2025年8月29日至9月1日，9月21日至24日，课题组联合四川省草原科学研究院，赴阿坝州红原县开展野外科学考察。此次考察围绕瓦切藏绵羊原种场试验草地，采用无人机航测与地面实测相结合的方式，在4块样地（总面积150亩）上顺利完成高光谱数据采集，获取了不同放牧强度下的植被生态信息。所获数据将用于构建草地地上生物量遥感反演模型，支持高寒牧区草地资源动态监测和放牧利用强度评估，为实现草畜营养平衡管理、提高牧草利用效率及推动草地可持续利用提供技术参考。

2025年5月23日，课题组2022级硕士生闫麦瑞和汪宇的学位论文答辩在4520会议室举行。答辩专家组包括：中国科学院成都山地灾害与环境研究所李爱农研究员（国家级人才）、成都理工大学邵怀勇教授（地理与规划学院院长）、西南大学樊磊教授（国家级青年人才、地理科学学院副院长）和西南交通大学朱军教授（国家级人才、地球科学与工程学院副院长）。经过答辩汇报、专家评议、提问和讨论等环节，两位同学均顺利通过答辩。

闫麦瑞的学位论文题目为《川滇生态屏障区土地利用变化及其对碳储量影响的多情景模拟》。论文构建了兼顾一致性与精度的土地利用产品融合方法，显著提升了川滇生态屏障区土地利用数据的可靠性。在此基础上，系统分析了川滇生态屏障区土地利用与碳储量的时空演变特征，量化了生态工程实施背景下土地利用变化对区域碳储量的影响程度。进一步模拟了未来不同发展情景下土地利用格局变化对生态系统碳储量的潜在影响，揭示了生态保护与农业发展之间的权衡关系，为区域土地资源优化和碳中和路径选择提供了科学依据。相关成果已发表于SCI期刊Ecological Engineering。

汪宇的学位论文题目为《考虑最适温度适应性的青藏高原草地GPP遥感估算和预测》。本研究以青藏高原草地为对象，利用考虑最适温度的EC- LUE模型分析了最适温度对GPP估算的影响，并预测了未来气候情景下的GPP动态变化。结果显示：考虑最适温度的改进模型精度显著提升；未来最适温度将上升3–4℃；不同排放情景下GPP增速递增，且改进后的EC- LUE模型的估算结果更高。该研究为气候变化下碳循环评估提供了新依据。部分相关成果发表于《测绘》。

近日，课题组在高分辨率、时空连续植被参量反演领域取得新进展，构建了一种植被光合有效辐射吸收比(FAPAR)深度学习反演方法，并生成了中国区域高精度、高分辨率时空无缝FAPAR遥感数据产品。该研究成果已发表于遥感领域国际顶级期刊Remote Sensing of Environment。课题组张国东助理教授为第一作者，尹高飞教授为通讯作者。

FAPAR是衡量陆地生态系统固碳能力的关键指标。以往的中低分辨率FAPAR遥感产品虽然支持了全球植被动态研究，但难以刻画复杂地表的空间异质性，限制了局地精细尺度应用。该研究提出两步法解决了这一难题：首先，在晴空条件下，利用预先训练的随机森林回归模型从陆地卫星(Landsat)地表反射率观测中反演FAPAR；然后，应用带有注意力和优化机制的新型双向时间卷积网络(SSA-BiTCN-Attention)重建缺失的FAPAR值（图1）。研究结果表明，该方法能准确预测不同土地覆盖类型的缺失FAPAR值，均方根误差在0.08至0.12之间。通过与地面实测数据对比验证，估算的Landsat FAPAR与地面测量结果高度一致，决定系数(R²)值在0.82至0.92之间。应用该方法生成了中国地区2013至2023年间30米分辨率、16天间隔的无缺失FAPAR产品（图2）。

该研究得到了国家自然科学基金(42401396和42271323)、科技部基础资源调查项目(2022FY100204)以及国家重点研发计划（2023YFF1303602)支持。

全球卫星遥感数据的协同应用对陆地生态系统动态监测至关重要，然而不同传感器间的光谱差异将导致下游应用出现系统性偏差。针对这一问题，课题组开发了一种基于机器学习的多波段约束反射率协调方法—HARMU，有效解决了Landsat 8（OLI）与Sentinel-2（MSI）之间的光谱不一致问题。研究结果表明，HARMU在提升数据一致性方面显著优于现有方法，为全球植被参数反演和时间序列分析提供了全新工具。该成果近期发表于遥感领域顶刊《IEEE Transactions on Geoscience and Remote Sensing》。

