时间记忆机制与生态系统碳通量的生物群落特异性驱动因素：来自可解释深度学习建模的见解

《Global Change Biology》：Temporal Memory Mechanisms and Biome-Specific Drivers of Ecosystem Carbon Flux: Insights From Explainable Deep Learning Modeling

生态系统碳动态受复杂时空依赖和环境交互影响，本研究开发LSTM-注意力框架分析71个北美生物群落涡度协方差数据，揭示碳通量响应的3种时间记忆模式（短时记忆主导的草原、长时记忆主导的温带阔叶林/湿地、双峰记忆的农作物/针叶林），发现环境驱动因子（湿地土壤湿度、针叶林辐射、灌木区水汽压）及非线性交互作用（55%站点非线性关系>0.5），验证时间记忆对模型预测和驱动因子识别的必要性。

　　

摘要

生态系统碳动态受到复杂的时间依赖性和环境相互作用的影响，然而这些过程在各种生物群落中仍然了解不足且量化不够。在这里，我们开发了一个可解释的LSTM-Attention框架，该框架整合了LSTM网络、注意力机制和基于梯度的归因方法，通过分析来自北美八个生物群落的71个站点的涡度协方差通量测量数据，揭示了生态系统碳通量响应中的时间依赖性。利用这种方法，我们识别出三种不同的时间记忆模式。草原表现出短期记忆主导特征，其碳通量贡献从远期到近期呈指数增长。落叶阔叶林和湿地则表现出长期记忆主导特征，其中落叶阔叶林的历史依赖性最强（归因值从6个月时的0.30下降到1个月时的0.045）。农田和常绿针叶林则表现出U形的双重记忆模式。基于这些时间模式，我们确定了每个记忆框架内起作用的具体环境驱动因素：湿地主要受土壤湿度控制，常绿针叶林受辐射控制，而封闭灌木丛受水汽压亏缺控制。除了个别驱动因素外，我们还发现了许多与线性相关性不同的关键非线性相互作用（在71个站点中有55个站点的皮尔逊相关系数ρ<0.5）。例如，落叶阔叶林的碳汇能力取决于树冠发育和光合作用的同步性，而封闭灌木丛则表现出强烈的碳吸收抑制作用，这种抑制作用与植被的绿色程度无关，这揭示了多种驱动因素如何共同调节生态系统功能。为了验证记忆机制的基本作用，我们进行了消融实验，结果发现移除记忆机制会降低模型预测性能并改变环境驱动因素的识别结果（肯德尔tau值<0.5），表明时间记忆对于准确模拟生态系统对环境驱动因素的碳通量响应至关重要。这些发现为不同生物群落中碳交换的时间控制提供了机制上的见解。这些知识对于改进全球变化背景下的陆地碳-气候反馈模型至关重要。

利益冲突

作者声明没有利益冲突。

数据可用性声明

涡度协方差通量和气象数据来自FLUXNET和AmeriFlux。MOD13Q1数据可在https://ladsweb.modaps.eosdis.nasa.gov/search/下载。GLASS LAI和FAPAR产品可在GLASS项目的官方网站上获取（https://glass.hku.hk/download.html）。GOSIF数据可在全球生态学组的数据仓库中获取（https://globalecology.unh.edu/data/GOSIF.html）。PKU全球 inventory modeling and mapping studies (GIMMS) 的NDVI产品可在Zenodo上获取，链接为https://doi.org/10.5281/zenodo.8253971。代码可用性声明：支持本研究结果的代码可在Zenodo上公开获取，链接为https://doi.org/10.5281/zenodo.18345859。