Three types of process-based models (PBMs) are traditionally used to predict the response of forest tree populations to global change (GC): (i) ecophysiological models, which simulate carbon and water fluxes in forest ecosystems by explicitly integrating the effects of climate and CO₂; (ii) forest dynamics models which simulate forest successions by explicitly linking mortality, growth and regeneration processes; and (iii) evolutionary dynamics models, which simulate the variation and evolution of adaptive traits by explicitly accounting for selection, mutation, gene flow and inheritance rules. The ongoing context of rapid GC, however, questions the boundaries between these types of models. Here, we review different strategies of model integration: (i) physio-demographic PBMs, integrating physiological and demographic processes; (ii) demo-genetic PBMs, integrating demographic and evolutionary processes; and (iii) physio-demo-genetic PBMs, which attempt to integrate these three types of processes. We show that these integrative models allow a better understanding of how different functional traits influence demographic rates (the phenotype-demography map), how the variation in demographic rates influences fitness (the demography-fitness map) and how individual variations of fitness may in turn influence the genetic composition of a population. Our review highlights that accounting for inter-individual variation in ecological processes is increasingly recognized as crucial for modelling the ecosystem response to environmental change. We argue that the effort of integrating these different processes is valuable, both for a basic understanding of their interactive effects on the responses of forests to GC and for applied horizon scanning to support adaptive strategies.

传统上，使用三种类型的基于过程的模型（PBM）来预测林木种群对全球变化（GC）的响应：（i）生态生理模型，通过明确整合气候影响来模拟森林生态系统中的碳和水通量和CO ₂; （ii）通过明确联系死亡率，生长和再生过程来模拟森林演替的森林动力学模型；（iii）进化动力学模型，通过明确考虑选择，突变，基因流和遗传规则来模拟适应性状的变异和进化。但是，快速GC的持续发展背景对这些类型的模型之间的界限提出了质疑。在这里，我们回顾了模型整合的不同策略：（i）生理-人口学PBM，整合生理和人口统计过程；（ii）结合人口学和进化过程的后生PBM；（iii）生理-成因PBM，试图整合这三种类型的过程。我们表明，这些集成模型可以更好地理解不同的功能性状如何影响人口统计率（表型人口统计图），人口统计率的变化如何影响健康度（人口统计学适合度图）以及健康状况的个体变化又如何影响人口的遗传组成。我们的评论强调指出，越来越多地考虑到考虑生态过程中个体间差异对于建模生态系统对环境变化的响应至关重要。我们认为整合这些不同过程的努力是有价值的，这既可以用于基本了解它们对森林对GC响应的交互作用，也可以用于应用水平扫描以支持自适应策略。人口统计学特征的变化如何影响适应性（人口统计学适合度图），以及个体适应性变化又如何影响人口的遗传组成。我们的评论强调指出，越来越多地考虑到考虑生态过程中个体间差异对于建模生态系统对环境变化的响应至关重要。我们认为整合这些不同过程的努力是有价值的，这既可以用于基本了解它们对森林对GC响应的交互作用，也可以用于应用水平扫描以支持自适应策略。人口统计学特征的变化如何影响适应性（人口统计学适合度图），以及个体适应性变化又如何影响人口的遗传组成。我们的评论强调指出，越来越多地考虑到考虑生态过程中个体间差异对于建模生态系统对环境变化的响应至关重要。我们认为，整合这些不同过程的努力是有价值的，这既可以用于基本了解它们对森林对GC响应的交互作用，又可以用于应用水平扫描来支持自适应策略。我们的评论强调指出，越来越多地考虑到考虑生态过程中个体间差异对于建模生态系统对环境变化的响应至关重要。我们认为整合这些不同过程的努力是有价值的，这既可以用于基本了解它们对森林对GC响应的交互作用，也可以用于应用水平扫描以支持自适应策略。我们的评论强调指出，越来越多地考虑到考虑生态过程中个体间差异对于建模生态系统对环境变化的响应至关重要。我们认为整合这些不同过程的努力是有价值的，这既可以用于基本了解它们对森林对GC响应的交互作用，也可以用于应用水平扫描以支持自适应策略。