知识引导的机器学习预测黑龙江省天然林碳汇潜力

《Annals of Forest Science》：Knowledge-guided machine learning for predicting the carbon sequestration potential of natural forests in Heilongjiang Province

　　

摘要

关键信息
将生态过程知识整合到机器学习中，显著提高了森林碳储量预测的稳健性和外推能力。知识引导模型在10–15年预测时域内保持了较强的预测性能，而传统机器学习的性能在该时域内显著下降，为气候变化背景下的长期森林碳评估提供了一个有前景的框架。

背景
森林碳储量及其动态的精确量化对于理解生态系统碳汇潜力至关重要。然而，传统机器学习模型在长期森林碳预测中通常表现出有限的外推能力，因为它们主要依赖于从历史观测中习得的统计关系，缺乏对生态过程的显式表征。

目标
本研究旨在开发一个知识引导机器学习(KGML)框架，将生态过程知识与数据驱动算法相结合，以提高森林碳储量预测的精度、稳定性和长期泛化能力。

方法
本研究以中国黑龙江省天然林为对象，天然林定义为森林清查记录中归类为自然起源的林分。将1976年至2015年的森林固定样地观测数据与历史和预测气候数据以及大气CO2浓度数据相结合。将CO2施肥效应纳入优化的森林碳汇(FCS)过程模型，其输出和基于过程的约束随后与机器学习算法集成以构建KGML框架。在不同森林类型和预测时域上，将模型性能与独立机器学习模型和过程模型的性能进行了比较。

结果
纳入CO2施肥效应提高了FCS模型的预测性能，决定系数(R2)从约0.85提升至0.90以上。KGML模型在所评估的森林类型中始终优于独立的机器学习和过程模型。其优势在10年及以上的预测时域尤为明显，而传统机器学习模型的性能在该时域内显著下降。情景模拟表明，黑龙江省天然林在SSP126情景下具有最大的预测碳汇潜力。根据不同模型配置和森林类型，2060年的预测碳储量范围为1371.37 ± 422.04至1442.38 ± 316.77 Tg。

结论
将生态过程知识与机器学习相结合，可以提高森林碳储量预测的精度和长期外推能力。所提出的KGML框架为区域森林碳评估提供了一种潜在可转移的方法。然而，预测结果仍受气候情景、过程模型假设、森林清查覆盖范围以及干扰和管理效应的表征所产生的不确定性的影响。

**知识引导机器学习框架预测黑龙江省天然林碳汇潜力的研究解读**

**1 研究背景与科学问题**

大气CO2浓度持续升高所引发的全球变暖和极端天气事件，对人类生活造成了日益严重的影响。各国为此正积极采取措施控制CO2排放，中国的“双碳”目标旨在2030年前实现碳达峰、2060年前实现碳中和。作为陆地生态系统的关键组分，森林通过生长过程中的生物量积累固定CO2，是实现上述目标至关重要的自然机制。依据中国森林清查分类体系，天然林是指自然起源而非人工栽植的森林林分，其占全国森林总面积的70%以上，展现出显著的碳汇能力（Robinson et al. 2025）和碳汇潜力（Zhang et al. 2021），是未来陆地碳汇的重要组成部分。因此，科学评估未来气候情景下天然林的碳汇潜力，对于推进碳中和目标、制定有效的森林管理策略以及减缓气候变化具有重要意义。

