雷濟(jì)舟，崔 嵬，朱濟(jì)帥，張潤(rùn)卿，趙俊福，章 杰，張 翔，孫仲益,5

（1. 海南大學(xué) 生態(tài)與環(huán)境學(xué)院，?？?570228; 2. 國(guó)家林業(yè)和草原局發(fā)展研究中心，北京 100714;3. 海南長(zhǎng)光衛(wèi)星信息技術(shù)有限公司，?？?570311; 4. 海南省生態(tài)環(huán)境監(jiān)測(cè)中心，?？?571126;5. 海南省農(nóng)林環(huán)境過(guò)程與生態(tài)調(diào)控重點(diǎn)實(shí)驗(yàn)室，海口 570228）

陸地生態(tài)系統(tǒng)（以下稱為陸生系統(tǒng)）總初級(jí)生產(chǎn)力（Gross Primary Production，GPP）是指大氣中的CO2通過(guò)植被光合作用進(jìn)入陸生系統(tǒng)并轉(zhuǎn)化為有機(jī)碳的總量[1]，在一定程度上決定著碳匯時(shí)空分布格局[2]，影響著生態(tài)系統(tǒng)物質(zhì)及能量流動(dòng)[3]；為實(shí)現(xiàn)區(qū)域碳平衡，減緩氣候變化起到關(guān)鍵作用[4]，具有重要意義[5]。但受到生態(tài)系統(tǒng)及其與環(huán)境要素間相互作用的影響，GPP 的時(shí)空分布具有較大的變異性與異質(zhì)性特征[6]，因此，對(duì)GPP 分布格局的驅(qū)動(dòng)因素定量分析將會(huì)有助于提升區(qū)域碳循環(huán)的理解，也更有助于揭示區(qū)域生態(tài)系統(tǒng)對(duì)人類活動(dòng)與區(qū)域氣候變化的響應(yīng)與反饋。氣候變化以及人類活動(dòng)作為影響熱帶地區(qū)GPP 分布格局的主要驅(qū)動(dòng)因素，相關(guān)研究已取得豐富成果，對(duì)于前者主要集中于水分[7]、溫度[8-9]、CO2濃度[10]以及太陽(yáng)輻射[11]等氣象因素對(duì)GPP 時(shí)空格局的影響[12]，已通過(guò)機(jī)理模型[13]、遙感模型[14]及統(tǒng)計(jì)方法[15]進(jìn)行了量化分析與機(jī)理解釋。而后者，相關(guān)研究也證實(shí)了諸如城市建設(shè)[16]、退耕還林還草[17]、刀耕火種[18]等人類活動(dòng)會(huì)顯著改變區(qū)域GPP 分布[19]，同時(shí)土地利用及覆被變化（Land Use and Cover Change，LUCC）作為人類活動(dòng)的直接體現(xiàn)[20]，是最為經(jīng)典的表征指標(biāo)[21]。熱帶地區(qū)水熱條件充足，各種環(huán)境因素都會(huì)對(duì)GPP 產(chǎn)生影響，許多研究對(duì)此進(jìn)行了討論，其中在亞馬遜熱帶地區(qū)通過(guò)機(jī)理模型揭示出輻射是生產(chǎn)力變化的主導(dǎo)因素之一[22]；熱帶地區(qū)水熱條件雖然相對(duì)充足，但時(shí)空間的不均勻分配使得年際降水對(duì)GPP 變化產(chǎn)生較為關(guān)鍵影響[23]，同時(shí)GPP 對(duì)溫度的變化也有著較高的敏感性[24]。在全球尺度的研究中已有結(jié)果表明，溫度、輻射以及水分對(duì)于GPP 的影響程度分別為13.07%、-7.24%和11.74%，具體表現(xiàn)為低緯度地區(qū)水分對(duì)于GPP 變化起到主導(dǎo)作用，中高緯度地區(qū)溫度起到主導(dǎo)作用[6]。隨著人類在熱帶地區(qū)的活動(dòng)愈發(fā)頻繁[25]，越來(lái)越多的研究者發(fā)現(xiàn)開荒等農(nóng)業(yè)生產(chǎn)行為致使的土地利用變化才是導(dǎo)致GPP 改變的主要驅(qū)動(dòng)因素，這一觀點(diǎn)得到在亞馬遜雨林、東南亞熱帶雨林等地的相關(guān)研究支持[25-26]。綜上所述，熱帶地區(qū)植被結(jié)構(gòu)復(fù)雜，環(huán)境因素多變，雖然科學(xué)界對(duì)GPP 時(shí)空分布格局的驅(qū)動(dòng)因素及響應(yīng)機(jī)理已基本達(dá)成共識(shí)，但主導(dǎo)因素及其相對(duì)貢獻(xiàn)大小依舊為爭(zhēng)論焦點(diǎn)。

