基于多源遥感与机器学习的伊朗生态系统水分利用效率动态变化及驱动机制

《Scientific Reports》：Unraveling nonlinear ecosystem water use efficiency dynamics and environmental drivers across Iran using remote sensing and XGBoost-SHAP

　　

摘要

理解生态系统如何在碳同化与水分散失之间进行权衡调控，对于评估水分受限地区的生态水文稳定性至关重要。本研究利用多源遥感数据集、多项式趋势分析、优化后的极端梯度提升（XGBoost）模型、沙普利加性解释（SHAP）以及莫里斯全局敏感性分析（Morris GSA）相结合的综合框架，研究了2001年至2025年伊朗生态系统的水分利用效率（WUE）动态变化。采用多项式回归方法刻画了柯本-盖格气候带和不同土地利用类型下WUE的线性与非线性趋势。此外，XGBoost-SHAP-Morris GSA建模识别了主要的气候与环境驱动因素，表征了其非线性效应，并量化了WUE的敏感性。结果表明，有效的WUE估算覆盖了伊朗总面积的约44%，其中23.75%的区域呈现显著的长期WUE趋势，且上升趋势（20.39%）远超下降趋势（3.36%）。线性趋势为主导模式，占该区域面积的17.1%（占所有显著趋势的72.2%），而非线性趋势占该区域面积的6.6%。显著WUE趋势的幅度范围为–0.97至0.90 g C m^?2 mm^?1 decade?¹，上升趋势主要分布在伊朗西部、西南部及北部沿海地区，特别是在扎格罗斯山脉和厄尔布尔士山脉沿线，这些地区的变化主要与总初级生产力（GPP）的变化相关，而非蒸散量（ET）的变化。在土地利用类型中，草地（11.9%）和耕地（5.8%）呈现最大比例的显著WUE趋势。XGBoost-SHAP分析揭示，归一化植被指数（NDVI，相对贡献率50.98%）、叶面积指数（LAI，19.81%）和太阳辐射（17.44%）是解释WUE变异的三大主导因素。Morris GSA表明，模型模拟的WUE响应主要对NDVI敏感（相对敏感性24.00%，μ*=0.827），其次是气温（20.35%，μ*=0.701）和太阳辐射（16.52%，μ*=0.569），而地表温度、土壤湿度和风速的整体敏感性相对较弱。本研究刻画了伊朗全域的WUE动态变化，识别了与WUE变异相关的关键环境因素，为理解水分受限地区的生态系统水分利用动态提供了重要见解。