机器学习凭借其强大的非线性拟合能力、高计算效率和精度，已成为森林碳循环研究的关键工具（Zhang et al. 2022; Wu et al. 2025）。包括随机森林(Random Forest, RF)和极端梯度提升(eXtreme Gradient Boosting, XGBoost)在内的多种机器学习模型已被成功应用于不同时空尺度的森林生物量和碳储量动态建模与预测（Tian et al. 2022; Arévalo et al. 2023）。然而，机器学习本质上仍是数据驱动的“黑箱”模型（Roscher et al. 2020），缺乏对生态过程的内在理解，可解释性有限（Welchowski et al. 2022），且其精度依赖于标注数据的质量和代表性，在训练数据范围之外的外推能力受限（Olden et al. 2008; Karpatne et al. 2017; Hanson et al. 2020），在长期预测中往往精度不足。为克服纯数据驱动模型在外推性和可解释性方面的局限，新近引入的知识引导机器学习(Knowledge-Guided Machine Learning, KGML)框架提供了一种有前景的途径，通过将过程模型与数据驱动技术相结合，在保持高预测精度的同时提升泛化能力和可解释性（Reichstein et al. 2019）。知识引导学习方法目前分为两类：特征级引导利用现有科学知识帮助模型识别或构建更具解释性和代表性的特征，常用方法是将过程模型的预测输出作为机器学习模型的附加输入特征（Abimbola et al. 2021; Xu et al. 2024; Li et al. 2025）；优化级引导则将理论方程纳入损失函数，引导模型在训练中遵循既定的科学约束（Zheng et al. 2024），物理信息神经网络(Physics-Informed Neural Network, PINN)及其变体即为典型代表（Raissi et al. 2019; Karniadakis et al. 2021）。KGML已在 Hydrology、农业和物理等领域展现出优异性能并得到广泛应用（Cai et al. 2021; Yang et al. 2023; Liu et al. 2024, 2026; Ye et al. 2025），但在森林碳储量预测中的应用仍相对较少。此外，He等人（2016）基于生态系统演替理论开发的森林碳汇(Forest Carbon Sequestration, FCS)模型，因其结构简单、数据易得、生态可解释性强且计算效率高，被广泛应用于区域尺度森林碳动态模拟，并为知识引导建模提供了有价值的生态先验知识（Cai et al. 2022, 2025）。但原始FCS模型未纳入大气CO2施肥效应，其森林碳积累主要表达为林龄、温度和降水的函数，无法表征CO2浓度升高对森林生长和碳固定的潜在促进作用（Wang et al. 2020; Chen et al. 2022），这可能导致未来气候变化情景下长期碳动态模拟的精度下降。鉴于黑龙江省拥有广阔的森林面积且天然林占比超过80%，自天然林保护工程实施以来商业采伐已完全停止，是理想的研究区域，本研究聚焦其天然林，旨在量化自然演替条件下森林的最大碳汇潜力，为区域碳汇评估和气候应对政策制定提供科学依据。

**2 研究内容与结论**

本研究以中国黑龙江省天然林为对象，将1976年至2015年共九期森林固定样地数据与历史和预测气候数据及大气CO2浓度数据相结合，通过优化FCS模型与XGBoost算法融合构建KGML模型，用于评估未来气候情景下黑龙江省天然林碳储量的动态变化。结果表明，将CO2施肥效应纳入FCS模型使其预测性能显著提升，决定系数(R2)从约0.85提升至0.90以上。KGML模型在不同森林类型和预测时域上均优于独立机器学习模型和过程模型，其优势在10年及以上预测时域尤为突出。情景模拟显示，黑龙江省天然林在SSP126情景下具有最大的预测碳汇潜力，2060年碳储量预测范围为1371.37 ± 422.04至1442.38 ± 316.77 Tg。研究证明，将生态过程知识与机器学习相结合，能够提高森林碳储量预测的精度和长期外推能力。该研究发表在《Annals of Forest Science》。

**3 主要关键技术方法**

研究人员使用了以下关键技术方法：（1）森林固定样地数据来源于黑龙江省第一至第九次（1976–2015年）森林固定样地调查，样地按8 km × 8 km系统网格布设，仅选取自然起源林分，剔除受自然干扰或人为活动影响的样地以及5年复查间隔不连续的样地，并按优势树种划分为针叶林(CF)、阔叶林(BF)和针阔混交林(MCBF)三类；（2）历史气候数据与四种共享社会经济路径(SSP)情景（SSP126、SSP245、SSP370、SSP585）下的未来气候数据源自ClimateAP 3.20，历史大气CO2浓度来自Mauna Loa观测站，未来CO2浓度来自CMIP6数据集；（3）对FCS模型进行优化，引入CO2施肥调整项并重新拟合关键参数；（4）将优化的FCS模型预测输出作为特征输入以及构建物理损失函数嵌入XGBoost模型，形成KGML框架；（5）利用2015年森林龄级空间分布数据集、森林碳密度空间分布数据集和天然林空间分布数据集（30 m × 30 m）作为预测初始输入，所有空间数据统一重采样至500 m × 500 m分辨率。

**4 研究结果**

**4.1 FCS模型的改进**

为增强FCS模型的机理表征和参数化水平，研究对模型进行了综合优化。与原始模型相比，优化后的针叶林模型R2达到0.9010，RMSE为16.7790 t/ha，R2提升了0.0485，RMSE降低了3.7016 t/ha；阔叶林模型R2达到0.9306，RMSE为17.0961 t/ha，R2提升了0.0815，RMSE降低了8.1186 t/ha；针阔混交林模型R2达到0.9091，RMSE为14.3045 t/ha，R2提升了0.0470，RMSE减少了3.3145 t/ha。优化后的FCS模型纳入了CO2施肥效应，增强了其生态合理性和长期预测的可靠性。

