基于GBRT模型的长白山净初级生产力的驱动力研究

摘要

净初级生产力(Net Primary Productivity, NPP)是能够反映森林固碳能力的主要生态系统功能，这里通过CASA (Carnegie-Ames-Stanford approach)模型反演估算NPP,进而探究人类活动变化下的驱动因素影响。研究对长白山自然保护区(CMNR)内、保护区外部(周边林业局区域) 1985年-2015年期间的Landsat遥感影像数据进行分类，利用Arcgis进行制图展示，并利用python实现机器学习算法的梯度提升回归树模型(Gradient Boosted Regression Trees, GBRT)分析气候、景观和地形因子等对NPP的相对重要性。结果表明：(1)保护区外部NPP从1985年的均值78.36 g C/m~2·a持续增长至2015年均值106.15 g C/m~2·a,保护区外部的森林破碎化大于保护区内部；(2)在保护区内、外，归一化植被指数(Normalized Difference Vegetation Index, NDVI)作为量化植被特性的敏感指数，在1985年-2015年期间对NPP具有最重要影响，并与NPP呈显著正相关；(3)随着天然林保护工程(NFPP)一期实施，保护区内部的NPP受气候因子影响增大，保护区外部的NPP受到NDVI影响增大且NPP在保护区外部受到景观、地形因子的影响大于保护区内部，而降水量在保护区内、外均能促进NPP增长。在保护区外部，影响NPP的景观类因子主要从森林破碎化转换为森林聚集度等，森林破碎化的降低、聚集度的增长有利于提升NPP,结果显示了天保工程实施过程对提升植被NPP的影响。

关键词

长白山 / GBRT / 净初级生产力 / 遥感