欧洲温带森林生态模型在北美适用性评估：机器学习方法揭示跨大陆模型迁移的局限性

本研究针对生态模型跨区域迁移的可靠性问题，通过梯度提升回归树(GBRT)模型，首次系统评估了欧洲温带森林林下植被动态模型在北美威斯康星州的预测效能。研究发现三个模型中仅物种丰富度(Richness Model)具有有限预测价值，揭示了环境背景差异和关键预测因子缺失对模型迁移的重大影响，为改进生态模型跨区域应用提供了重要方法论启示。

　　

在全球气候变化背景下，温带森林作为覆盖地球16%森林面积的重要生态系统，其生物多样性和生态功能正面临气候变暖、氮沉降和人为干扰的多重威胁。尤其值得注意的是，虽然林下植被(understorey)承载着超过80%的维管植物多样性，并在树木更新、碳氮循环等关键生态过程中发挥核心作用，但现有森林模型多集中于乔木层研究，针对林下植被的动态预测模型仍属稀缺。更关键的是，当前生态模型普遍面临"水土不服"的困境——在欧洲开发的模型能否适用于北美环境？这个关乎全球生态预测可靠性的根本问题，至今缺乏实证研究。

比利时根特大学(Ghent University)的研究团队联合国际合作伙伴，在《Ecological Indicators》发表了一项开创性研究。该研究首次将欧洲开发的三个梯度提升回归树(Gradient Boosted Regression Trees, GBRT)林下植被模型——分别预测物种丰富度、木本植物比例和森林专有种比例——直接应用于美国威斯康星州157个温带森林样点，通过比较50年间的植被变化数据，系统评估了模型跨大陆迁移的可行性。研究采用平均绝对百分比误差(MAPE)等指标量化预测准确性，并深入分析了环境梯度差异对模型性能的影响。

关键技术方法包括：1) 使用欧洲训练的GBRT机器学习模型进行跨大陆预测；2) 采集威斯康星州南部(83个)和北部(74个)森林样点的长期监测数据作为验证集；3) 分析温度、降水、氮(N)沉积等全球变化因子与局部森林管理措施的交互影响；4) 通过分布比较和响应曲线分析揭示预测偏差来源。

【Observed ecological changes and environmental changes】部分显示：威斯康星州南北森林呈现截然不同的变化趋势——南部森林75%样点出现物种丰富度下降，而北部森林则保持稳定；木本植物比例在南部轻微上升(64%样点)，在北部却显著下降(77%样点)。这种区域分异已超出欧洲模型训练数据的覆盖范围。

【Discussion】部分指出：尽管丰富度模型在北部森林表现出一定预测能力，但所有模型的MAPE值高达25.5-33.9%，显示现有模型难以准确预测北美林下植被的长期变化。这种失效主要源于：1) 关键环境驱动因子(如土壤特性、乔木层结构)的跨大陆差异；2) 生物互作关系的区域特异性；3) 氮沉降历史的不同所导致的生态响应阈值变化。

研究在【Conclusion】中强调：直接迁移欧洲生态模型至北美存在显著局限性，这为未来模型开发敲响警钟。建议从三方面改进：1) 纳入更多跨系统共有的关键预测变量；2) 采用空间交叉验证(spatial cross-validation)增强模型鲁棒性；3) 建立包含多大陆数据的统一建模框架。该研究不仅首次量化了温带森林模型跨大陆迁移的效能边界，更为构建真正全球化的生态系统预测模型指明了方向。