《Journal of Hydrology》：Divergent hydrological responses of multi-depth soil moisture variability to multiple factors on the Loess Plateau, China
编辑推荐：
土壤湿度时空特征及其多因素协同效应研究。通过GLDAS数据分析了黄土高原1982-2020年表层和根区土壤湿度的空间分布、季节差异及多因素非线性关系，发现降水和植被是表层及根区的主控因素，分别贡献27.54%和29.83%。大气环流（AO/ENSO）通过遥相关影响深层土壤湿度，协同效应使模型解释方差提升显著。
王俊杰|张少雄|池云宁|史冰|李欣|李宝琪|何盼星
石家庄铁道大学土木工程学院，中国石家庄050043
摘要
土壤湿度（SM）是陆地-大气相互作用中的关键变量，它影响着全球水、碳和能量的循环。然而，关于多种因素如何调节多深度土壤湿度变化的内部机制差异的研究仍然有限。特别是，多种因素对多深度土壤湿度变化的协同和交互作用尚未得到充分理解。本研究考察了黄土高原表面（0–10厘米）和根区（10–200厘米）土壤湿度的时空分布及主要季节性差异。进一步探讨了多种环境因素与土壤湿度之间的非线性关系和交互效应，并阐明了多种因素对多深度土壤湿度影响的独立效应和协同效应的差异机制。结果表明，表面土壤湿度的平均值（0.238立方米/立方米）低于根区（0.255立方米/立方米），且两者均从北向南逐渐增加。根区土壤湿度的变化时间点明显滞后于表面土壤湿度。表面土壤湿度的空间分布的季节性一致性较弱，而根区的季节性一致性较强，并且表现出明显的年际波动。降水和植被被认为是控制表面和根区土壤湿度变化的主要因素，分别贡献了27.54%和29.83%。尽管根区土壤湿度对这些因素的敏感性更高，但循环因素的影响相对较弱。此外，植被与气候因素之间存在显著的交互作用，植被改变了气候因素对土壤湿度变化的影响方向。多种因素的耦合显著增加了不同时间尺度上土壤湿度变化的解释方差，其中根区土壤湿度对协同效应的响应更为强烈。本研究强调了驱动土壤湿度变化的复杂机制，并为黄土高原的区域水文过程提供了见解，对气候变化适应和生态保护规划具有重要意义。
引言
土壤湿度（SM）是陆地水文循环中的关键变量，在调节地表与大气之间的能量、水和碳交换中起着重要作用（Wang等人，2025年）。作为世界上最大的黄土沉积区，黄土高原具有独特的“土壤水库”功能，其土壤湿度动态强烈影响着植被恢复、农业生产和水资源的可持续利用（Fu等人，2022年；Li等人，2025年）。在全球气候变化的加剧影响下，极端降水和干旱事件的频繁发生导致区域水文循环过程发生了显著变化。因此，作为连接地表水文与大气动态过程的关键变量，明确土壤湿度的复杂时空特征不仅有助于提高区域水文模拟的准确性，也有助于增强干旱风险评估系统（Wu等人，2025年；Zheng等人，2025年）。
作为一种具有强非线性和非平稳性的水文变量，土壤湿度动态受到多尺度和多维因素的共同影响（Li等人，2021年）。土壤性质的三维结构中的显著空间异质性是主要控制因素（Satyanaga等人，2025年；Rahardjo和Satyanaga，2019年；Bello等人，2025年），直接影响土壤水分的入渗、再分配和在不同深度的可用性（Ahmadi等人，2024年）。同时，水文气候因素（如降水、温度、蒸散作用）与植被特征共同塑造了土壤湿度的空间异质性。更重要的是，这些因素之间的非线性反馈进一步加剧了土壤湿度时空变异的多维复杂性（Mao等人，2023年；Xu等人，2023年）。大规模大气环流模式，包括厄尔尼诺-南方涛动（ENSO）、北极涛动（AO）、北大西洋涛动（NAO）和太平洋十年涛动（PDO），也通过遥相关作用对区域水文气候模式产生强烈影响，从而间接影响土壤湿度变化（Wei和Song，2025年）。这些气候振荡表现出准周期性和非平稳性，它们相位之间的转换可以系统地改变海洋-大气能量交换和水分传输路径，导致关键气候因素（尤其是降水和温度）的空间分布和强度发生变化（Nalley等人，2019年；Wang等人，2023a）。因此，揭示土壤湿度与其多尺度影响因素之间的复杂非线性关系对于深入理解陆地水文过程和陆地-大气相互作用机制至关重要。
黄土高原是中国生态恢复和土壤侵蚀控制的核心区域，也是大规模生态项目（如“ Grain for Green Program”）的主要实施区域（Yu等人，2025年）。作为生态系统健康的指标，土壤湿度可以直接影响关键生态过程，包括植被恢复和土壤水资源保护（Sun等人，2025年）。然而，关于多深度土壤湿度的时空演变模式及其调节机制的研究仍然不足。例如，许多现有研究主要集中在植被恢复对土壤湿度的生态影响以及个别气候因素（如降水或温度）的调节作用（Chen等人，2024年；Ge等人，2023年）。然而，对于多深度土壤湿度时空动态的差异机制关注较少（Ge等人，2023年；Li等人，2021年）。对于多深度土壤湿度的季节性时空演变特征及其主导空间模式的变异性了解不足。特别是，多种因素对土壤湿度变化的协同效应以及这些因素之间的交互作用仍不清楚（Li等人，2021年；Yang等人，2025年）。此外，传统研究主要依赖于短期实地观测数据集，这些数据集往往空间覆盖范围有限且时间记录不连续，难以支持区域尺度的长期连续监测和土壤湿度动态的归因（Li等人，2021年）。
