气象与植被非线性驱动下的流域水源涵养生态管理优化研究

本文创新性地融合机器学习（SOM/GAM）与水文模型（SWAT），揭示气象与植被因子对水源涵养的非线性作用机制，提出基于海拔分区的NDVI阈值优化策略（山区0.65/平原0.45），为流域生态管理提供科学依据。

　　

Highlight

水源涵养是流域生态系统最重要的调节服务之一，但其对气象和植被变化的响应存在显著非线性与空间异质性。本研究通过整合机器学习与水文模型，揭示了气象与植被因子对水源涵养的非线性作用机制。

Introduction

水源涵养作为关键生态系统服务，体现了生态系统对水资源的调节功能，对提升水资源利用效率和生态保护具有重要作用。协调生态恢复与水源涵养的关系是现代流域管理的核心挑战。尽管植被覆盖增加有助于生态系统健康，但其引发的蒸散耗水可能与降水截留效益形成复杂权衡。因此，解析气候与植被因子影响水源涵养的机制，对流域生态管理与修复至关重要。

气候变化和土地利用是影响水源涵养能力的主要因素。降水已被证明是其核心驱动因子，而植树造林等生态工程则通过改变土地利用模式影响涵养能力。现有模型如SWAT和InVEST虽能有效评估水源涵养，但难以解释多因子间的复杂关系。机器学习方法为分析高维环境数据提供了新途径：自组织映射（SOM）可实现因子降维与空间分类，广义加性模型（GAM）则能解析解释变量与响应变量间的非线性关系。

黄河流域作为中国重要流域，其水源涵养能力在自然与人为因素叠加影响下发生显著变化。伊洛河流域作为黄河流域关键水源涵养区，近年涵养能力持续下降。尽管研究已证实降水与植被的主导作用，传统相关性分析仍难以捕捉其复杂机制。本研究应用SOM对流域进行空间模式分类，并采用GAM分析不同空间格局下水源涵养的非线性机制，旨在揭示降水与植被影响水源涵养的非线性阈值，为流域生态管理提供科学参考。

Section snippets

Study area

伊洛河流域是黄河流域重要子流域（图1），由伊河与洛河汇流形成，全长447公里，流域面积18,833平方公里，覆盖洛阳、郑州、三门峡、商洛和渭南等城市。地势西南高东北低，年均温约14.6°C，年均降水量约600毫米。

Calibration and validation of the SWAT model

采用实测径流数据对SWAT模型月径流模拟结果进行评估。校准期（2010–2019）与验证期（2020–2023）的拟合结果显示（图3），所有水文站均达到R² > 0.6 和 E_NS > 0.5，表明模型性能良好，适用于支持水源涵养研究。

Mechanisms of water conservation variation under spatial heterogeneity

水源涵养指流域生态系统对降水的截留与储存作用，对流域水资源可持续发展至关重要。现有研究常用降水、蒸散与径流的差值衡量区域水源涵养能力。降水、蒸散和土地利用已被确定为关键驱动因子。

Conclusions

本研究量化了水源涵养的时空分布格局及其驱动因子，揭示了气象与植被因子对水源涵养的非线性作用，主要发现如下：

1. 1.
   伊洛河流域多年平均水源涵养量为179.69毫米（2010–2023年），呈轻微上升趋势；空间上自上游向下游递减，西部与南部为关键涵养区
2. 2.
   气象与植被因子可显著解释流域水源涵养变化（R² = 0.939, p < 0.05）；植被蒸散在超过临界阈值时会降低涵养能力，降水则始终起促进作用但程度存在区域差异
3. 3.
   提出差异化植被管理策略：山区（海拔 > 950米）NDVI阈值维持0.65，平原（海拔 < 400米）维持0.45