卫星数据显示，树木会延迟发芽时间，以避开食草动物的侵害

《Nature Ecology & Evolution》：Satellite data show trees delay budburst across landscapes to escape herbivores

　　摘要：近年来，尽管春季持续变暖，但芽的萌发和叶片出现的时机并没有像预期的那样提前，这表明存在一些抵消这种变暖趋势的生态力量。其中一个可能的原因是气候变暖导致幼叶受到更多的早期食草动物侵害。通过使用来自中欧60个温带橡树林地的5年卫星雷达数据（每个像素10×10米2），我们发现前一年的叶食草行为使芽的萌发推迟了3天，抵消了十年来观察到的物候提前现象。这种延迟减少了55%的后续食草量，超过了寄生蜂或病原体的影响，并且在害虫爆发期间仍然存在。在整个景观范围内，这种延迟在那些延迟最能带来最大益处的地方最为明显，即延迟最能有效减少后续食草量的地方，这表明树木具有适应性防御机制。最终，树木可能陷入了应对全球变化带来的两个相反后果的困境：气候变暖促使芽更早萌发，而食草行为则导致芽萌发延迟。我们的研究结果强调了在预测树木对变化世界的响应时，不仅要考虑气候因素，还要考虑植物与食草动物之间的相互作用以及适应性进化。

主要观点：植物物候学已经与许多因素相关联。例如，光照周期已被证明可以防止芽过早萌发（叶片出现）。此外，树木的营养状况，特别是前几个季节积累的内部养分储备，可以通过影响生长能力和代谢准备状态来影响植物的物候发育。植物物候学与气候变化的关系可能是研究最广泛的领域之一，其中一个最著名的例子是树木在春季温度升高时芽萌发提前。然而，气候变化导致的芽萌发提前速度比预期的要慢。气候变化还可能通过增加生物压力（尤其是昆虫食草动物）来影响芽萌发。小规模的研究（针对约20棵个体树木）表明，一年中严重的叶食草行为会推迟次年的芽萌发。但也有记录显示，在严重叶食草之后芽萌发反而提前的情况。目前尚不清楚这些在个体树木层面的现象是否会在整个景观范围内普遍发生，事实上，在某些地方芽萌发的提前速度出乎意料地减缓了。因此，我们假设即使在整个景观范围内，一年中的严重叶食草行为也会推迟次年的芽萌发。

在温带森林中，食草昆虫的数量通常在芽萌发后达到高峰，此时幼叶既容易获取又营养丰富。大部分以叶为食的昆虫（通常占60-80%）在这一时期以幼虫的形式出现，使得春季成为食草活动的高峰期。因此，如果芽萌发延迟，那么食草动物就会在叶片出现之前出现（图1a），从而使树木能够通过打破与攻击者的同步性来避免高峰期的食草压力（假设2）。这将导致食草动物的死亡和总体食草量的减少——这是一种很少被考虑的“时间上的逃脱”机制。然而，支持这一机制的证据尚不足。

图1：昆虫对叶片的食草行为对树木芽萌发及随后食草行为的影响。

我们的研究框架概念图：年份t的食草量较低（树木1）不会导致年份t+1的芽萌发时间发生变化，从而不会导致年份间的叶片-幼虫同步性（活幼虫）和食草量发生变化。相反，年份t的食草量较高（树木2）会导致年份t+1的芽萌发延迟，这种延迟会破坏食草动物与叶片出现之间的同步性，并通过幼虫提前死亡来减少食草量（用骷髅符号表示）。图b显示了我们研究区域内芽萌发延迟的景观尺度马赛克图。每张图片展示了某一年份内，我们60个地点中一个地点（AHC站点）的卫星检测到的芽萌发物候的空间变异性。单个像素的年度间芽萌发时间变化与概念框架a中提出的变异性一致。补充视频1展示了同一实验区块中的另外三个地点（区块A，扩展数据图1）。

