“水文连通性解释了碳储量变化的73%”：论文里写“解释了多少”时，要先说清楚是怎么算出来的

2026年10月30日讯 据生态修复网报道，一项发表在《水资源研究》上的研究以我国最大淡水湖鄱阳湖为对象，利用2000年至2020年的遥感数据，发现湿地植被碳储量稳步增加，水文连通性解释了碳储量变化的73%。研究还发现连通性与碳储量之间存在非线性关系，并比较了不同连通程度的季节性碟形湖。

“解释了73%”是一个震撼人心的数字，新闻报道经常将其置于突出位置。对于写论文的研究生来说，这句话却值得停下来想一想，这个73%是怎么得到的？

“解释了多少”可能有好几种算法

在不同的研究里，“解释了多少”可能对应不同的统计量。线性回归中常见的是决定系数，表示模型拟合值能说明因变量变异的比例；方差分解或层次分割，会把总解释量分摊给不同的自变量；机器学习模型里，还有基于特征重要性的贡献率。这些指标的含义和适用条件各不相同，不能混为一谈。

因此，当你在论文中写“某因素解释了百分之多少”的时候，你至少要说明是用什么模型什么指标，是一个变量还是多个变量。如果只提供一个百分数，读者既不能判断其可靠性，也不能和其他研究进行对比。

同样是“解释了多少”，背后的算法可能完全不同（插画）

非线性关系，更要谨慎表述

这项研究还提到连通性与碳储量之间存在非线性关系。非线性意味着连通性在不同区间对碳储量的作用不同，用一个整体的百分数去概括，可能掩盖这种差异。论文写作时，可以配合散点图或拟合曲线，让读者看到关系的具体形态，再说明在哪个区间作用更明显。

还要注意，“解释”是统计意义上的说法，并不等于因果。即便一个变量能说明大部分变异，也可能是因为它和其他未纳入的因素高度相关。讨论部分可以结合机理分析，说明这种关系在生态学上是否说得通。

遥感时间序列研究，数据处理要交代清楚

用二十年的遥感数据做分析，影像来源、时间分辨率、云覆盖处理和分类精度验证都会影响结果。这些步骤在论文中往往需要专门的篇幅说明。很多学位论文对数据处理一笔带过，结果在答辩时被追问。

用图形呈现变量之间的关系形态，比只给一个百分数更有说服力（插画）

做这类分析时，PaperOK科研助手可以在本机调用Python或R环境完成回归、方差分解和可视化，脚本可复现，每一步怎样计算都能在“工作过程”里查看；“数学建模与统计”学科模式提供相应的专业知识。选用哪种指标、结果怎样解释，需要作者结合研究问题判断。

常见问题

问：决定系数多高才算好？

无统一标准，视学科和研究问题而定。横截面的社会调查数据往往偏低，物理过程模拟往往偏高，需与同领域文献对比。

问：几个变量的贡献率加起来不等于总解释量，正常吗？

可能正常。变量之间存在共线性时，单独贡献与共同贡献会有重叠，需要说明采用的分解方法。