研究背景：

Landsat 8与Sentinel-2组成的虚拟星座虽能提供平均每2.9天的十米级观测数据，但两者的地表反射率产品存在显著差异。OLI与MSI的可见光与近红外波段虽部分重叠，但红边（MSI B5-B7）及宽近红外（MSI B8）等波段缺乏对应配置，且两者大气校正方法（LaSRC与Sen2Cor）导致蓝波段与短波红外波段存在系统性偏差。传统线性回归方法（如HLS产品）依赖静态系数，仅适用于光谱重叠波段，无法处理非重叠波段，并在面对复杂地表类型的时空异质性时表现有限。因此，亟需开发一种能够实现全波段光谱协调、兼具物理一致性与时空泛化能力的光谱协调方法。

研究方法：

本文提出的多波段反射率协调方法HARMU，基于机器学习算法挖掘不同传感器波段间的非线性关系。与传统的一一对应波段回归策略不同，HARMU使用源传感器的所有波段信息协同预测目标传感器的单个波段反射率，从而充分利用波段间的光谱关联性。具体而言，HARMU采用高斯过程回归构建Landsat 8 OLI与Sentinel-2 MSI反射率之间的非线性映射关系。HARMU模型在全球代表性站点BELMANIP2.1上进行了训练与交叉验证。使用Google Earth Engine获取2019-2021年期间OLI与MSI的原始影像，并筛选配对时间差不超过1天的高质量无云样本。最终获得共计9535个样本对（站点×日期），其中41%为同一日期，59%相差一天。

主要结果：

HARMU方法在跨传感器反射率协调中展现出显著优势。基于BELMANIP2.1站点2019–2021年数据的交叉验证结果（图1）表明，HARMU生成的Sentinel-2 MSI反射率（基于Landsat 8反射率）在所有波段上与对应的观测值高度一致，公共波段（如Red、NIR）R²均超过0.91，重建的红边波段（RE1、RE2、RE3）无明显系统偏差，充分证明了方法的高精度与稳定性。在GBOV独立验证站点，HARMU在多种植被类型下均表现稳定（图2），即使在样本较少的常绿针叶林（ENF）中，R²仍维持在0.81以上，显示出其对复杂地表的强适应性。在区域尺度上的应用显示（图3），HARMU协调后的多波段假彩色影像与原始Sentinel-2高度一致。红边和近红外波段的偏差在森林、湿地和农田等常见土地覆盖类型中整体控制在0.02–0.04以内，在植被密集区偏差趋近于零。这些结果表明，HARMU在站点和区域尺度均具备良好泛化能力和鲁棒性。

研究结论：

本研究提出的光谱协调方法具备全波段适用性，兼顾物理机制约束与时空推广能力，为Landsat-Sentinel虚拟星座的一体化数据融合提供了关键支撑。后续将进一步拓展其在水体、冰雪与城市等复杂地表类型中的适用性，并部署于Google Earth Engine平台，推动全球尺度的高效遥感数据处理与应用实现。

2025年4月3日，春暖花开，万物复苏。为促进团队交流、提升凝聚力，交通线路安全与生态保护遥感课题组于4月3日组织开展了2025年春季出游系列活动——“蔚迹”（Veg）第三期。全体成员齐聚风景如画的梦桐泉酒店，在自然风光与欢声笑语中度过了一段轻松惬意的春日时光。

午后抵达梦桐泉酒店，课题组一行人便沉浸在大自然的怀抱中。碧波荡漾的水池边，成员们悠然赏鱼、嬉戏逗趣，更有“抓大鹅”的欢乐互动，引得现场笑声不断；绿意盎然的大草坪上，大家或沐浴暖阳、畅聊科研与生活，或挥动球拍打羽毛球、重拾童年回忆的“打沙包”游戏，活力四射的身影为春日增添了一抹跃动的色彩。同时室内棋牌室的麻将桌上，智慧与运气的较量同样热火朝天，进一步拉近了团队成员的距离。

活动精心准备了丰盛的春日野餐，精致小蛋糕甜而不腻，为午后时光增添一份甜蜜；现场烤制的金黄焦香的烤全羊、外酥里嫩的烤兔，搭配热气腾腾的养生汤锅，香气四溢的烟火气中，大家围坐分享美食，畅谈工作与生活的点滴，暖胃更暖心。