现有的研究仅涵盖了有限的食草强度范围，因此尚未解决一个问题：即在害虫爆发期间，当树木面临最大防御压力的时候，食草引起的芽萌发延迟是否仍然有效。由于害虫爆发的严重程度主要是由整个景观范围内的食草动物种群暂时性激增所驱动的，而不是由持续或特定于树木的因素所驱动的，因此爆发年份的食草量可能无法很好地预测随后年份个别树木的食草风险。在这种情况下，我们预计爆发地点的食草引起的芽萌发延迟可能会低于非爆发地点（假设3）。如果树木通过增加的光照穿透或同种个体之间的化学信号来感知到爆发，这种效应可能会更加明显，这些机制使树木能够检测到超出其直接经验范围的食草压力。此外，普遍的假设是严重的食草爆发会压倒树木的防御机制，因此即使树木延迟了芽萌发，也可能在极高的食草密度下仍然遭受严重的叶片损失。高食草密度还会增加来自邻近树木的扩散效应，进一步降低延迟芽萌发的效果。因此，我们预计对于给定的芽萌发延迟幅度，爆发地点的食草量减少幅度可能会低于非爆发地点（假设4）。

最后，由于现有研究仅涵盖了有限的空间和时间尺度，目前仍不清楚食草引起的芽萌发延迟是否代表了一种适应性反应。只有当其带来的好处很高时，这种延迟才具有适应性。树木的适应性收益可能随着芽萌发延迟在减少食草量方面的有效性而增加。因此，如果芽萌发延迟作为一种被选择的适应性防御机制，那么在那些延迟芽萌发最能可靠地提高树木适应性的森林中，其效果应该最为显著（假设5）。要检测这种适应性耦合，需要从景观尺度的角度来捕捉不同地点和年份间芽萌发和食草行为的广泛时空变化（图1b）。

使用基于卫星的指数来监测景观尺度的芽萌发和食草变化需要每周进行多次观测，持续数周，这在成千上万的树木或数十个景观中是不可行的。在这项研究中，我们利用新开发的基于卫星的（Sentinel-1）冠层发育指数（方法部分）来克服这些限制，这些指数能够独立于云层条件监测芽萌发和叶食草情况。这些指数能够可靠地捕捉到10×10米2像素尺度上的冠层物候和叶片损失情况，每个像素大约代表一个平均树木的冠层大小。我们分析了德国南部2400平方公里范围内60个以橡树为主的森林地点的27,500个像素（扩展数据图1）。该地区的生态动态，包括季节性食草压力、宿主特异性相互作用以及春季物候的显著种内变异，是全球温带落叶林的特征，这一点通过物候-气候相互作用的全球综合研究、关于温带森林食草动物-宿主动态的经典研究以及跨大陆分析得到了证实。数据采集自2017年至2021年的5年期间，共获得了137,500个基于像素的观测结果。2019年发生了一次毛虫（Lymantria dispar）爆发，其中一半的地点通过空中喷洒杀虫剂实验性地抑制了叶片损失。这形成了一个广泛的食草压力梯度，从爆发地点的高水平到处理地点的低水平（方法部分），我们以此为基础比较了芽萌发时间。使用广义加性模型（GAMs）来解释未检测到的时空变化（如微气候差异），我们解决了三个关键研究问题：（1）树木是否会因前一年的食草行为而延迟芽萌发（假设1），并且在爆发地点这种延迟是否较弱（假设3）？（2）这种延迟是否会减少后续的食草量（假设2），并且在爆发地点这种减少是否较弱（假设4）？（3）在食草行为最能有效减少食草量的森林中，食草引起的芽萌发延迟是否最为显著（假设5）？

结果与讨论：我们的基于卫星的冠层发育指数揭示了树木芽萌发物候的显著时空变化（图1b和补充视频1）。这揭示了森林中的“物候马赛克”——即个体树木之间芽发育时间的空间和时间结构模式，这一概念类似于整个树木发育的镶嵌周期理论。虽然树木个体之间的物候空间变异已有充分记录，但我们的结果表明它可以组织成一个循环的时空马赛克。这些物候马赛克为研究不同树木群体之间芽萌发时间的生态驱动因素提供了框架。

