编辑推荐：
为解决传统沟壑侵蚀控制成本高、定位难问题，研究人员基于土耳其溪流域数据，用多元自适应回归样条（MARS）模型开展沟壑侵蚀敏感性评估。发现 snapping 沟壑数据和含集水区相关变量的预测集 B 性能更优，为侵蚀防治提供了开源且可复现的工具。
在全球范围内，沟壑侵蚀作为土地退化的重要形式，严重威胁着土壤保持、农业生产和生态可持续性。它不仅会导致土壤流失、加剧径流连通性，还会切割地貌、降低农业生产力。传统的沟壑侵蚀控制方法，如修建谷坊、种植植被等，虽然能在一定程度上缓解问题，但存在成本高、缺乏精准定位的不足。因此，如何准确预测沟壑侵蚀的空间分布，成为了水土保持领域的关键课题。
为了攻克这一难题，来自意大利巴勒莫大学（Department of Earth and Marine Sciences, University of Palermo）的研究人员，以美国堪萨斯州中部的土耳其溪流域为研究区域，开展了像素级沟壑侵蚀敏感性的预测建模研究。该研究成果发表在《CATENA》上，为全球类似地区的沟壑侵蚀评估提供了重要的方法参考。
研究人员主要采用了多元自适应回归样条（Multivariate Adaptive Regression Splines, MARS）模型这一关键技术。首先，通过谷歌地球专业版的卫星影像解译和实地调查，获取了研究区域的沟壑清单，并将其数字化为栅格文件。接着，利用高分辨率的数字高程模型（Digital Elevation Model, DEM）提取了地形变量，包括与集水区无关的变量（如坡度角、平面曲率等）和与集水区相关的变量（如河流等级、湿润指数等）。为了确保沟壑数据与 DEM 衍生的流线一致，研究人员通过设置不同的捕捉距离（4m、8m、16m）和集水区阈值（1000m2、2000m2、5000m2），对数字化的沟壑像素进行了 “捕捉” 处理，生成了多个沟壑网格。最后，通过五折空间交叉验证，评估了不同模型的预测性能。
3.1 输入数据分析
通过曼 - 惠特尼 - 威尔科克森检验和脊柱图分析发现，沟壑像素在未捕捉时更倾向于出现在坡度较陡、凹形坡以及河流等级、水流功率指数（Stream Power Index, SPI）等较高的区域。捕捉处理后，坡度角的变异性降低，沟壑像素更集中于主排水线附近，且与集水区相关变量的关联性增强。方差膨胀因子（Variance Inflation Factor, VIF）分析表明，各预测变量间无强相关性，可全部用于建模。
3.2 MARS 模型预测性能
研究共构建了 20 个 MARS 模型，结果显示：所有模型的 AUC 值均大于 0.9，表现出优异的预测能力。其中，使用捕捉沟壑数据和预测集 B（包含集水区相关变量）的模型性能更优，平均 AUC 为 0.991，Cohen’s kappa 为 0.930。进一步分析发现，随着捕捉距离和集水区阈值的增加，模型性能呈现出一定的变化趋势，较高的集水区阈值（如 5000m2）能显著提升模型的可靠性。
3.3 沟壑侵蚀敏感性地图
基于表现最佳的 MBG6 模型（集水区阈值 5000m2，捕捉距离 8m），研究人员生成了研究区域的沟壑侵蚀敏感性地图。结果显示，大部分区域的沟壑形成概率较低，而水流强烈汇聚的区域则具有很高的敏感性，这些区域亟需采取土壤侵蚀控制措施。
研究表明，将沟壑轨迹与 DEM 衍生的流线进行合理捕捉对齐，能够显著提高预测模型的准确性，确保沟壑数据与水文条件一致，减少空间误差。集水区相关变量（如 GORD、SPI、TWI、LS 因子）的引入，能有效增强模型捕捉沟壑形成的动态过程的能力，是提升预测性能的关键因素。此外，模型在不同捕捉设置下表现出的一致性，说明该方法具有较强的灵活性和适应性，可在不同区域推广应用。
这项研究不仅为沟壑侵蚀敏感性评估提供了一种可靠、可复现的建模框架，还通过开源的 R 代码（可在 GitHub 获取）为全球研究人员和从业者提供了实用工具。它有助于精准定位沟壑侵蚀高危区域，为土壤保持和可持续土地管理提供了科学依据，对缓解全球土地退化问题具有重要的现实意义。未来，该框架可进一步应用于不同地理区域，并结合更多环境变量，以进一步提升模型性能。
