利用可解释机器学习与多时相遥感技术分析沟蚀易发性的季节性变化及模型推断的相互作用机制

《CATENA》：Seasonal transitions and model-inferred interactions of gully erosion susceptibility using explainable machine learning and multi-period remote sensing

　　•为季节性土壤侵蚀敏感性评估，研究开发了一种多时相RF-SHAP框架。•通过流域内空间保留样本验证，提升了评估的可靠性。•5月和9月是表现土壤侵蚀敏感性的有效季节时段。•不同季节中，模型推断的影响因素从NDVI转变为降水量。•在多因素作用下，高NDVI值并不总意味着较低的预测土壤侵蚀敏感性。

引言
农业土壤侵蚀严重威胁全球耕地资源与粮食安全，它是人类活动对土壤可持续性最具破坏性的因素之一（Amundson等人，2015）。该现象不仅会导致表土资源的不可逆转损失（Poesen等人，2003），还会加剧耕地破碎化（Valentin等人，2005），进而严重影响农业生态稳定性（Pimentel等人，2006）以及粮食生产潜力（Montgomery，2007）。沟蚀作为一种永久性的地貌变化，通过重塑微地形增加了土壤和水流失的空间异质性（Valentin等人，2005），成为制约区域农业生产力提升的关键瓶颈（Pimentel等人，2006）。面对集约化农业和频繁极端气候事件的挑战（Borrelli等人，2020），传统基于静态条件因子的单时期土壤侵蚀敏感性评估方法，在刻画不同遥感时段地表条件的季节差异以及沟蚀区与非沟蚀区的区分度方面可能存在局限（Poesen，2017）。因此，多时相敏感性制图可通过比较不同生长季遥感时段的土壤侵蚀敏感性空间分布特征，为静态评估提供有力补充。此外，还需要可解释的机器学习方法来提高环境因子与预测敏感性之间关系模型的透明度（Zheng等人，2026），这对于精准识别高沟蚀风险区域、遏制沟蚀扩展、保障区域农业可持续发展具有重要意义（Zhang等人，2026）。

沟蚀广泛分布于美国、中国、埃塞俄比亚等众多国家和地区（Castillo和Gómez，2016）。作为世界四大黑土区之一且是中国重要的粮食产区，中国东北地区的黑土区面临极为严重的沟蚀问题，给农业生产与生态安全带来了巨大挑战（Wang H.等人，2025）。该地区已形成超过295,000条沟蚀，其中约80%分布在耕地中（Dong等人，2019）。1968年至2018年间，单位面积沟蚀总长度从1.2公里/平方公里上升至2.3公里/平方公里，沟蚀源头年均后退速度为1.5–2.5米，由此导致的年土壤流失量约为每公顷25.7–44.7吨（Wen等人，2021）。在中国东北部的丘陵地带，沟蚀密度高达250.35米·平方公里?2，平均沟蚀长度为335.85米，这些数值均远高于全球平均水平（Liu等人，2025）。因此，亟需在该地区开展土壤侵蚀敏感性建模，系统分析其时空演化规律及主要驱动机制。

降水量和植被覆盖是控制沟蚀发生与扩张的两个关键因素，它们在地表侵蚀过程中紧密耦合、协同作用（Su等人，2025）。降水量为坡面径流提供能量，是引发沟蚀的直接动力（Anderson等人，2021）。更高的降雨强度会产生更强的径流冲刷力，从而导致更显著的沟蚀源头后退和土壤流失（Wang等人，2024）。在已完成植被恢复的区域，持续强降雨甚至可能引发次生侵蚀，如沟壁坍塌和滑坡（Wang等人，2023）。相反，通常以归一化植被指数表示的植被覆盖可通过增强地表稳定性、提高入渗能力、减少径流积累来有效降低侵蚀风险（Ren等人，2025）。

然而，沟蚀并非总是发生在低NDVI值区域，部分沟蚀也集中在NDVI值相对较高（>0.7）的地区（Gao等人，2025）。沟蚀与植被覆盖之间的关系并非简单的线性对应，而是一种受环境干扰调控的复杂耦合机制。当降雨强度超过土壤入渗能力或植被状况恶化时，植被的保护作用会显著减弱，甚至可能促进沟蚀发展。同时，降水量和植被覆盖的季节变化也会导致与土壤侵蚀敏感性相关的地表条件差异。植被稀疏或地表裸露的区域可能使易发沟蚀区对降雨和径流的敏感度增加，而植被覆盖状况改善则可能降低地表侵蚀性和径流连通性（Chen等人，2024）。

