编辑推荐：
为解决无需额外实地调查即可准确估算不同气候变化情景下蓝桉（Eucalyptus globulus）人工林生产力的问题，研究人员基于 1102 个样地数据、空间环境数据及随机森林（RF）算法，构建不同空间分辨率模型。结果表明气候变量主导生产力，气候变化下生产力将提升，为林业规划提供科学依据。
在全球气候变化的大背景下，森林生态系统的生产力评估面临诸多挑战。对于西班牙北部广泛分布的蓝桉（
Eucalyptus globulus）人工林而言，传统依赖实地调查的生产力估算方法耗时费力，且难以应对气候变化带来的动态评估需求。如何借助空间信息技术，在无需大规模实地作业的前提下，精准预测不同气候情景下的林地生产力，成为林业管理和气候适应性研究的关键问题。此外，蓝桉作为当地重要的经济树种，其生产力与碳汇能力的变化不仅关乎林业经济，也影响区域生态平衡，因此开展相关研究具有重要的现实意义。
为攻克上述难题，西班牙相关研究机构的研究人员开展了一项具有创新性的研究。该研究基于 1102 个蓝桉人工林研究样地的树木生长数据，结合现有的空间连续环境数据（包括地形、气候、土壤和岩性等变量），利用随机森林（Random Forest, RF）算法构建了栅格模型，旨在从景观尺度（250 m?pixel–1）和林分样地尺度（10、25、50、100 m?pixel–1）双维度预测蓝桉的立地指数（site index, SI，衡量林地生产力的重要指标），并分析气候变化对生产力的影响。研究成果发表在《Forest Ecosystems》，为气候变化下的林业管理提供了新的方法论和数据支撑。
研究主要采用以下关键技术方法：首先，收集多源数据，包括西班牙国家地理信息中心的 5 m 分辨率数字高程模型（DEM）、WorldClim 的气候数据（30 弧秒分辨率）、SoilGrids250m 的土壤数据等，并对不同来源的数据进行尺度转换（上采样或下采样）以适配不同模型需求；其次，运用随机森林算法构建预测模型，通过 10 折交叉验证评估模型性能，并利用变量重要性（VIM）分析和偏依赖图筛选关键环境变量；最后，结合 CMIP5 气候模型的 RCP4.5 和 RCP8.5 情景数据，预测 2050 和 2070 年的生产力变化。
3.1 不同空间尺度模型的预测性能与环境变量重要性
研究构建的所有模型均解释了约 50% 的立地指数变异性，符合同类研究水平。在林分样地尺度，10 m 分辨率模型（SI10）表现出较高精度，平均绝对误差为 1.86 m，均方根误差 2.31 m。变量重要性分析表明，海拔（ELV）是最关键的地形因子，立地指数随海拔每升高 100 m 下降 0.3–0.9 m，对应最大平均年生长量（MAImax）减少 1–1.3 m3·ha–1·year–1。气候变量中，冬季温度（如 1 月最高平均温度 TM1）和秋季太阳辐射（如 10 月累计辐射 R10）对生产力影响显著，年平均温度每升高 1°C，立地指数增加约 2.2 m，MAImax提升 3 m3·ha–1·year–1。
3.2 气候变化对生产力的影响预测
基于景观尺度模型（SI250）的气候情景模拟显示，在 RCP4.5 和 RCP8.5 情景下，2050 年和 2070 年蓝桉人工林的平均立地指数将分别增加 1.65%–3.30%，MAImax提升 3.24%–6.70%。中低海拔（<600 m）的内陆区域生产力增幅更大，这与温度升高和生长季延长有关。此外，气候变暖导致适宜蓝桉生长的区域面积扩大，尤其是立地指数 13–17 m 的中等生产力地块面积增加显著，预计 2050 年 RCP8.5 情景下将新增 45.3 万公顷。
3.3 模型转换与验证
研究对比了两种立地指数转换为最大平均年生长量的方法，发现纯模拟方法（Barrio-Anta et al., 2020）与观测数据拟合良好（R2=0.9479），且能有效预测不同密度下的生产力。尽管最优轮伐期预测精度较低（解释度 26%），但该模型为林地经营提供了可靠的生产力估算工具。
研究结论表明，现有空间连续环境数据结合随机森林算法可有效预测蓝桉人工林生产力，无需依赖传统实地调查。气候变量（尤其是温度）和海拔是生产力的主要驱动因素，而气候变化将显著提升西班牙北部蓝桉林的生产力，尤其在中低海拔区域。研究构建的双尺度生产力地图为林业规划者、管理者和政策制定者提供了关键工具：精细尺度地图（10 m）可辅助小地块的造林选址和产量预测，景观尺度模型（250 m）则支持气候变化影响评估和区域资源规划。
尽管研究存在土壤变量分辨率不足、管理措施数据缺失等局限性，但其提出的双尺度框架和模型为同类研究提供了方法论参考。未来若结合更高分辨率的土壤数据和长期监测，可进一步提升模型精度，助力气候变化下森林生态系统的可持续管理。