在5年和60个森林地点的范围内，我们测试了年份t的叶食草行为是否能够预测年份t到t+1的芽萌发顺序的变化。支持假设1的结果是，年份t的较高食草量与年份t+1的较晚芽萌发相关（n=110,000，F=596.5，P<0.001，调整后的R2=0.102；图2a）。即使在考虑了树木生长的潜在影响后，这种像素级别的模式仍然存在（补充方法1），表明该模式不太可能仅仅是由于食草行为耗尽了树木资源。为了评估这种模式的稳健性和其在不同森林地点的普遍性，我们分别对每组森林地点和年份组合进行了重复测试（60个地点×4个后续年份期=240个案例），并提取了关系的斜率（负斜率表示年份t的较高食草量与年份t+1的较晚芽萌发相关）。对这些斜率的符号测试显示，这种模式非常一致，240个斜率中有226个是负值（图2b，符号测试：P<0.001，成功概率>0.942）。因此，我们的结果表明，在跨越2,800平方公里的年份和森林地点中，一年的叶食草行为会导致次年的芽萌发延迟。尽管方向一致，但这种模式的幅度在不同森林地点之间差异很大（图2b），站点级别的解释方差（调整后的R2）范围从-0.020到0.322。

关系图说明了食草行为引起的芽萌发延迟（上排）以及延迟芽萌发带来的食草量减少（下排）。实线是GAM预测的预期平均响应，阴影带表示这些预测的95%置信区间。a）在所有地点和年份中，更多的叶食草行为与次年的芽萌发延迟相关。b）在站点层面，这种关联在斜率和调整后的R2方面都有所不同。c）在经历毛虫爆发的地点，这种关联更为显著。d）反过来，在所有地点和年份中，延迟的芽萌发与减少的叶食草量相关。e）站点层面的关系再次显示出斜率和调整后的R2的显著变化。f）在爆发地点，这种效应似乎更为明显。

来源数据：芽萌发延迟的平均幅度非常显著：平均而言，前一年食草量高于中值的树木的芽比前一年食草量低于中值的树木的芽晚开放3天（补充方法2）。长期研究表明，春季温度的升高使温带树木的芽萌发每十年提前2.5天。因此，我们的数据表明，一年的食草行为可以抵消甚至超过十年气候变暖的物候效应。这种对抗作用可能有助于解释一个持续的谜题：芽萌发的提前往往落后于变暖的速度。值得注意的是，大多数物候模型仍然预测气候变化下芽萌发的持续提前，而很少考虑食草等生物相互作用——这是一个重大遗漏，考虑到我们的发现以及昆虫种群和食草行为似乎在不断变化的事实。我们预期在爆发地点，由于食草行为的信号较弱，物候响应会减弱（假设3）。为了验证这一点，我们分析了2019年（爆发年份）到2020年的芽萌发时间变化，作为2019年食草量、爆发因素（受影响与未受影响地点）及其交互作用的函数。我们重点关注这种交互作用，以评估不同地点类型之间食草行为与延迟芽萌发之间的关系是否有所不同。与我们的预期（假设3）相反，爆发地点的反应更为强烈（n = 27,500，t = ?3.588，P < 0.001；图2c）。即使在爆发地点，树木的芽萌发也显示出比非爆发地点的树木更明显的延迟，这表明树木可能无法检测或响应景观层面的信号。相反，它们的反应似乎主要是由自身的食草行为驱动的。

