干旱中亚植被突变轨迹及其驱动因素的多模型诊断与XGBoost-SHAP可解释分析

《Ecological Indicators》：Abrupt vegetation shifts and their drivers in Arid Central Asia

　　

多模型轨迹诊断识别出中亚的突变轨迹。突变轨迹占正向轨迹的65.06%，占负向轨迹的25.95%。正向与负向突变轨迹呈现不同的时空格局。XGBoost-SHAP（极端梯度提升-沙普利加性解释）显示出对比性的重要性排序和非线性交互作用。土地覆盖转变在统计上与突变方向相关。

研究背景与问题：干旱区覆盖地球陆地表面约41%，在全球变暖下其升温速率高于全球平均，区域水分亏缺、土地退化与生态系统不稳定风险加剧。干旱中亚对全球气候变化高度敏感，总体呈暖湿化但局地极端气候事件增强，未来高排放情景下植被可能由渐变转向显著负向突变。现有断点与分段趋势方法侧重断点检测，对完整轨迹类型及突变后持续性分类不足；传统线性回归和偏最小二乘结构方程模型在刻画非线性关系和多因素交互方面存在局限。因此，研究人员采用多模型轨迹诊断区分线性、曲线和突变轨迹，并结合土地覆盖转变与XGBoost-SHAP，分析正向和负向突变轨迹的时空特征、环境关联、变量重要性和交互模式。该研究有助于理解干旱中亚非线性植被动态及正负突变差异，为区域植被监测和空间差异化管理提供参考。

研究人员开展的研究、结论与意义：研究人员利用2000—2023年MODIS NDVI（归一化植被指数）时间序列，在干旱中亚自然植被区识别NDVI轨迹类型，刻画正向和负向突变轨迹的时空格局，分析土地覆盖转变与突变方向的统计关联，并评估环境变量与突变轨迹的关联、相对重要性和非线性交互。结论显示，突变轨迹占全部有效NDVI轨迹的12.72%，正向突变占8.40%，约为负向突变4.32%的两倍；正向突变集中于中高海拔山地、山麓和哈萨克中部，负向突变呈斑块状分布于西部、北部边缘和咸海周边；沙漠和草地正向突变比例较高，灌木地是唯一负向突变比例高于正向的植被类型；沙漠向草地转变与正向突变相关，草地向沙漠转变与负向突变相关。正负突变模型的重要环境变量不同，且关系多为非线性，模型衍生的响应阈值需独立验证。研究意义在于揭示干旱中亚正负突变轨迹的不对称性及其环境关联差异，强调NDVI尺度突变不等同于生态系统状态转换。

技术方法概述：研究人员基于2000—2023年MODIS NDVI时间序列，在干旱中亚自然植被区以5 km间隔布设500 m×500 m参考网格，经质量控制和时序完整性筛选得到122006个有效网格点；环境变量包括气候、土地覆盖、土壤、地形和人类活动数据。采用多模型轨迹诊断（无趋势、线性、二次多项式和阶跃模型，以AIC（赤池信息准则）选择并进行100次bootstrap质量控制）分类线性、曲线和突变轨迹；以2005与2018年土地覆盖分析转变关联，结合LMG、方差分析、Tukey's HSD、PCA（主成分分析）及XGBoost-SHAP分析环境关联、重要性和交互。

