《Frontiers in Ecology and Evolution》:Future NDVI projections and ensemble strategy comparison in Inner Mongolia under CMIP6 scenarios
编辑推荐:
摘要:引言:准确预测未来植被动态对于理解生态系统对气候变化的响应以及制定干旱和半干旱地区的适应策略至关重要。然而,以往的研究主要关注历史植被变化,对气候情景下未来植被预测的关注相对较少,特别是非线性机器学习方法的适用性以及多模型集合策略的影响。方法:本研究开发
摘要:引言:准确预测未来植被动态对于理解生态系统对气候变化的响应以及制定干旱和半干旱地区的适应策略至关重要。然而,以往的研究主要关注历史植被变化,对气候情景下未来植被预测的关注相对较少,特别是非线性机器学习方法的适用性以及多模型集合策略的影响。方法:本研究开发了一个随机森林(Random Forest)模型,通过整合历史归一化植被指数(NDVI)、气候和水文数据以及耦合模式比较计划第六阶段(CMIP6)的气候预测,来预测内蒙古未来的NDVI动态。评估了SSP2-4.5和SSP5-8.5情景下整个21世纪的植被变化。比较了两种集合策略:传统的多模型集合平均(MME),即在模型模拟前对气候变量进行平均;以及模拟结果多模型平均(MMS),即分别对每个气候模型进行模拟,然后对结果进行平均。进一步量化了未来NDVI预测的不确定性。结果:在SSP2-4.5和SSP5-8.5情景下,内蒙古的NDVI预计将呈现持续变绿趋势,且在高排放情景下植被增强幅度显著更大。未来植被变化表现出明显的时空异质性。研究人员预计内蒙古东北部和北部地区变绿更强,而中部地区可能出现局部植被退化,西南部变化相对较弱。季节上,NDVI的最大增幅预计出现在春季和秋季,而夏季变化相对有限。与传统的MME方法相比,MMS策略更有效地保留了单个气候模型所代表的植被对气候强迫的非线性响应。因此,MMS预测更接近单个CMIP6驱动模拟的平均轨迹。预测显示可靠性较高。尽管在SSP5-8.5情景下不确定性更大,但所有季节的变异系数(Coefficient of Variation,CV)仍低于0.15,表明CMIP6模型对未来植被变化方向的一致性较高。讨论与结论:这些发现表明,内蒙古的植被变绿可能在21世纪持续,但其幅度和空间分布将取决于排放情景和季节。结果证明了非线性机器学习方法在预测未来植被动态方面的潜力,并强调了在基于机器学习的气候影响评估中集合顺序的重要性。本研究为干旱和半干旱地区未来的生态系统预测和气候适应规划提供了方法参考。
**论文解读文章**
**研究背景与问题**
植被是陆地生态系统的基础组成部分,通过光合作用、蒸散等过程调节碳循环、水文过程和地表-大气能量交换,对区域和全球气候系统产生重要反馈。归一化植被指数(NDVI)作为卫星遥感衍生的有效指标,广泛用于监测植被活动、覆盖度和生产力。近年来,全球陆地生态系统普遍呈现变绿趋势,但植被对气候变化的响应存在显著的区域异质性,尤其在干旱和半干旱地区,水分限制使植被对升温与降水变化的响应复杂且可能矛盾。内蒙古位于中国北方,是东亚最大的干旱和半干旱区之一,也是重要的生态安全屏障,其植被动态对气候变化高度敏感。然而,以往研究多聚焦历史植被变化,对未来气候情景下植被预测的关注不足,特别是非线性机器学习方法(如随机森林(Random Forest))的适用性以及多模型集合策略(如传统的多模型集合平均(MME)与模拟结果多模型平均(MMS))的影响尚未得到充分比较。此外,CMIP6模型间存在显著差异,预测不确定性亟需量化。因此,本研究旨在利用随机森林模型结合CMIP6气候预测,系统评估内蒙古未来NDVI动态,比较不同集合策略,并量化不确定性,为干旱和半干旱区生态保护与气候适应提供科学依据。该论文发表在《Frontiers in Ecology and Evolution》。
**研究人员开展的研究与结论**
研究人员开发了一个基于随机森林的框架,以历史NDVI、降水、实际蒸散、土壤湿度(来自CRU TS、ESA CCI SM、GIMMS NDVI3g数据集)为预测变量,结合16个CMIP6模型在SSP2-4.5和SSP5-8.5情景下的气候预测,预测2015-2100年内蒙古NDVI。比较了两种集合策略:MME(先平均气候变量再预测)和MMS(先分别预测再平均NDVI)。通过Sen's斜率、变化度、变异系数(CV)等方法分析时空变化及不确定性。主要结论:内蒙古未来21世纪将持续变绿,高排放情景下增强更显著;空间上东北部和北部变绿最强,中部局部退化,西南部变化弱;季节上春季和秋季NDVI增幅最大,夏季变化有限;MMS策略比MME更准确反映CMIP6多模型平均轨迹,尤其在非线性响应方面。
