一种基于随机森林模型的陆地生态系统退化评估方法与流程

本发明涉及生态环境监测与评估，更具体的说是涉及一种基于随机森林模型的陆地生态系统退化评估方法。

背景技术：

1、目前，陆地生态系统在维持生态稳定、调节气候以及保障人类生存与发展方面发挥着基础性作用，其健康状态直接关系到生态安全及可持续发展目标的实现。然而，受气候变化及人类活动，例如过度放牧、土地利用变化等，共同影响，植被退化问题日益严重。由此，如何科学、准确地识别与评估生态系统退化，已成为生态环境领域亟待解决的关键技术问题。

2、植被退化通常表现为植物群落结构破坏、生态功能下降及生产力降低，是衡量生态系统健康状况的重要指标之一。现有技术中，多采用归一化植被指数、植被覆盖度等遥感指标对退化进行评估。然而，该类方法主要反映植被结构变化，对隐蔽性退化过程，如森林选择性采伐、草地灌木化等，敏感性较低，难以全面反映生态系统功能变化。

3、近年来，净初级生产力（net primary productivity，npp）因能够综合表征生态系统碳循环及能量流动过程，被认为是一种更为可靠的退化评估指标。基于npp的退化评估方法在一定程度上提高了对生态系统功能变化的识别能力。但在现有技术中，仍存在以下突出问题：

4、（1）退化基准不确定性高：现有方法多基于气候驱动模型构建npp基准，通常假设理想气候条件下的最大生产力为参考标准。然而，该类方法依赖气候因子的简化统计关系，难以刻画气候变化与植被生长之间复杂的非线性反馈机制，容易在大尺度上高估生态系统退化程度；

5、（2）缺乏大尺度自然参照基准：部分研究尝试利用自然保护区数据作为生态系统未受干扰状态的参考，但由于保护区在陆地范围内分布不均、空间破碎化严重且生态环境差异显著，难以直接用于大尺度的统一外推；

6、（3）评估方法局限：现有技术往往分别基于气候模型或经验观测数据构建退化评估体系，缺乏气候顶极理论与顶极群落观测的动态融合，导致评估结果在不同区域和尺度之间的适用性差；

7、（4）难以刻画退化动态过程：多数方法侧重于静态退化状态识别，缺乏对退化时序变化特征及其空间演化规律的系统分析能力，难以及时识别生态系统退化信号。

8、因此，如何将严格自然保护区中的植被生产力数据与气候顶极理论相结合，构建高精度、可推广的生态系统生产力基准，并在此基础上实现陆地尺度生态系统退化的动态评估与时空分异分析，从而提升退化识别的准确性与可靠性是本领域技术人员亟需解决的问题。

技术实现思路

1、鉴于上述问题，本发明提出了一种克服上述问题或者至少部分地解决上述问题的一种基于随机森林模型的陆地生态系统退化评估方法。

2、为了实现上述目的，本发明采用如下技术方案：

3、本发明实施例提供一种基于随机森林模型的陆地生态系统退化评估方法，包括以下步骤：

4、s1、构建基于顶极群落理论的净初级生产力样本库，所述净初级生产力样本库覆盖多种生态系统类型以及多个年份，包括净初级生产力值以及环境因子；

5、s2、以所述净初级生产力值为因变量，以经特征筛选确定的环境因子最优子集为自变量，针对每种生态系统类型分别构建随机森林模型并训练，利用训练后的模型逐年逐生态系统模拟陆地生态系统净初级生产力基准；

6、s3、基于气候顶极理论，逐像元提取长时序净初级生产力基准中的最大值作为净初级生产力可达上限，以生产力完全丧失状态作为退化终点，结合实际观测净初级生产力与净初级生产力基准，构建逐年逐像元的陆地生态系统退化指数；

7、s4、基于所述陆地生态系统退化指数的空间时序分布，识别并评估不同生态系统类型的退化时空分异特征与退化动态趋势。

8、进一步地，还包括：

9、步骤s5、基于所述陆地生态系统退化指数的空间时序分布以及所述退化动态趋势，构建退化等级分类体系并识别陆地生态系统退化热点区域。

10、进一步地，步骤s2中，所述特征筛选的过程包括：

11、针对不同生态系统类型，对所述环境因子中的气候、土壤以及地形进行多阶段特征筛选，依次采用方差膨胀因子进行多重共线性诊断、采用统计显著性检验筛选与净初级生产力显著相关的环境驱动因子、采用基于10折交叉验证的随机森林递归特征消除方法确定最优特征子集。

