李传华,朱同斌,周 敏,殷欢欢,王玉涛,孙 皓,曹红娟,韩海燕

西北师范大学地理与环境科学学院, 兰州 730070

净初级生产力(Net Primary Productivity,NPP)是植物在单位时间和单位面积上,通过光合作用产生的有机质总量中扣除自养呼吸后的剩余部分,通常以干质量表示[1]。NPP是衡量全球与区域生态系统质量的重要指标,也是陆地生态系统碳循环过程的重要参数,准确估算NPP是该领域最基础的科学问题之一。气候变暖在持续加剧[2],对陆地生态系统产生显著影响,人类活动也是影响植被的重要因子[3],因此,研究NPP的时空格局变化及其影响因子对地区可持续发展具有重要意义[4]。

NPP估算模型主要有气候模型[5- 6]、过程模型[7]和参数模型[8- 9]等,国内外学者利用这些模型取得了大量的进展。这些模型各具特点也存在某些不足,例如气候模型估算没有考虑植被信息,不确定性很大；过程模型机制复杂,所需参数多且获得困难；参数模型,比如光能利用率模型的光能传递与转换过程还存在许多的不确定性。因此,继续发展NPP的估算方法是减少不确定性的重要途径。随机森林(Random Forest,RF)机器学习算法近年来在地学领域应用非常广泛[10- 12],在NPP估算方面被证明具有较高的可靠性。众多学者利用RF方法估算的东亚和美国地区的NPP与MOD17A3产品相关性R2>0.8[13],估算的中国青藏高原的NPP与实测数据相关系数为0.86[14-15],估算的欧洲总初级生产力与MOD17A2产品数据相关系数为0.84[16],因此,随机森林算法具有较广泛的适用性,被认为是一种可靠的NPP估算方法。同……