土壤湿度及其影响因素通常表现出强烈的非平稳性，这意味着这些变量之间的因果关系在不同空间位置和时间尺度上有所不同（Chang等人，2025年；Hu和Si，2016年）。传统的统计方法和水文模型在准确捕捉土壤湿度的非线性波动方面面临挑战，而现代机器学习方法在模拟复杂系统方面显示出显著优势（Xie等人，2023年；Ye等人，2025年）。其中，XGBoost模型基于梯度提升决策树框架，能够有效识别环境驱动因素与水文变量之间的非线性关联和交互效应。同时，XGBoost通过内置的正则化机制控制模型复杂性，显著提高了模型的稳定性和泛化性能（Wang和Peng，2024年）。此外，SHAP（Shapley Additive Explanations）基于严格的数学框架，用于量化不同影响因素的贡献。该方法可以明确单个因素对水文变量的方向性影响（正面或负面效应），并在特定条件下提供局部可解释性（Bai等人，2025年；Ye等人，2025年）。因此，结合使用XGBoost和SHAP可以提高模型输出的可解释性，从而更可靠地识别控制土壤湿度动态的关键因素及其非线性交互作用（Huang等人，2025年）。另外，部分小波一致性（PWC）方法可以在去除其他变量的外部影响的同时揭示两个变量之间的时频关系，仅保留对响应变量具有独立解释力的因素（Hu和Si，2021年）。多重小波一致性（MWC）方法可以捕捉水文变量的多尺度变异的非线性动态特征及其对多因素的细尺度依赖性（Hu和Si，2016年）。这种方法已被广泛用于揭示影响水文变异性的环境因素之间的协同效应和交互机制（Hu和Si，2016年；Wang等人，2021年）。
因此，利用GLDAS土壤湿度数据集，本研究系统地调查了1982年至2020年黄土高原表面和根区土壤湿度的时空分布，以及它们对多种驱动因素的响应机制。首先，描述了多深度土壤湿度的长期趋势、时空变异、季节性振荡和主要季节性模式。接下来，应用XGBoost-SHAP框架量化不同影响因素的相对贡献，并揭示这些因素共同调节土壤湿度动态的交互机制。最后，通过结合部分小波一致性和多重小波一致性分析，研究了土壤湿度与其驱动力的多尺度依赖结构，并识别了不同时间尺度上控制土壤湿度变化的协同效应。总体而言，本研究有助于更深入地理解生态脆弱地区（如黄土高原）土壤湿度的复杂演变机制，并为区域生态保护和水资源管理提供了理论支持。
研究区域
研究区域
黄土高原位于中国中北部黄河流域的中上游（东经100°54′–114°33′，北纬33°43′–41°16′），面积约为640,000平方公里（图1），是全球最大的黄土堆积区域之一（Li等人，2021年）。黄土高原的海拔范围从11米到5216米，总体上从西北向东南逐渐降低。该地区具有高度异质的地貌特征。
GLDAS土壤湿度数据的有效性验证
根据Hong等人（2024年）的方法评估了黄土高原上GLDAS土壤湿度数据的可用性。还应用了深度加权平均方法来推导与GLDAS根区土壤湿度相对应的实地土壤湿度。图2a显示了每个站点的实地表面土壤湿度观测值与相应GLDAS-Noah数据集之间的密度散点图，相关系数（R）为0.632，均方根
多种因素驱动的多深度土壤湿度变化的差异机制
基于多维非线性方法，本研究表明，在黄土高原上，多尺度因素对土壤湿度的影响过程和调节机制在表面层和根区层之间存在显著差异。表面土壤湿度直接暴露于外部环境条件，对降水事件反应迅速且敏感（Li等人，2024年；Vargas Zeppetello等人，2024年）。SHAP分析进一步支持了这种响应模式
结论
本研究阐明了1982年至2020年黄土高原表面和根区土壤湿度的多尺度时空变化，突出了土壤湿度的主要季节性模式。进一步量化了气候和植被因素的贡献及其非平稳交互作用，并揭示了多种因素对多深度土壤湿度协同效应的差异机制。主要结论如下：
(1)根区土壤湿度的平均值（0.255立方米/立方米）为
作者贡献声明
王俊杰：撰写 – 审稿与编辑，撰写 – 原稿，软件开发，概念构思。张少雄：撰写 – 审稿与编辑，资源获取，资金筹集。池云宁：撰写 – 审稿与编辑，监督，资源获取。史冰：撰写 – 审稿与编辑，调查，资金筹集。李欣：撰写 – 审稿与编辑，软件开发。李宝琪：撰写 – 审稿与编辑。何盼星：撰写 – 审稿与编辑，资源获取。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。
致谢
本研究得到了河北省自然科学基金（E2025210047）、中国博士后科学基金（2025M782565）、国家重点研发计划（2022YFC3204301、2022YFC2601100）和国家自然科学基金（U2006227）的财政支持。
