人类正在面对日益严峻的环境问题，这些问题严重制约着人类社会的可持续发展。其中，由CO2等温室气体过度排放所导致的全球变暖已成为亟待解决的重大环境问题。全球碳通量观测站点积累了海量的观测数据，为碳通量和生态问题的研究提供了有力的数据基础。采用数据挖掘的理论和算法进行科学的分析和处理，可以有效发掘碳通量因素和其他生态因素之间的关系，确定区域乃至全球的二氧化碳分布模式。　　碳通量测量设备昂贵，相比之下生态因素的测量成本较低，如果通过若干重要生态因素预测碳通量，就能够大幅度地降低观测站点的建设成本，扩大建设范围，而高质量的预测模型，能够显著提高预测精度，增强其说服力，为后续的科学研究提供可靠的数据来源。实验数据来自美国北卡罗莱纳州布莱克伍德区杜克森林和美国亚利桑那州图森市肯德尔草原观测站点。本文研究碳通量因素约简算法和碳通量预测算法。　　1.针对碳通量观测数据因素多的特点，将相关性分析法与粗糙集约简算法相结合，提出一种适用于碳通量观测数据的高效、客观性强的因素约简算法，选择出对碳通量影响最重要的若干因素，为预测模型提供精简的输入数据。实验结果表明，粗糙集能有效地减少冗余信息和人为的干扰，相比其它特征选择算法更具客观性。　　2.提出小波网络的碳通量预测模型，相比BP神经网络和支持向量回归机，小波网络能够获得更高精度的预测结果。结合模糊C均值聚类算法(FCM)，进一步提出FCM小波网络的碳通量预测模型。　　3.提出脊波网络的碳通量预测模型，脊波能有效处理碳通量数据中的超平面奇异特性，相比小波网络，脊波网络的收敛速度更快，预测精度更高，网络结构更稀疏。　　4.针对现有脊波网络隐含层结点个数确定困难、网络训练速度较慢等缺点，本文将自适应增加隐含层结点个数的方法与高斯牛顿法、矩阵分块法、伪逆矩阵集成的参数调节算法相结合，提出改进的自适应脊波网络预测模型。相比标准脊波网络，更加容易确定最佳隐含层节点个数；相比自适应脊波网络和小波网络，预测精度更高，收敛速度更快，隐含层节点个数更少。　　5.采用C＃与MATLAB混合编程的方法实现了碳通量预测原型系统。