全球陆地生态系统能够吸收超过30%的人为排放二氧化碳，进而缓解全球变暖的趋势。然而，陆地生态系统碳汇能力能够受到短期以及长期气候变化的影响。目前，不同时间尺度以及植被类型下气候因子对陆地GPP的具体影响仍未知。过去的研究主要针对单个或区域的观测站点探究了气候因子对GPP变率的影响，但是不同研究结果之间存在较大的差异。基于最新发展的机器学习算法解释模型以及全球FLUXNET站点观测数据，本研究针对4种时间尺度以及6种植被类型全面探究了全球陆地GPP 变率的主要气候驱动因素。结果表明，机器学习算法解释模型能够很好的重现陆地生态系统GPP对气候因子的不同响应，例如土壤湿度与饱和水汽压差的非线性影响。同时，机器学习算法解释模型发现散射辐射主导了短期（日内尺度）GPP变率达到29.6%尤其是树林类植被，远高于其他气候因子的贡献。而对于较长时间尺度的GPP变率，散射辐射的贡献仅次于空气温度，仍高于其他气候因子的影响（例如土壤湿度等）。进一步归因分析表明散射辐射的主效应主导了气候因子对陆地GPP的影响，而不同气候因子之间的交互效应则显示了有限的影响。本研究强调了散射辐射对于陆地生态系统碳吸收的重要性，因此需要在未来不同排放情景的陆地碳汇预估中充分考虑散射辐射的影响。
 

总初级生产力，,散射辐射,温度,变率,时间尺度