使用相同的5年、60个地点的数据集，我们接下来测试了从年份t到t+1卫星像素的相对芽萌发时间的变化是否能够预测同一时间段内叶片食草量的变化。支持假设2，随着芽萌发时间的延迟，食草量减少（n = 110,000，F = 1593.2，P < 0.001，调整后的R2 = 0.149；图2d）。即使在考虑了天敌（如寄生蜂和病毒）和非生物因素（从地面植被的指标值推断）对食草者的潜在控制后，这种关系仍然成立（补充方法3）。同样，这一模式在240个地点-年份组合中的236个组合中都得到了验证（图2e；符号检验P < 0.001，成功概率>0.983）。因此，我们的结果为假设提供了强有力的、大规模的支持，即延迟的芽萌发能够一致地减少昆虫对叶片的食草。尽管方向一致，但这种模式的强度在不同森林地点之间也有显著差异（图2e），地点层面的解释方差（调整后的R2）范围从-0.015到0.321。

食草量减少的平均幅度非常显著。平均而言，延迟芽萌发的像素与上一年相比，食草量减少了55%（补充方法2）。考虑到该地区食草者活动的时间窗口较宽（约60天；扩展数据图2），仅仅因为芽萌发延迟了3天就导致如此显著的减少，起初可能看起来令人惊讶。然而，短暂的延迟可以显著增加早期幼虫阶段的死亡率，因为这些幼虫特别容易受到伤害。实验研究表明，比芽萌发提前3天孵化的食草者的死亡率可高达90%（参考文献47,48）。相比之下，要通过树木的化学防御手段实现50%的食草量减少，需要将单宁浓度提高大约六倍（参考文献17,49,50）。这表明，食草引起的芽萌发延迟可能代表了一种有效的防御策略，其效果等同甚至超过了即使在没有攻击的情况下也会产生的内在防御机制（参考文献36,50,51）。考虑到天敌的影响相对较低（补充方法3），这种效果可能更为显著。

我们的发现支持了这样一个假设：食草后延迟芽萌发可以破坏寄主树木与其食草者之间的物候同步性。通过推迟叶片的出现，树木减少了早期食草者对年轻、营养丰富的叶子的获取。这种物候不匹配可以通过延缓发育来抑制食草者的活动，降低其取食效率并增加死亡率。此外，延迟的芽萌发通常伴随着叶片的加速成熟，从而使叶片迅速增强结构防御和化学抗性，进一步减少了食草者的成功几率。然而，芽萌发延迟的效果可能因食草者群体的不同而异。在温带落叶林中，食草者群体通常由春季取食的鳞翅目昆虫主导，它们的第一龄期具有短暂的高脆弱性窗口。相比之下，另一部分食草者群体的时间生态位更宽泛，对芽萌发的短暂延迟限制较小，因此对后期食草的贡献相对较大。因此，不同地点之间芽萌发延迟减少食草量程度的差异可能反映了当地食草者群体的组成和灵活性。

然后，我们评估了爆发地点（假设4）芽萌发延迟与食草量减少之间的关系是否减弱。因此，我们测试了爆发地点（受影响与未受影响地点）和芽萌发延迟对2018年至2019年（爆发年份）食草量减少之间的负交互作用项。与我们的预期（假设4）相反，我们发现了一个正的交互作用项，这意味着在爆发地点这种关系更为强烈（n = 27,500，t = 5.768，P < 0.001；图2f），并且在考虑了天敌对食草者的潜在控制后，这种关系仍然成立（补充方法3）。观察到在芽萌发延迟的爆发地点，食草量减少的现象挑战了“严重的食草者爆发会压倒树木防御”的普遍假设——在这种情况下，即使延迟芽萌发的树木也预计会在极端食草者密度下遭受严重的叶片损失。这种模式在爆发条件下持续存在的一个可能解释是，海绵蛾种群在达到高峰后往往会因病原体流行而迅速减少，从而缩小了强烈的取食压力窗口。因此，延迟芽萌发的树木可能会避开这种类型食草者活动最具破坏性的时期。这一机制也可以解释为什么一些卵密度非常高、预计会几乎完全失去树冠的森林地点在那一年的叶片损失程度较低。这些发现共同表明，即使在大规模昆虫爆发期间，物候不同步仍然是一种生态上有效的防御策略。

