基于ARIMA-CatBoost-RNN耦合模型的新疆陆地生态系统碳汇估算与驱动机制研究

为解决传统碳汇评估方法难以刻画区域碳储量的空间异质性和年际波动问题，研究人员通过耦合ARIMA时间序列预测、CatBoost空间分层和RNN非线性建模技术，构建了高精度碳密度估算框架。研究揭示新疆土壤碳库占比达55%-61%，年均固碳量为39.02 T C/km2，NDVI(归一化植被指数)对碳汇能力的解释力最强(q=0.615)。该成果发表于《Ecological Indicators》，为区域碳中和政策制定提供了科学依据。

　　

在全球气候变化背景下，陆地生态系统作为第二大碳汇，其碳储量评估精度直接影响碳中和战略的实施。然而，传统方法如碳预算法和清单法存在空间分辨率低、参数不确定性高等缺陷，尤其在新疆这样具有强烈空间异质性的干旱区，现有模型难以捕捉人类活动与自然因素对碳循环的复合影响。

针对这一科学难题，中国矿业大学资源与地球科学学院的Qingzhou Lv团队创新性地提出了多模型耦合框架。研究首先利用ARIMA(自回归积分滑动平均模型)预测碳密度时间序列，通过CatBoost(基于梯度提升决策树的分类算法)划分低、中、高碳密度区域以降低空间异质性干扰，再结合RNN(循环神经网络)建立环境因子与碳密度的非线性映射关系。基于耦合模型输出优化InVEST(生态系统服务评估模型)参数后，最终实现了1 km网格尺度的碳储量精准估算，并运用地理探测器量化了9种驱动因子的贡献度。

关键技术方法包括：1) 整合2000-2020年降水(PRE)、温度(TEM)、NDVI等8类1 km分辨率驱动因子数据；2) 采用NASA发布的300 m分辨率地上/地下生物量碳密度和30 m土壤有机碳数据作为训练集；3) 通过ARIMA(1,1,1)模型预测年均碳密度趋势；4) 使用CatBoost实现碳密度三级分类(准确率0.876)；5) 构建分区训练的RNN模型，输出经ARIMA均值与CatBoost阈值双重校正；6) 基于参数优化的InVEST模型计算四大碳库储量；7) 采用碳积累率(CAR)评估碳汇能力；8) 应用地理探测器解析NDVI、土地利用强度(LUI)等因子的交互效应。

3.1 多模型耦合的碳密度估算

ARIMA预测显示2000-2020年新疆土壤碳密度波动显著(4.25-4.93 kg C/m²)，CatBoost将全区划分为3类碳密度单元，耦合模型估算表明北疆碳密度普遍高于南疆。验证表明模型R²达0.834，相对误差21.6%，显著优于传统CASA和InVEST模型。

3.2 碳储量与碳汇能力评估

2020年新疆总碳储量达14262.31 Tg C(1 Tg=10¹² g)，草地生态系统贡献最大(51%-54%)。土壤碳库占比55%-61%，年固碳量39.02 T C/km²，其中森林固碳能力最强(103.33 T C/km²)。

3.3 碳汇能力驱动机制

地理探测器显示NDVI(q=0.615)和温度(q=0.288)是核心驱动因子，LUI(土地利用强度)对农田生态系统影响显著(q=0.318)，而NDVI与温度的交互作用解释力最强。

这项研究突破了传统方法依赖固定碳系数的局限，首次实现了干旱区碳储量的网格化动态评估。发现尽管新疆60%面积为荒漠，NDVI仍是碳汇主导因子，这为"西部干旱区碳汇被低估"的学术争议提供了实证。通过揭示人类活动与自然因子的协同作用机制，研究为"一带一路"核心区的生态保护与低碳发展提供了量化工具，对实现中国2060碳中和目标具有重要战略意义。论文提出的多模型耦合框架可推广至全球干旱区碳循环研究，未来需结合DGVM(动态全球植被模型)进一步解析生物地球化学过程。