机器学习在陆地生态系统碳汇模拟中的应用现状与展望

来源：环境科学杂志2026年第1期北京时间：

作者：谢昕雨,王东滨,连宇,矫仁宗,李丹丹,段雷,贺克斌,蒋靖坤

单位：清华大学环境学院, 区域环境安全全国重点实验室, 北京 100084,清华大学环境学院, 区域环境安全全国重点实验室, 北京 100084,清华大学环境学院, 区域环境安全全国重点实验室, 北京 100084,清华大学环境学院, 区域环境安全全国重点实验室, 北京 100084,清华大学环境学院, 区域环境安全全国重点实验室, 北京 100084,清华大学环境学院, 区域环境安全全国重点实验室, 北京 100084,清华大学环境学院, 区域环境安全全国重点实验室, 北京 100084,清华大学环境学院, 区域环境安全全国重点实验室, 北京 100084

摘要：在“双碳”战略背景下，评估以陆地生态系统为代表的典型区域内碳汇空间分布，对精准解析区域碳汇功能具有重要意义. 净生态系统交换（NEE）是衡量生态系统净碳通量的重要指标. 为精准地模拟区域NEE的空间分布特征，目前相关研究中广泛采用的方法包括清单法、过程模型法和大气反演法等. 近年来机器学习作为一种数据驱动工具逐渐应用于NEE空间模拟，展现出在处理非线性复杂关系方面的独特优势. 系统梳理了目前在NEE空间分布模拟中应用的主要方法，论述了基于机器学习方法的NEE空间分布模拟的基本原理与应用现状，分析了不同生态系统中的关键特征识别及算法选择，并对在城市生态系统等复杂环境下应用机器学习方法开展NEE分布特征研究的前景进行了展望.

关键词：机器学习,陆地生态系统,碳通量,空间模拟,净生态系统交换,