近日，南方科技大学环境科学与工程学院副教授曾振中团队联合计算机科学与工程系教授刘江团队在Scientific Data上发表题为“Long-term gridded land evapotranspiration reconstruction using Deep Forest with high generalizability”的研究论文。该研究利用深度森林（Deep Forest）人工智能算法，结合全球长期通量观测网络数据（FLUXNET），构建了全球陆地蒸散发数据集HG-Land，为深入研究陆-气交互作用提供了新的数据支持。

陆地蒸散发在研究陆地生态系统对气候的反馈机制中扮演着关键角色，直接影响着水分循环、气温调节及碳交换等关键生态过程。各种蒸散发产品为我们提供了从不同时空尺度理解陆地蒸散发的信息。然而，现有产品在方法选择、参数确定以及对地表异质性的准确捕捉方面仍存在不足。此外，大多产品在构建过程中未能将FLUXNET观测数据作为约束，导致它们在小尺度上的精度有所欠缺。

为此，研究团队采用深度森林算法，结合气象、植被变量数据集（CRU TS v4.05，ERA-Land和NOAA CDR AVHRR LAI and FAPAR v5.0），以及FLUXNET2015观测数据，开发了一套新的全球陆地蒸散发产品HG-Land。该数据集提供了1982-2018年间的月平均蒸散发数据及其不确定性，空间分辨率为0.5°×0.5°。

研究结果显示，与其他主流产品FLUXCOM和GLEAM相比（图1），HG-Land数据集在通量塔站点上表现出最佳的精度，均方根误差为16.18 mm/month；在流域尺度上，评估指标显示该产品与基准数据集CLASS的相关性良好，表明深度森林算法能捕捉到地表的异质性并具有良好的泛化能力。

图1 三种蒸散发产品与FLUXNET站点数据及CLASS蒸散发基准数据集在流域尺度上的比较

另外，研究根据通量塔所处的土地覆盖类别，对蒸散发数据在不同类型下的精度进行了评估（图2）。结果表明，HG-Land在大多数情况下的精度均优于其他两者。

图2 HG-Land，FLUXCOM和GLEAM在不同土地覆盖类型下的精度比较

此外，该研究还采用沙普利加和解释（SHAP）和累积局部效应图（ALE）等模型可解释性方法，比较了在湿润和干旱区域不同变量对蒸散发预测值的贡献，并研究了蒸散发对这些变量变化的响应。研究发现，在不同的干湿气候区下，影响蒸散发的主要因素存在差异。在湿润地区，地表净辐射是主要的影响因素；而在干旱地区，地表净辐射和叶面积指数均对蒸散发的预测值产生重要影响。

南方科技大学2021级硕士研究生冯巧梅为论文第一作者，曾振中、助理教授王大山为论文通讯作者，南科大是论文第一单位。论文合作者包括刘江，南科大计算机科学与工程系2020级硕士生沈俊勇，环境科学与工程学院博士后杨锋、2021级硕士生梁时婧、副教授匡星星等。该研究成果得到国家自然科学基金和南方科技大学启动基金资助。

论文链接：https://www.nature.com/articles/s41597-023-02822-8 

供稿：环境科学与工程学院

通讯员：孟珍

主图：丘妍

编辑：朱增光