海南島是我國(guó)第一大熱帶島嶼，作為相對(duì)獨(dú)立的地理單元是進(jìn)行熱帶地區(qū)GPP 研究的理想切入點(diǎn)；并且近年來(lái)隨著海南自由貿(mào)易港等政策的落實(shí)[27-28]，海南島建設(shè)程度加深，人才引進(jìn)以及城市擴(kuò)張等一系列活動(dòng)導(dǎo)致土地覆蓋變化劇烈，為探究人類活動(dòng)與氣候變化對(duì)GPP 的影響提供了契機(jī)。因此，本研究選擇海南島作為研究靶區(qū)，對(duì)其近20 年GPP 動(dòng)態(tài)變化趨勢(shì)進(jìn)行歸因分析，具體目標(biāo)為：探究2001—2019 年間海南島GPP 時(shí)空變化格局；量化氣象要素與人類活動(dòng)對(duì)于年際間GPP 變化的貢獻(xiàn)率，揭示主導(dǎo)因素。旨在為解明熱帶地區(qū)生態(tài)系統(tǒng)響應(yīng)區(qū)域氣候變化提供科學(xué)參考也為海南生態(tài)文明試驗(yàn)區(qū)的政策制定提供理論依據(jù)。

1 材料與方法

1.1 研究區(qū)概況海南島（18°10′—20°10′N，108°37′—111°03′E），地處熱帶北緣，屬熱帶季風(fēng)海洋性氣候，溫差較低，全年高溫，年平均氣溫22.5～25.6 ℃。年平均降雨約為1 640 mm，降水充足但分配不均，雨旱兩季分明。海南島地勢(shì)為四周低平，中間高聳，呈穹隆山地形，中部山區(qū)以五指山、鸚哥嶺為隆起核心，向外圍逐級(jí)下降，由山地、丘陵、臺(tái)地、平原構(gòu)成環(huán)形層狀地貌，梯級(jí)結(jié)構(gòu)明顯，土地覆蓋類型豐富，以森林、農(nóng)田以及草原為主，其中，森林生態(tài)系統(tǒng)包括常綠闊葉林、常綠針葉林、落葉闊葉林以及混交林等。

1.2 研究數(shù)據(jù)

1.2.1 土地利用類型數(shù)據(jù)海南島土地利用類型數(shù)據(jù)集來(lái)源于MODIS（Moderate-resolution Imaging Spectroradiometer）Land Cover 產(chǎn)品（MCD12Q1），時(shí)間分辨率為1 a，空間分辨率為500 m，本研究時(shí)間范圍為2001—2019 年[29]。本研究采用了IGBP（International Geosphere Biosphere Programme）分類方案所確定的17 個(gè)土地覆蓋方案。結(jié)合相關(guān)研究[30]以及本研究實(shí)際情況，對(duì)土地覆蓋類型進(jìn)行重分類，重分類情況見表1。

表1 根據(jù)IGBP 分類系統(tǒng)對(duì)土地利用類型的重分類

1.2.2 GPP 數(shù)據(jù)2001—2019 年海南島GPP 數(shù)據(jù)集為MODIS 產(chǎn)品MOD17A2HV006。該產(chǎn)品為4 級(jí)標(biāo)準(zhǔn)產(chǎn)品[31]，主要通過(guò)光能利用率模型進(jìn)行計(jì)算，逐8 天合成空間分辨率為500 m 的GPP 產(chǎn)品，從區(qū)域尺度到全球尺度已經(jīng)被廣泛應(yīng)用[32]。本研究將GPP 數(shù)據(jù)求和處理成月值尺度后轉(zhuǎn)化為年尺度進(jìn)行后續(xù)分析。

