基于遥感和可解释机器学习的马达加斯加热带镶嵌景观蒸散发空间预测研究

研究人员利用ECOSTRESS遥感数据和随机森林(RF)模型，结合SHAP可解释性分析，揭示了马达加斯加热带异质景观中蒸散发(ET)的空间变异机制。研究发现气象因子贡献度达51-62%，植被结构(LAI、树高等)通过非线性和降水、风速的交互作用显著影响ET（R2=0.7-0.9），为理解人类活动干扰下生态系统的气候调节功能提供了新视角。

　　

热带森林的快速转化导致景观破碎化，形成植被结构高度异质的镶嵌格局，这种变化如何影响生态系统服务（如蒸散发ET）尚不明确。马达加斯加东北部SAVA地区作为全球香草主产区，近20年森林覆盖率从73%降至54%，但该区域ET的空间分异规律及其驱动机制仍缺乏系统研究。德国哥廷根大学热带林业与森林生态学研究所（University of G?ttingen, Tropical Silviculture and Forest Ecology）的Raunak Kirti团队通过整合多源遥感数据与可解释机器学习，首次揭示了植被结构与气象因子的交互效应对ET空间格局的调控作用。

研究采用ECOSTRESS卫星的70米分辨率ET数据（2019-2022年3个典型日），结合气象（ERA5再分析数据）、地形（ALOS DSM）、土壤（ISRIC SoilGrids）和植被结构（树高、叶面积指数LAI等）四类17个变量，运用空间分块-前向特征选择(FFS)-留位置交叉验证(LLO-CV)的机器学习框架构建随机森林模型。通过SHAP值量化变量贡献并解析交互效应，最终实现研究区ET空间缺值填补和机制阐释。

关键结果

1. 模型性能优异：预测ET范围为5.7-7.4 mm/天，R²达0.7-0.9，MAE仅0.1-0.8 mm/天，成功填补40%空间缺值区域（图4）。

2. 变量贡献排序：SHAP分析显示气象变量（降水、径流Rnff、风速Ws）贡献51-62%，植被结构（15-18%）>地形（6-24%）>土壤（8-13%）。树高(TH)与叶面积指数(LAI)在雨季（D1/D2）作用显著，而旱季（D3）仅LAI入选（表2）。

3. 关键交互效应：

   • 表面粗糙度(FoSR)与LAI呈正相关但高值抑制ET（SHAP值转负），反映稠密植被的湍流阻力效应（图6a）。

   • 中等树冠密度(TC)下，风速增加显著提升ET（+0.5 mm/天），揭示植被结构对大气湍流的调制作用（图6b）。

   • 降水(PPT)与TC协同增强ET，印证水分供给-植被生长的正反馈（图6c）。

结论与意义

该研究通过可解释机器学习破解了热带镶嵌景观ET的空间异质性密码：气象因子主导ET总量，而植被结构通过改变冠层湍流（FoSR-Ws交互）和水分利用效率（LAI-PPT协同）调控局地ET分配。成果发表于《Landscape Ecology》，为评估农业扩张（如香草种植园）对区域水循环的影响提供了量化工具，尤其指出维持30-60%树盖率可优化气候调节功能。方法论上，空间显式交叉验证和SHAP交互分析为生态模型可解释性研究树立了新范式。