Como sumideros de carbono globalmente críticos, la productividad primaria neta (NPP) de los bosques boreales es crucial para entender el ciclo de carbono terrestre. Sin embargo, la falta de datos de alta resolución a largo plazo ha obstaculizado el progreso en este campo. En este estudio, utilizamos una cronología estandarizada de anillos de árboles para identificar los factores dominantes que impulsan los cambios en la NPP en la Cordillera Khingan del Norte, aplicando tanto coeficientes de correlación de Pearson como valores de importancia SHAP. Luego, integramos modelos de XGBoost y Bosque Aleatorio Extremo (ERF) para reconstruir la NPP forestal interanual en la región desde 1968 hasta 2020. Nuestros resultados revelan una correlación significativa entre la NPP y el crecimiento radial de los árboles, siendo ambos procesos dominados por la sequía de la temporada de crecimiento. La combinación de aprendizaje automático y métodos de anillos de árboles demostró ser un enfoque confiable, con el modelo XGBoost logrando una mayor precisión de reconstrucción que el modelo ERF. La serie de NPP reconstruida mostró una fuerte correlación regional con los productos de NPP de MODIS (r > 0.6) y reveló ciclos interdecadales de 10, 28 y 49 años, así como periodicidades más cortas de 2-8 y 15-18 años. Este estudio establece un nuevo marco para la reconstrucción de NPP de alta resolución y aclara los mecanismos de respuesta del ciclo de carbono del bosque boreal al cambio climático.