全新世非洲湿润期（African Humid Period, AHP）期间”绿色撒哈拉“的发生，是过去气候–植被相互作用的一个典型案例，但其时空演变特征仍缺乏充分认识。本研究构建了一个数据驱动框架，将古气候数值模拟与机器学习方法相结合，用于重建北非植被演变过程。我们利用观测到的植被与气候因子之间的非线性关系，训练了两类机器学习模型——人工神经网络（ANN）和随机森林（RF），并将其应用于古气候重建资料及 TraCE-21ka 古气候模拟资料，以估算全新世北非地区的归一化植被指数（NDVI）。结果表明，ANN 相较于 RF 更能刻画复杂的植被–气候耦合关系，并与代用证据表现出更高的一致性。基于 ANN 的重建显示，在约 12 ka BP之后，北非及阿拉伯半岛植被迅速扩张，在 AHP 时段（10–6.2 ka BP）维持较高植被覆盖，此后逐渐衰退。然而，相比代用指标所指示的整体植被覆盖水平及约 6 ka BP 左右的快速退绿特征，ANN 仍存在低估。灵敏度分析结果强调，受季风控制的降水变化是驱动植被演变的首要因素，气温变化则起到次要但协同增强的作用。本研究提出的机器学习重建框架为理解过去及未来气候变化背景下植被响应机制提供了新的视角。

植被演化,北非季风,全新世,古气候模拟,机器学习