2002—2024年中国遥感生态指数的时空演变、可预测性与驱动机制分析

《Scientific Reports》：Interpretable machine learning reveals predictability and spatially heterogeneous factors associated with the RSEI in China

　　大规模生态环境评估不仅需要长期监测，还需要了解短期可预测性以及空间异质的环境关联。本文评估了2002年至2024年中国各地的遥感生态指数，并整合了时空趋势分析、提前一年预测和可解释机器学习。全国面积加权平均遥感生态指数从2002年的0.6385增加到2024年的0.6614，尽管变化的幅度和时间在各气候区差异显著。在空间和 temporally held-out 测试设计下，XGBoost 取得了最佳预测性能，加权系数为0.9712，均方根误差为0.0262，相较于持续性基线降低了13.67%。方差分解表明，遥感生态指数总变异的97.39%归因于像元间的空间差异，而仅有2.61%反映了像元内的年际变化。可解释模型进一步揭示了不同的关联结构：海拔、暖季温度和土地利用是空间差异最重要的因素，而暖季降水、土地利用和潜在蒸散发则主导了年际变化。这些关系在各气候区之间也存在显著差异。我们的结果表明，遥感生态指数的动态在一年预测期高度可预测，但与持续空间格局相关的因素与年际生态波动相关的因素不同，突显了在大规模生态评估中区分空间基准条件与年际环境变异性的重要性。