此次春游活动不仅让团队成员在忙碌的科研工作中放松身心，更通过多元化地互动体验深化了团队凝聚力。“蔚迹”是交通线路安全与生态保护遥感课题组打造的特色团建品牌，旨在通过户外活动探索自然、感悟生态保护的意义，同时增强团队协作精神。活动自推出以来，已成功举办三期，成为课题组文化建设的亮丽名片。

春日不迟，相逢有时。期待下一次“蔚迹”之旅，共赏更多风景！

摘要

碳储存对生态系统的稳定至关重要。人类活动引起土地利用/土地覆盖(LULC)变化，对碳储量产生了重大影响。及时有效地评估LULC转化对碳储量的影响，对区域碳循环至关重要。本研究结合斑块生成土地利用模拟(PLUS)和生态系统服务与权衡综合评估(InVEST)模型，分析了川滇生态屏障区LULC变化对碳储量的潜在影响。研究发现从1995到2020年，川滇生态屏障区的碳储量总体呈增加趋势，增幅为0.396 Tg/yr；其中退耕还林是推动区域碳储量增加的主要原因，这凸显了生态工程对碳储量的积极作用。预测结果表明，加强生态保护可进一步提高碳固存潜力0.6633 Tg/yr，而优先农田保护将抑制生态系统的碳固存能力，使区域碳储量以每年0.3512 Tg的速度递减。这些发现加深了我们对生态工程在碳动态中作用的理解，并为未来生态管理和区域可持续发展提供了科学参考。

研究背景

碳储存是陆地生态系统调节全球碳循环和应对气候变化的核心功能。不同LULC类型的固碳能力差异显著，而人类活动驱动的LULC变化（如森林砍伐、城市扩张）会破坏植被和土壤碳库，导致生态退化与碳储量下降。中国作为全球碳排放的主要贡献者，近年来通过实施《国家生态环境建设规划》等生态工程（如退耕还林、天然林保护），在1990-2020年间有效缓解了城市化对碳储量的负面影响，但区域差异仍需深入评估。

川滇生态屏障区是中国第二大林区，其森林资源对水土保持、生物多样性维护及碳固存至关重要。而该区域长期受到农业扩张、城市化进程及生态工程实施的共同影响，导致土地利用类型发生显著变化，并进一步影响区域碳储量的时空演变特征。因此，我们通过分析川滇生态屏障区过去的LULC变化及其对碳储量的影响来验证生态工程对碳储量增加的积极作用。进一步结合多情景模拟方法，系统预测了未来不同策略下LULC的演变及其碳储量响应，旨在为评估生态工程的长期生态效益和实现生态保护与可持续发展的协同目标提供科学依据和实践指导。

方法

本研究选取1995-2020年为研究时段，该时期涵盖了我国生态工程（如退耕还林、土地恢复）实施的关键阶段。为系统评估生态工程对LULC的影响，我们以5年为间隔进行数据分析，既避免了短期波动干扰，又能反映工程的阶段性效果。首先，我们基于多期LULC数据，通过面积比例统计和转移矩阵分析量化了不同土地利用类型间的转化特征，从而揭示生态工程对土地利用转化的驱动作用。其次，整合历史LULC数据与碳密度数据，利用InVEST模型估算区域碳储量，并采用Theil-Sen中值法分析其时空演变趋势。随后，我们利用随机森林算法解析历史LULC变化与经济社会、气候环境等驱动因子的关联性，定量评估各因素对土地利用转换的贡献度；然后基于多类型随机斑块种子（CARS）的元胞自动机（CA）模型，模拟了不同情景下的未来土地利用格局。最后，将模拟的LULC数据纳入InVEST模型，以进一步评估碳储量的预测变化。该方法的详细流程图如图1所示。

主要结果

川滇生态屏障区森林覆盖率超过50%（图2），显著高于全国24.02%的平均水平，是区域内主要的碳库。森林面积从1995年的127,744 km²增加到2020年的133,934 km²，其中农田和草地转为森林的面积分别占扩张面积的54.59%和45.16%。这归功于20世纪90年代末启动的退耕还林等生态工程项目的推动。同时，城市化进程对土地利用格局也产生了深远影响，其中89.71%的建设用地来源于农田，转化面积为1,705.53 km²。从碳储量的变化趋势看，碳储量变化趋势呈现显著的空间异质性（图3），碳储量下降区域与城市扩张地区密切相关，碳储量增加区域和森林扩张的区域几乎重合。而该区域的碳储量总体以0.396 Tg/yr的速度增加（图4），这表明森林的扩张抵消了城市增长造成的碳损失。

