基于机器学习的青藏高原草地退化等级评估（2000-2020）：融合生态地理分区与多维度指标的新框架

《Ecological Indicators》：Machine learning-based assessment of grassland degradation levels on the Qinghai-Tibet Plateau from 2000 to 2020

本研究针对传统遥感监测方法依赖单一植被指标（如FVC、NPP）导致评估不全面的问题，开发了融合生态地理分区与时空替代的草地退化监测框架。通过整合FVC、NPP、土壤保持（SC）和水源涵养（WR）等多维度指标，结合随机森林算法，在青藏高原划分5个生态地理区，实现了精度达0.87的退化等级评估。研究发现高原草地退化呈现东南向西北加剧的空间异质性，人类活动强度（HAI）是主要驱动因子（q=0.75），而年均降水与18℃以下积温的交互作用主导退化格局（q>0.98）。该研究为草地生态系统管理与可持续发展提供了更明确的时空信息。

　　

在全球气候变化和人类活动加剧的背景下，草地生态系统作为重要的陆地生态系统，正面临着日益严重的退化威胁。青藏高原作为“世界屋脊”和“亚洲水塔”，其草地生态系统的健康状况不仅关系到区域生态安全，更对全球气候变化具有重要指示作用。然而，传统的草地退化监测方法主要依赖单一植被指标（如植被覆盖度FVC、净初级生产力NPP）的时间序列变化，难以全面反映草地生态系统的综合状况，且评估结果易受基准选择的影响，导致不同研究间的结论存在较大差异。

为了解决这一问题，云南大学的研究团队在《Ecological Indicators》上发表了题为“Machine learning-based assessment of grassland degradation levels on the Qinghai-Tibet Plateau from 2000 to 2020”的研究论文。该研究创新性地将生态地理分区与时空替代方法相结合，构建了一个多维度指标的草地退化遥感监测框架，为青藏高原草地生态系统的精准评估和科学管理提供了新思路。

研究人员首先基于长期气候、地理和NPP数据，将青藏高原草地划分为5个生态地理区（干旱高寒草原、半干旱高寒草原、半干旱高寒草甸、半干旱山地草甸和半干旱山地草原），确保了相似环境条件下退化评估标准的一致性。通过整合868个草地退化等级样本数据和区域指标（FVC、NPP、土壤保持SC和水源涵养WR），利用随机森林（RF）算法对草地退化等级进行评估，整体精度达到0.87。

在研究过程中，团队采用了多项关键技术方法：利用Google Earth Engine平台获取MODIS MOD13Q1数据，采用最大值合成法生成年度NDVI数据；基于CASA模型计算NPP，运用InVEST模型的土壤保持和水源涵养模块评估生态系统服务；通过Mann-Kendall检验和Theil-Sen’s斜率分析指标时空变化趋势；采用地理探测器模型量化自然和人为因素对退化空间分异的影响。

研究结果揭示了青藏高原草地退化的时空格局和驱动机制：

3.1. 草地生态地理分区

基于地形和气候因子聚类分析，将高原草地划分为5个生态地理区，其中干旱高寒草原区面积最大（41.4%）。分区后模型评估精度显著提高（OA从0.78提升至0.87），证明了分区评估的必要性。

3.2. 草地退化指标时空特征

2000-2020年间，各指标均呈现东南高西北低的空间分布格局。NPP年增长率最高（1%），69.1%的草地呈增加趋势；FVC增长较慢（0.2%），56.5%的草地呈上升趋势；SC和WR增长缓慢，但空间分异明显。

3.3. 草地退化综合评估

FVC是大多数分区中最重要的评估指标（贡献率43.4%-52.5%）。高原草地退化呈现东南向西北加剧的梯度特征，无退化、轻度、中度和重度退化面积占比分别为33.4%、25.3%、14.8%和26.6%。2000-2020年间，77.9%的草地保持稳定，13.4%呈现恢复趋势，8.7%出现退化。

3.4. 草地退化驱动因素

人类活动强度（HAI）是影响退化空间分异的首要因子（q=0.75）。气候因子中，降水相关指标（MAP、AHM、CMD、PAS）影响显著。因子交互作用分析显示，年均降水与18℃以下积温（DD_18）的交互作用最强（q>0.98），表明气候因子的协同效应主导着草地退化格局。

研究结论表明，基于生态地理分区和多维度指标的机器学习评估框架，能够更全面、准确地反映青藏高原草地退化状况。草地退化呈现明显的空间异质性和动态变化特征，人类活动是主要驱动因素，而气候因子的交互作用加剧了退化风险。该研究不仅为草地退化监测提供了新方法，也为区域生态保护和恢复政策的制定提供了科学依据。

在讨论部分，作者强调了多维特征融合相较于传统单指标方法的优势，能够通过交叉验证提高评估的鲁棒性。生态地理分区的引入解决了不同生境条件下退化基准差异的问题，使评估结果更具可比性。研究还指出，尽管高原草地整体相对稳定，但区域差异显著，需要采取差异化的管理策略。未来研究应结合多尺度分析和高分辨率遥感数据，进一步揭示退化机制，为草地生态系统的可持续管理提供支持。

这项研究的创新之处在于将机器学习算法与生态地理分区相结合，整合了植被结构、功能和生态系统服务等多维度指标，建立了更全面的草地退化评估体系。研究成果不仅对青藏高原草地保护具有重要意义，也为全球类似生态系统的监测评估提供了可借鉴的方法框架。