基于137Cs示踪与机器学习模型的黄河源区土壤侵蚀时空演变及驱动机制量化研究

黄河源区（SRYR）作为“中华水塔”，其复合侵蚀过程对生态安全构成严峻挑战。兰州大学团队创新性融合137Cs示踪技术与GA-CatBoost机器学习算法，构建了首套SRYR复合侵蚀预测模型（Rtest2=0.51），揭示年均侵蚀量达238.80×106 t，78.28%区域呈改善趋势，证实降水与NDVI为关键驱动因子，为高寒生态修复提供科学范式。

　　

被誉为"中华水塔"的黄河源区（SRYR），其生态健康状况直接关系到整个黄河流域的水安全。这片平均海拔超过4000米的高寒区域，82.73%的面积被草原覆盖，却因全球变暖、冻土退缩和过度放牧等问题，正遭受着水蚀、风蚀和冻融侵蚀的复合侵袭。更棘手的是，传统侵蚀监测方法在这里"水土不服"——径流小区实验难以捕捉大尺度动态变化，RUSLE等经验模型在极端环境下精度骤降，而物理模型又面临计算量巨大的瓶颈。面对这一困局，兰州大学草地农业生态系统国家重点实验室的研究团队另辟蹊径，将核素示踪技术与人工智能相结合，在《CATENA》上发表了突破性成果。

研究团队采用了三项关键技术：首先通过¹³⁷Cs核素示踪获取537个长期侵蚀速率数据；其次运用遗传算法（GA）和LASSO两种方法筛选33个环境变量；最后采用CatBoost、随机森林（RF）和K近邻（KNN）三种机器学习算法构建预测模型。特别创新的是，团队开发了针对复合侵蚀的"核素+AI"融合技术路线，解决了传统方法在多元外营力作用下的监测难题。

【模型比较】部分显示，GA筛选的13变量组合（含降水、SOC等）配合CatBoost算法表现最优，测试集R²达0.51，显著优于LASSO-RF组合。这种优势源于CatBoost特有的有序提升策略，能有效处理高寒区数据的不均衡分布。

【时空特征】分析指出，2001-2022年间SRYR年均侵蚀模数为20.21 t·ha^-1·a^-1，呈现"西北高、东南低"的格局。令人振奋的是，78.28%的区域侵蚀强度呈下降趋势，印证了退牧还草等生态工程的成效。但中央区域仍存在侵蚀加剧的"插花地"，暗示局部治理存在盲区。

【驱动机制】研究发现，降水（解释力q=0.32）和NDVI（q=0.28）是调控侵蚀的关键开关。当NDVI>0.6时，即使降水增加也难以诱发强烈侵蚀，这为"以草定畜"的放牧政策提供了量化依据。而传统认知中重要的地形因子，在此次研究中影响力不足10%，颠覆了中低海拔地区的侵蚀调控理论。

这项研究开创了高寒复合侵蚀定量评估的新范式。其价值不仅在于构建了首套SRYR专用侵蚀预测模型，更揭示了植被恢复对气候变化的缓冲作用——在年降水量增加16mm的背景下，NDVI提升使侵蚀总量仍保持下降趋势。这为青藏高原生态屏障建设提供了关键科学依据：未来治理应聚焦植被盖度提升，特别是在冻融交互作用强烈的过渡带区域。研究团队建议，下一步可通过加密采样网格、结合⁷Be短周期示踪等技术，进一步提升模型时空分辨率。