工业革命以来，人类活动导致温室气体浓度显著上升，引发了一系列生态环境挑战。2016年《巴黎协定》呼吁各国采取措施减排增汇。作为主要碳排放国，中国提出了"双碳"目标。绿地作为重要的陆地碳汇，其碳汇能力对实现该目标至关重要。现有研究多关注碳汇本底能力，对绿地年际CO₂吸收空间变异及其抵消区域人为排放潜力的关注相对不足。深入理解绿地碳汇机制对科学认识陆地碳循环、提升碳汇能力和生态管理具有重要意义。传统分析方法难以捕捉变量间复杂的非线性关系，而机器学习模型在此方面表现出色。然而，现有机器学习应用多集中于单一类别指标（如景观格局），未能系统考察气候、环境条件和景观格局的综合效应，且不同空间尺度下非线性机制的差异尚未得到系统研究。
本研究旨在解决三个关键问题：
-
中国绿地碳汇的时空特征是什么？
-
在国家层面，自然环境条件、气候和景观格局对绿地碳汇施加了怎样的非线性机制？
-
这些影响因素的作用如何随空间尺度变化？
材料与方法
2. 研究区域与数据源
2.1. 研究区域
研究区域为中国大陆。中国绿地（森林、草原、灌木、湿地）总面积达523万平方公里，占国土面积的54.5%，是全球陆地碳汇的重要贡献者。为探究区域差异，研究采用国务院批准的八大区域划分法（不包括台湾、香港、澳门），如图1所示，包括东北、东部沿海、北部沿海、南部沿海、大西南、长江中游、黄河中游和大西北地区。
2.2. 数据源与处理
本研究使用了多源数据，包括土地利用、NDVI、DEM、NPP、降水和温度等。所有数据统一坐标系并重采样至标准网格尺度。通过建立50 km × 50 km的网格覆盖中国大陆，并计算各网格内变量的统计值（如平均值、总和），构建了标准化的多指标数据集。同样流程也用于构建15 km和5 km网格尺度的数据集。数据来源详情见表1 。
3. 方法
3.1. 固碳量估算
基于光合作用方程和净初级生产力（NPP）数据估算植被年固碳量。公式为：CP_i = (NPP_i × AREA_i / 0.45) * 1.63。其中，CP_i 为固碳量，NPP_i 为单位面积植被固碳量，AREA_i 为面积，0.45为碳含量比率，1.63为CO₂与有机质的转换系数。
3.2. 绿地景观格局
使用一系列景观指数进行评估，包括斑块类型面积、景观百分比、总边缘长度、斑块密度、景观形状指数、分离指数和斑块凝聚度指数。各指标描述见表2 。
3.3. XGBoost模型
选用XGBoost模型进行因子分析，因其擅长捕捉复杂关系、抗过拟合并能评估变量重要性。将数据集按7:3分为训练集和测试集，通过网格搜索和五折交叉验证进行超参数调优。
3.4. SHAP模型
采用SHAP模型来解释XGBoost的预测结果，量化每个特征对模型输出的贡献，从而理解影响因子的正负效应及其作用机制。
3.5. 绿地固碳影响因子体系
构建了综合影响因子体系，包含NDVI、高程、坡度、降水、温度等自然与气候因子，以及PLAND、COHESION、SPLIT、PD、TE等景观格局因子。通过方差膨胀因子分析排除存在严重多重共线性的指标（CA, LSI），最终确定10个指标用于建模，如表4 所示。
3.6. 技术路线
如图2所示 ，研究技术路线包括：
(1) 基于土地利用数据识别并分析中国绿地空间分布。
(2) 基于光合作用方程估算全国绿地固碳量。
(3) 运用时空分析方法探索全国及八大区域固碳的时空特征。
(4) 应用XGBoost+SHAP模型分析全国尺度上影响因子的重要性、关系及非线性特征。
(5) 构建多尺度（全国50km、长江中下游15km、浙江省5km）影响因子模型，阐明跨尺度的因子差异。
结 果
4.1. 绿地空间分布
2023年，中国绿地总面积523万平方公里，占国土面积54.5%。如图3所示 ，绿地主要集中在南方和东北地区。"胡焕庸线"以南森林广布，以北草原为主。华中、西北地区绿地覆盖相对稀疏。
