青藏高原柴达木盆地2002-2021年土壤盐渍化时空动态与驱动机制：机器学习与地理探测模型的整合研究

本研究针对全球干旱半干旱区土壤盐渍化长期动态监测不足的问题，采用随机森林(RF)等7种机器学习方法和地理探测模型，基于Landsat时序数据解析柴达木盆地20年盐渍化演变规律。发现盐渍土占比超70%但净减少59.7×103 km2，揭示浅层地下水为空间分异主控因子，为青藏高原土地可持续管理提供科学依据。

　　

土壤盐渍化作为全球干旱半干旱区突出的生态环境问题，每年导致全球0.5–1%灌溉耕地丧失生产力，仅中国就有超过950万公顷土地受其威胁。这一"白色荒漠化"过程通过毛细作用使盐分在表土累积，不仅抑制植物水分吸收、破坏土壤结构，更会引发水体污染和生态系统退化。尽管世界土壤日(WSD)已呼吁防控盐渍化，但现有研究多局限于短时间尺度和小范围分析，对青藏高原等生态敏感区的长期动态认知尤为缺乏。

为破解这一难题，第二次青藏高原科学考察项目和国家自然科学基金(52068067)支持的研究团队，以中国海拔最高的柴达木盆地为研究对象，创新性地整合了多时相遥感技术与人工智能算法。研究人员采集2002-2021年间的Landsat时序数据，结合野外调查与实验室分析，采用随机森林(RF)、人工神经网络(ANN)等7种机器学习模型进行盐渍地分类，并运用地理探测器量化驱动因子贡献度。

关键技术方法包括：①基于可见光-近红外光谱特征的盐渍地遥感识别技术；②RF模型(n_estimators=100)等机器学习算法对比；③地理探测模型的空间异质性归因分析；④涵盖地形、气候、水文等多元因子的驱动机制解析。

【研究结果】

1. 模型比较与盐渍化制图精度
   RF模型以61.63%的总体准确率表现最优，较支持向量机(SVM)和K近邻(KNN)分别提高0.01和0.02。盐渍化分类体系成功捕捉到极端盐渍土向轻度等级的转化过程。

2. 盐渍化时空演变特征
   研究区70%以上面积为盐渍土，但20年间净减少59.7×10³ km²。高强度盐渍土集中分布于盆地中部和北部，而边缘区呈现生态改善趋势。

3. 驱动机制解析
   地理探测显示浅层地下水是盐渍化空间分异的首要驱动因子(贡献度38.7%)，其次为年均降水量(22.1%)、海拔(18.5%)、年均温(15.3%)和风速(5.4%)，揭示地形-气候-水文复合作用机制。

【结论与意义】
该研究首次系统刻画了青藏高原东北缘20年盐渍化动态，证实机器学习(RF)与遥感结合的可行性，其61.63%的分类精度为高海拔区盐渍化监测设立新基准。发现浅层地下水主导的驱动模式，为针对性管理提供理论依据——建议优先调控地下水开采并加强轻度盐渍区防控。成果发表于《Ecological Frontiers》，不仅为青藏高原生态安全屏障建设提供科学支撑，更为全球干旱区土地退化防治贡献"中国方案"。作者Xiaolin She（佘小林）等强调，未来需重点关注气候变暖背景下盐分运移机制的长期演变。