本研究由Tao Wang、Xiaozhong Huang（通讯作者）、Jun Zhang、Yao Ouyang、Lixiong Xiang、Chong Huang及Min Zheng等学者共同完成，主要作者来自兰州大学西部环境教育部重点实验室地球与环境科学学院，以及西华师范大学地理科学学院。该论文发表于《Science China Earth Sciences》，可通过DOI编号10.1007/s11430-025-2027-3进行访问。
青藏高原作为世界上面积最大、海拔最高的高原，其生态系统对气候变化和人类活动极为敏感，是研究植被、气候与人类活动长期相互作用的理想天然实验室。植被作为陆地生态系统的关键组成部分，在维持生态平衡、调节碳循环以及物质能量流动中发挥着不可替代的作用。化石花粉作为一种成熟且应用广泛的古生态代用指标，是重建过去植被覆盖变化的基础手段。然而，传统的现代类比法（Modern Analogue Technique，MAT）和随机森林（Random Forest，RF）方法在植被覆盖定量重建中存在一定的局限性：地层花粉组合可能混合了不同植物群落的花粉，导致现代类比点的选择不准确；而现代花粉浓度数据库的不足也制约了RF方法的应用效果。
针对上述问题，本研究引入了梯度提升回归树（Gradient Boosted Regression Tree，GBRT）算法，该算法通过迭代训练多个决策树逐步优化模型性能，在众多学科领域中已得到成功应用，但在基于花粉的植被覆盖重建方面的潜力尚未得到充分挖掘。本研究旨在利用木日错湖的花粉记录，通过整合GBRT算法与景观重建算法（Landscape Reconstruction Algorithms，LRAs），定量重建青藏高原东部自约6800 cal yr BP以来各植物类群的覆盖度变化，并结合独立的古气候代用指标和人类活动记录，评估气候与人类活动对该地区植被覆盖动态的相对影响。
木日错湖（34.00°N，99.06°E，海拔4020米）位于青藏高原东部的德格县境内，是一座面积约0.65平方公里、最大水深8.5米的冰川湖，主要依靠冰川融水、降水和地表径流补给。基于德格气象站（距湖约50公里，海拔3240米）1981至2010年的观测数据，该区域年平均气温为0.5°C，年平均降水量为501毫米。湖区现代植被类型主要为高寒灌丛和高寒草甸，海拔较低的山谷阴坡分布有针阔混交林。
研究团队于2021年1月利用Uwitec平台在木日错湖获取了一根7.85米的复合沉积岩芯（MRC21），岩性主要由泥炭沉积（785–660厘米）过渡至湖相沉积（660–0厘米）。通过对四个植物大化石样品和四个全有机质沉积样品进行AMS 14C测年，建立了年代-深度模型，确定底部沉积物年龄为9190 cal yr BP。此外，研究团队在青藏高原东部采集了32个表土花粉样品，涵盖莎草草甸、杜鹃灌丛草地、农田、鲜卑花灌丛和云杉林等不同植被类型。
花粉提取采用改良的酸碱处理法。对湖泊沉积样品使用0.5克干物质，现代花粉样品使用2克干物质，并加入石松孢子片剂以测定花粉浓度。从MRC21岩芯中以2厘米或4厘米间隔共分析了371个花粉样品，平均时间分辨率约为25年。每个样品至少统计500粒陆生花粉。
在植被覆盖重建方法方面，研究团队采用了三步策略：首先，利用MAT、RF和GBRT三种方法分别建立现代花粉组合与现代植被覆盖之间的定量关系，并以决定系数（R²）和均方根误差（RMSE）为指标评估各方法的性能；其次，利用REVEALS模型（Regional Estimates of VEgetation Abundance from Large Sites）基于化石花粉数据重建各植物类群的相对覆盖度，该模型需要花粉相对生产力（Relative Pollen Productivities，RPPs）和花粉沉降速度（Fall Speeds of Pollen，FSP）等参数，研究团队综合了青藏高原高寒灌丛、高寒草甸和高寒草原等多个区域的RPPs数据集，以莎草科为参照类群，最终选取了13个主要植物类群的RPPs值；最后，将GBRT重建的草本总盖度与REVEALS估算的各植物类群相对盖度相乘，得到各植物类群的绝对盖度。
此外，研究还计算了Shannon-Wiener多样性指数（使用30个在至少三个样品中丰度大于1%的陆生花粉类群）作为花粉生物多样性的衡量指标，并利用GBRT算法基于全球人类影响指数（Human Influence Index，HII）数据集重建了木日错湖地区的人类影响强度变化。
