通过生态水文地质学方法结合机器学习研究印度森林的资源利用效率（RUE）动态

《Journal of Sustainable Forestry》：Resource Use Efficiency (RUE) Dynamics of Indian Forests Through an Eco-Hydrogeological Approach Using Machine Learning

本研究通过整合MODIS卫星产品，分析了2014-2023年印度14类森林的光、水、碳利用效率时空动态，发现湿润常绿林效率最高，干旱落叶林最低，WUE受2016年干旱显著影响，CUE与海拔正相关，坡度在干旱区限制生产力，为森林可持续管理提供依据。

　　

摘要

资源利用效率（RUE）是衡量森林生态系统功能的重要指标，反映了森林在利用光、水和碳进行生物量生产方面的效率。本研究通过整合来自MODIS卫星产品的光利用效率（LUE）、水利用效率（WUE）和碳利用效率（CUE），分析了2014年至2023年间印度14种主要森林类型的RUE的时空变化特征。利用生态水文框架并结合随机森林模型，研究了气候、地形和水文因素对森林生产力的影响。研究结果表明，RUE存在显著的空间异质性和时间变化：湿润常绿林和半常绿林的效率最高，而干旱落叶林和刺灌林的效率最低。水利用效率在不同森林类型和年份间表现出较大差异，尤其是受到2016年干旱事件的显著影响。碳利用效率受海拔高度（R2 = 0.82）的强烈影响，在较干燥的生态系统中，坡度成为限制因素。研究指出，亚热带松林和山地森林具有较强的适应性和恢复力，而干旱区森林仍易受气候压力的影响。这些发现为印度多样化森林景观中的可持续森林管理和气候适应性规划提供了实用性的参考依据。