研究结果：
3.1.1 NDVI轨迹组成及突变时空格局：通过多模型轨迹诊断得出，中性轨迹占70.43%，非中性轨迹占29.57%，其中负向和正向轨迹分别占16.66%和12.91%；正向轨迹中突变轨迹占比最高（65.06%），负向轨迹中突变轨迹占比最低（25.95%）；总体突变占12.72%，正向和负向突变分别占8.40%和4.32%。正向突变主要集中于中高海拔山地、山麓和哈萨克中部并向吉尔吉斯斯坦、塔吉克斯坦山地延伸，负向突变主要沿西部和北部边缘及咸海周边呈斑块状分布；正向突变数量在2014年达峰，负向突变在2005和2007年出现峰值，2005—2010年以负向突变为主，2011—2015年正向突变增多并占优，2016—2018年二者数量均较低。
3.1.2 不同植被类型NDVI轨迹组成与突变特征：以2005年土地覆盖为参考进行类型比较得出，五类植被均以中性轨迹为主，灌木地中性比例最高、草地最低；草地负向轨迹比例最高、沙漠最低，沙漠正向轨迹比例最高、灌木地最低。沙漠、草地和稀树草原中正向突变多于负向突变，沙漠和草地正向突变比例较高；森林正负突变比例相近；灌木地是唯一负向突变比例高于正向的植被类型。正向突变主要集中在2012—2014年，草地、沙漠和灌木地峰值多在2014年，森林峰值在2012年，稀树草原在2012和2014年较高；负向突变峰值年份较分散，草地和灌木地多在2005年，沙漠在2007年，稀树草原集中于2013年；草地正负突变绝对数量均最大，森林和稀树草原较少。
3.1.3 突变NDVI轨迹与土地覆盖转变的统计关联：通过列联表、Pearson卡方检验和标准化残差分析得出，土地覆盖转变类型与NDVI轨迹类型存在显著统计关联；正向突变在沙漠向草地转变中显著多于期望，负向突变在草地向沙漠转变中显著多于期望；2005和2018年同一土地覆盖类型的网格中也可出现正向突变，说明NDVI阶跃变化不一定伴随土地覆盖类型变化，结果仅表示统计关联而非因果。
3.2.1 环境变量相对贡献与SHAP重要性：通过LMG相对贡献、Tukey's HSD、PCA及XGBoost-SHAP分析得出，正向突变中CO₂浓度和温度的相对贡献显著高于负向突变，负向突变中太阳辐射、蒸汽压亏缺（VPD）和风速的相对贡献显著高于正向突变；负向突变的未解释比例较高。SHAP重要性显示，正向突变模型中土壤水分趋势和CO₂浓度趋势居前两位，极端干旱年数居第四且较低值多对应正SHAP值；负向突变模型中年均温和太阳辐射居前两位，较低土壤总氮和平均土壤水分多对应正SHAP值；年际温度变率在两模型中均居第三；风速分别居第五和第四；人类足迹（HFP）重要性较低。
3.2.2 关键环境变量的非线性SHAP响应：通过SHAP依赖图与LOESS平滑曲线得出，关键变量呈非线性响应并存在模型衍生响应阈值。正向突变模型中，土壤水分趋势约在?0.1157、CO₂浓度趋势约在2.2161、年际温度变率约在1.58 °C、极端干旱年数约在6.17年、风速约在3.39 m/s、降水趋势约在?1.7889处出现SHAP贡献方向变化；负向突变模型中，年均温约在8.98 °C、太阳辐射约在163.63 W/m²、年际温度变率约在1.67 °C、风速约在2.99和4.08 m/s、土壤总氮约在1.78 g/kg、平均土壤水分约在7.2556 mm处出现方向变化；HFP在两模型中亦呈非线性SHAP响应。
3.2.3 关键环境变量间交互作用：通过SHAP交互分析得出，正向突变模型中总交互强度最高者为CO₂浓度趋势，其次为年际温度变率、土壤水分趋势、降水趋势和极端干旱年数；CO₂浓度趋势与太阳辐射趋势的平均绝对SHAP交互值最高（0.029），其次为CO₂浓度趋势与土壤水分趋势（0.024）。负向突变模型中总交互强度最高者为年均温，其次为太阳辐射、年际温度变率、风速和土壤水分；年均温与太阳辐射的平均绝对SHAP交互值最高（0.016），其次为太阳辐射与风速（0.015）；交互贡献随环境条件呈非线性变化。