1.2.3 氣象數(shù)據(jù)本研究所使用2001—2019 年逐月Ta、PAR 以及相對(duì)濕度（Relative Humidity，RH）氣象數(shù)據(jù)，其中Ta、RH 數(shù)據(jù)均源自于國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)中心（http://www.geodata.cn/），其空間分辨率均為1 km，是利用全國(guó)基本氣象站觀測(cè)數(shù)據(jù)進(jìn)行空間插值并綜合地形數(shù)據(jù)所繪制的空間分布數(shù)據(jù)[33-34]。根據(jù)Ta 與RH 數(shù)據(jù)并結(jié)合Tetens 經(jīng)驗(yàn)公式[35]對(duì)海南島逐月VPD(飽和水汽壓差)的數(shù)據(jù)進(jìn)行計(jì)算；PAR(光合有效輻射)的數(shù)據(jù)為Global Land Surface Satellite（GLASS）產(chǎn)品（http://www.glass.umd.edu/index.html），其空間分辨率為0.01°，時(shí)間分辨率為1 d 是基于多源遙感數(shù)據(jù)和地面實(shí)測(cè)數(shù)據(jù)進(jìn)一步反演得到的長(zhǎng)時(shí)間序列、高精度的全球地表遙感產(chǎn)品[36]。

1.3 研究方法

1.3.1 技術(shù)路線首先以海南島年際間用地類型未改變的柵格作為數(shù)據(jù)樣本，利用其多年VPD、Ta 及PAR 年距平值作為解釋變量，GPP 年距平均值作為目標(biāo)變量，通過(guò)高斯過(guò)程回歸（Gaussian Process Regression， GPR）與隨機(jī)森林（Random Forest，RF）兩種機(jī)器學(xué)習(xí)算法構(gòu)建預(yù)測(cè)模型，GPR 是常用的監(jiān)督分類學(xué)習(xí)方法，是一種基于貝葉斯方法的非參數(shù)概率模型，回歸的目的是通過(guò)學(xué)習(xí)樣本，經(jīng)過(guò)訓(xùn)練得到輸入變量與輸出變量之間的函數(shù)關(guān)系，常常用于小樣本回歸分析。RF 是經(jīng)典的基于分類和回歸樹的集成學(xué)習(xí)算法，可以解釋若干自變量對(duì)因變量的作用；其次，選擇較好的機(jī)器學(xué)習(xí)算法后，利用年際間VPD、PAR 以及Ta 的差異作為輸入數(shù)據(jù)，對(duì)其年際間氣象要素差異所引起的GPP 差異進(jìn)行估算，完成氣象因素對(duì)GPP 影響的相對(duì)貢獻(xiàn)率的計(jì)算；最后，以年際間用地類型發(fā)生改變的柵格作為研究目標(biāo)，計(jì)算相鄰年間LUCC 改變的柵格其GPP 的變化值，進(jìn)而完成LUCC 對(duì)GPP 影響的相對(duì)貢獻(xiàn)率的計(jì)算；最終進(jìn)行海南島GPP 變化主導(dǎo)因素的探討（圖1）。

圖1 研究流程圖

1.3.2 機(jī)器學(xué)習(xí)模型構(gòu)建及評(píng)價(jià)本研究通過(guò)GPR 及RF 機(jī)器學(xué)習(xí)算法構(gòu)建模型以分析氣象因素對(duì)GPP 的相對(duì)貢獻(xiàn)率。如表2 所示，海南島近20 年間各用地類型均有不同程度改變，裸地與濕地類型未變柵格所占比例較低，用于訓(xùn)練模型的樣本數(shù)量較少，因此選擇GPR 算法；而林地、草地、耕地等其他類型用地樣本數(shù)量充足，利用RF 能夠取得較好效果。所有用地利用的模型訓(xùn)練均采用五折交叉驗(yàn)證進(jìn)行精度的評(píng)估，以決定系數(shù)（Coefficient Of Determination，R2）、均方根誤差（Root Mean Square Error，RMSE，記作SE）作為模型精度評(píng)價(jià)指標(biāo)。

