新模型精准预测草原植被季末时间，助力生态系统研究

为解决现有草原植被季末（EOS）模型不佳问题，研究人员开发新模型，新模型表现更优，有助于预测草原动态。

　　气候变化正在改变季节性植被周期（物候，phenology）的时间，这对更大规模的生态系统过程产生连锁反应。因此，了解植被物候的驱动因素对于预测气候变化的生态影响至关重要。虽然存在众多预测生长季开始（start of the growing season，SOS）时间的物候模型，但预测季末（end-of-season，EOS）的模型较少，而且大多数模型在草原中的表现不佳，因为它们是为森林开发的。研究的目标是开发一种改进的草原 EOS 物候模型。研究人员利用物候相机网络（PhenoCam Network）的重复数字图像，提取了 44 个不同的北美草原站点（212 个站点年）的 EOS 日期，并将其拟合到 20 个新模型和 3 个现有模型中。所有新的 EOS 模型（观测日期和预测日期之间的均方根误差 RMSE = 22 - 33 天）的表现都明显优于现有模型（RMSE = 43 - 46 天）。最佳模型是在累积低温或干旱程度超过某个阈值，且在 SOS 之后经过一定天数后预测 EOS。纳入 SOS 日期改善了所有模型的拟合效果，这表明生长季开始和结束时间之间存在很强的相关性。通过为六个不同的气候区域独立优化参数，模型性能进一步提高（RMSE = 4 - 19 天）。虽然不同区域的最佳模型略有差异，但大多数模型与所有站点综合最佳模型包含相似的驱动因素。因此，在不同的草原站点，EOS 受天气（温度、湿度）和 SOS 时间的共同影响。将这些新的 EOS 模型纳入地球系统模型（Earth System Models）中，应该能够改进对草原动态和相关生态系统过程的预测。