青藏高原降水通过植被覆盖缓解冲沟侵蚀

《Journal of Environmental Management》：Precipitation buffers gully erosion through vegetation cover across the Tibetan Plateau

　　

• •
  冲沟集中在青藏高原的干旱地区（MAP<150 mm）。
• •
  降水主导了冲沟密度的空间格局。
• •
  当年降水量低于400 mm时，冲沟侵蚀对MAP最为敏感。
• •
  降水通过促进植被生长来抑制冲沟侵蚀。

引言

冲沟是最为直观可见的土壤侵蚀地表表现形式之一，代表了长期侵蚀过程的累积结果。因此，冲沟被广泛认为是反映区域土壤侵蚀历史强度的重要地貌指标（Castillo和Gómez, 2016）。与原始地表相比，冲沟通常具有更陡的坡度和更稀疏的植被覆盖（Poesen等, 2003）。一旦形成，冲沟倾向于汇集地表径流并加速土壤侵蚀和养分流失（Chen等, 2025），使冲沟侵蚀成为许多流域产沙量的主要贡献者（Poesen, 2018）。因此，理解冲沟的空间分布和形成机制对于揭示区域土壤侵蚀过程具有重要意义。

在全球气候变暖与人类活动日益增强的共同影响下，山地生态系统面临日益加剧的环境压力（Luo等, 2018）。青藏高原对气候变化高度敏感，其土壤资源正面临日益增大的侵蚀风险和生态压力（Yao, 2019; Zhang等, 2020）。近期研究表明，气候变暖和降水增加可能显著增强高海拔亚洲地区的河流沉积物通量（Li等, 2021）。在青藏高原，土壤侵蚀对土壤有机碳损失的正贡献超过了气候变暖的负贡献（Lin等, 2025）。然而，目前该地区对土壤侵蚀强度的认识主要依赖于土壤侵蚀模型估算或河流沉积物记录（Zhao等, 2023），而来自地表侵蚀地貌的直接证据仍然有限。作为一种典型的侵蚀地貌，冲沟因此可以为理解青藏高原长期的土壤侵蚀过程提供重要线索和有价值的窗口。

以往研究主要关注受人类活动强烈影响的景观中的冲沟，例如农业区和城市区域（Borrelli等, 2023; Mawe等, 2025）。与世界上许多地区不同，青藏高原上的人类活动总体较为有限，大面积地区仍以自然景观为主导（Tu等, 2023）。因此，该地区冲沟的形成和演化更多受自然环境影响因素控制。在漫长的历史时期内，青藏高原的土地利用变化相对有限（He等, 2025），使得冲沟在很大程度上保留了其天然发育形态。这一特征使青藏高原成为研究自然因素对冲沟侵蚀影响的重要天然实验室（Deng等, 2025）。

冲沟的形成与发育一般受多种复杂因素控制，包括地形条件、气候、植被、岩性、土壤等（Vanmaercke等, 2021）。对青藏高原拉萨河流域的研究表明，海拔、归一化植被指数（NDVI）和人类活动强度等因素在影响冲沟侵蚀易损性方面起着重要作用（Li等, 2024a, 2024b）。然而，现有研究主要集中在局部流域尺度，针对整个青藏高原范围冲沟空间分布及其控制因素的定量分析仍然有限。此外，青藏高原以显著的冻融侵蚀而闻名（Wei等, 2025）。因此，在区域尺度上，冲沟形成究竟主要由降水驱动还是由冻融过程驱动仍不清楚。在各种气候因素中，降水作为水蚀的关键驱动力，对土壤侵蚀产生双重影响。一方面，降水产生的径流提供了土壤侵蚀的主要驱动力（Anderson等, 2021）。另一方面，降水增加可以增强植被生长，从而减轻土壤侵蚀（Deng等, 2025; Ding等, 2007; Wang等, 2022）。大多数土壤侵蚀模型将降水视为主导驱动因素，并通常假设降水与侵蚀强度之间呈正相关关系（Borrelli等, 2020; Poesen, 2018）。Deng等（2025）的研究表明，过去四十年来降水增加所导致的侵蚀大于植被减少所减少的侵蚀，从而总体上促进了青藏高原的区域土壤侵蚀。然而，作为土壤侵蚀的重要形式之一，冲沟侵蚀在区域尺度上对降水的响应仍未得到充分认识。因此，有两个关键问题有待解决：(1) 哪些环境因素控制了青藏高原冲沟的空间格局；(2) 这些因素，特别是降水，如何在区域尺度上影响冲沟发育。

