中亚1982-2022年土壤风蚀趋势季节性驱动因子差异研究

本研究针对中亚地区土壤风蚀年际趋势驱动机制研究不足、季节性动态关注有限的问题，开展了为期41年（1982-2022）的多季节风蚀评估。研究人员采用参数校准的修订风蚀方程（RWEQ）模型，揭示了中亚地区四季土壤风蚀均呈上升趋势，但夏季和秋季在转折点前后呈现先降后升的独特变化模式。通过多元线性回归（MLR）模型发现，南部干旱气候区风蚀变化主要受风速波动驱动，而北部寒冷气候区的主导因子呈现季节性差异：春季为温度、夏季为植被（FVC）、秋季为降水、冬季为饱和水汽压差（VPD）。研究还发现植被固沙功能随风蚀变化发生逆转，这些发现为干旱区风蚀防治和生态恢复提供了重要科学依据。

　　

在全球干旱半干旱地区，土壤风蚀是一个关键的环境问题，它不仅导致土壤养分流失、肥力下降，还可能引发盐渍化和荒漠化。中亚作为全球重要的沙尘源区，其生态系统对气候变化尤为敏感。尽管已有研究关注到中亚地区土壤风蚀的年际变化，但对不同季节驱动机制的深入探索仍显不足。尤其是在全球变暖背景下，中亚地表温度以约两倍于全球平均水平的速度快速上升，降水呈现高度空间异质性和年际波动，这些变化如何季节性影响土壤风蚀过程，成为亟待解答的科学问题。

为了回答这些问题，研究人员在《Journal of Hydrology: Regional Studies》上发表了一项深入研究。该研究团队利用扩展的修订风蚀方程模型，系统评估了1982年至2022年间中亚地区土壤风蚀的时空变化特征，并首次从季节尺度揭示了风蚀对植被和气候变化响应的差异化规律。

研究采用了多项关键技术方法。首先，基于遥感数据和地理信息系统，研究人员应用了经过参数校准的修订风蚀方程模型来估算土壤风蚀模量，该模型特别针对草地生态系统的土壤可蚀性因子进行了校准。其次，采用分段线性回归模型识别土壤风蚀趋势中的转折点。再者，通过多元线性回归模型量化植被覆盖度和多种气候因子对土壤风蚀变化的相对贡献。研究所用的数据包括GIMMS-3G+ NDVI数据集、AgERA5气象再分析数据、GLEAM土壤湿度数据以及HWSD土壤数据等，所有栅格数据统一重采样至0.1°×0.1°分辨率。

3.1. 中亚地区RWEQ模型性能评估

由于缺乏中亚地区土壤风蚀的长期观测数据，研究通过沙尘频率观测数据间接验证了RWEQ模型在该地区的可靠性。结果表明，模拟的土壤风蚀模量与沙尘频率之间存在显著正相关关系，证明该模型能够有效揭示中亚地区风蚀的实际动态变化。

3.2. 土壤风蚀的时空变化

从1982年到2022年，中亚地区春季、夏季、秋季和冬季的土壤风蚀模量在区域尺度上均呈现上升趋势。分段线性回归模型识别出夏季和秋季风蚀趋势存在明显的转折点：夏季风蚀在1982-2000年呈下降趋势，而在2000年后转为上升；秋季风蚀在1982-2007年下降，之后转为增加。空间上，春季风蚀在转折点前后呈现相反的变化格局，而夏季和秋季则在转折点后大部分区域转为上升趋势。

3.3. 植被和气候因子对土壤风蚀的贡献

多元线性回归分析揭示了不同季节和区域的主导驱动因子存在显著差异。在南部干旱气候区，风速是影响土壤风蚀变化的主要因素；而在北部寒冷气候区，主导因子呈现明显的季节性特征：春季以温度为主，夏季以植被覆盖度为主，秋季以降水为主，冬季以饱和水汽压差为主。值得注意的是，夏季植被覆盖度对风蚀变化的贡献在转折点后显著增加。

3.4. 植被固沙功能的时空变化

植被覆盖是影响土壤风蚀的重要因素，直接关系到植被的固沙功能。研究发现，整个研究期内，春季、夏季、秋季和冬季的土壤保持率均呈下降趋势。夏季土壤保持率在风蚀趋势转折点前呈增加趋势，之后显著下降；冬季土壤保持率在转折点后下降趋势也明显加剧。空间上，春季和秋季土壤保持率在转折点前后呈现相反的变化格局，而夏季和冬季的下降趋势在转折点后显著加强。

研究结论和讨论部分强调了这些发现的重要意义。气候变暖是北部地区春季风蚀变化的主要驱动力，其通过影响积雪融化、土壤湿度和物候期等因素，对风蚀产生双向影响。在干旱气候区，风速是决定风蚀的关键气候驱动因子，全球风速由"停滞"到"恢复"的转变与当地风蚀趋势的逆转密切相关。夏季植被动态在风蚀变化中扮演关键角色，人类活动如过度放牧和不合理水资源利用导致的植被退化，显著削弱了生态系统的防风固沙功能。秋季降水增加通过提高土壤湿度和植被覆盖度，在北部地区起到了缓解风蚀的作用。冬季饱和水汽压差作为大气干旱的指标，对土壤表面流动性有直接影响，成为北部寒冷气候区冬季风蚀的主要驱动因子。

这项研究首次系统揭示了中亚地区土壤风蚀季节性驱动机制的差异，为理解干旱区风蚀过程对气候变化的响应提供了新视角。研究成果对中亚地区风蚀防治和生态恢复实践具有重要指导意义，特别是在制定季节性差异化的风蚀管控策略方面提供了科学依据。未来研究需要结合更高时空分辨率的数据和实地观测，进一步优化模型参数，并综合考虑气候变化和人类活动的交互影响，以更全面理解土壤风蚀的复杂驱动机制。