表2 模型評(píng)價(jià)精度表

1.3.3 歸因分析方法為探究LUCC 以及氣象因素對(duì)于海南島GPP 的影響程度，本研究中LUCC以及氣象因素相對(duì)貢獻(xiàn)度計(jì)算公式如下：

式中，Con(LUCC)(i,i+1)為第i年至第i+1 年間LUCC對(duì)于GPP 變化的相對(duì)貢獻(xiàn)率，GPPi為i年海南島GPP 總值，GPP(LUCC)(i,i+1)為i至i+1 年間LUCC所驅(qū)動(dòng)的GPP 變化值；Con(Climate)(i,i+1)為i年至第i+1 年間氣象因素對(duì)GPP 變化的相對(duì)貢獻(xiàn)率，f為1.3.1 所介紹的機(jī)器學(xué)習(xí)模型。VPD(i,i+1)、Ta(i,i+1)以及PAR(i,i+1)分別為第i年至第i+1 年間VPD、Ta 以及PAR 的變化量，其中，i為年份；n為各土地利用類型，n=1，2……7。

2 研究結(jié)果

2.1 海南島GPP 變化情況海南島時(shí)間上，近20 年期間GPP（以C 表示，下同）時(shí)間變化如圖2-a所示，GPP 年際變化明顯，總體上研究時(shí)期GPP 呈現(xiàn)上升趨勢(shì)（0.44 Tg·a-1）。2005 年海南島GPP 值最低僅為56.46 Tg C，2017 年后GPP 值持續(xù)增加，在2019 年達(dá)到峰值74.12 Tg C。其GPP 主要由3 種土地利用類型構(gòu)成，林地為GPP 值最高的土地利用類型，約占到全年GPP 總值的85%，19 年期間GPP 值以0.46 Tg·a-1增加；耕地作為GPP 值僅次于林地的土地利用類型，其年GPP 值最大占比達(dá)到10.7%，耕地19 年期間變化幅度不明顯，其年GPP 值以0.07 Tg·a-1增加；草地GPP 值在19 年期間持續(xù)降低（-0.11 Tg·a-1）；空間上，近20 年間海南島87.8%的面積呈現(xiàn)出GPP 增加趨勢(shì)(圖2-b)；其中，海南島北部以及東北部是GPP 極顯著增加的集中區(qū)，中部山區(qū)部分地區(qū)GPP 無(wú)明顯變化，而海口市與三亞市周邊小部分區(qū)域的GPP 表現(xiàn)為減少趨勢(shì)，且碎片化程度較高，占比為8.9%。

圖2 海南島GPP 時(shí)空間變化趨勢(shì)

2.2 海南島LUCC 變化情況對(duì)近20 年海南島土地利用變化數(shù)據(jù)進(jìn)行分析（表3），研究時(shí)期內(nèi)轉(zhuǎn)移面積小于1 km2的分支不進(jìn)行展示。結(jié)果顯示，2001—2005 年，海南島土地利用轉(zhuǎn)移總面積為2 736.94 km2。其中，林地的轉(zhuǎn)出面積最大，凈轉(zhuǎn)出面積為309.13 km2，主要轉(zhuǎn)化為耕地；2005—2010 年土地轉(zhuǎn)移總面積為4 164.04 km2，草地轉(zhuǎn)化成林地以及耕地轉(zhuǎn)化為林地為最主要的轉(zhuǎn)出方式；2010—2015 年期間，海南島的土地覆蓋變化主要發(fā)生在林地、草地以及耕地的地區(qū)面積分別為1 188.10 km2、1 074.56 km2以及1 070.85 km2；2015—2019 年最主要的轉(zhuǎn)移方式是林地轉(zhuǎn)化為耕地和草地轉(zhuǎn)化為林地，其轉(zhuǎn)化凈面積分別為541.25 km2和214.65 km2。

