竹林生态系统在陆地碳汇中扮演着重要的角色，它能够有效减缓大气二氧化碳浓度上升并缓解气候变暖，但由于观测数据有限和模型性能不足，其在区域尺度的固碳能力评估仍存在较大的不确定性。在本研究中，以中国亚热带典型竹乡——浙江省安吉县为例，我们基于自动机器学习方法（FLAML），结合涡度通量观测与多源遥感数据，实现了站点碳通量预测与区域碳汇估算。通过该方法筛选出的最优预测模型在测试集的决定系数（R²）为0.59，RMSE为20.29 g C·m^-2·s^-1。利用建立的最优数据驱动模型，生成了安吉县2003-2020年逐月、500米空间分辨率的竹林净生态系统生产力（NEP）数据集。从空间分布来看，安吉县NEP呈现出明显的空间异质性，东北部值域较低而西南部较高，这种格局与海拔高度密切关联，表现为高海拔区域具有更强的碳汇能力。在季节变化方面，生长季（4-11月）NEP显著高于非生长季，7月达到峰值（0.032 Tg C/月），与竹林物候周期高度吻合。在2003-2020年期间，竹林NEP呈显著上升趋势（R²=0.86, p<0.001），奇数年（大年，0.30 Tg C/年）平均NEP高于偶数年（小年，0.28 Tg C/年），且2013年后大小年差异持续扩大。显著的NEP增长主要集中于低海拔地区。植被参数（LAI、NDVI和FAPAR）与NEP呈强正相关，是长期变化趋势的关键驱动因子。气候引起的植被变绿是近二十年安吉竹林碳汇快速增长的主要原因。本研究为理解亚热带竹林碳循环机理和优化碳汇评估模型提供了科学依据，也为区域竹林碳监测建立了可靠的方法框架。

竹林碳汇；生态系统净CO2交换；生态系统通量升尺度；自动机器学习；多源遥感