**4.2 损失函数参数敏感性分析**

通过梯度实验考察混合损失函数中物理损失与数据损失平衡系数λ对KGML模型预测精度的影响，发现随λ增大，三种森林类型的模型精度均呈先升后降趋势。最优λ因森林类型而异：针叶林为0.2，阔叶林为0.1，针阔混交林为0.4。阔叶林最优λ最低，可能与其训练数据量显著更大、机器学习可从大数据中提取更多生态知识从而降低对先验知识的需求有关。这表明不同森林类型需设置不同的最优λ值以实现理论约束与数据拟合的最佳平衡。

**4.3 三种模型碳密度模拟精度对比**

在5年间隔预测中，三种模型对所有森林类型均表现出优异性能，R2均超过0.9。KGML和XGBoost性能最高，R2均超过0.94；其中KGML精度最高，针叶林、阔叶林和针阔混交林的R2分别为0.9586、0.9755和0.9573，RMSE分别为10.8466、10.1513和9.8095 t/ha。改进的FCS模型精度最低。当预测间隔延长至10–15年时，模型间性能差距进一步扩大。KGML模型保持最高精度且下降幅度最小（平均ΔR2 = 0.0807）；XGBoost模型精度急剧下降，平均R2降低约0.24，在15年针阔混交林预测中R2仅0.02；改进的FCS模型精度下降较缓，在15年预测中平均R2为0.64，超过XGBoost但低于KGML。

**4.4 消融实验**

在5年间隔下，仅特征工程(X+F)模型、仅混合损失函数(X+L)模型和完整KGML模型相比基线XGBoost均有一定精度提升，其中X+F提升最小，混合损失函数在短期预测中起关键作用。在10年和15年间隔下，X+F模型相比XGBoost精度显著提升，长期稳定性明显增强；X+L模型在长期预测中仅小幅优于基线；完整KGML模型整体精度最高，表明“特征先验+训练约束”的协同效应显著增强了模型的长期外推能力。

**4.5 利用KGML预测不同未来气候情景下黑龙江省天然林碳汇潜力**

到2060年，四种情景下总碳储量排序为SSP126 > SSP585 > SSP245 > SSP370。SSP126情景下，天然林碳密度范围为43.11–137.93 t/ha，平均值123.09 t/ha，总碳储量1442.38 ± 316.77 Tg；SSP245下平均值为117.28 t/ha，总碳储量1374.29 ± 432.68 Tg；SSP370下平均值为117.03 t/ha，总碳储量1371.37 ± 422.04 Tg；SSP585下平均值为118.54 t/ha，总碳储量1389.05 ± 402.84 Tg。空间上，2015年高碳密度区域集中在小兴安岭南部和张广才岭地区，至2060年扩展到黑龙江省南部全域；低碳密度区域主要位于大兴安岭，整体呈现自北向南递增的空间格局。

**5 讨论与结论**

研究讨论部分指出，FCS模型的改进主要归因于CO2浓度升高对净初级生产力的促进作用，但所纳入的CO2施肥效应是对森林响应大气变化的简化表征，未显式表达养分有效性、氮限制、土壤水分和物种生理特性等生态因素。多模型比较表明，KGML的核心优势不在短期拟合精度的提升，而在于长期碳趋势预测稳健性的增强；特征先验提高了长期外推能力，而混合损失函数主要提升中短期拟合精度，两者结合实现了最优性能。研究进一步分析了黑龙江省天然林未来碳汇潜力，指出森林龄级是生物量积累的主要驱动因素，但随林分成熟，部分林分可能在2050–2060年间达到碳饱和或由碳汇转变为碳源。

研究结论如下：本研究利用黑龙江省固定样地数据开发了KGML模型，通过特征工程阶段将FCS模型预测作为附加输入特征，以及在优化阶段设计由数据和理论误差共同加权的混合损失函数，在模型输入和优化目标两个层面实现了知识与数据的深度融合。精度评估表明，KGML在不同时间尺度上均优于传统FCS和XGBoost模型，显著增强了长期预测的稳健性和精度。KGML模拟预测到2060年黑龙江省天然林在不同气候情景下的总碳汇量为：SSP126为1442.38 ± 316.77 Tg，SSP245为1374.29 ± 432.68 Tg，SSP370为1371.37 ± 422.04 Tg，SSP585为1389.05 ± 402.84 Tg。SSP126情景碳汇潜力最高，SSP370情景最低，表明减缓气候变暖有助于支撑和增强森林碳汇能力。此外，2050–2060年间碳积累速率预计逐渐下降，表明部分林分可能正接近其潜在碳储量能力，这与森林演替动态一致，强调了在长期碳平衡评估中考虑林龄效应的重要性。总体而言，本研究证明了KGML在森林碳汇建模中的优势和可行性，为区域碳汇评估和生态系统管理提供了科学支持，未来研究应进一步探索纳入生态先验知识的新方法，并将该框架扩展到更大空间尺度和多样化生态系统类型。