食草驱动的芽萌发延迟可以通过生理限制（如资源耗尽）和激素调节来近似解释，但这些直接解释并不排除生理诱导的延迟也是一种适应性适应反应的可能性，这种适应最终是由自然选择保留了更多可塑性基因型所塑造的。直接测试适应性需要长期、全树的食草操作，直到适应性差异转化为后代中的等位基因频率变化，这是不可行的。因此，我们询问了在食草导致最大食草量减少的森林中，是否会出现最强的食草驱动的芽萌发延迟，从而获得最大的潜在适应性优势。为了测试这一点，我们使用了之前描述的地点-年份特定分析的解释方差（调整后的R2），将食草驱动的芽萌发延迟的强度与食草量减少的强度进行回归分析。在240个地点-年份案例中，这两个指标呈正相关（自由度d.f. = 235，t = 16.769，P < 0.001；图3a）。当我们使用关系的另一种衡量标准——斜率进行重复分析时，也发现了强烈的相关性（自由度d.f. = 235，t = ?14.219，P < 0.001；图3b）。值得注意的是，正如预期的那样，斜率的符号相反：在先前食草后表现出最大芽萌发延迟的树木（负斜率）出现在芽萌发延迟最有效地减少后续食草量的森林中（正斜率）。即使在控制了树木生长、寄生蜂或病毒对食草者的调节作用，或从草本植被的指标值推断出的非生物条件后（补充方法3），这些地点层面的调整后R2模式仍然成立（在每个案例中P < 0.001，t = 4.513–11.951）。此外，当不包含任何这些混杂因素时，分析的调整后R2值（0.548）高于包含一个混杂因素时的R2值（0.347至0.480）。因此，数十个树种群中芽萌发与食草的延迟表明，芽萌发延迟不仅是单个树木对前一年食草或天敌的生理反应，也是在那些延迟能最大程度提高适应性的树种群中选择出的适应机制。

图3：分析了不同森林地点中食草驱动的芽萌发延迟强度与食草量减少强度之间的耦合关系。

总体而言，在食草者出现时间与早期芽萌发紧密同步的森林地点，即使是轻微的延迟也能显著减少损害，我们可以推测这会提高树木的表现，尤其是在幼树上。由此产生的成年树木群体中将显示出高比例的“延迟芽萌发”的树木，并且先前食草与芽萌发时间之间存在强烈的关系。树木似乎根据最近的食草情况来调整它们的物候，从而在食草逃避的好处与缩短生长季节可能带来的成本之间取得平衡。由于这些成本可能会降低竞争优势，树木通常避免延迟芽萌发以减轻这些影响。综合这些发现，芽萌发延迟作为一种适应性可塑性现象，是在自然选择作用下进化的。

这里揭示的芽萌发物候的动态性质可能有助于通过减轻反复的食草损害和促进人口韧性来稳定树木种群，同时也在森林生态系统中塑造食草者群体的动态。在芽萌发时间固定的森林中，早期萌发的树木将始终面临更高的食草压力，从而降低它们的适应性，消耗早期萌发的基因型并侵蚀种群内的物候多样性。物候镶嵌体（如图1b和补充视频1所示）通过引入延迟的负反馈来打破这种不对称性：一年中受到严重叶片损失的树木倾向于在下一年推迟芽萌发，从而避开食草者的峰值压力。这种在个体和年份之间重新分配食草量的方式可以缓解极端结果，防止局部性的多年过度开发，并保持当前延迟和非延迟的可塑性树木之间以及可塑性和非可塑性树木之间的种群内物候差异。尽管这种策略主要有利于树木，但它也可能通过使宿主物候变得不那么可预测来维持食草者的多样性。延迟的芽萌发可能会对那些与宿主时间紧密同步的食草者不利，同时为那些不太依赖于同步卵孵化的广食性物种开辟时间生态位。这种由树木物候镶嵌体引起的资源可用性的时空异质性可能会削弱食草者之间的竞争排斥，并促进共存。重要的是，由于这些芽萌发延迟是短暂的并且依赖于前一年的食草情况，它们为食草者提供了很少的机会来适应性地调整自己的物候。此外，食草者的发育时间受到气候线索的强烈限制，在持续变暖的情况下，气候通常更有利于早期而不是晚期的出现。因此，这里记录的间歇性和可逆的芽萌发延迟不太可能驱动食草者物候的长期适应性变化。

