湿地作为重要的基于自然的气候解决方案，其价值主要源于厌氧土壤环境下的碳储存能力。然而，湿地通过反照率和蒸散等过程对地表温度产生的生物物理效应，研究仍相对不足。与森林相比，湿地通常具有更高的土壤蒸发量和地表反照率，但植物蒸腾作用较弱，导致其净生物物理影响存在较大不确定性。为此，本研究通过结合物理推导变量与机器学习方法，系统量化了湿地与森林之间的地表温度差异，并深入解析其驱动机制。研究结果显示，全球76%的湿地表现出年均冷却效应，平均降温幅度为0.45°C ± 0.08°C，而34%的湿地则呈现净增暖趋势。冷却效应存在明显的纬度分异：寒带湿地冷却效应最强，中纬度地区则较弱甚至出现增温。此外，湿地冷却效应还具有显著的昼夜不对称性，夜间冷却强度明显高于白天。从季节变化来看，春季湿地的冷却效应最为突出，夏季则相对较弱。在驱动机制方面，地表反照率是主导全球48%湿地温度调节的关键因子，尤其在北方中纬度地区作用更为显著。通过整合物理推导变量与机器学习方法(如随机森林模型)，本研究揭示了不同纬度和季节尺度下湿地与森林的温度差异模式及其形成机制，深化了对陆地生态系统—气候反馈过程的理解，为湿地保护与气候适应性管理提供了科学依据。

　　上述研究成果发表于国际学术期刊Global Change Biology上，研究得到了国家重点研发计划(2023YFF0807202.第一标注)等项目资助。