结合可解释机器学习的三江源草地地上生物量估算及其气候驱动机制解析

本文应用SHAP（SHapley Additive exPlanations）方法结合最优机器学习模型（如随机森林RF），量化了三江源区草地地上生物量（AGB）的气候驱动因子主效应与交互作用，揭示了温度、降水的非线性响应阈值，为高寒草地适应性管理提供了可解释模型与科学依据。

　　

Section snippets

Study area

三江源区（TRSR）位于青藏高原腹地，是长江、黄河和澜沧江的发源地，地理坐标为31°39′–36°12′N, 89°45′–102°23′E。该区域属典型高原大陆性气候，平均海拔超过4000米，年平均气温介于-5.38°C至4.14°C之间，年降水量为262.2–772.8毫米，年太阳辐射总量达6751.08 MJ/m²。主要植被类型为高寒草甸和高寒草原。

Model driven factor selection

本研究考察的驱动因子包括MODIS植被指数（VI）、地形因子和气象因子（详见表1）。相关性分析显示，草地AGB与EVI和NDVI呈极显著正相关，表明植被指数是反映草地生长状况的关键指标。海拔（DEM）也显著影响AGB分布，因其通过调控水热条件间接作用于植被生产力。

Effects of various factors on grassland AGB

植被指数对AGB的贡献度最高，符合植被指数构建原理（Bannari et al., 1995）。海拔通过影响土壤水热分布间接调控AGB。气象因子中，当月温度（TEM）在10–12°C时对AGB促进效应最强，表现出明显的阈值响应。前期温度（TEM1、TEM2）与降水条件交互作用显著：在低温或适中降水背景下，升温促进AGB积累；但在极端水热条件下，升温效应减弱或转为抑制。

Conclusions

本研究通过SHAP方法解析了气候与遥感变量对草地AGB的影响机制，构建了基于随机森林（RF）的高精度反演模型。EVI、TEM、DEM、NDVI、TEM1和TEM2被识别为关键预测因子。模型在训练集与测试集上均表现优异（R² > 0.86）。研究进一步揭示了气象因子的非线性主效应和交互机制，为高寒草地适应性管理提供了理论支撑。