基于可解释机器学习的植被碳汇分布驱动机制研究以及露天矿区碳封存效果的评估

《Environmental Research》：Driving Mechanisms of Vegetation Carbon Sink Distribution Based on Explainable Machine Learning and Evaluation of Carbon Sequestration in Open-Pit Mines

黄河流域植被碳汇时空演变及驱动机制研究（2001-2024）。基于多源数据融合，采用Sen斜率估计与Mann-Kendall检验揭示植被净生态系统生产力（NEP）持续增长，2024年达159.69 gC·m?2，较2001年增5倍，中游提升显著，下游局部仍为碳源。驱动因素分析显示降水、太阳辐射和土壤有机碳贡献超58%。评估7,810个露天矿山碳汇潜力，稳定与复垦矿山为碳汇（总潜力93.57 Gg），占区域碳汇量89%，为双碳战略提供科学支撑。

　　

耿玉龙|郭伟华|李全志|张帆|钟安雅|胡振奇

中国矿业大学（北京）地球科学与测绘工程学院，北京100083，中国

摘要

植被碳封存对于缓解全球变暖和维持区域碳平衡起着至关重要的作用。黄河流域（YRB）是中国能源开发和生态保护的关键区域，然而，植被碳封存的空间分布及其在露天矿中的碳封存能力的驱动机制尚未得到系统评估。基于多源数据集，本研究首先使用Sen的斜率估计器结合Mann–Kendall趋势测试模型来识别植被碳封存的时间趋势。然后应用贝叶斯优化的极端梯度提升模型（XGBoost），并结合Shapley加性解释模型，以揭示气候、土壤和人类活动对其空间分布的驱动机制。最后，使用缓冲区比较方法来量化露天矿的碳封存潜力。主要结论如下：（1）在24年期间，黄河流域的净生态系统生产力（NEP）持续增加，到2024年达到159.69克碳每平方米（gC·m^-2），是2001年的五倍。增长最显著的是中上游地区，而内流区域改善有限，某些地区甚至成为碳源。（2）在影响黄河流域NEP分布的因素中，降水量、太阳辐射和土壤有机碳是主要贡献者，占总量的58%以上。（3）不同类型露天矿的NEP差异显著。活跃的露天矿总体上作为碳源（?17.93 Gg），而稳定和重新植被的露天矿则作为碳汇。所有露天矿的总碳封存潜力为93.57 Gg，约占当前碳封存水平的89%。本研究为提高碳封存、评估生态恢复以及支持黄河流域“双碳”战略的实施提供了定量基础。

引言

全球变暖已成为世界上最紧迫的环境问题之一（Cramer等人，2018年），其主要原因是二氧化碳的持续积累和排放不断增加（Tokarska和Gillett，2018年）。这一过程不仅导致全球温度持续上升，还导致生态系统退化、碳循环失衡以及一系列环境问题（Zhang等人，2023年；Zhu等人，2014年）。陆地生态系统是全球碳循环的重要组成部分，对气候调节和生态稳定性有显著贡献（Cao和Woodward，1998年；Khalifa等人，2018年）。植被是陆地生态系统中碳储存和能量交换的主要载体，承担着吸收大气中的二氧化碳（CO₂）和固定有机碳的重要功能（Lyu等人，2023年；Zhang等人，2022年）。因此，深入了解植被碳封存的时空动态及其驱动机制对于理解陆地生态系统的碳预算和优化碳储存管理策略具有重要的科学和实践意义。

净生态系统生产力（NEP）是衡量生态系统碳平衡的重要指标。它表示植被的净碳收益，计算方法为光合作用吸收的碳减去通过土壤异养呼吸释放的碳（Fernández-Martínez等人，2014年；Poungparn等人，2012年）。NEP直接反映了生态系统的净碳积累能力，在陆地碳平衡和碳封存能力研究中得到广泛应用（Heimann和Reichstein，2008年；Lin等人，2017年）。目前，有四种主要方法用于估算NEP：野外清查调查、涡度协方差测量、大气反演技术和基于遥感的监测（Li等人，2016年；Xia等人，2020年）。其中，基于遥感的监测结合生态系统过程模型，可以实现植被碳封存的实时和准确评估（Wei等人，2022年）。由于遥感具有长时间覆盖范围、广阔的空间范围和高监测效率，已成为最常用的植被碳封存监测方法。

