植被总初级生产力(GPP)作为衡量陆地生态系统健康的重要指标,可直接反映区域环境状况和改善情况,因此准确估算植被GPP变化对区域可持续发展具有重要意义.本文利用中国及日本涡度通量观测数据,构建了基于CatBoost算法融合地形特征的GPP估算模型;并将模型应用于具有复杂地形特征的福建省,实现了该省GPP长时序模拟.研究结果表明:①地形特征是GPP机器学习估算的重要参数,融合地形特征建模的GPP模拟结果精度明显提高,均方根误差(RMSE)下降16%.②CatBoost　GPP估算模型有效降低了传统GPP估算模型和常用机器学习(随机森林和支持向量机)GPP估算模型中存在的高估和低估现象,模型拥有更高的精度和更强的鲁棒性.本文GPP模拟精度:决定系数(R2)为0.888,RMSE为1.164　gC·m-2·day-1,平均绝对误差(MAE)为0.773　gC·m-2·day-1.③基于CatBoost　GPP估算模型模拟的福建省多年GPP变化与GOSIF　GPP估算结果高度一致,且其对福建省GPP空间分布表达更准确.福建省2002-2020年GPP均值1697　gC·m-2·a-1,空间变化整体呈现出＂由东南向西北递减＂的分布特征,多年GPP变化呈＂不显著波动增加＂趋势.本研究可为实现区域GPP精确估算和生态环境有效治理提供新方法和可靠科学依据.