层，提供了一个更广阔的视角。研究人员利用来自全球200多个涡度协方差站点的数据表明，冠层光合作用会通过提高最大光合速率(Amax)来应对温度的升高，尤其是在水分供应不是限制因素的情况下。该研究将植物适应温度的关键时间段定为14天，突出显示了从农田到草地等不同生态系统在热适应反应方面的差异。农田的适应速度最快，而草地的适应速度较慢。这一发现为完善预测植物对气候变化反应的模型提供了重要信息，并强调了在更大的冠层尺度上了解光合作用的重要性。
生态系统通过光合作用吸收碳的能力在不同地区和季节之间差异很大，而这种变化的最大驱动因素之一是气温。虽然科学家们长期以来一直在研究温度对光合作用的直接影响，但植物适应持续温度升高的较慢的热适应过程却很少受到关注。随着全球气温持续上升，这一过程变得越来越重要。热适应涉及植物的生化变化，例如电子传递和羧化的调整，以及气孔对大气条件的反应。以前的研究主要针对了单个叶片，但这项研究探讨了整个植物冠层(由许多叶子组成)如何适应升高的温度。它特别关注在高光条件下的最大光合作用速率(Amax)可以随着时间的推移适应更高的平均温度。
这项研究利用FLUXNET2015广泛的涡度协方差站点网络的数据，测量了各种生态系统的冠层尺度光合速率。Jiangong Liu跟团队旨在确定冠层光合作用适应温度变化的特定时间窗口，并评估当前的光合作用模型在多大程度上捕捉到了这些适应过程。这项研究结合了最近在理解温度依赖性和叶片生理学方面取得的进展，极大地增强了对整个生态系统热适应的理解。
该研究提供了冠层光合作用热适应的证据，显示了最大光合作用与生长温度之间的强烈正相关性，尤其是在水分充足的情况下。通过仔细控制温度和冠层叶片数量等变量，研究人员发现，87%的用于分析的数据集显示出正的热适应率，其中65%的热适应率具有显著的统计学意义。
图1 各通量观测站中，Amax,2000和Tair值之间的关系。在不同的生态系统中都观察到了这种适应反应，其中农田的适应率最高，草地的适应率最低。即使考虑到其他环境因素，如光照水平和蒸汽压力不足，适应信号仍然很强。一个有趣的发现是，热带常绿林等热环境较为稳定的生态系统的适应能力有所下降。这表明，这些地区的植物根据温度变化调整光合作用的能力可能有限。尽管如此，总体结果有力地表明，热适应是一种普遍存在的机制，有助于植物在未来气候变暖的情况下提高碳羧化潜力。
研究的关键之一是确定冠层光合作用适应生长温度变化的时间尺度(τ)。研究人员发现，这一时间尺度在不同植物功能类型(PFTs)之间存在差异。例如，草地和农田的适应期最短(分别为12天和16天)，而常绿针叶林、落叶阔叶林和湿地则需要更长的适应期，最长可达25天。所有生态系统的平均适应期约为14天。有趣的是，以光合作用能力衡量，常绿阔叶林的适应期并不明显。不过，根据遥感数据，研究人员估计适应时间约为13天。这些适应期的长短反映了增加碳吸收的益处与进行必要生理调整的资源成本之间的平衡。这些发现强调了在改进植物对气候变化的响应模型时，考虑特定植物的适应时间的重要性。耕地和草地等快速生长的生态系统可能会更快地适应气候变化，而森林和湿地等慢速生长的生态系统可能需要更长的时间，但随着时间的推移，可能会从适应气候变化中获得更大的收益。这项研究对于预测生态系统如何应对未来变暖具有重要意义。冠层光合作用的热适应能力表明，当水分不是限制因素时，植物可以提高碳吸收潜能，以应对气温升高。然而，由于气候变化也带来了水供应的更大变化，许多地区的植物可能需要降低光合作用能力以节约用水，尤其是在干旱时期。
在陆地表面模型中准确表示这种适应过程对于预测生态系统对全球变暖的反应至关重要。将关键光合作用过程（如最大羧化速率和电子传输速率）的季节性适应过程纳入模型，将提高模型模拟植物在周至月时间尺度上对温度变化反应的准确性。
随着水分供应成为越来越重要的限制因素，尤其是在较暖的生长季节，在温度和水分供应的背景下了解冠层尺度的热适应性将对预测未来生态系统的行为至关重要。Liu, J., Ryu, Y., Luo, X. et al. Evidence for widespread thermal acclimation of canopy photosynthesis[J]. Nature Plants (2024).