**主要关键技术方法(不超过250字)**
本研究采用随机森林(Random Forest)非线性机器学习模型,建立历史NDVI与气候水文变量(降水、实际蒸散、土壤湿度)的关系。气象数据来自CRU TS(0.5°分辨率,1982-2014年),土壤湿度来自ESA CCI SM(0.25°重采样至0.5°),NDVI来自GIMMS NDVI3g(1/12°重采样至0.5°)。未来气候强迫来自16个CMIP6模型(如ACCESS-CM2、CanESM5等),基于SSP2-4.5和SSP5-8.5情景,经分位数映射偏差校正。模型性能通过纳什-萨特克利夫效率系数(NSE)和均方根误差(RMSE)评估。不确定性用变异系数(CV)量化。集合策略比较:MME(先平均气候变量再预测)与MMS(先分别预测再平均NDVI)。
**研究结果**
**4.1 模型性能评估**
通过泰勒图评估CMIP6模型降水、蒸散、土壤湿度模拟性能,发现多模型集合平均(MME)最接近观测。随机森林模型模拟NDVI的NSE区域平均为0.89,RMSE平均为0.0045,表明模型能有效捕捉NDVI时空变异,西部NSE较低,整体误差小。
**4.2 未来植被趋势分析**
基于MME和MMS的NDVI时间序列均显示21世纪持续上升趋势,SSP5-8.5情景下上升更陡峭。MMS更忠实反映CMIP6多模型平均轨迹,而MME在SSP2-4.5下持续低估,在SSP5-8.5后期高估。Sen's斜率空间分布显示,各模型均预测内蒙古北部和中部变绿趋势强,西南部弱;CMCC-ESM2、CanESM5等预测斜率最高,NorESM2-LM最保守。高排放情景下变绿幅度约为低排放的3倍。
**4.3 未来植被季节变化**
MME和MMS均显示季节性异质性:近远期(2015-2060年)春季和秋季NDVI正变化,夏季轻微退化,冬季微弱;远期(2061-2100年)变化加剧,SSP5-8.5下春季和秋季变化度分别达15.1%和15.6%。空间上,北部持续高变绿,中部退化。MMS系统性地产生更高的NDVI变化幅度。
**4.4 模型不确定性季节分析**
变异系数(CV)空间分布显示,高不确定性集中在东北部和中部,西南部一致性高。SSP5-8.5情景下CV高于SSP2-4.5。季节上,春季不确定性最高(CV主范围0.07-0.14),夏季最低(0.02-0.11)。所有季节CV均低于0.15,表明模型间一致性高,预测可靠性强。
**讨论与结论总结**
讨论部分指出,未来内蒙古持续变绿趋势与已有研究一致,但空间异质性受生态系统类型驱动:东北部森林-草原区受益于升温延长生长季,中西部水分限制导致退化。季节差异与物候变化相关,春季和秋季变绿增强可能源于生长季延长和土壤解冻提前,夏季蒸散需求增加加剧水分胁迫。MMS策略优于MME,因为随机森林的非线性特性在输入平均后丢失关键极端信息,而MMS保留模型特异性响应。局限性包括CMIP6模型结构不确定性、随机森林假设稳定性(未来气候可能超出历史范围)、未考虑人类活动(如放牧、土地利用)和极端事件(火灾、干旱)。
研究结论部分翻译如下:
本研究开发了一个基于随机森林的框架,利用CMIP6多模型气候预测,预测内蒙古未来NDVI动态。系统评估了SSP2-4.5和SSP5-8.5情景下的未来植被变化,并比较了MME和MMS方法的适用性。主要结论如下:
(1)在SSP2-4.5和SSP5-8.5情景下,内蒙古预计在21世纪经历持续变绿趋势,高排放情景下植被增强显著更强,表明未来植被动态对排放路径高度敏感。
(2)未来植被变化表现出明显的时空异质性。空间上,较强变绿趋势集中在东北部和北部,中部局部退化,西南部变化较弱;季节上,NDVI最大增幅出现在春季和秋季,夏季变化相对较弱。这些模式表明未来植被动态受区域水热条件、生态系统特征和生长季变化的共同调控。
(3)未来NDVI预测具有较高可靠性,所有季节变异系数(CV)均低于0.15。这种高水平的模型间一致性支持干旱和半干旱地区稳健的区域气候风险评估。
(4)本研究提供了关键方法进展:MMS集合策略优于传统MME方法,在捕捉非线性植被-气候相互作用方面表现更优,为未来预测提供了更可靠的框架。值得注意的是,MMS框架在整合多种生态水文变量的多模型气候信息方面具有广泛适用性。