除了这些群体层面的后果外，我们的结果还指出了食草者种群密度依赖性的延迟机制。几十年来，森林鳞翅目昆虫的种群周期一直被归因于由天敌（例如寄生蜂和病毒）或更假设性的植物化学防御引起的延迟密度依赖效应。然而，后者的直接证据一直有限。我们的分析表明，由芽萌发介导的食草量减少是一致的，并且在强度上超过了那些可归因于天敌的效果（补充方法3）。这表明，食草后树木物候的延迟反应可以作为种群层面的负反馈机制。通过延迟一年来减少食草者的成功，芽萌发延迟可能产生长期以来被认为对食草者种群波动至关重要的“二级”动态。这些结果展示了一条由物候驱动的路径，通往延迟的密度依赖性，提供了基于自然敌和化学防御的经典机制之外的现实替代方案或补充。

我们的发现表明，食草引起的芽萌发延迟是一种广泛且有效的防御策略，即使在食草者大规模爆发期间也是如此。此外，我们的结果表明，食草引起的物候镶嵌体通过动态地在不同树木个体和年份之间重新分配食草压力，增强了森林的韧性。尽管我们的研究主要关注德国南部的橡树主导的森林，但支撑这一机制的生态动态，如季节性时间的食草压力、宿主特异性相互作用和种内物候变异，在全球温带落叶林中都很普遍。因此，我们预计类似的基于时间的逃避策略可能也在其他具有紧密耦合物候关系的系统中起作用。此外，我们的研究为未来的研究指明了几个方向。我们在不同地点、年份和爆发条件下一致观察到的模式表明，延迟芽萌发与减少食草量之间存在功能联系。为了分离芽萌发时间与其他特征的作用，未来的研究应该采用操纵实验，例如调节树木的物候或排除食草者。然而，这样的实验不可避免地需要在较小规模上进行，并且需要确保在实验前食草者种群与其宿主树木个体同步。最终，我们的研究指出，树木正面临着气候变暖和食草动物侵害这两种相互对立的选择压力，这可能使它们陷入进化的陷阱。因此，我们认为，只有同时考虑生物相互作用，才能全面理解树木对非生物变化的响应——例如为什么芽萌发的物候往往滞后于气候变暖。

### 研究方法

#### 研究地点、食草动物爆发及食草动物负荷的调控
本研究在德国巴伐利亚州的弗兰肯地区60个森林地点进行（海拔200–500米，中心坐标为49°37′N, 10°24′E，覆盖面积达2,400平方公里，详见扩展数据图1）。每个森林地点的平均面积为4.6公顷（标准差±2.1公顷），属于温带气候，年平均气温在7.5°C至9.0°C之间，年降水量在600毫米至1,000毫米之间。这些森林主要由欧洲橡树（Quercus robur）和石栎（Quercus petraea）主导，自20世纪90年代初以来，这些树木周期性受到L. dispar的侵害。在我们的研究期间（2017–2021年），根据森林地点的L. dispar卵块密度与临界卵块密度阈值的比较计算得出的落叶风险指数（DRI），2019年被确定为爆发年份（详见参考文献27、37）。尽管一些森林地点由于2019年的爆发情况而经历了较高的DRI水平，但其他地点仍保持在背景DRI水平；因此我们区分了两种落叶风险等级：高（H）和低（L）。在每个落叶风险等级内，随机选取了一半的森林地点通过喷洒杀虫剂（I）来减少食草动物负荷：2019年5月3日至23日期间空中喷洒了tebufenozide，而另一半作为对照组（C）。这种2×2因子设计产生了四种处理组合：HC、HI、LC和LI。HC地点的食草动物侵害程度高于所有其他地点（扩展数据图3），因此我们将HC地点归类为受爆发影响的地点，其余地点归类为未受影响的地点。