模型性能评估： 通过对909个位于木日错湖600公里半径范围内的现代花粉谱进行分析，研究团队发现三种方法均能展示花粉组合与植被覆盖之间的相关性，但预测精度差异显著。对于草本盖度重建，GBRT模型取得了最高的R²值（0.74）和最低的RMSE值（5.98），优于MAT方法（R² = 0.53，RMSE = 7.52）和RF方法（R² = 0.57，RMSE = 9.20）。对于树木盖度重建，GBRT模型同样表现最优（R² = 0.83，RMSE = 5.94），优于MAT（R² = 0.74，RMSE = 7.63）和RF（R² = 0.74，RMSE = 8.30）。此外，利用青藏高原上十个湖泊表层沉积物花粉数据进行的验证也表明，GBRT重建的草本和树木盖度与MODIS观测值高度一致。
植被覆盖变化历史： 自约6800 cal yr BP以来，木日错湖地区的植被覆盖总体保持相对稳定，草本盖度维持在50–60%之间，树木盖度维持在12–17%之间。基于覆盖度变化特征，研究团队划分了五个阶段：
在6800–4750 cal yr BP期间，受温暖湿润气候条件影响，莎草科和禾本科盖度呈增加趋势，平均草本盖度为51.4%，其中莎草科平均21.9%，禾本科平均12.5%，蒿属平均9.1%。树木盖度在11.0%至25.1%之间变化（平均17.4%），植被总盖度在约5000 cal yr BP达到最大值77.8%。
在4750–2880 cal yr BP期间，区域湿度下降导致蒿属盖度增加，而莎草科盖度持续减少。草本盖度保持相对稳定，莎草科平均21.8%，禾本科平均12.8%，蒿属平均8.4%，树木盖度（平均16.0%）呈下降趋势。在4300–4100 cal yr BP期间，树木盖度的重建值可能被高估，这与草本盖度的显著下降相关，可能对应于4.2千年气候事件。
在2880–1180 cal yr BP期间，草本盖度扩张，莎草科盖度增加至平均26.2%，蒿属盖度下降至平均5.9%。研究团队将此归因于寒冷湿润的气候条件以及青藏高原东部人类活动的增强。树木盖度继续下降，而菊科盖度增加，狼毒（Stellera）开始出现在花粉记录中。
在约1180 cal yr BP之后，人类影响指数值和粪生真菌孢子数量增加，同时花粉多样性下降，莎草科和菊科盖度增加。树木盖度（平均13.8%）进一步下降，草本盖度（平均53.6%）有所增加，莎草科盖度达到平均30.7%，菊科平均2.8%，蒿属减少至平均4.7%。这些趋势表明放牧活动对自然植被的人类影响加剧。
花粉生物多样性与人类影响指数： Shannon-Wiener多样性指数在9190–6800 cal yr BP期间平均为2.1，在6800–2880 cal yr BP期间平均为2.2，约2880 cal yr BP之后呈下降趋势，平均值为2.0，指示区域生物多样性的降低。GBRT重建的HII值自9190 cal yr BP以来在12.5至18.3之间波动（平均14.0），约2880 cal yr BP之后达到整个研究时段的最高值（平均14.2），表明人类活动在该时期显著增强。
本研究首次将GBRT算法与REVEALS模型相结合，定量重建了青藏高原东部高海拔地区（海拔4000米以上）过去约6800年的植被覆盖变化。研究结果表明，在9190–6800 cal yr BP期间，高夏季太阳辐射和谷风效应导致区域气候总体偏干，木日错湖地区发育了高寒草甸和亚高山灌丛。6800–4750 cal yr BP期间，莎草科和禾本科盖度的增加指示了向更湿润温暖条件的转变。4750–2880 cal yr BP期间，季风降水的减弱导致树木盖度下降，蒿属盖度增加、莎草科盖度减少。2880–1180 cal yr BP期间，寒冷湿润气候条件下草本盖度的增加以及HII值的上升表明，气候因素与早期人类活动共同影响了青藏高原东部的自然植被。约1180 cal yr BP之后，莎草科和菊科盖度的增加以及花粉多样性指数的下降共同指示了人类活动对植被的主导性影响。
本研究的重要价值体现在三个方面：在方法论层面，首次验证了GBRT算法在青藏高原花粉-植被覆盖重建中的优越性，为该领域提供了新的定量重建工具；在科学认知层面，首次提供了青藏高原东部高海拔地区长时间尺度的绝对植被覆盖变化序列，填补了该区域定量植被重建研究的空白；在人类-环境相互作用层面，明确了人类活动至少在约2880 cal yr BP已经对青藏高原东部的植物类群覆盖度产生了可检测的影响，并且在约1180 cal yr BP之后影响显著加剧，这一发现为理解史前人类向青藏高原的扩散与适应过程提供了重要的生态背景。
本研究的亮点主要包括：（1）方法创新——首次将GBRT机器学习算法与REVEALS模型相结合用于青藏高原的植被覆盖定量重建，并通过与MAT和RF方法的系统比较证明了GBRT方法的优越性；（2）区域特殊性——研究区木日错湖海拔超过4000米，是青藏高原东部少有的高海拔定量植被重建研究点，填补了该区域的研究空白；（3）多指标交叉验证——将植被覆盖重建结果与孢粉多样性指数、人类影响指数、炭屑通量、粪生真菌孢子以及考古遗址14C年代密度等多源数据进行了系统对比，增强了结论的可靠性。