全球环境变化与人类活动日益破坏生态系统稳定性，给有效的水碳资源管理带来了重大挑战。水利用效率（WUE）和碳利用效率（CUE）是评估生态系统对气候变化响应和资源利用的关键指标。然而，遥感数据集的不一致性以及有限的观测记录对WUE和CUE的同步、长期评估构成了显著挑战，凸显了对更稳健、更一致数据集的需求。兰州大学青年研究员聂宁利用机器学习模型，整合长期的MODIS和GLASS数据集，探索了黄河流域（YRB）水碳利用效率的时空演变，相关研究发表在期刊Journal of Hydrology。
图1 研究框架
本研究尝试采用Cubist、随机森林（RF）、XGBoost和最小―最大拉伸变换（MMST）四种模型整合MODIS和GLASS植被数据集，生成了黄河流域1982-2023年稳健的总初级生产力（GPP）和净初级生产力（NPP）数据集。利用这一整合数据集，我们系统地研究了WUE和CUE的时空格局及其背后的驱动因素。结果显示，在42年期间，WUE呈显著上升趋势（p<0.05），而CUE呈显著下降趋势（p<0.05）。黄河流域约54.51%的区域表现出WUE增加和CUE减少的协同模式，其中69.47%的农田、49.71%的草地和22.07%的森林生态系统呈现此趋势。地理探测器分析表明，在气候因子中，最低温度（Tmin）、平均温度（Tmean）和最高温度（Tmax）是CUE的关键决定因素，而WUE主要受Tmin、气候水分亏缺（CWD）和Tmean的影响。降水与其他因子的交互作用表现出特别强的影响。RF模型分析进一步揭示了2000年前后不同生态系统中环境因子对WUE和CUE影响的差异性。本研究提供了一个稳健、全球可移植的框架，用于整合长期数据集和分析水−碳耦合动态，为推进生态系统管理策略和促进面临类似环境挑战地区的可持续发展提供了重要见解。
图2 1982—2023年WUE和CUE的变化趋势及显著性检验结果
图3 WUE和CUE驱动因素交互影响分析
图4 通过RF模型检验的1982—2023年黄河流域各植被亚类型WUE和CUE的环境驱动因子。植被亚类型包括：水田PF；旱地DL；有林地FL、灌木林地SL；疏林地SW；高覆盖度草地HCG、中覆盖度草地MCG；低覆盖度草地LCG。环境驱动因素：最低气温Tmin; 平均气温Tmean; 最高气温Tmax; 降水PRE; 气候水分亏缺CWD; 土壤温度STL1; 地表净太阳辐射SSR; 水汽压亏缺VPD.
文章信息：Shilun Zhou, Ruiting Lyu, Feiyang Wang, Xiaodan Guan, Ning Nie*. (2026). Spatiotemporal dynamics and drivers of water and carbon use efficiency in the Yellow River basin with harmonized MODIS and GLASS data. Journal of Hydrology, 135291. https://doi.org/10.1016/j.jhydrol.2026.135291.
