融合收敛交叉映射与广义随机森林的干旱长链传播网络混合因果推断框架

推荐：针对干旱传播的高维非线性特征难以被传统线性模型捕捉的问题，研究人员开发了CCM-GRF混合框架，系统分析了塔里木河流域干旱传播路径、滞后反馈和驱动机制。研究发现气象干旱向水文/农业/生态干旱的传播强度分别为0.7/0.4/0.8，滞后2/5/8个月，土壤湿度(16.03%)和潜在蒸散发(14.28%)是关键驱动因子，为干旱风险评估提供了新范式。

　　

在全球气候变化加剧的背景下，干旱作为最具破坏性的自然灾害之一，其发生频率和强度持续增加。传统干旱研究多聚焦单一类型干旱或简单线性传播模型，难以揭示干旱在气象-水文-农业-生态系统中复杂的非线性传播机制。特别是在塔里木河这类封闭的内陆河流域，干旱传播表现出显著的高维非线性特征，传统方法无法捕捉其动态因果关系和滞后反馈效应。

针对这一科学难题，中国科学院新疆生态与地理研究所干旱区生态安全与可持续发展国家重点实验室的研究团队创新性地将非线性动力学方法收敛交叉映射(CCM)与机器学习技术广义随机森林(GRF)相结合，构建了混合因果推断框架。该研究以中国最大内陆河——塔里木河流域为案例，首次系统解析了长链干旱传播的网络结构、时空异质性和驱动机制，相关成果发表在《Ecological Genetics and Genomics》期刊。

研究团队采用四项关键技术方法：(1)基于标准化降水指数(SPI)、径流指数(SRI)、土壤湿度指数(SSMI)和归一化植被指数(NDVI)的多源数据融合；(2)通过虚假最近邻法(FNN)优化嵌入维度进行状态空间重构；(3)时间滞后CCM分析双向因果强度；(4)利用GRF模型量化因果效应异质性。数据涵盖2000-2020年气象水文观测和遥感数据集。

研究结果揭示三大重要发现：

1. 干旱反馈与滞后特征：通过CCM分析发现气象干旱向水文/农业/生态干旱传播强度分别为0.7/0.4/0.8，滞后时间依次为2/5/8个月。反向反馈较弱(0.2-0.4)但滞后更长(达12个月)，显示明显的因果不对称性。

2. 干旱传播异质性：GRF模型显示不同干旱类型间因果强度存在显著空间异质性，平均异质效应在0.2-0.47之间。特别发现SPI→NDVI的因果效应范围达0.01-0.91，表明植被响应存在强烈情境依赖性。

3. 关键驱动因子：分裂增益分析确定土壤湿度(贡献率16.03%)和潜在蒸散发(14.28%)是长链干旱传播的主导驱动因素，地下水储量异常在SPI-SRI传播中也起重要调控作用(贡献率16.5%)。

讨论部分强调，该研究突破了传统干旱研究的线性范式，首次在干旱内陆河流域揭示了干旱传播的非线性网络特征。发现的滞后反馈机制为干旱早期预警提供了关键时间窗口，而识别的关键驱动因子则为靶向干预指明了方向。研究建立的CCM-GRF混合框架具有方法学普适性，可推广至其他复杂生态系统研究。成果对干旱区水资源管理、生态保护政策制定具有重要实践价值，特别是在气候变化加剧背景下，为构建韧性水资源系统提供了科学依据。

值得注意的是，研究发现的干旱传播阈值效应(如极端干旱条件下SPI→SRI因果强度下降)暗示着干旱系统可能存在临界转变点，这为理解干旱不可逆过程提供了新视角。未来研究可进一步整合人类活动因素，发展耦合自然-社会系统的干旱传播模型，以应对气候变化下的复合型干旱风险挑战。