《Agrosystems, Geosciences & Environment》：Digital mapping of soil erodibility: A case study of the Ravang watershed, southern Iran
编辑推荐：
本研究采用随机森林（RF）和增强回归树（BRT）模型，对伊朗南部拉万格流域的土壤可蚀性因子（K-factor）进行高精度数字制图。结果表明，土壤质地组分（特别是极细砂、中砂和总砂含量）是预测K因子空间变异的最关键因子，模型精度高（R2达0.78），为区域水土保持优先区划定提供了科学依据。
摘要
土壤侵蚀是全球范围内土地退化的主要驱动因素。通用土壤流失方程（USLE）将土壤可蚀性（K-factor）作为侵蚀量化的关键参数。本研究重点对伊朗南部霍尔木兹甘省拉万格流域的土壤可蚀性空间分布进行制图，并识别影响其空间分异的主要因子。研究采用条件拉丁超立方采样法选取了100个采样点，利用随机森林（RF）和增强回归树（BRT）算法，结合有机碳含量、土壤质地、结构、渗透性等变量进行空间建模。流域平均土壤可蚀性为0.27 t·ha·h/(ha·MJ·mm)。两种模型精度相当。变量重要性分析显示，极细砂、中砂和总砂含量分布图是预测土壤可蚀性空间分布的最重要因子。空间制图识别出流域南部和西南部为土壤可蚀性最高区域。
1 引言
水蚀是世界上最广泛的土壤退化因素。作为土地退化的关键驱动因素，土壤侵蚀对农业生产力、水资源和生态系统稳定性产生不利影响。通用土壤流失方程（USLE）确定了六个基本侵蚀因子，其中K因子是土壤固有侵蚀敏感性的关键定量指标。数字土壤制图（DSM）通过建立土壤特性与环境协变量之间的定量关系，为土壤可蚀性的连续空间分布建模提供了解决方案。本研究旨在通过RF和BRT模型生成高分辨率K因子图，识别拉万格流域的高侵蚀风险区，并阐明该农业关键区域可蚀性空间格局的主要控制因素。
2 材料与方法
2.1 研究区概况
研究区位于伊朗南部霍尔木兹甘省米纳布县，主要为低地地区，海拔范围33-351米，属干旱气候。流域土壤以新成土和旱成土为主，植被覆盖稀疏。过去几十年，传统牧场和分散草地的土地利用发生了显著变化，大量转为农业生产用地。
2.2 土壤采样与实验室分析
采用条件拉丁超立方采样法确定了100个采样点，采集0-30厘米深度的土壤样品。实验室分析了pH值、电导率、颗粒组成（包括粉砂、总砂及各级砂粒含量）和有机碳含量等土壤性质，并进行了土壤结构和渗透性的野外观测与分类。
2.3 土壤可蚀性计算
采用Wischmeier和Smith的经典模型计算K因子，该方程综合考虑了土壤渗透性、结构、有机质含量和颗粒组成等关键参数。
2.4 空间环境数据获取
共使用了19个环境因子，包括地形属性（源自30米分辨率DEM）、遥感指数（NDVI, NDSI）和土地利用数据。关键土壤性质（如EC、pH、各级颗粒含量、有机碳）的空间分布图通过普通克里金法插值获得，所有空间数据统一为30米分辨率。
2.5 土壤可蚀性空间建模
使用RF和BRT两种机器学习算法进行空间建模。RF是一种集成学习算法，通过构建多棵决策树并聚合其结果进行预测。BRT则结合了回归树和梯度提升技术，能够处理非线性关系并对过拟合具有鲁棒性。
2.6 模型精度评估
采用10折交叉验证评估模型性能，使用决定系数（R2）、平均绝对误差（MAE）和均方根误差（RMSE）作为评价指标。
3 结果
3.1 数据统计摘要
土壤质地分析表明，总砂粒是主导组分（平均67%），其次为粉砂（23%）和粘粒（9%），平均质地为砂质壤土。土壤可蚀性因子（K）变化范围为0.05至0.54 t·ha·h/(ha·MJ·mm)，平均值为0.27 t·ha·h/(ha·MJ·mm)。
3.2 土壤性质与K因子的关系
分析显示K因子与颗粒组成存在显著相关性。与粉砂含量和极细砂含量呈正相关，而与粗砂含量和总砂含量呈负相关。这表明细颗粒物质增强了土壤可蚀性，而粗颗粒则降低了土壤的侵蚀敏感性。
3.3 土壤性质的空间分布
总砂含量在北部、东北部、东部和西北部较高。极粗砂和中砂含量在北部、东部和东北部较高。粉砂和极细砂在南部、东南部和西南部占主导地位。土壤有机碳最高值出现在东北部。中部和西北部区域土壤pH值最高。
3.4 模型在土壤侵蚀预测中的性能与评估
RF模型的最优mtry和ntree值分别为9和500。BRT模型的最优树复杂度和学习率分别为0.06和0.1。评估指标显示，RF模型略优于BRT模型，R2分别为0.78和0.77。两种模型均表现出较强的预测性能。
3.5 模拟土壤可蚀性变异的关键因子
变量重要性分析表明，土壤质地组分是最有影响力的预测因子。在BRT模型中，中砂和总砂最为重要；在RF模型中，极细砂和中砂最为重要。其他考察因子对K因子空间分布的影响最小。
3.6 土壤可蚀性的空间建模
两种模型预测的K因子在四个侵蚀等级中表现出相似的性能。生成的地图揭示了明显的空间格局：北部地区可蚀性值最低，而南部和西南部地区侵蚀敏感性最高，这可能是由于集约农业导致土壤结构退化所致。
4 讨论
拉万格流域的土壤表现出极高的可蚀性，平均K因子为0.27 t·ha·h/(ha·MJ·mm)，属于全球已记录的严重案例。土壤质地组分是本研究中最具影响力的因素，极细砂、中砂、粉砂和总砂分布图对K因子空间估算显示出最强的预测能力。研究表明，细砂粒和粉砂含量与土壤可蚀性之间存在强相关性，而地形衍生变量和遥感指数对K因子预测的贡献不显著。空间分布上，南部和西南部区域K值最高，这些区域粉砂和极细砂含量较高，而中部、东北部和北部区域K值最低，这些区域极粗砂和总砂比例较大。两种模型均表现出较高的预测精度，为在高风险区域有针对性地实施水土保持措施提供了可靠依据。建议在脆弱地区优先采用适应当地条件的原生植被、扩大果园种植以及发展可再生能源项目等策略。
5 结论
本研究揭示了拉万格流域，特别是南部和西南部地区存在显著的土壤侵蚀风险。K因子与粉砂/极细砂含量增加之间存在明确关系。RF和BRT模型显示出近乎相同的高预测精度。土壤质地组分图对提高模型精度特别有价值。生成的侵蚀风险图突出了需要立即干预的关键区域。建议采取区域特定的土壤保持措施，包括采用适应当地条件的原生植被和种植策略、利用空间预测确定优先实施的重点侵蚀控制项目以及可持续土地管理实践，以最大限度地减少土壤流失。
