C₃植物叶片碳同位素为了解陆地生态系统植被碳-水循环及其对气候变化的响应提供了宝贵信息。然而，由于缺乏捕捉叶片碳同位素变化的全球长期空间地图（同位素景观图谱，Isoscapes），叶片碳同位素的全球应用受到阻碍。在这项研究中，我们在全球范围内收集了C₃植物叶片碳同位素样本，并从三种机器学习算法中选择了最佳预测模型，以0.05°的空间分辨率构建了2001-2020年全球天然C₃植物长时序年度叶片碳同位素同位素景观图谱。结果表明，与多层感知器（MLP）和支持向量机（SVM）相比，随机森林（RF）算法能更准确地构建叶片碳同位素景观图谱。与仅依赖光谱波段相比，加入大气二氧化碳特征、地理和生理信息大大提高了预测效果。其中，海拔高度、蓝光光谱反射率和太阳诱导叶绿素荧光是构建C₃植物叶片同位素景观图谱最重要的三个变量，其相对重要性均超过85%。预测的同位素景观图谱显示，在全球范围内，不同大陆地区的C₃植物叶片碳同位素景观图谱具有很强的空间异质性。我们的研究结果表明，利用随机森林算法，结合遥感、大气二氧化碳特征、生理和地理变量，可以建立同位素景观图谱。而本研究生成的同位素景观图谱产品可用于评估陆地生态系统的碳-水耦合状况及约束和改进陆地表面模型。

全球尺度,遥感光谱,稳定碳同位素,同位素景观图谱