表3 海南島近20 年間土地利用每5 年的轉(zhuǎn)移情況

2.3 LUCC 對(duì)GPP 變化的影響研究時(shí)期，海南島LUCC 所驅(qū)動(dòng)的GPP 變化主要發(fā)生在林地、草地以及耕地地區(qū)（圖3）LUCC 所驅(qū)動(dòng)的GPP 年際變化明顯。其中，林地地區(qū)LUCC 所驅(qū)動(dòng)的GPP呈增加趨勢(shì)，在2018—2019 年林地地區(qū)LUCC 所驅(qū)動(dòng)的GPP 達(dá)到最大值8.41×10-2Tg C，占比57%；草地地區(qū)19 年期間呈顯著微弱增加趨勢(shì)，2005—2006 年草地地區(qū)達(dá)到LUCC 所驅(qū)動(dòng)的GPP峰值7.56×10-2Tg C，2004—2005 年草地地區(qū)LUCC 所驅(qū)動(dòng)的GPP 僅為-5.99×10-2Tg C；耕地地區(qū)在近20 年內(nèi)也是呈現(xiàn)出微弱增加趨勢(shì)，在2008—2009 年LUCC 所驅(qū)動(dòng)的GPP 值最大。

圖3 各土地利用類型在LUCC 所驅(qū)動(dòng)GPP 變化

2.4 相對(duì)貢獻(xiàn)率變化LUCC 以及氣象因素對(duì)于海南島GPP 相對(duì)貢獻(xiàn)率的年際變化如圖4 所示，年際間LUCC 與氣象要素的相對(duì)貢獻(xiàn)率同頻率較高，但程度相差較大，氣象因素主導(dǎo)海南島年際間GPP 變化。LUCC 的相對(duì)貢獻(xiàn)率近20 年期間波動(dòng)較為劇烈，其中2008—2009 年期間相對(duì)貢獻(xiàn)率達(dá)0.31%，而在2004—2005 年LUCC 對(duì)于GPP 的相對(duì)貢獻(xiàn)率最小為-0.24%；氣象因素對(duì)年際間GPP 變化的相對(duì)貢獻(xiàn)率逐年差異明顯，2005—2006 年其正向相對(duì)貢獻(xiàn)率達(dá)到最大值10.79%，而在2010—2011 年氣象要素對(duì)于GPP 的影響程度為歷年來(lái)最低值-14.99%。

圖4 相對(duì)貢獻(xiàn)率變化圖

3 討 論

3.1 LUCC 對(duì)GPP 的影響LUCC 一直是陸生系統(tǒng)GPP 的主要驅(qū)動(dòng)因素。林地、草地以及耕地地區(qū)是海南島LUCC 發(fā)生的主要區(qū)域。研究時(shí)期LUCC 共變化15 528.40 km2。其中，植樹造林6 749.33 km2，累積GPP 達(dá)到0.23 Tg C，這與相關(guān)研究結(jié)論[37]基本一致即植樹造林對(duì)于GPP 增長(zhǎng)有著較為良好的促進(jìn)作用。這一現(xiàn)象的原因可能是椰林[38]、橡膠林[39]等林種具有較高的經(jīng)濟(jì)價(jià)值。此外，近52%的新林地資源主要來(lái)源于草地，改善了海南島植被覆蓋，強(qiáng)化了林地生態(tài)系統(tǒng)的防線保護(hù)作用；耕地也在此過(guò)程中凈增加679.41 km2，GPP 在此過(guò)程中增加1.63×10-2Tg C。耕地的快速擴(kuò)張一定程度改變?cè)械纳鷳B(tài)環(huán)境，由單一經(jīng)濟(jì)作物所構(gòu)成的生態(tài)系統(tǒng)抵抗力穩(wěn)定性降低可能會(huì)在未來(lái)引發(fā)水土流失，所以如何合理規(guī)劃耕地資源是要深入考慮的。

