陆地生态系统生物量的时空变化信息对于更好地理解碳循环和实现植被资源保护至关重要。我国三江源区作为对气候敏感的关键生态功能区，其草地地上生物量时空变化的准确监测对于植被资源保护具有重要意义。    近期，中国科学院地理科学与资源研究所何洪林研究员的研究团队，基于三江源区草地地上生物量（AGB）的野外观测数据及遥感数据、气象空间数据和地形数据，采用多种机器学习算法（随机森林、支持向量机、Cubist和神经网络）和贝叶斯集成分析，获得了250m空间分辨率的从2000年到2018年的三江源草地地上生物量（AGB）的空间数据，分析了温度（MAT）和降水（MAP）维度下的AGB空间分布特征，以及AGB年际变异对MAT和MAP的敏感性。研究结果表明：多种机器学习算法估算结果的贝叶斯平均精度最高，三江源区草地AGB整体呈现东高西低的空间格局，2000—2018年的年际变化趋势不显著，对MAT的敏感性明显受区域水分条件的调节。该研究为草地AGB估算提供了一种更为精确的方法，从而更准确地估算区域AGB，以获得更深入的认识。    相关研究成果发表在《ENVIRONMENTAL RESEARCH LETTERS》，论文第一作者为曾纳博士，通讯作者为任小丽副研究员和何洪林研究员。该研究得到国家重点研发计划GEO国际合作项目、国家自然科学重点基金等项目的支持。    论文信息：  Zeng N, Ren X, He H, et al. Estimating the grassland aboveground biomass in the Three-River Headwater Region of China using machine learning and Bayesian model averaging[J]. Environmental Research Letters, 2021. DOI:10.1088/1748-9326/ac2e85.  论文链接：  https://iopscience.iop.org/article/10.1088/1748-9326/ac2e85