预测结果表明（图5），自然情景（S1）和生态保护情景（S2）的碳储量均呈增加趋势，其中S2的碳储量增幅明显高于S1（0.6633 Tg/yr vs. 0.1164 Tg/yr）。与S1和32相比，农田保护情景（S3）下的碳储量显著下降，以每年0.3512 Tg的速度减少。加强生态保护往往以牺牲部分农田为代价来有效提升碳储存能力（图6），但对粮食安全构成了潜在风险。而优先保护农田会抑制森林和城市对农田的占用，但同时会降低生态系统的碳固存潜力。我们发现实现生态系统健康与粮食安全之间的平衡，特别是了解森林、草原和农田之间转换的动态变得至关重要。

摘要

坡向通过调节地表与大气之间的水热交换，塑造小气候，从而调控植被生长及其对背景气候变化的响应。在先前关于青藏高原南坡与北坡间草地绿度差异的研究基础上，课题组进一步揭示了东坡和西坡之间植被的绿度差异。我们发现在干旱的青藏高原西部，西坡的草地绿度高于东坡，而在湿润的东部则恰好相反。此外，从1991到2020年，西坡的绿化趋势强于东坡。该差异源于两种对比鲜明的坡向小气候：在相似的背景气候条件下，由于日间对流天气引发的降水多发生在下午，西坡通常比东坡更潮湿且更寒冷。本研究进一步深化了对坡向引起的小气候如何调控植被动态的理解。相关成果发表于地学领域顶刊Geophysical Research Letters。

研究背景

作为陆地生态系统的重要组成部分，植被不仅是大气与地表进行碳、水和能量交换的桥梁，还是全球最大的碳汇。卫星观测资料表明，宏观尺度的变暖缓解了温度限制，进而促进了全球植被变绿，特别是在寒冷地区。然而，受气流、太阳辐射等因素与地形的相互作用影响，植被所处的小气候条件往往与宏观气候不同。地形小气候对植被生长的影响更为显著，并调节植被对背景气候变化的响应。

青藏高原被誉为世界的“第三极”，其地形复杂，气候寒冷、干旱，并对全球变化极为敏感。坡向通过改变地气间热量交换和空气对流，塑造局部小气候，从而显著影响青藏高原植被的空间和时间异质性。我们之前的研究揭示了由接收太阳辐射差异诱导的坡向小气候所驱动的青藏高原阴坡与阳坡之间绿度及变绿速率的显著差异。除此之外，青藏高原的日对流循环促使降水多发生在下午，加之太阳辐射的日变化，也可能导致东坡与西坡之间的小气候差异。具体而言，东坡由于受早晨阳光照射，表面迅速升温，促进了蒸散作用导致显著的水分流失；而西坡则主要暴露于下午的太阳辐射，并受到午后降水所形成的云层影响，有助于减少水分流失并缓解地表升温。水热之间的这种权衡使得西坡通常比东坡更潮湿、更寒冷。因此，我们假设在温暖干旱地区，西坡的植被绿度可能高于东坡，而在寒冷湿润地区则可能恰好相反。为验证这一假设，本研究使用绿度非对称指数(GAI，定义为给定空间窗口内西坡和东坡的平均归一化植被指数(NDVI)之间的比值)，探讨了青藏高原东坡与西坡之间的绿度差异及其年际变化规律。

主要结果

在空间分布上(图1)，63.38%青藏高原草地GAI>1(西坡绿度强于东坡)，主要分布在青藏高原西部和东北部；相比之下，GAI<1.0(东坡强于西坡)的区域较少(36.62%)，主要分布在东部和中部。GAI的空间格局由温度和降水量共同决定的，在温暖和干燥的地区，西坡草地绿度大于东坡，而在寒冷和潮湿的地区则相反。

整个青藏高原草地的平均GAI以0.00067 y⁻¹(p<0.01)的速度显著增加(图2)，但存在明显的空间异质性(图3(a, b))：65.07%的草地GAI有所增加，其中15.96%的区域GAI显著增加(p<0.01)，主要分布在青藏高原东南部和西部；相反，34.93%的草地GAI有所下降，其中仅4.85%的区域GAI显著下降(p<0.01)，主要分布在东北部和中部。GAI年际变化的空间格局与温度和降水的年际变化有关图3(c, d, e)。在降水显著增加地区，GAI呈下降趋势，而在降水减少、气温显著上升的区域，GAI逐年增大，表明更加温暖干旱的条件可能加剧东、西坡绿度差异，从而促使GAI增大。