4.2. 中国大陆绿地固碳量估算
2003-2023年间，中国绿地年总固碳量呈波动增长趋势，从2003年的78.31亿吨增长至2023年的84.51亿吨。如图4所示 ，八大区域中，大西南地区固碳总量最高，东部沿海和北部沿海最低；所有区域的固碳量在观测期内均呈波动上升趋势。
4.3. 中国大陆绿地固碳空间特征
如图5(a)所示 ，2023年高固碳区主要位于南方和东北，低值区主要在西北和中部，固碳量空间分布与"胡焕庸线"吻合，东南高、西北低，东西差异显著。如图5(b)所示 ，2003-2023年间，固碳年变化率在空间上呈现"东南高、西北低"的格局。大部分地区增长缓慢，中高速增长区集中在长江中下游、华南和部分西南地区，负增长区则集中在干旱的西北和华北部分地区。各区域内部变化率也存在明显差异。
4.4. 固碳影响因素
4.4.1. 模型精度评估
以固碳强度为因变量，全国尺度模型的R²和EVS值均超过0.975，表明模型可靠性高。
4.4.2. 影响因素重要性及相关性分析 
如图6所示，在全国尺度上：
-
重要性：自然环境和气候因子影响力最强，景观格局因子相对较弱。在单个指标中，NDVI、PLAND和降水的影响力位列前三。
-
相关性：NDVI、降水、PLAND、总边缘长度和年均温与固碳呈正相关。高程则呈现非线性关系：低海拔区正相关，高海拔区负相关。
4.4.3. 主要影响因素的非线性关联 
如图7所示，研究揭示了8个关键因素的非线性效应及其阈值：
-
NDVI：在超过0.72后，对固碳的促进作用显著增强。
-
PLAND：超过81.63%后，正效应反转，呈现轻微负效应。
-
降水：低于1117毫米时促进作用显著，超过后效应减弱。
-
温度：在18.68-21.74°C区间内促进作用最显著，超过21.74°C后转为负效应。
-
高程：低于2489米为正效应，2489-4555米为负效应，高于4555米又转为正效应。
-
总边缘长度：低于约4199公里时正相关，超过后效应减弱。
-
斑块密度：总体负相关，低于2.77时负效应显著，超过后减弱。
-
坡度：低于10.95°时正相关，超过后负相关。
4.5. 固碳影响因素的尺度效应 
如图8所示，影响因子的重要性随空间尺度变化显著：
-
大尺度：自然环境和气候因子占主导。
-
中小尺度：景观格局因子的影响力超过自然和气候因子。例如，PLAND和总边缘长度的相对重要性在中小尺度急剧上升，而NDVI的重要性则大幅下降。
讨 论
5.1. 中国绿地固碳特征
固碳量空间分布遵循"胡焕庸线"，东南高西北低，源于自然地理条件的根本差异。高碳区年增长率低，可能与极端气候、森林老化及人类活动有关；而部分低碳区因生态工程（如"三北"防护林）实施，增长率较高。
5.2. 固碳影响机制
研究证实了自然环境、气候和景观格局的共同影响，并揭示了其复杂的非线性关系和阈值效应。这反映了固碳过程是多种因素共同调控的结果，而非单调过程。
5.3. 影响因素的尺度差异
研究发现，大尺度上气候和土壤条件是主控因子，而中小尺度上景观格局的调控作用变得至关重要。这强调了制定碳管理策略时需考虑空间尺度。
结 论
6.1. 结论
-
2003-2023年间，中国绿地固碳能力持续增强，2023年达84.5亿吨，空间异质性与"胡焕庸线"高度吻合。
-
固碳受自然环境、气候和景观格局共同影响，且关系呈复杂非线性。
-
影响因素的相对重要性具有尺度依赖性：大尺度以自然和气候因素为主，中小尺度以景观格局为主。
6.2. 政策建议
-
区域差异化策略：高碳区重点保护与防灾，低碳区推进生态修复，优先恢复区推广成功工程模式并加强监测。
-
多尺度协同管理：
-
国家尺度：侧重大型生态工程和气候保护，建立长效机-制。
-
区域尺度：因地制宜实施生态项目，加强跨区域协作。
-
地方尺度：注重场地管理和空间优化，提升景观连通性，发展绿色基础设施。
-