《Forests》：Long-Term Increase and Shifting Predictor Contributions of Net Ecosystem Production in Moso Bamboo Forests Across Anji County, China
编辑推荐：
亚热带竹林是重要的碳汇，然而对其净生态系统生产力（NEP）的长期区域评估以及相关因子贡献的研究仍然很少。在此，研究人员利用中国安吉县约646 km2的毛竹（Phyllostachys pubescens）分布图，通过整合涡度协方差观测、气
亚热带竹林是重要的碳汇，然而对其净生态系统生产力（NEP）的长期区域评估以及相关因子贡献的研究仍然很少。在此，研究人员利用中国安吉县约646 km2的毛竹（Phyllostachys pubescens）分布图，通过整合涡度协方差观测、气象数据和多源遥感产品，在自动化机器学习框架内，生成了2003–2022年500 m输出网格的逐月NEP重建。竹林NEP表现出较弱的整体空间异质性，但遵循明显的单峰海拔格局，在中海拔（342–550 m）区域碳封存最高。区域碳吸收在夏季达到峰值，冬季最低，与竹子物候一致。年均NEP为0.43 Tg C yr?1，并在研究期间显著增加（3.35 Gg C yr?2，p < 0.001），95.8%的竹像素呈现上升趋势。模拟的负异常与干旱年份一致，而毛竹的两年生长周期对区域尺度的年NEP影响很小。SHapley Additive exPlanations（SHAP）显示，长期NEP增强主要受冠层植被指数控制，并在2013年前后出现描述性转变，此时主要控制因子从太阳辐射转变为植被条件。结构方程模型（SEM）进一步显示了气象变量通过植被指标部分与模拟NEP相关联的统计路径。这些发现揭示了区域竹林碳汇的持续增强，并确定了其长期变异控制因子的转变，为气候变化下亚热带竹林碳汇管理提供了科学依据。
亚热带竹林是自然气候解决方案的重要组分，其快速生长和高生物量积累赋予其显著固碳能力，但区域尺度竹林碳汇的长期行为仍不清楚。毛竹是中国东部优势竹种，具有较强的物候季节性和水文气候敏感性，而净生态系统生产力（NEP）作为生态系统碳平衡的核心指标，传统上依赖生物量清查或单点涡度协方差（EC）观测，难以扩展到异质景观。过程模型虽能刻画机理，但对非线性关系捕捉不足。为此，研究人员整合EC观测、气象数据和多种遥感产品，在自动化机器学习框架下生成中国安吉县约646 km
2毛竹林2003–2022年500 m逐月NEP数据，并结合SHapley Additive ExPlanations（SHAP）和结构方程模型（SEM）解析其时空格局与控制因子贡献的长期变化。
研究人员利用2011–2015年安吉县单站涡度协方差（EC）通量塔的逐月净生态系统交换（NEE）数据，结合CMFD v2.0气象数据（气温、降水、太阳辐射、饱和水汽压差）、GLASS遥感植被指数（NDVI、LAI、FAPAR）及CNSIF日光诱导叶绿素荧光（SIF）数据，在FLAML自动机器学习框架中比较五种回归模型，选择随机森林（RF）模型进行区域重建。研究采用Theil–Sen趋势估计和Mann–Kendall（MK）检验分析时空趋势，并使用RF-SHAP归因和SEM识别贡献因子及统计路径。样本队列来源于2011–2015年同一通量塔逐月观测，共60个月。
空间格局与季节动态方面，模拟NEP多年均值为665.69 ± 32.04 g C m
?2 yr
?1，变异系数仅0.05，空间异质性弱。NEP随海拔呈单峰变化，中海拔（342–550 m）固碳最高（681.45 ± 25.44 g C m
?2 yr
?1），高海拔区空间变异更小。季节上，月总NEP从1月20 Gg C升至7月53 Gg C峰值，冬季最低，夏季贡献全年35.4%，符合毛竹物候规律。
长期动态方面，年总NEP平均为0.43 ± 0.02 Tg C yr
?1，并以3.35 Gg C yr
?2速率显著增加（R
2 = 0.82，p < 0.001），20年内上升13.13%，95.8%像素呈增加趋势。模拟负异常出现在2006、2012–2013、2019–2020和2022年，与南方极端高温干旱事件吻合。区域尺度上年NEP在奇数年和偶数年无显著差异（p = 0.82），说明收获时间的空间异质性平滑了两年生长周期信号。
模型归因方面，趋势尺度上LAI、FAPAR和NDVI的平均绝对SHAP值最大；年度SHAP贡献显示2013年前后主要控制因子由太阳辐射（SRAD）转变为冠层植被指数，其中NDVI和FAPAR贡献上升最显著。SHAP交互项集中在冠层因子之间，最大为LAI–FAPAR。探索性SEM解释了NEP趋势方差的74%，LAI趋势与NEP趋势的标准化路径系数最强（0.64，p < 0.001），而气象变量主要通过植被指标产生间接关联。
讨论部分指出，该NEP产品提供了县级尺度的时空连续描述，但单塔样本限制了空间迁移能力；2016年同站预测的R
2为0.41，虽具时间预测能力但存在季节幅度压缩。植被指数的高贡献需谨慎解释，因其与模型输入相关。2013年后的植被变绿信号可能与生态保护政策、经营措施及气候变暖有关，但无法分离具体作用。奇偶年无差异不能否定样地尺度的两年周期，而是异步收获的空间平均结果。SEM中介变量R
2较低，表明气象趋势仅解释冠层指数空间变异的一小部分，尚需考虑林龄、收获、施肥等因素。研究局限包括静态竹林分布图、缺少管理记录、通量数据数字化误差等。结论表明，2003–2022年安吉毛竹林NEP呈显著长期增加，且控制因子贡献发生转变；植被条件（LAI、FAPAR、NDVI）是模拟NEP长期变化最重要的关联因素，其年度SHAP贡献在2013年后超过太阳辐射。该区域重建为亚热带竹林碳汇监测和未来管理试验提供了空间信息与科学假设。