12、进一步地，步骤s2中，所述利用训练后的模型逐年逐生态系统模拟得到陆地生态系统净初级生产力基准的过程包括：

13、以所述净初级生产力值为因变量，以所述最优特征子集为自变量，分别针对不同生态系统类型随机森林模型进行训练并评估模型性能；在模型训练过程中加入高斯噪声进行蒙特卡洛迭代扰动，获得多组自然状态净初级生产力基准模拟结果，并通过变异系数检验模型稳定性，进而逐生态系统、逐年份模拟陆地生态系统自然状态下的净初级生产力基准。

14、进一步地，步骤s3中，所述逐年逐像元的陆地生态系统退化指数的表达式为：

15、

16、其中，为第i像元第j年退化指数，为实际观测npp，为像元最大净初级生产力npp基准，为像元最小净初级生产力npp值。

17、进一步地，步骤s4中，所述退化时空分异与退化动态趋势包括：基于所述陆地生态系统退化指数的空间时序分布，采用theil-sen斜率估算陆地生态系统退化指数年际变化率，并采用mann-kendall显著性检验判断退化趋势的显著性；

18、采用时间滑动窗口，结合局部加权散点平滑loess方法，解析陆地生态系统退化指数及生产力偏差的非线性变化过程，提取长短期退化趋势及其变化转折点，评估陆地生态系统退化动态趋势。

19、进一步地，步骤s5中，所述提取识别到的退化热点区域包括：

20、基于陆地生态系统退化指数的数值判定退化状态，基于所述陆地生态系统退化指数的年际变化率判定变化趋势方向，基于统计显著性检验判定趋势显著性，将退化状态、变化趋势和显著性结果组合形成多级退化分类体系，识别退化热点区域；同时，计算实际观测净初级生产力与自然状态净初级生产力基准之间的差值，量化不同生态系统类型及不同区域的退化导致的净初级生产力损失量。

21、进一步地，步骤s2中，所述随机森林模型训练的性能评价指标包括决定系数、均方根误差和平均绝对误差，其中决定系数用于评估模型拟合优度，均方根误差和平均绝对误差用于评估模型预测误差；所述平均绝对误差、决定系数以及均方根误差的表达式为：

22、

23、

24、

25、其中，为净初级生产力npp真实值，为净初级生产力npp预测值，为净初级生产力npp真实值的均值，n为样本数。

26、进一步地，步骤s3中，所述生产力完全丧失状态设定为净初级生产力等于0；所述陆地生态系统退化指数gdi＞0表示生态系统发生退化，且数值越大表示退化程度越严重，gdi＜0表示生态系统呈现改善趋势。

27、经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于随机森林模型的陆地生态系统退化评估方法，具备以下有益效果：

28、1、本发明通过耦合严格自然保护区观测数据与蒙特卡洛约束随机森林框架，有效克服了传统气候驱动模型或单一保护区基准导致的空间不均、横向不可比等系统性偏差，为退化评估提供了高保真、可推广的天然参照标准。

29、2、本发明提出“退化评估-热点识别”的完整技术链，通过明确退化初始基准与终点，量化了陆地生态系统退化空间分布及局地高强度退化区，解决了传统方法在陆地生态系统退化量化及其退化关键区域识别的技术瓶颈。

30、3、本发明通过3～10年滑动窗口与loess拐点识别技术，揭示2002年为陆地生态系统退化及其碳损失的关键转折期，核算并明确不同生态系统退化导致的碳损失差异，为陆地生态系统碳收支核算、碳中和目标制定提供关键数据支撑。

31、4、本发明通过整合多源遥感、生态机理与统计建模技术，构建的“数据预处理-特征筛选-模型模拟-退化识别-碳损失核算”全流程标准化范式，既满足大尺度、长时序评估的科学性要求，又能为差异化生态修复、跨国界生态合作及联合国土地退化零增长目标落地提供可操作的技术工具与决策依据，有效提升陆地生态系统保护与治理的精准性和效率。