基于机器学习的中国陆地生态系统碳通量预测及其对土地利用变化的响应

来源：环境科学杂志2025年第1期北京时间：

作者：吴美玲,邵彦川,胡丽条,杨建勋,刘苗苗,方文,毕军,马宗伟

单位：南京大学环境学院, 污染控制与资源化研究国家重点实验室, 南京 210023,南京大学环境学院, 污染控制与资源化研究国家重点实验室, 南京 210023,南京大学环境学院, 污染控制与资源化研究国家重点实验室, 南京 210023,南京大学环境学院, 污染控制与资源化研究国家重点实验室, 南京 210023,南京大学环境学院, 污染控制与资源化研究国家重点实验室, 南京 210023,南京大学环境学院, 污染控制与资源化研究国家重点实验室, 南京 210023,南京大学环境学院, 污染控制与资源化研究国家重点实验室, 南京 210023,南京大学环境学院, 污染控制与资源化研究国家重点实验室, 南京 210023

摘要：近年来,全球气候变化对生态系统和社会经济造成了重大影响,中国地区同样面临着严峻的挑战,研究中国陆地生态系统碳通量和土地利用变化对其的影响至关重要. 基于中国站点通量数据和气象、植被等预测因子,构建机器学习模型估算中国陆地生态系统碳通量. 经过4种模型比较,最终选择随机森林模型作为最佳预测模型,该模型在测试集和十折交叉验证中R2分别为0.77和0.73,RMSE（以C计）分别为32.85 g·（m2·月）-1和35.09 g·（m2·月）-1. 预测生成2000年至2020年逐月1 km分辨率的中国陆地生态系统碳通量数据集. 数据显示,中国2000~2020年间陆地碳汇呈现东南至西北递减趋势,最大的碳汇位于中国南部季风区、华北地区和东北山区. 内蒙古和青藏高原腹地为弱碳源,新疆和青藏高原东北部为较强碳源. 陆地碳汇受气候影响,具有明显季节性变化. 近20 a来,我国陆地碳汇（以C计）变化范围为0.38~0.77 Pg·a-1,整体呈现增强趋势. 结合土地利用数据发现,林地的碳汇最强,其次是耕地和建设用地；草地呈现弱碳源状态,未利用土地呈现较强碳源状态. 不同土地类型的转变对陆地碳汇有显著影响：耕地转变为非林地类型或林地转变为其他土地类型均会减少碳汇,草地转变为未利用土地或建设用地转变为草地和未利用土地均会减少碳汇；而未利用土地转变为其他土地类型均会增加碳汇. 合理的土地利用政策有助于增加碳汇,促进应对气候变化和保护生态环境.

关键词：机器学习,陆地生态系统,碳通量,碳汇,土地利用变化,