李红琴 张亚茹 张法伟

（1.洛阳师范学院生命科学学院，河南 洛阳 471934；2.中国科学院三江源国家公园研究院，青海 西宁 810008）

0 引言

全球气候变暖已经是一个不争的事实，对人类社会产生了巨大而深刻的影响[1]。 《巴黎协定》提出“努力将升温控制在1.5 ℃范围内的目标”以应对气候变化。实现该目标两个主要途径为：一是减少工业能源领域CO2释放的减排； 二是保护森林草地增加CO2吸收的固碳。 北方陆地生态系统具有较强的碳汇功能，是全球“碳失汇”的潜在原因。 最新研究表明，中国陆地生态系统具有巨大的固碳能力且有可能被低估，年均吸收强度约为1.11 PgC， 相当于同期碳排放的45%，但结果存在一定的不确定性。 准确理解陆地生态不同植被类型碳交换的环境驱动机制是提高区域模型模拟精度的重要基础。

青藏高原是我国重要的生态屏障区，最新研究表明其土壤碳储量高达50.4 PgC[2]。 高寒草甸是主要植被类型，但其碳汇功能随植被类型而异。 青藏高原变暖趋势远高于中国和世界的平均水平，温度升高一方面提高了植被的生产力， 另一方面也刺激了土壤呼吸， 其对生态系统碳收支的影响取决于二者的平衡。利用机器学习算法识别环境因子对高寒草甸碳收支的相对驱动强度和潜在生态过程，可以改进生态系统过程模型和提高模型的准确度，为科学评估高寒草甸碳收支和我国“碳中和”提供数据支撑。

1 材料与方法

1.1 研究点概况

研究点位于青海海北高寒草地生态系统国家野外科学观测研究站（海北站，37°37′N，101°19′E，3200 m）东3km 处的无名滩。……