蒙古高原沙漠化脆弱性的评估、驱动机制识别及未来情景预测：一项利用多源数据和机器学习的综合研究

《Ecological Indicators》：Assessment, driving mechanism identification and future scenario projection of desertification vulnerability in the Mongolian Plateau: an integrated study using multi-source data and machine learning

荒漠化脆弱性评估与预测研究：基于蒙古高原的MEDALUS-ESA模型与可解释机器学习框架，揭示2001-2020年空间梯度（南高北低）与时间演变（整体降低，高脆弱区缩减81,544 km2），识别裸土指数（主导因子，重要性0.237）、植被覆盖和NDVI为核心驱动，区分内蒙古（植被恢复与放牧强度主导）与蒙古国（裸土扩张、土壤湿度、放牧协同作用）。预测显示SSP1-2.6（V型波动）与SSP5-8.5（持续恶化）情景下，高脆弱区面积差异达146,043.75 km2，验证自然地理要素（地形、土壤、植被）的主导作用及社会经济因素（人口密度、GDP）的辅助影响。

　　### 中国科学家对蒙古高原沙漠化脆弱性研究的解读

近年来，沙漠化已成为全球范围内影响可持续发展的关键生态问题，特别是在干旱和半干旱地区，其对生态系统和人类社会的威胁日益显著。中国科学家团队通过结合改进的MEDALUS-ESA模型、可解释的机器学习和深度学习技术，构建了一个“评估-归因-预测”的综合技术框架，对蒙古高原的沙漠化脆弱性进行了系统分析。该研究的时间跨度从2001年到2020年，评估了沙漠化脆弱性的时空演变，识别了关键驱动因素，并预测了未来不同气候情景下的脆弱性变化趋势。这项研究不仅为蒙古高原的沙漠化防控和生态保护提供了科学支持，也为全球干旱区生态脆弱性研究提供了方法论参考。

蒙古高原地处东亚和中亚干旱区的过渡地带，其生态环境脆弱，气候变化敏感，年均降水量仅100至400毫米，超过70%的降水集中在夏季。由于潜在蒸散量远大于降水量，长期存在水分亏缺问题。该地区以高原、山地和盆地为主，土壤贫瘠、易受侵蚀，有机质含量低，这些自然条件使该地区成为沙漠化研究的重要区域。然而，该地区的沙漠化问题并非仅由自然因素驱动，还受到人类活动的显著影响，包括过度放牧、土地利用方式的变化以及政策导向的差异。研究发现，内蒙古自治区由于国家主导的生态恢复项目，如“三北防护林”工程和“退耕还林还草”政策，其沙漠化脆弱性表现出明显的改善趋势，而蒙古国由于资源开发和传统游牧业的持续存在，其沙漠化脆弱性则呈现复杂的变化模式。

为了更准确地评估沙漠化脆弱性，研究团队对传统MEDALUS模型进行了改进，引入了社会经济因素，从而构建了一个综合的脆弱性评估体系。该体系包括五个脆弱性指数：气候脆弱性指数（CVI）、植被脆弱性指数（VVI）、土壤脆弱性指数（SVI）、管理脆弱性指数（MVI）和经济社会脆弱性指数（SEVI），覆盖了19个具体指标。通过几何平均法对这些指标进行整合，研究团队能够更全面地反映沙漠化脆弱性的变化趋势和空间分布特征。此外，研究还利用Mann-Kendall趋势检验方法，对五个脆弱性指数的时间序列数据进行了分析，揭示了其变化的显著性。

在关键驱动因素的识别方面，研究团队采用了XGBoost-SHAP分析方法，这是一种基于梯度提升决策树（GBDT）的可解释机器学习技术。通过这一方法，研究发现裸土指数（BSI）是沙漠化脆弱性的主要驱动因素，其重要性达到0.2370。植被覆盖（FVC）和归一化植被指数（NDVI）紧随其后，而气候因素则在极端年份表现出脉冲响应。此外，区域差异在驱动因素上也十分明显：在内蒙古，脆弱性主要受植被动态和放牧强度的影响；而在蒙古，裸地扩展、土壤水分和放牧活动共同驱动脆弱性变化。这些发现揭示了不同区域在生态脆弱性形成机制上的差异，为制定差异化的治理策略提供了依据。

未来预测部分，研究团队利用卷积神经网络（CNN）技术，结合多源空间数据和共享社会经济路径（SSPs）情景，对2040年至2100年期间的沙漠化脆弱性空间模式进行了模拟。结果显示，不同SSP情景下的脆弱性演变趋势存在显著差异。在低排放情景（SSP1-2.6）下，高脆弱性区域呈现出V型趋势，即在2040年至2060年间先减少后回升；而在高排放情景（SSP5-8.5）下，高脆弱性区域则持续增加，预计到2100年将增长8.4%。这种差异反映了气候变化和人类活动对沙漠化脆弱性的不同影响，也为未来生态治理提供了重要的参考依据。

研究团队还利用相关性分析，揭示了沙漠化脆弱性模型中各变量之间的相互作用。通过Spearman秩相关系数，研究发现自然因素之间存在显著的单调相关性，反映了区域生态过程的多重耦合特征。气候和水文因素表现出事件驱动性，特别是在干旱年份，实际蒸散发（AET）和降水量（PR）对脆弱性的影响尤为显著。相比之下，社会经济因素与自然变量之间的相关性较弱，但某些内部变量如土地利用强度（LUI）和夜间灯光指数（NL）显示出较强的内部关联性。这些发现进一步表明，尽管社会经济因素对沙漠化脆弱性有间接影响，但自然因素仍然是主导作用。

此外，研究团队还构建了区域驱动因素的差异化分析模型，揭示了内蒙古和蒙古在沙漠化脆弱性驱动机制上的差异。在内蒙古，植被覆盖和放牧强度是主要的解释变量，而在蒙古，裸地扩展、土壤水分和放牧活动共同作用，形成了一种多因素协同驱动的模式。这种差异可能源于两地在治理体制、经济发展路径和政策实施上的不同，也表明在制定生态治理策略时，需要充分考虑区域特征和自然环境的差异性。

未来研究中，团队建议进一步探索高分辨率的社会经济数据，以更准确地评估社会经济因素对沙漠化脆弱性的潜在影响。此外，研究还指出，当前的预测模型主要基于历史数据的统计关系，可能无法完全捕捉生态系统对前所未有的气候条件的新型响应。因此，未来研究可以考虑将统计模型与过程性生态模型相结合，以提高预测的可靠性。同时，研究还建议对社会经济脆弱性进行更深入的分析，以全面理解人类活动与自然环境之间的互动关系。

综上所述，这项研究不仅揭示了蒙古高原沙漠化脆弱性的时空演变规律，还通过改进的模型和可解释的机器学习方法，识别了关键驱动因素，并对未来不同气候情景下的脆弱性变化进行了预测。这些发现为制定更加科学和精准的生态治理策略提供了重要支持，同时也为全球干旱区生态脆弱性研究提供了方法论上的借鉴。研究团队还指出，未来研究应关注更长时间尺度上的生态变化，以更好地理解生态系统的长期演变规律，并探索更全面的社会经济因素对生态脆弱性的潜在影响。