基于遥感技术的非光合植被(NPV)集成风蚀模型：提升半干旱区风蚀模拟精度的新视角

针对区域尺度风蚀模拟中非光合植被(NPV)参数缺失导致的不确定性问题，研究人员通过融合NPV遥感监测技术与Raupach拖曳分配方案，构建了集成风蚀模型。研究表明，该模型使模拟误差降低61%，揭示了NPV在非生长季风蚀控制中的关键作用，为干旱区土地退化防治提供了新工具。

　　

风蚀是干旱半干旱区土地退化的主要驱动力，全球约28%的陆地面积受其影响。尽管早在上世纪30年代就发现非光合植被（NPV，包括休眠植被和植物残体）具有抑制风蚀的作用，但由于缺乏有效的区域尺度监测手段，现有模型往往低估其贡献。特别是在东亚季风区，风蚀高发的非生长季恰逢植被休眠期，传统植被指数（如NDVI）难以捕捉NPV光谱特征（1900-2100 nm敏感波段），导致模拟结果存在显著偏差。

针对这一瓶颈，中国科学院西北生态环境资源研究院的研究团队创新性地将机器学习驱动的NPV遥感反演技术与物理过程模型耦合，构建了首个集成NPV监测的风蚀模型。研究选取内蒙古荒漠草原（DS）和毛乌素沙地（MU）为示范区，通过ASD FieldSpec 4高光谱仪获取455个样方的NPV光谱数据，结合MODSI MCD43A4多波段反射率产品，采用多层感知器（MLP）算法建立了覆盖度反演模型（R²=0.854）。基于Raupach拖曳分配理论，首次实现了植被总覆盖度（NPV+PV）与 frontal area index（λ）的精准转换，进而计算粗糙度长度（z₀）和阈值摩擦速度（u_*t）。通过28场野外观测验证，该模型将水平沙通量模拟误差从77.24%降至15.72%。

关键技术包括：（1）基于MLP的NPV覆盖度遥感反演；（2）Raupach拖曳分配方案参数化（β_r=135, m=1）；（3）BEACH模型土壤湿度模拟；（4）Owen沙粒跃移模型与粒径分布（PSD）整合。

研究结果显示：

1. NPV覆盖度机器学习反演
   MLP模型在七波段MCD43A4数据反演中表现最优（EVS=0.91），显著优于传统线性回归。DS和MU地区非生长季NPV平均覆盖度达0.154，是PV覆盖度（0.008）的19倍，尤其在灌丛为主的MU地区，NPV贡献更突出。

2. 粗糙度参数模拟精度
   校准后的拖曳分配方案能准确预测 drag partition（R_t）（RMSE=0.05）和u_*t（RMSE=0.055 m/s）。当λ<0.3时，方案未出现Okin指出的高估现象，证实其在稀疏植被区的适用性。

3. 区域风蚀时空特征
   2001-2022年模拟显示：DS年均沙通量（4269 kg/m/y）是MU（1404 kg/m/y）的3倍。非生长季贡献率达55%-59%，其中4月峰值达570 kg/m/month。忽略NPV会使MU区模拟值虚高1.85倍，凸显其在半干旱区的关键作用。

4. 东北亚NPV分布格局
   2001-2022年东北亚干旱区NPV覆盖呈现西低东高格局（0-0.42），典型草原区达0.3以上，而蒙古南部荒漠草原低覆盖区（<0.1）正是2021-2023年东亚沙尘暴的主要策源地。

讨论指出：（1）当前模型在λ>0.3时存在 sheltered area 重叠计算缺陷，未来需结合LiDAR三维植被构型进行改进；（2）σ参数（植被覆盖度与 frontal area 比值）的时空变异性（1.92-2.95）是主要误差源；（3）NPV在 semiarid 生态系统的风蚀控制效能显著高于 arid 区域，这对实施"土地退化零增长"（LDN）目标具有指导意义。

该研究发表于《International Soil and Water Conservation Research》，通过物理机制与遥感技术的深度融合，不仅解决了长期存在的植被参数化难题，更为全球风蚀模型开发提供了可推广的范式。特别是提出的"生长季-非生长季"差异化植被效应评估框架，为精准制定防风固沙措施提供了科学依据。