植被碳封存的空间格局受到多种因素的影响，如气候、地形、土壤性质和人类活动。然而，现有研究大多关注单一维度的因素，例如气候或地形对NEP的影响（Li和Zhang，2024年；Xue和Wu，2024年）。关于这些因素如何共同驱动气候、地形、土壤性质和人类活动差异较大的地区的NEP空间分布的研究仍然相对不足。随着对植被碳封存驱动机制研究的深入，分析方法已从回归和相关性分析转向可解释的机器学习方法（Dong等人，2025年）。回归分析被广泛用于评估NEP与气候和土地利用等因素之间的关系（Liu等人，2024b；Zhou等人，2021年）。此外，地理加权回归（GWR）和地理时间加权回归（GTWR）等空间回归模型也被用来揭示NEP的空间异质性（Li等人，2022年；Wang等人，2019年；Yang等人，2025年）。然而，这些模型通常假设变量之间存在线性关系，结构相对僵化，难以捕捉NEP与其驱动因素之间的非线性相互作用。相比之下，机器学习模型能够量化生态系统相关变量之间的多维依赖性。然而，传统机器学习方法固有的“黑箱”特性限制了其可解释性，使其不如传统分析方法透明。因此，可解释的机器学习技术得到了快速发展。极端梯度提升决策树模型（XGBoost）结合Shapley加性解释（SHAP）因其出色的预测性能和处理大规模数据集的能力而在环境和生态驱动机制研究中得到广泛应用（Tang等人，2020年；Xu等人，2024年；Zhan和Pu，2025年）。然而，以往的研究受到默认参数使用或仅简单调整的限制，导致模型的预测能力未能得到充分利用。基于此，本研究采用贝叶斯优化方法调整XGBoost模型的参数，从而有效提高了其预测准确性和鲁棒性。

黄河流域（YRB）发源于青藏高原，流经内蒙古高原、黄土高原和淮海平原，形成了西-东三阶梯地貌格局。它是中国生态保护的关键区域（Suping和Yinli，2020年）。流域内气候条件、地形特征和人类活动的显著差异导致NEP的空间变异性明显。在这种复杂背景下，研究YRB中NEP的空间分布及其驱动机制对于理解陆地生态系统碳储存模式、优化碳管理策略以及推进碳中和目标的实现具有重要意义（Liu等人，2024年）。此外，YRB是中国能源开发的中心区域，拥有全国14个主要煤矿基地中的9个。流域内分布着7,810个露天矿。尽管采矿活动带来了显著的经济效益，但也导致了地表扰动、植被破坏和土壤碳损失，对区域碳平衡产生了重大影响（Li等人，2025年）。随着“双碳”战略和生态文明倡议的推进，露天矿区的生态恢复和土地复垦被视为提高碳封存能力的重要途径（Guo等人，2025年）。然而，对当前露天矿碳封存状况及其进一步碳增强潜力的系统评估仍然相对有限。不同类型矿山在生态恢复不同阶段的碳封存功能差异及其演变模式需要进一步深入研究。

在以往研究的基础上，本研究聚焦2001至2024年的黄河流域，系统评估了植被碳封存情况，包括其时空动态、影响其空间格局的因素以及露天矿的碳封存性能。本研究的目标是整合多源数据集和建模方法，揭示流域内碳封存变化的空间格局，并确定其主要驱动因素。具体目标如下：（1）揭示黄河流域植被碳封存的年际变化特征和空间分布模式。（2）阐明包括气候、地形、土壤性质和人类活动在内的多种因素对植被碳封存空间分布的驱动机制。（3）评估露天矿的碳封存能力和潜在碳汇空间，从而为提高流域内的碳汇和支持采矿区的生态恢复提供科学依据。

研究区域

研究区域

黄河流域是中国九大河流流域之一（图1a），总面积约为795,000平方公里（km²）。整体地形从西向东倾斜，呈现出多样的地貌特征（图1b），该地区属于温带大陆性季风气候。总体而言，流域内的年平均温度和降水量从西北向东南逐渐增加。根据地理位置和水文特征，黄河流域可以

黄河流域NPP和NEP的时空变化

我们绘制了2001至2024年黄河流域植被NPP和NEP的时空分布及演变趋势（图3）。从空间上看（图3a–b），NPP呈现从西向东逐渐增加的趋势，高值主要分布在流域的中下游地区，而源头和内流区域的值相对较低。NEP的空间分布与NPP类似，但幅度通常较小

结论

本研究系统评估了黄河流域及其子流域24年植被碳封存的变化趋势及其空间分布的驱动机制。此外，还评估了流域内7,810个露天矿的碳封存能力和潜力，为提高碳汇水平、促进采矿区的生态恢复以及推进中国的

CRediT作者贡献声明

郭伟华：正式分析。耿玉龙：撰写——初稿、软件、方法论、资金获取、概念构思。张帆：软件。李全志：可视化。胡振奇：监督、资金获取。钟安雅：方法论

未引用参考文献

Running和Zhao，2021年。

利益冲突声明

? 作者声明他们没有已知的可能影响本文工作的财务利益或个人关系。