LUCC 對(duì)GPP 年際間變化的相對(duì)貢獻(xiàn)率遠(yuǎn)低于氣象因素，其一在于，海南島林地面積高（79.1%），并可占全島GPP 的84.8%，并且主要集中在中部山區(qū)，由于天然林保護(hù)等政策[40-41]，中部山區(qū)人類活動(dòng)強(qiáng)度較低，所以在近20 年來(lái)，林地并未發(fā)生較大的面積變化（近20 年變化不足2%）；二是由于MCD12Q1 產(chǎn)品的將海南島土地利用與覆蓋分為14 類，而為方便分析本研究將其重分類為7 類，不同分類系統(tǒng)所造成的相對(duì)貢獻(xiàn)率影響(圖5-a)最高可相差3 倍（2004—2005 年）。尺度效應(yīng)也是重要因素，如圖5-b 所示，將海南島近20 年逐年逐市縣進(jìn)行拆解，并使用IGBP 原始分類系統(tǒng)，LUCC 在各市縣中對(duì)年際間GPP 變化的相對(duì)貢獻(xiàn)率普遍高于全島平均值，LUCC 相較于氣象因素而言作用范圍小，因此在進(jìn)行全島LUCC 相對(duì)貢獻(xiàn)率計(jì)算時(shí)不同地區(qū)間差異相互抵消，因此也造成LUCC 的相對(duì)貢獻(xiàn)率較低。LUCC 相較于氣象因素，對(duì)于小尺度范圍的GPP年際間變化起到主要作用。LUCC 與氣象因素對(duì)于年際間GPP 變化的相對(duì)貢獻(xiàn)率具有較高的同頻性，其原因在于相對(duì)貢獻(xiàn)率的算法以前一年GPP 為基準(zhǔn)，而非年際間GPP 差異為基準(zhǔn)，好處在于避免出現(xiàn)年際間GPP 相差極小而導(dǎo)致的極端貢獻(xiàn)；但負(fù)效應(yīng)變?yōu)橥l效應(yīng)以2005—2006 年為例，極端事件第18 號(hào)熱帶風(fēng)暴“達(dá)維”對(duì)全島GPP 產(chǎn)生顯著負(fù)面影響[42]，GPP 為近20 年最低值，因此2005—2006 年會(huì)產(chǎn)生極高的LUCC 與氣象因素的正向相對(duì)貢獻(xiàn)，各市縣貢獻(xiàn)率受整體變化所影響。

圖5 土地分類對(duì)相對(duì)貢獻(xiàn)率的影響及各市(縣)相對(duì)貢獻(xiàn)率變化

3.2 氣象因素對(duì)GPP 的影響本研究?jī)H選取Ta、VPD 以及PAR[43]作為影響GPP 年際間變化的主要?dú)庀篁?qū)動(dòng)因素，未考慮如大氣CO2濃度、氮沉降等環(huán)境因素，這為本研究帶來(lái)一定不確定性，但根據(jù)Sun 等人研究表明[6]，環(huán)境要素中氣象因素是環(huán)境因素中主導(dǎo)GPP 年際間變化的關(guān)鍵因素，因此不確定性能夠最小程度降低。此外，本研究選取VPD 而非降水作為水分條件，主要由于像海南島這類低緯度濕潤(rùn)地區(qū)，大氣的濕潤(rùn)程度是限制植物生長(zhǎng)的主要因素[44]。其次，對(duì)于氣象因素間的交互作用，本研究所采用機(jī)器學(xué)習(xí)算法（GPR 與RF），屬于數(shù)據(jù)驅(qū)動(dòng)模式，能夠減弱自變量間的交互關(guān)系[15]。

