基于机器学习的黄土高原中游典型流域生态系统碳储量反演及驱动机制——以延河流域为例OA

生态系统碳储量是衡量区域碳循环和生态系统服务功能的重要指标,如何精准量化黄土高原生态恢复工程的碳汇效应,成为科学评估区域生态修复成效和服务国家“双碳”战略的关键问题。以延河流域为研究区,采用支持向量回归(support vector regression,SVR)、随机森林(random forest,RF)和极限梯度提升(extreme gradient boosting,XGBoost)三种机器学习算法,结合实地采样数据和多源遥感数据,对2000—2020年生态系统碳储量进行逐像元反演与分析,并对其驱动因素进行分析,为延河流域生态恢复工程的碳汇效应评估提供科学依据。研究表明:XGBoost模型能够有效捕捉复杂地形条件下碳储量的空间异质性,其植被和土壤验证精度R^(2)分别达到0.80和0.74;空间格局上,碳密度分布表现为自中间向东南和西北扩散的趋势;2000—2020年,研究区生态系统碳储量整体呈增加趋势,年均增幅为0.077 kg C/(m^(2)·a),正增长区域占比高达98.4%;地理探测器分析表明,归一化植被指数(normalized difference vegetation index,NDVI)是碳储量空间分异的主导驱动力(q=0.42),且多因素间存在显著交互增强效应。研究可为黄土高原碳中和目标提供评估范式。