中文核心期刊《环境科学》刊登了课题组题为“基于可解释机器学习的青藏高原草地物候变化多因素影响分析”的研究论文，第一作者为硕士研究生刘慧文，通讯作者为彭辉副教授。
在气候变化背景下，近年来青藏高原植被物候发生显著改变。本研究通过遥感数据解译在对2002~2021年青藏高原草地物候时空变化特征分析的基础上，聚焦降水、气温、海拔和土壤等多方面，利用机器学习极限梯度提升树（extreme gradient boosting, XGBoost）模型与可解释算法SHAP（Shapely additive explanations）揭示物候变化的主导因素，并量化分析多因素对物候的交互影响。结果表明，青藏高原分别有56.32%的草地表现出生长季开始时间（SOS）提前趋势（速率0.47 d·a⁻¹）、67.65%的草地表现出生长季结束时间（EOS）延迟（速率0.58 d·a⁻¹）和65.50%草地表现出生长季长度（LOS）延长趋势（速率0.94 d·a⁻¹）。其中青藏高原草地生长季开始时间和长度主要受水分条件影响，3月0~10cm土壤水分对生长季开始时间提前和长度延长起促进作用的范围分别在10~25kg·m-2和15~25kg·m-2之间，峰值分别在20kg·m-2和18kg·m-2左右；而生长季结束时间主要受温度影响，9月和10月温度分别高于8℃和-0.5℃时对延迟的促进作用最强。同时，水热等因素对物候的影响还存在非线性交互效应，在3月0~10cm土壤水分达到20kg·m-2时，低降水和低海拔区域生长季开始提前更明显；而当10月温度高于0℃时，较好的水分条件会利于生长季结束延迟；3月0~10cm土壤水分在12~22kg·m-2时，高降水地区的生长季长度延长效应显著。研究验证了可解释机器学习方法在生态水文研究中的潜力，为青藏高原草地管理与气候适应策略提供了理论支持。
刘慧文,刘欢,胡鹏,彭辉,王硕.基于可解释机器学习的青藏高原草地物候变化多因素影响分析[J].环境科学,2024,45(06):3375-3388.
文章链接：DOI:10.13227/j.hjkx.202306185.
转载本文请联系原作者获取授权，同时请注明本文来自彭辉科学网博客。
链接地址：https://wap.sciencenet.cn/blog-618814-1486882.html?mobile=1
收藏
