机器学习驱动下的植被月均吸碳预测——通量站数据、季节规律与模型迁移
针对陆地生态系统总初级生产力（GPP）在月度与站点尺度上因气象驱动因子非线性交互作用而难以精确预测的问题，本研究基于涵盖2000—2014年约200个全球涡度相关通量站的数据，开发了结合气象因子、地理坐标与干旱指数的随机森林与XGBoost回归模型。在严控泄漏的时空评估框架下，XGBoost在时间留出集上实现了0.950的$R^2$，但在跨站点迁移（LOSO-CV）中降至0.31—0.39。结合模型可解释性分析（PDP/ICE），研究揭示了地理与长期水热平衡对跨站变异的主导作用，并证实树状集成模型重现了光利用效率模型的经典非线性响应曲面。
研究问题
总初级生产力（GPP）是陆地生态系统最大的碳吸收通量，准确评估其时空动态对理解全球碳循环及碳汇演变至关重要。涡度相关通量观测网（FLUXNET）为GPP建模提供了高质量的实测数据，但基于数据驱动的机器学习模型在预测GPP时仍面临若干核心疑虑：首先，短期的实时气象因子（如气温、辐射、水汽压差）与长期的地理环境、干旱背景在驱动碳吸收时各自扮演什么角色？其次，模型在不同植物功能型（PFT）与季节节点上的预测性能存在怎样的差异？最重要的是，在时间维度上表现出色的模型，能否真正迁移至未经训练的新地理站点（即空间泛化能力如何）？因此，本研究的核心问题是：基于机器学习的月度GPP预测模型在不同植被类型与季节下的预测精度如何？其在未知站点的空间迁移边界何在？模型提取出的核心驱动因子与响应曲面是否符合植被生理学规律？
研究路径
为回答上述问题，研究团队基于FLUXNET2015数据集（包含185个有效站点、22,188个站点-月份记录），构建了包含5项实时气象指标（气温TA、入射短波辐射SW_IN、水汽压差VPD、降水量P、净辐射NETRAD）以及4项工程特征（纬度LAT、月份正弦/余弦周期编码、UNEP干旱指数AI）的特征矩阵。
研究采用了两种互补的评估路径： 1. 时间留出验证（Temporal Holdout）：将2000—2012年数据（21,624条记录）作为训练集，2013—2014年数据（564条记录，覆盖32个站点）作为测试集，评估模型在已知站点的外推预测能力； 2. 留一站点交叉验证（LOSO-CV）：在50个代表性站点上进行逐一留空验证，评估模型对全新地理站点的空间迁移能力。
研究分别构建了包含与不包含站点随机效应（SITE_ID）的随机森林（RF，300棵树）与XGBoost（500棵树，最大深度6）模型。通过非参数Bootstrap（1,000次重采样）计算95%置信区间，并按植被类型（PFT）与日历月份进行细分性能评估。最后，结合四模型特征重要性排序共识与部分依赖图（PDP）/个体条件期望（ICE）曲线，对顶级驱动因子的非线性响应曲面及二维交互作用进行了系统解构。
核心发现
研究结果显示，机器学习模型能够高度精准地捕捉同一站点内的GPP季节性变化，但在跨站点迁移时性能显著衰减；模型提取的响应特征与生态学生理机制高度吻合。
- 时间留出预测精度极高，XGBoost表现略优于随机森林。在2013—2014年测试集上，基础XGBoost模型达到了 R^2 = 0.950（MAE = 7.87\text{ gC m}^{-2}\text{ month}^{-1}，RMSE = 12.49），基础随机森林达到 R^2 = 0.937。引入站点随机效应仅带来微弱提升（\Delta R^2 < 0.003），表明模型已充分捕获站点特征。
- 预测性能呈现显著的生态型与季节分化。常绿针叶林（ENF）与湿地（WET）的预测精度最高（R^2 达 0.97—0.98），而落叶阔叶林（DBF, R^2 = 0.729）与混交林（MF, R^2 = 0.472）受展叶期物候滞后影响精度较低。季节上，北半球夏季（6月 R^2 \approx 0.98）预测效果最好，春秋过渡季因物候与冰雪融化解耦导致精度有所下降。
- 空间迁移能力存在巨大差距，跨站预测面临挑战。LOSO-CV结果显示，模型的站点中位数 R^2 骤降至 0.312（RF）与 0.395（XGBoost），仅70%的站点预测优于气候平均值，且在干旱灌木丛等极端水限制站点出现预测失效，证实时间验证的高分很大程度上依赖于站点内的内插记忆。
- 纬度与长期水热平衡主导空间变异，响应曲面具有高度生态一致性。四模型特征重要性共识表明，纬度（LAT）、降水量（P）与干旱指数（AI）构成了前三大核心驱动力（解释了绝大部分跨站方差）。PDP响应曲面显示：纬度呈现倒U型梯度，降水量呈现饱和增益曲线，干旱指数呈现“越湿润越趋于高平台”的饱和响应，且RF与XGBoost的PDP曲线相关系数高达 0.949—0.998，完美复现了光利用效率（LUE）模型的饱和响应特征。
总结而言，本论文证实了树状集成模型在捕捉植被光合作用非线性响应方面的优越性，揭示了地理空间与长期水热背景在跨站预测中的主导地位，并明确了空间迁移能力是制约碳循环机器学习预测的根本瓶颈。
适用边界
本研究结论的推导与应用受限于特定条件。首先，时间留出测试集中32个站点有31个已在训练集中出现，因此时间评估主要反映同一站点不同年份的内插能力，不能代表对未知空间的预测能力。其次，部分植被类型（如开放灌木丛OSH）在测试集中缺失或样本较少，其评估结果具有局限性；LOSO-CV抽样的50个站点虽然展现了空间迁移边界，但部分极端环境站点的负 R^2 拉低了总体平均表现。此外，部分依赖图（PDP）计算假设特征间相互独立，而气象因子与纬度间存在显著的协方差，因此二维交互曲面应视为边际映射而非纯粹的因果推断。
基于现有证据，该研究能够支持在已知通量站网覆盖区域内开展高精度的GPP时间序列插值与季节动态模拟，并为全局GPP上向扩展提供可解释的特征响应依据；但尚不足以证明该模型可以直接推广至缺乏通量站布设的遥远无测站地区或极端干旱区进行可靠预测。