林业科学

作者：李倩1,张帆1,*,孟祥雪2,吴小云1,庞建壮1,许行1,张志强1

单位：1. 北京林业大学水土保持学院　北京?1000832. 北京市共青林场　北京?101300

关键词：净生态系统碳交换量,经验模态分解法,机器学习,杨树人工林

基金：中国科协青年人才托举工程项目（YESS20240294）；中央高校基本业务费项目（QNTD202508）；北京市科协青年人才托举工程项目（BYESS2024217）。

目的: 将分解重构思想与机器学习相结合，模拟人工林生态系统净碳交换量，为“三北”地区人工林生态系统固碳能力的高精度模拟预测提供有效工具。方法: 基于北京市顺义区共青林场杨树人工林通量观测系统与微气象观测系统2015—2018年生长季（4—10月）的逐日观测数据集，采用随机森林重要性排序法分析获得净生态系统碳交换量（NEE）的主要驱动要素。应用经验模态分解法（EMD）将NEE和主要驱动要素分解重构为波动项和趋势项，分别运用BP神经网络、支持向量机（SVM）、随机森林（RF）和极致梯度提升（XG-Boost）4种机器学习模型进行模拟，优选模型后进行NEE序列重构。结果: 1） 共青林场杨树人工林NEE受总辐射和温度影响显著，土壤体积含水量（5 cm）、饱和水汽压差和空气相对湿度对NEE的影响较弱，环境因子对NEE的影响重要性从大到小依次为总辐射、平均气温、最高气温、最低气温、土壤体积含水量（5 cm）、饱和水汽压差、空气相对湿度。2） NEE分解重构后，对波动项和趋势项模拟效果最好的模型分别为支持向量机和随机森林模型；3） 与直接运用机器学习模拟的方法相比，分解重构后的模拟测试集精度显著提升，R2由0.520提高至0.676，RMSE由1.998下降至1.646 μmol·m?2s?1，MAE由1.578下降至1.273 μmol·m?2s?1。结论: 总辐射、平均气温、最高气温和最低气温是影响杨树人工林生态系统NEE逐日变化的最关键因素。本研究提出的分解重构与机器学习相结合的方法可有效提升NEE的模拟准确度，为“三北”地区森林生态系统固碳能力模拟提供新思路。

来源：2025年第12期

《林业科学》期刊编辑部

查看林业科学杂志2025年第12期