#### 芽萌发物候和食草动物影响的遥感监测
为了监测芽萌发物候和食草动物侵害情况，我们采用了参考文献37中的方法，利用Sentinel-1卫星数据（每个像素的空间分辨率为10×10米，相当于平均树的高度）以高时间分辨率量化昆虫食草行为的动态。Sentinel-1 C波段合成孔径雷达数据来自ESA科学中心，时间跨度为2017–2021年的3月至9月，使用了所有可用的1级地面探测高分辨率产品。这些10米像素的双极化（VV和VH）数据使用ESA SNAP（Sentinel应用平台）v.7.0和Sentinel工具箱进行了预处理，包括精确的轨道校正、热噪声去除、辐射校准至β0、辐射地形平坦化以及距离-多普勒地形校正，将β0转换为γ0。对对数转换后的γ0时间序列使用R v.4.2.1中的平滑器包进行了高斯滤波处理，栅格数据处理和插值通过raster和zoo包完成，从而得到每个像素的单日平滑序列。这些VV和VH的单日γ0值用于表征森林冠层状态。随后计算了冠层发育指数（CDI = γ0VV ? γ0VH），因为VV和VH的时间曲线差异可以有效识别落叶林的物候特征。为了减少物种组成或土壤条件等混杂因素的影响，通过将每个像素的CDI时间序列除以其最小落叶CDI值来获得标准化CDI（NCDI）。NCDI的时间轨迹反映了随时间变化的冠层叶量，使我们能够识别关键的物候转变（扩展数据图2）。从NCDI时间序列中归纳出五个主要的物候转变：步骤A标志着芽萌发和冠层食草行为的开始，步骤B是芽萌发的中点，步骤C是首次叶片出现的峰值（绿化），步骤D是冠层食草行为的结束，步骤E是生长季节的结束（扩展数据图2；参考文献37）。

通过分析NCDI的时间轨迹，我们得出了两个与芽萌发物候和食草动物影响相关的关键指标：芽萌发指数（公式（1）和食草动物指数（公式（2））。芽萌发指数表示叶片展开中点的NCDI值，由步骤B标记。由于不同年份的物候窗口时间有所不同（扩展数据图2），我们基于相对芽萌发指标进行了分析。具体来说，在每年的数据中，通过从当年所有像素值中减去步骤B处的最低NCDI值，将最小芽萌发指数重新缩放到零。这一处理方法得到了一个相对芽萌发排名（为简便起见，我们仍使用“芽萌发指数”这一术语），其中较高的值表示相对于当年最晚发芽的树木，芽萌发时间更早。这种标准化使得跨年份的直接比较成为可能。我们计算的食草动物指数是指由食草动物引起的落叶程度，即步骤C和D之间NCDI值的差异（扩展数据图2）。利用这些指数，我们进一步评估了芽萌发物候的年际变化（公式（3）和食草动物影响的变化（公式（4））。芽萌发物候的变化是通过从当前年份的每个像素值中减去上一年的芽萌发指数得出的，正值表示芽萌发时间的提前。同样，食草动物影响的变化是通过从当前年份的食草动物指数中减去前一年的指数得出的，正值表示与上一年相比落叶量的增加（见下文）。

$$
{\rm{芽萌发指数}} = {{\rm{NCDI}}}_{{\rm{步骤}}\,{\rm{B}}} \quad (1) \\
{\rm{食草动物指数}} = {{\rm{NCDI}}}_{{\rm{步骤}}\,{\rm{C}} - {{\rm{NCDI}}}_{{\rm{步骤}}\,{\rm{D}}} \quad (2) \\
{\rm{芽萌发的变化}} = {\rm{芽萌发指数}}_{y=n+1} - {\rm{芽萌发指数}}_{y=n} \quad (3) \\
{\rm{食草动物的变化}} = {\rm{食草动物指数}}_{y=n} - {\rm{食草动物指数}}_{y=n+1} \quad (4)
$$

