基于机器学习算法的区域尺度沟壑侵蚀风险评估及驱动因子空间定量解析

针对传统沟壑侵蚀敏感性模型(GESM)仅能评估沟壑形成概率而无法预测发展风险的局限，中国科学院团队在东北黑土区(177,584 km2 )创新性提出沟壑侵蚀风险模型(GERM)，结合GESM与沟壑密度模型(GDM)，采用XGBoost等算法揭示12.9%区域存在高风险，发现地形-气候-人类活动协同作用机制，为全球农业区土壤侵蚀防控提供新范式。

　　

在全球四大黑土区之一的东北黑土带，沟壑侵蚀正以每年5.7米的速度蚕食着"耕地大熊猫"。这片承担中国粮食安全重任的沃土，70%沟壑发育于农田中，每年造成429立方米土壤流失，严重威胁着"北大仓"的生态安全。传统研究多聚焦小流域尺度的沟壑形成概率评估，却难以回答"现有沟壑是否会继续扩张"这一关键问题，更缺乏大区域精准调查方法。

中国科学院团队在《Geoderma》发表的研究中，创新采用分层随机抽样(SRS)方法，基于0.3-0.6米分辨率Google Earth影像解译东北漫岗丘陵区177,584 km²
范围内的4942条沟壑，结合随机森林(RF)、XGBoost等机器学习算法，首次构建了融合现状密度(GDM)与形成潜力(GESM)的沟壑侵蚀风险模型(GERM)。研究通过SHAP值解析驱动因子贡献度，运用莫兰指数(Global Moran’s I)和热点分析揭示空间聚集特征。

关键技术包括：1) 分层随机抽样构建424个4 km×4 km调查网格；2) 14个环境因子VIF<10筛选；3) XGBoost/RF/KNN/ANN-MLP四种算法对比；4) 自然断点法三级分类构建3×3风险矩阵。

研究结果揭示：

1. 现状特征：平均沟壑密度达250.35 m km^-2
   ，84.64%沟壑长度<500 m但43.13%侵蚀量来自>500 m长沟壑，东部哈尔滨-绥化区域密度最高。
2. 风险分布：12.9%区域属高风险区(8.0%高+3.9%中+1.0%低风险)，44%区域处于"低平衡"状态，空间聚集特征显著(z=73.34)。
3. 驱动机制：

• GESM中气候因子贡献最大(R因子FR值达2.03)，极端低温(-28~-25.72℃)促进侵蚀；
• GDM中地形指标AS²
  (复合地形指数)主导(SHAP值最高)，人口密度正相关；
• GERM显示地形(AS²
  )>气候(年均温)>人类活动(人口密度)的驱动序列。

这项研究突破性地实现了三大创新：首次在区域尺度量化沟壑发展风险而不仅是形成概率；创建适用于大范围调查的SRS-GIS协同技术框架；揭示寒冷区温度阈值效应(26.88-28.47℃最高温区间FR>1.6)对侵蚀的特殊影响。研究不仅为东北黑土保护提供精准治理靶区，其"现状-潜力"双评估模型更为全球农业区土壤侵蚀风险管理树立新标准。正如讨论指出，未来需重点关注占研究区12.9%的高风险带及其周边"高平衡"区，通过调整耕作方向、优化土地利用等方式阻断"地形-气候-人为"协同侵蚀链。该成果对落实联合国2030土地退化零增长目标具有重要实践价值。