氣象因素相對(duì)貢獻(xiàn)較高，分別選取正負(fù)相對(duì)貢獻(xiàn)率最高的2008—2009 年（2005—2006 年為最高正相對(duì)貢獻(xiàn)，但主要受極端事件“達(dá)維”影響，因此選取2008—2009 年）與2010—2011 年為例；2008—2009 年，PAR、Ta 及VPD 均呈現(xiàn)超距平的轉(zhuǎn)好態(tài)勢(shì)；而2010—2011 年P(guān)AR 與Ta 呈現(xiàn)出遠(yuǎn)超平均年際間變化的降幅，同時(shí)水分制約也略有所增加（圖6）；可見本研究所提出的基于機(jī)器學(xué)習(xí)的數(shù)據(jù)驅(qū)動(dòng)算法能夠捕捉氣象要素對(duì)GPP 的影響。除氣象要素與LUCC 外，人類的管理與經(jīng)營(yíng)活動(dòng)，如耕地農(nóng)業(yè)管理及政策支持[45-46]、橡膠林下經(jīng)營(yíng)[47]、天然林的保護(hù)[48]、極端事件以及病蟲害等異常事件也會(huì)對(duì)海南島GPP 產(chǎn)生影響[49]。

圖6 海南島各氣象要素變化圖

3.3 不確定性分析首先本研究所使用的GPP與LUCC 數(shù)據(jù)來(lái)源于MODIS 產(chǎn)品，MODIS 作為光學(xué)遙感產(chǎn)品應(yīng)用于熱帶地區(qū)時(shí)不可避免精度會(huì)降低[50]，這是傳統(tǒng)光學(xué)遙感產(chǎn)品共同面臨問題。MODIS 的LUCC 產(chǎn)品在全球尺度的精度為73.6%[51]，本研究將可能出現(xiàn)異物同譜的相似類進(jìn)行了重分類，共7 大類，這能夠大大降低其分類精度所帶來(lái)的不確定性(圖5-a)，這里不能夠忽視。其次，MODIS 的GPP 產(chǎn)品基于光能利用率算法，是現(xiàn)階段主流大區(qū)域尺度的遙感GPP 算法，包括EC-LUE[52]、CASA 以及VPM[6]等多種形式，其中可吸收光合有效輻射比率（fAPAR，fraction of Absorbed PAR）是模型核心部分，無(wú)論何種形式模型均將fAPAR 考慮為關(guān)于NDVI 等植被指數(shù)的函數(shù)；長(zhǎng)時(shí)間序列植被指數(shù)主要源于MODIS 產(chǎn)品，因此本研究中直接使用了MODIS 的GPP 產(chǎn)品，避免二次計(jì)算時(shí)增加不確定性。此外關(guān)于計(jì)算方案引入的不確定性主要為，當(dāng)年際間LUCC發(fā)生改變時(shí)，對(duì)GPP 的影響則全部歸于LUCC 的貢獻(xiàn)；但實(shí)則氣象要素依舊對(duì)該區(qū)域產(chǎn)生影響，可此部分的影響并未考慮到本研究中，低估了氣象因素造成的總體影響。綜上，鑒于本研究的時(shí)間范圍與尺度，結(jié)合各遙感產(chǎn)品的精度，最終確定MCD12Q1 為研究數(shù)據(jù)，該數(shù)據(jù)產(chǎn)品在國(guó)內(nèi)的研究已廣泛應(yīng)用于國(guó)內(nèi)相關(guān)研究[53]，并取得較為可靠的成果?？紤]到海南島全年較高的云覆蓋，產(chǎn)品精度有限。未來(lái)要進(jìn)一步研究LUCC 對(duì)GPP 影響等問題時(shí)，更高精確度土地利用數(shù)據(jù)產(chǎn)品是不可或缺的；本研究使用機(jī)器學(xué)習(xí)模型雖然可以在一定程度上將氣象因素與人類活動(dòng)進(jìn)行解耦并單獨(dú)分析其對(duì)GPP 的影響，實(shí)際環(huán)境中GPP 的影響是多元驅(qū)動(dòng)的，無(wú)法對(duì)影響因素的共同作用進(jìn)行驅(qū)動(dòng)分析。本研究中假設(shè)LUCC 發(fā)生改變時(shí)GPP的變化歸因?yàn)長(zhǎng)UCC 所引起，將氣象因素作用歸于LUCC 貢獻(xiàn)中，這也帶來(lái)了一定不確定性。