(相關資料圖)

6月1日，南方科技大學環境科學與工程學院教授鄭一團隊在《地球物理研究快報》發表最新研究成果。研究團隊將深度學習方法創新性地用于草地演化預測，并揭示全球變綠在內陸干旱區的新機制。

研究示意圖 南科大供圖

自上世紀80年代以來，全球陸地植被呈“變綠”趨勢，二氧化碳施肥效應、水熱條件變化以及大氣氮沉降等被認為是主要驅動機制。近年來，我國西北內陸干旱區的草地植被也趨于恢復，但其機制缺乏系統、定量的分析。

該研究中，研究團隊以2001至2015年生長季獲取的Landsat-7 ETM+圖像為數據源進行草地覆蓋度遙感解譯。利用HEIFLOW生態水文模型和RIEMS區域氣候模式提供的驅動數據，構建卷積長短時記憶神經網絡（ConvLSTM）深度學習模型，實現對我國第二大內陸河流域——黑河流域下游戈壁地區草地蓋度的時空動態預測。

研究表明，在遙感大數據的支持下，ConvLSTM深度學習模型可以在1公里空間分辨率上準確刻畫研究區草地覆蓋度的演變特征，還能有效預測裸地與草地相互轉化的極端演變情景。據介紹，現有的過程驅動或數據驅動模型難以達到這一準確程度。

2001至2015年間，研究區草地面積總面積從568平方公里變為741平方公里，增長了約30%。利用深度學習模型進行歸因分析發現，其中62%的植被變化歸因于該流域自2000年起實施的生態流量管理，32%來源于流域中上游自然水文變化產生的跨界影響，而研究區當地的氣候變化因素僅占23%。生態流量管理和跨界影響均通過恢復研究區地下水而產生作用。

本研究定量揭示了生態流量管理和跨界水文影響的內陸干旱區草地恢復機制，擴展了對全球綠化的認知，也展示了基于大數據的人工智能在生態水文學研究中的巨大潛力，成果對于干旱區植被恢復、水資源管理等具有重要意義。

南科大環境科學與工程學院2021級博士生李思齊為論文第一作者，鄭一為通訊作者，南科大是論文第一單位。

關鍵詞：