讨论部分总结：讨论指出，干旱中亚正负突变在比例和空间分布上呈方向性与空间不对称，正向轨迹中突变比例高于负向轨迹，与全球干旱区模式存在区域差异；正突变多集中在中高海拔山地和山麓及哈萨克中部，负突变多呈斑块状分布于西部、北部边缘和咸海周边，并与区域水分变化和已有退化热点存在空间对应，但空间对应不能确立单因素作用。土地覆盖转变显示正突变与沙漠向草地转变、负突变与草地向沙漠转变统计相关，但仅比较2005和2018年，不能判定转变时序或因果，也不能将NDVI突变直接视为生态系统状态转换。正负突变模型的重要变量不同：正模型更重视土壤水分趋势和CO₂浓度趋势，负模型更重视年均温、太阳辐射及背景水分、能量和土壤资源条件；年际温度变率在两模型中均重要。交互分析表明CO₂浓度趋势与水分、辐射条件的交互在正模型中突出，负模型中温度、辐射、风速和土壤水分的交互突出；这些均为模型识别的统计关联，不能确立生理过程或因果路径。植被类型比较显示草地、沙漠和稀树草原正突变多于负突变，灌木地负突变比例高于正突变但其中性轨迹比例最高，不意味着灌木地整体退化；正突变年份较集中，负突变峰值年份较分散，可能与植被对干旱敏感性和恢复差异有关，但研究未直接量化抵抗力或恢复力。HFP重要性较低，与自然植被掩膜排除人工地类、HFP为复合指标且多年均值难捕捉突变前后活动强度变化有关，不能据此否定人类影响。局限包括5 km间隔采样可能遗漏局地斑块变化、NDVI主要表征冠层绿度、空间自相关未消除、XGBoost-SHAP解释依赖模型结构、样本分布和变量选择，未来需结合多指标、高分辨率数据、野外验证、空间块验证和外部数据评估。

研究结论（译）：研究人员利用多模型轨迹诊断分析2000—2023年干旱中亚NDVI轨迹，并用土地覆盖转变分析和XGBoost-SHAP检验正向与负向突变NDVI轨迹的时空特征及其与主要环境变量的非线性关联和SHAP交互模式。突变轨迹占全部有效NDVI轨迹的12.72%，正向突变占8.40%，接近负向突变4.32%的两倍。正向突变数量在2014年达峰，主要集中于中高海拔山地、山麓和哈萨克中部；2005—2010年突变以负向为主，负向突变呈斑块状分布于西部和北部边缘及咸海周边。沙漠和草地正向突变比例较高，灌木地是唯一负向突变比例高于正向的植被类型。土地覆盖转变类型与突变方向显著相关：正向突变与沙漠向草地转变正相关，负向突变与草地向沙漠转变正相关。正负突变模型中SHAP重要性较高的环境变量不同：正模型中土壤水分趋势和大气CO₂浓度趋势重要性最高，较少极端干旱年数多对应正SHAP值；负模型中平均温度和太阳辐射重要性最高，较低平均土壤水分和土壤氮含量多对应正SHAP值；年际温度变率在两模型中均较重要。SHAP交互分析显示，大气CO₂浓度趋势和平均温度分别在正、负突变模型中总交互强度最高，其交互贡献随其他环境条件非线性变化。在本研究分析的自然植被样本中，HFP在两模型中SHAP重要性较低，其对模型预测的相对贡献低于主要气候和土壤变量。由SHAP依赖图识别的模型衍生非线性响应阈值表征环境变量贡献方向变化所对应的取值范围，可辅助环境条件监测和提出可检验生态假说，但NDVI主要表征遥感尺度植被冠层绿度，XGBoost-SHAP解释基于观测数据并依赖样本分布、变量设定和模型结构，因此所识别突变不应视为已独立验证的生态系统状态转换，SHAP重要性和交互贡献反映模型内统计关联，响应阈值不应视为确定生态临界点，其生态意义和管理适用性需野外观测或实验数据独立验证。总体而言，该研究增进了对干旱中亚非线性植被动态及正负突变NDVI差异的理解，可为区域植被监测和生态管理优先区识别提供参考。