卫星衍生的芽萌发物候和食草动物测量方法提供了广泛的空间和时间覆盖范围，但不可避免地涉及估计和额外的噪声，这与直接野外观察相比存在差异。其他研究也开发了12天合成和单日平滑的NCDI时间序列，并将时间轨迹的多个阶段的单日测量结果与光学（Sentinel-2）和地面激光扫描数据进行了验证（参考文献37的图2），这增强了我们对单日芽萌发指数的信心。在那项研究中，Sentinel-2数据在森林地点层面（4.6公顷）进行了汇总，而地面激光扫描数据则在地点中心0.5公顷的范围内进行了汇总。此外，我们的食草动物指数还在森林地点层面（4.6公顷）进行了验证，使用了从冠层喷雾中采集的密集毛虫样本（参考文献37的图3和补充图7）。在本研究中，我们增加了更细致的像素级评估，再次确认了食草动物指数的可靠性。为此，我们研究了2019年爆发年份中那些由于现场测得的卵块数量较多而食草动物密度较高的像素。我们测试了无论地点身份如何，接受空中杀虫剂处理的像素的食草动物指数值是否低于未接受处理的像素。结果确实如此（扩展数据图3；线性混合效应模型z = 18.422，P < 0.001）。此外，在未施用杀虫剂的年份，这两组像素之间没有差异（z = ?0.336和?0.486，P均约为1）。需要注意的是，Sentinel-1不受云层影响，不易饱和，与Sentinel-2和Planetscope不同，并且已经校正了冠层结构、背景反射率和大气条件的影响。尽管如此，它仍可能包含非系统性偏差，这些偏差可能会掩盖真实模式，但随机噪声可能会掩盖真正的模式。尽管存在这种噪声，与生态假设一致的模式的出现增强了我们对这些假设相关性的信心。

### 统计分析
为了测试食草动物攻击是否导致芽萌发延迟（问题1），我们使用R v.4.5.169中的mgcv包中的bam函数拟合了适用于大型数据集的GAMs模型。在60个地点和5年的数据中，我们将“芽萌发的年际变化”（定义为单个像素相对于其他像素的芽萌发排名变化）作为前一年“食草动物指数”的函数进行了建模。通过包含经度 and 纬度作为惩罚回归平滑器，以及研究年份和实验组（扩展数据图1）作为随机效应平滑器，来考虑时空变化。为了测试模型的稳健性和一致性，我们还拟合了特定地点-年份的模型，并对得到的斜率进行了符号检验。为了评估在爆发水平食草动物影响期间这种关系的持续性，我们将模型扩展到2019年（爆发年份），测试2019年的食草动物指数是否预测了2019年和2020年之间的芽萌发变化，并加入了爆发因素（受爆发影响的地点与未受影响的地点）及其与2019年食草动物指数的交互作用。

同样，为了测试芽萌发延迟是否减少了食草动物侵害（问题2），我们再次使用了GAMs模型。在这里，“食草动物的变化”被建模为芽萌发变化的函数。时空变化的控制方法如上所述，稳健性和一致性通过特定地点-年份的模型和符号检验进行了评估。为了评估爆发效应，我们关注2018–2019年的转变，包括爆发因素（高或低DRI）及其与“芽萌发变化”的交互作用。

最后，为了测试在食草动物侵害更有效的森林地点中，芽萌发延迟是否更明显（问题3），我们将问题1的特定地点-年份模型的解释方差（调整后的R2）与问题2的模型进行了回归分析，以研究年份作为协变量，森林地点作为随机因素。

### 报告摘要
有关研究设计的更多信息，请参阅与本文相关的Nature Portfolio报告摘要。