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%。(2)　CatBoost　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（R~2）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。