摘要涡度相关技术连续观测的碳水通量是准确评估生态系统固碳持水等生态功能的重要基础数据,由于通量观测数据的缺失十分常见且比例较高,引入现代机器学习算法以发展缺失数据的插补方法对降低研究结果不确定性具有重要意义.该研究利用青藏高原东北隅高寒金露梅(Potentilla fruticosa)灌丛已发布的2003–2005年水、热、CO2通量数据集,结合气温、大气水汽压、风速、太阳短波辐射、表层土壤温度和表层土壤含水量等主要环境因子构建了增强回归树模型(BRT)以插补缺失通量数据,并与中国通量观测研究联盟(ChinaFLUX)的数据序列进行了比对,以评估BRT在通量数据集成分析中的应用.BRT对大样本(N>10000)通量数据具有较好的模拟效果,观测值与模拟值的回归斜率为1.01–1.05(R2>0.80).BRT表明植被生长季(5–10月)白天30 min净CO2交换量(NEE)主要受控于太阳短波辐射和大气水汽压,二者对NEE变异的相对贡献之和为74.7％.表层土壤温度是生长季夜间及非生长季全天30 min NEE的主要驱动因子,其相对贡献为68.5％.30 min显热通量(H)和潜热通量(LE)均主要受控于太阳短波辐射(相对贡献大于58.6％).BRT插补的30 min缺失通量数据均显著小于ChinaFLUX的插补结果.除逐日NEE无显著差异外(p=0.14),BRT的逐日生态系统总交换(GEE)、生态系统呼吸(RES)、H和LE极显著小于ChinaFLUX的数据序列分别约17.5％、21.0％、2.7％和2.2％,但由于量级差异较小,二者具有较高的一致性(数据序列的回归斜率在0.95–1.17).除逐月GEE和RES外,BRT的逐月NEE、H和LE与ChinaFLUX的数据序列无显著(p>0.09)差异.相对于ChinaFLUX数据插补方法,BRT不需要复杂的数学表达就可模拟主要环境因子的非线性作用特征,从而进行缺失通量数据的插补,是通量数据集成分析的一种可行方法.