面向全球自然草地的长期格网地上净初级生产力数据集

草地为何与日常生活息息相关

草地表面看似一片简单的绿色，但它们默默地养活着世界上大量的牲畜，并储存着巨量的碳。了解这些生态系统每年在土壤表面以上长出多少植物量，对于预测粮食供应、野生动植物栖息地以及气候变化至关重要。本文介绍了一个新的长期全球数据集，用以追踪自然草地在过去的生产力，并预测随着气候变暖未来可能发生的变化。

衡量地球的绿色发动机

科学家把植物生长描述为“净初级生产力”，即植物转化为新组织的净碳量。对人类和食草动物而言，这一生产力中地上部分——叶片与茎秆——尤为重要。草地覆盖了全球无冰陆地的大约一半，并贡献了约三分之一的陆地植物生产力，因此其产量的微小变化可能通过全球粮食系统和碳循环产生连锁反应。然而，大多数全球数据集会将地上与地下发生的过程混为一谈，或者仅描述现代受扰动的景观，而非评估人类影响所需的自然基线。

从地面到天空构建全球图景

作者们构建了一个面向自然、未受扰动草地的全球格网地上草产量图，时间范围从1958年延伸到2100年。他们首先汇编了来自几乎所有大洲的1500多份田间测量数据，重点是没有放牧的对照样地。随后，将这些现场记录与之前的长期平均草地生产力高分辨率地图配对，并结合了详细的气候信息——温度、降水、日照和水量平衡——这些气候数据来自历史观测记录和现代气候模式的投影。由此他们可以检验围绕局部基线的年际天气波动如何解释每年实际生长的草量。

教一片“数字森林”来预测草生长

为了把这些零散的测量值转化为连续的全球图像，研究团队使用了多种机器学习方法，发现“随机森林”方法在精度与稳健性之间取得了最佳平衡。简言之，该方法构建了许多决策树，每棵树都会提示气候与长期现场条件如何转化为植物生长；这些树的综合结果给出可靠的估算。模型被训练以将现场测得的草产量与长期平均生产力以及年度气候“异常”——即每年天气与1970–2000年常年值的偏离——相联系。通过采用不同的交叉验证方案来避免对特定区域或气候的过拟合并仔细测试性能，他们选出表现最优的版本，用以估算地球上每个格网单元的年产量。

用其他证据检验这些地图

所得数据集随后与已有的全球产品进行了比对。在空间分布上，新地图重现了众所周知的格局：中非和南美东部的高产稀树草原，以及像青藏高原这样高寒高原上的稀疏生长。统计比较显示与四个既有数据集高度一致，且空间聚集程度真实可信。随着时间推移，团队将其结果与两个长期运行的基于卫星的植被生产力产品以及20个独立生态系统模型的输出进行了比较。在大多数草地区域，新数据集的涨落与这些其他来源密切对应，表明它捕捉到了草地生长中由气候驱动的主要波动。一些不一致出现在特殊情形中，例如木本植物入侵草地的地区，或变暖促使植物将更多生长投入根系而非地上部分的地方。

局限、注意事项及对人类的帮助

尽管该数据集具有诸多优点，但也存在盲点。在植物生长极其旺盛的茂密草地中，田间测量较为稀少，模型往往低估了草产量。使用者在这些地区应保持谨慎，并在可能的情况下以本地数据对数值进行调整。即便如此，新地图提供了此前所缺乏的东西：一套长期、一致且具有空间细节的记录，展示了在给定气候条件下自然草地能够产生的饲草量，且将此与直接的人类干扰区分开来。

这对草地未来意味着什么

对非专业读者而言，关键信息是我们现在拥有了更清晰的基线，说明全球自然草地的生产力如何——以及这种生产力如何响应天气与长期气候变化。这使评估当下草产量变化中有多少来自放牧、土地利用变动或气候极端事件变得更容易，并有助于规划更可持续的牧场利用。随着本世纪气候持续变化，该数据集可帮助政策制定者、牧场主和保护工作者预判哪些草地可能面临困难或有望繁荣，从而改进有关牲畜数量、修复努力和保护这些地球关键绿色发动机的决策。

引用: Chen, Z., Zhao, D., Zhang, Z. et al. A long-term gridded dataset of aboveground net primary productivity for global natural grasslands. Sci Data 13, 550 (2026). https://doi.org/10.1038/s41597-026-06944-7

关键词: 草地生产力, 碳循环, 气候变化影响, 机器学习生态学, 牧草地管理