课题组于2025年1月10日在成都组织召开2024年度总结工作会议，回顾过去一年工作进展、明确下一步工作方向。尹高飞教授、张国东老师、王美莲老师以及在读硕、博士研究生，共25人参加了本次年会，年会由杨雅洁同学主持。

尹高飞教授对课题组2024年取得的科研成绩进行了总结，并部署了2025年的重点工作。随后，博士生陈瑞和谢江流分别就中国山地森林总初级生产力高分辨率遥感估算、冠层植被总初级生产力分层模拟进行了专题汇报；硕士生汪宇、张翼和易红伶分别就考虑最适温度的青藏高原草地GPP估算和预测、高时空分辨率NDVI重建研究和全国高速铁路沿线大棚智能识别进行了专题汇报。最后，每位同学从年度工作、年度进展、年度心得和来年计划四个方面对过去一年工作进行了总结。

2024年度，课题组毕业硕士5名；引进助理教授1名、博士研究生1名、硕士研究生6名；两位同学在外访学；发表SCI论文5篇，中科院一区3篇；获批国家自然科学基金青年项目1项、技术研发项目3项；开展野外科学考察4次。

总结会在欢声笑语中落下了帷幕。旧岁已展千重锦，新年再进百尺竿，西南交通大学植被生态遥感课题组全体师生将会站在新的起点，在新的一年里续写新篇。

近日传来喜讯，课题组博士研究生陈瑞成功入选首届中国科协青年人才托举工程博士生专项计划。

中国科协青年人才托举工程博士生专项计划旨在面向高校和科研机构中30周岁以下的高年级在读博士生，通过组织吸纳、学术兼职、学术资助等方式，全面支持青年科技人才成长与发展，并为入选者提供4万元资助，用于支持其参加高水平学术会议、发表高水平学术论文及出国（境）交流访学等。

陈瑞博士研究方向为山地植被定量遥感，长期聚焦复杂地形下植被总初级生产力的高精度、高时空连续性估算。截至目前，以第一作者身份在IEEE Geoscience and Remote Sensing Magazine和IEEE Transactions on Geoscience and Remote Sensing等顶级期刊发表SCI论文5篇，在中文顶刊《遥感学报》发表论文1篇。此前，陈瑞博士还获得了博士研究生国家奖学金、硕士研究生国家奖学金和四川省优秀毕业生等荣誉称号。

此次入选不仅是对其个人学术能力和研究成果的认可，也展现了课题组在青年科技人才培养方面的显著成效。

全球植被生产力的波动与气候变化密切相关，但气候变化将如何调节植被生产力受气候限制的强度尚不明确。课题组基于Shapley加性可解释(SHAP)机器学习方法，系统追踪了1982至2018年期间全球植被生产力气候限制的时空演变规律。研究结果显示，在温带、寒带和极地地区，温度主要限制生长季早期的植被生产力，温度和辐射共同限制生长高峰期和后期的植被生产力。相比之下，水分和辐射分别主要限制干旱和赤道地区的生产力。此外，研究结果揭示，全球范围内温度限制普遍缓解，而水分限制普遍增强。本研究强调，在理解温暖气候下区域和全球碳动态时，必须更加明确地考虑水分限制的影响。该研究成果近期发表于国际知名期刊JGR-Biogeoscience。

研究背景：

陆地植被生产力作为量化陆地生态系统光合作用碳吸收的基本变量，受温度、太阳辐射、水分可用性和大气CO₂浓度等多种水文气象参数的共同调控。近年来，全球变化显著，已对植被生产力产生重要影响。因此，理解气候变化对植被生产力的影响对于准确预测区域和全球碳循环至关重要。然而，由于植物对环境变化的适应，气候对植被生产力的影响在空间和时间上具有异质性。此外，研究表明，气候变化通过改变水热条件对陆地植被产生了双重影响：变暖通过缓解温度限制、延长生长季节和促进光合作用，增强了北方和北极地区的植被生产力；而在干旱区，气温升高可能加剧水分压力，反而降低植被生产力。广泛的变暖及由湿变干的趋势，重新塑造了植被生产力的气候限制格局，凸显了研究这些限制因素动态变化的必要性。

尽管气候对植被生产力限制的影响已有广泛记录，但由于涉及不同时间尺度、区域和多种因素，分析通常变得复杂。因此，开展全面研究，描述跨季节和区域的植被生产力气候限制及其时间演变，并同时考虑多种气候因素，显得尤为重要。然而，目前尚缺乏系统性研究来解决这一问题。