近年来，基于机器学习的空间建模方法为冲沟侵蚀研究提供了新的机遇。这些方法可以使用有限的样本数据预测冲沟的区域空间分布，并量化不同环境因素的相对贡献（Vanmaercke等, 2021）。例如，Vanmaercke等（2020）利用随机森林算法成功模拟了非洲之角地区GND的空间格局，并识别出关键控制因素。Chen等（2026）进一步建模了全球GND的空间分布。Liu等（2026）使用可解释的XGBoost模型研究了东北中国黑土区的GAD。然而，这些研究通常仅使用单一冲沟侵蚀指标，而忽略了大型冲沟的贡献（Gao等, 2016; Mawe等, 2025）。因此，单一指标可能无法完全刻画冲沟侵蚀强度。在此背景下，GND反映的是给定区域内冲沟的频率或丰度，GLD刻画其总体纵向延伸范围，而GAD反映冲沟的面积范围并受冲沟长度和宽度共同影响（Chen等, 2024）。这三个指标的联合使用可以对冲沟侵蚀进行更为全面的表征。

基于上述研究背景与知识缺口，本研究聚焦于青藏高原，采用优化后的XGBoost算法结合SHAP可解释性方法分析冲沟密度的空间分异及其驱动因素。具体目标为：(1) 刻画青藏高原冲沟密度的空间分布格局；(2) 识别影响冲沟密度的关键环境因素并量化其相对重要性；(3) 揭示主要环境因素与冲沟密度之间的响应关系及其主导空间格局。本研究有助于更好地理解青藏高原的冲沟侵蚀及其驱动机制，并为土壤侵蚀评估和侵蚀模型的建立提供参考。

章节摘要

冲沟密度识别

共随机选取350个样品区，每个面积为1 km × 1 km，用于测量冲沟密度（图1）。本研究以谷歌地球为主要平台，辅以Omap和Bigemap等软件的高分辨率遥感图像，对每个样品区逐一进行冲沟测量（图S1）。这些图像的分辨率介于0.3至0.6 m之间。具体测量方法是在谷歌地球软件中勾绘出所有冲沟。每个

模型优化与评估

从冲沟密度来看，GLD模型表现出最佳的整体性能。就冲沟宽度阈值而言，宽度为5 m的冲沟建模效果最佳。关于影响因素组合，各组之间差异并不显著。使用一组10个因素所构建的模型在保持模型简洁的同时，取得了最佳的测试阶段平均R²值。至于优化算法，GA（遗传算法）实现了最有效的模型改进（

模型精度分析

本研究构建的三个基于机器学习的冲沟密度模型训练R²值均超过0.6，这与Chen等（2024）在黄土高原建立的GND逐步回归模型（R² = 0.764）较为接近。此外，在本研究的模型测试阶段，R²介于0.25至0.3之间。这与Chen等（2026）全球尺度GND测试阶段的Nash效率系数（约0.25）一致，并且

结论

本研究考察了青藏高原的冲沟密度，阐明了其空间格局，识别了影响因素的重要性及其响应关系，并绘制了主导因素的空间分布。结果表明，青藏高原北部的干旱地区是冲沟密度高值区。MAP主导了青藏高原冲沟密度的空间格局，其次是海拔和坡度。从空间上看，MAP小于150 mm或大于

CRediT作者贡献声明

Jianjun Li（李建军）：撰写——初稿，方法，资金获取，形式化分析。Juying Jiao（焦菊英）：撰写——审阅与编辑，指导，资金获取。Yixian Chen（陈一轩）：撰写——审阅与编辑，方法，资金获取。Yulan Chen（陈雨岚）：撰写——审阅与编辑，验证，方法，资金获取。Xiaohua Ren（任晓华）：可视化，方法。Ziqi Zhang（张子琦）：方法。Tongde Chen（陈童德）：调查研究。Xue Cao（曹雪）：调查研究。Wenting Zhao（赵文婷）：调查研究。Qian Xu（徐倩）：调查研究。Lin

利益冲突声明

作者声明不存在利益冲突。

致谢

本研究得到了国家自然科学基金（批准号：42507452, 42430506, 42407489, 42507456）、水土保持与荒漠化防治重点国家重点实验室开放研究基金（批准号：Z2010025001-KJ2508）、第二期第二次青藏高原综合科学考察研究计划（STEP）（批准号：2019QZKK0603）、中国科学院战略性先导科技专项（批准号：XDA20040202）以及山西

Jianjun Li（李建军）|Juying Jiao（焦菊英）|Yixian Chen（陈一轩）|Yulan Chen（陈雨岚）|Xiaohua Ren（任晓华）|Ziqi Zhang（张子琦）|Tongde Chen（陈童德）|Xue Cao（曹雪）|Wenting Zhao（赵文婷）|Qian Xu（徐倩）|Lin Liu（刘林）|Jinshi Jian（建金石）