(資料圖片僅供參考)

6月1日，南方科技大學環(huán)境科學與工程學院教授鄭一團隊在《地球物理研究快報》發(fā)表最新研究成果。研究團隊將深度學習方法創(chuàng)新性地用于草地演化預測，并揭示全球變綠在內(nèi)陸干旱區(qū)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(qū)動機制。近年來，我國西北內(nèi)陸干旱區(qū)的草地植被也趨于恢復，但其機制缺乏系統(tǒng)、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(shù)據(jù)源進行草地覆蓋度遙感解譯。利用HEIFLOW生態(tài)水文模型和RIEMS區(qū)域氣候模式提供的驅(qū)動數(shù)據(jù)，構(gòu)建卷積長短時記憶神經(jīng)網(wǎng)絡（ConvLSTM）深度學習模型，實現(xiàn)對我國第二大內(nèi)陸河流域——黑河流域下游戈壁地區(qū)草地蓋度的時空動態(tài)預測。

研究表明，在遙感大數(shù)據(jù)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(qū)草地覆蓋度的演變特征，還能有效預測裸地與草地相互轉(zhuǎn)化的極端演變情景。據(jù)介紹，現(xiàn)有的過程驅(qū)動或數(shù)據(jù)驅(qū)動模型難以達到這一準確程度。

2001至2015年間，研究區(qū)草地面積總面積從568平方公里變?yōu)?41平方公里，增長了約30%。利用深度學習模型進行歸因分析發(fā)現(xiàn)，其中62%的植被變化歸因于該流域自2000年起實施的生態(tài)流量管理，32%來源于流域中上游自然水文變化產(chǎn)生的跨界影響，而研究區(qū)當?shù)氐臍夂蜃兓蛩貎H占23%。生態(tài)流量管理和跨界影響均通過恢復研究區(qū)地下水而產(chǎn)生作用。

本研究定量揭示了生態(tài)流量管理和跨界水文影響的內(nèi)陸干旱區(qū)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(shù)據(jù)的人工智能在生態(tài)水文學研究中的巨大潛力，成果對于干旱區(qū)植被恢復、水資源管理等具有重要意義。

南科大環(huán)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。 

相關(guān)論文信息：https://doi.org/10.1029/2023GL103369 

關(guān)鍵詞：