SHAP是一种基于博弈论的更为稳健、理论基础更强的可解释机器学习方法。SHAP不仅提供一致且数学上精确的特征重要性度量，还能够考虑变量间的相互作用，尤其擅长捕捉复杂非线性关系。因此，SHAP已广泛应用于分类和表面参数反演中的预测因子影响解释，并为生态系统动态提供局部解释。基于长期时间序列GPP数据，我们采用SHAP方法分析了植被生产力气候限制的时空演变规律。

研究方法：

GPP-XGB 模型构建：XGBoost是一种基于迭代树的集成学习算法，包含多个通过纠正前一个树错误进行训练的决策树。该算法采用贪心算法进行特征选择，每次仅涉及一个新特征，从而使模型对共线性不敏感，能够有效捕捉变量间的交互作用并避免过拟合，被广泛应用于生态系统动态的预测和分析。本研究首先提取了1982-2018年期间BELMANIP2站点的ERA5、CO₂浓度和GLASS GPP的月尺度数据。随后，随机选取75%的数据用于训练XGBoost模型，构建GPP-XGB模型，并使用剩余25%的数据进行验证，通过均值误差(ME)、均方根误差(RMSE)和决定系数(R²)评估模型性能。

SHAP可解释机器学习：SHAP通过将模型预测值分解为先验期望和每个输入特征对模型输出的平均边际效应(SHAP值)，量化了机器学习模型中输入和输出变量之间的相关性。对于基于树的机器学习模型，TreeExplainer-based SHAP进一步将SHAP值分解为主效应(SHAP主值，不考虑其他输入变量的交互作用)和变量间的交互效应(SHAP交互值)。XGB-SHAP框架采用这一方法来解释XGBoost模型的预测，已成功应用于全球变化下生态系统植被响应的局部解释。本研究使用XGB-SHAP对构建的GPP-XGB模型进行解释以分离各气候因子对GPP的影响(以SHAP值量化)。SHAP值的单位为g C/m²/d，与GPP的单位一致，表示输入气候变量对预测GPP的贡献。负的SHAP值表示输入变量降低了预测GPP，正值则表示输入变量增加了预测GPP。此外，SHAP值绝对值的平均数可作为给定变量的特征重要性。

分析：使用基于XGB-SHAP的方法，获得了1982年至2018年期间每个气候变量的SHAP值。为了探讨温度、辐射和水分对植被生产力的限制作用，将VPD、SM和PRE归类为水分相关变量。通过分析最小SHAP值对应的变量，确定了温度、辐射和水分中哪个因素是限制植被生产力的主要因素。同时，采用Theil-Sen斜率和Mann-Kendall显著性检验评估SHAP值的趋势，以解释气候限制因素的时间演变。负趋势表明该因素对植被生产力的限制在加强，而正趋势则表明有所缓解。

主要结果：

在全局尺度(图1)，温度是限制植被生产力的主要气候因子，其次是水分和辐射。在局部尺度(图2)，植被生产力的主要气候限制因子具有显著的空间异质性和季节差异：在高纬度和极地地区(如青藏高原和北极苔原)，温度是植被生产力的主要限制因素；相比之下，在干旱区(如非洲南部和澳大利亚)，水分是植被生产力的主要限制因素；而在赤道地区(如亚马逊森林和东南亚)，辐射是植被生产力的主要限制因素。从季节变化来看，温度限制在生长季节的开始和结束时最为显著，影响面积超过总面积的50%；而从5月起，温度限制逐渐减弱，而辐射和水分限制则逐渐增强，面积占比分别在7月和8月达到峰值。

全球大部分地区，尤其是北方地区，植被生产力的温度限制呈现缓解趋势(温度SHAP表现为正趋势)；相反，水分限制在全球范围内呈普遍加剧趋势(水分SHAP表现为负趋势)，尤其在中非和欧洲地区(图3、4)，表明水分对植被生长的重要性正在增强。此外，研究揭示南北半球植被生产力主要受温度限制的区域面积占比均呈现显著减少趋势，其中北半球在6月的减少最为显著，速率为每年2.2‰，而南半球在7月的减少最为显著，速率为每年1.2‰；相反，受水分主要限制的区域面积占比均呈显著增加趋势，其中北半球在6月最明显，速率为每年2.8‰，而南半球在9月最明显，速率为每年3.3‰(图5)。