红树林是重要的海岸带蓝碳生态系统，在固定大气二氧化碳、稳定岸线、缓冲风暴潮和维持生物多样性等方面发挥着重要作用。位于巴基斯坦阿拉伯海沿岸的印度河三角洲，是全球面积较大的干旱区红树林生态系统之一。该区域年降水量不足200毫米，蒸发强烈、盐度较高，并长期受到上游淡水输入减少、泥沙供应下降以及土地利用变化等多重压力。近年来，大规模红树林恢复和社区参与式保护行动促进了区域植被恢复，但其生物量变化及未来碳汇潜力仍缺乏长期、空间显式的定量评估。

针对这一问题，中国科学院华南植物园王法明研究团队将野外调查获得的红树林地上生物量数据与多源遥感、气候和土地利用数据相结合，构建了随机森林、梯度提升回归树、支持向量回归以及分类回归树等多种机器学习模型，重建了2002—2022年印度河三角洲红树林地上生物量的时空变化，并预测了2030年、2040年和2050年的潜在变化格局。

研究结果表明，2002—2022年，印度河三角洲红树林平均地上生物量呈显著增加趋势，由18.13±9.10 Mg ha⁻¹提高至25.75±8.32 Mg ha⁻¹，显示该区域红树林生态系统总体上正在逐步恢复。在所比较的模型中，梯度提升回归树模型表现最佳，其决定系数R²为0.65。模型预测显示，在当前环境变化趋势、恢复投入和管理条件得以维持的情景下，区域红树林平均地上生物量可能分别在2030年、2040年和2050年达到30.31±4.80、40.12±6.40和48.60±7.90 Mg ha⁻¹。

研究进一步发现，红树林地上生物量与反映植被生长状况的遥感植被指数呈正相关，而与地表温度升高和土地利用变化呈负相关。这表明，持续的高温胁迫和沿海土地开发可能削弱红树林生物量积累，而植被恢复、淡水输入和泥沙补给则是维持红树林生产力和生态系统稳定性的关键因素。

该研究首次将长期趋势分析、多源环境变量和多种机器学习算法系统结合，对印度河三角洲红树林地上生物量进行历史重建与中长期预测。研究不仅展示了干旱区红树林在合理保护和恢复条件下的生态恢复能力与蓝碳潜力，也建立了一套可推广至其他气候敏感型滨海湿地的生物量监测和预测技术框架。该研究系统揭示了过去20年印度河三角洲红树林地上生物量的时空变化，并预测了其至2050年的潜在发展趋势，为干旱海岸带红树林保护、恢复与蓝碳管理提供了科学依据。

研究人员指出，预测结果代表当前环境变化和管理趋势延续条件下的潜在情景，而非确定性结果。未来仍需结合更高分辨率遥感数据、长期地面监测、物种组成、水文泥沙过程以及社会经济因素，进一步降低预测不确定性。对于印度河三角洲而言，保障必要的淡水和泥沙输入、控制不合理土地利用、持续开展生态恢复并加强当地社区参与，是将红树林恢复转化为长期蓝碳增汇和海岸带适应效益的关键。

相关研究成果以题为“Spatiotemporal dynamics and machine learning-based prediction of above-ground biomass in the Indus Delta mangroves”（印度河三角洲红树林地上生物量的时空动态及机器学习预测）的研究论文近期发表在国际生态学期刊Functional Ecology（《功能生态学》）上。中国科学院华南植物园博士后Muhammad Naveed为论文第一作者，王法明研究员为通讯作者。该研究由中国科学院华南植物园联合中南大学、加纳大学等单位合作完成，得到国家自然科学基金、国家重点研发计划、欧盟“地平线欧洲”C-BLUES项目、广东省科技计划及广东省基础与应用基础研究基金等项目的支持。论文链接：DOI: 10.1111/1365-2435.70342.

图. 红树林生物量年增加量