在地貌演化与环境建模研究中，长期时间序列分析是揭示地表过程动态特征与驱动机制的重要手段（Valentin等人，2005）。沟蚀本质上是一个具有累积性与阶段性特征的过程（Wang等人，2021）。其强度和形态是通过气候、土地利用和人为干扰的长期相互作用而演变的（Castillo和Gómez，2016；Claassen等人，2024）。仅依靠单时期或短期观测数据往往无法体现沟蚀速率在不同阶段的波动性与非线性变化，从而可能高估或误判其长期演化趋势（Marzolff等人，2011）。多时相遥感技术为比较不同典型年份的沟蚀格局提供了有效途径。已有研究表明，沟蚀发展可能呈现不同的阶段特征，如在活跃期快速扩张，随后进入稳定或减弱阶段（Wang等人，2021）。极端降雨事件和气候变率可能会进一步加剧沟蚀，导致沟蚀密度和形态发生变化（Wang等人，2025）。因此，基于典型年份识别沟蚀格局的时间差异及其相关驱动因素，对于理解不同年份间土壤侵蚀敏感性の十年尺度变化至关重要（Zhang等人，2024）。

在模型构建与应用过程中，科学客观的性能评估是确保模型通用性与可信度的关键（Yarkoni和Westfall，2017）。仅依赖训练集或交叉验证往往会导致模型性能的高估，即准确率、曲线下面积等指标在训练或内部验证阶段可能表现优异，但当模型应用于空间上独立的外部数据时，其预测效能通常会下降（Scheinost等人，2019）。这种差异表明，模型在已知样本上的拟合能力并不能代表其在未知地理区域中的泛化性能（Roberts等人，2017）。因此，除随机数据分割验证外，还将验证视为评估预测模型稳健性及空间迁移能力的重要步骤。“个体预后或诊断的多变量预测模型透明报告”（TRIPOD）准则强调，应使用未用于模型训练的数据对预测模型进行验证，以评估其在不同时间、空间或人群条件下的迁移能力和泛化能力（Collins等人，2015）。对于具有时空相关性结构的数据，传统的随机交叉验证往往会产生过于乐观的结果，而空间保留样本验证或分块验证则能更审慎地评估模型性能（Roberts等人，2017）。因此，除了内部模型评估外，本研究还设置了排除在模型训练之外的流域内空间保留验证区，以此更准确地评估唐坊流域内的局部空间迁移能力和空间一致性，而非进行完全独立的区域外推。

在土壤侵蚀敏感性研究中，传统的物理模型（如修正的通用土壤流失方程、水蚀预测项目模型）依赖于大量经验参数和理想化假设，难以刻画非线性、多因素耦合的复杂地貌过程（Benavidez等人，2018；Laflen等人，2004）。相比之下，机器学习算法（如随机森林、XGBoost）通过数据驱动的方法显著提升了预测精度，但其内部的决策机制具有“黑箱”特性，限制了其在地貌机制分析和防治决策中的应用（Jiang等人，2024）。为突破这一瓶颈，可解释人工智能技术被引入地表过程建模领域（Wang等人，2024）。其中，基于博弈论原理的SHapley加性解释方法能够从全局和局部层面量化各环境因子对预测结果的贡献，凭借其一致性和可加性优势而备受青睐（Lundberg和Lee，2017）。通过计算不同变量组合下的边际贡献，SHAP可以量化各因子对模型预测的贡献，揭示降雨、植被覆盖等变量之间的非线性响应模式和交互效应，从而提高基于模型的土壤侵蚀敏感性解释的透明度（Han等人，2025）。基于SHAP的敏感性建模不仅能提升模型透明度，还能为确定关键因子的阈值提供定量依据，便于在高风险区域实施精准防治（Liu等人，2025）。

本研究以中国东北黑土区的宾县唐坊流域为案例，将动态因子（降水量和植被覆盖）与相对稳定的地形和环境因子相结合，基于随机森林模型构建了一个可解释的多时相土壤侵蚀敏感性评估框架。本研究旨在实现以下四个目标：1）针对2013–2023十年间的三个典型年份，即2013年、2018年和2023年，选定若干生长季月份生成土壤侵蚀敏感性地图，并确定适合沟蚀解读与敏感性制图的季节性遥感时段；2）基于这三个典型年份的最优土壤侵蚀敏感性地图，分析土壤侵蚀敏感性的时空演化规律；3）通过流域内空间保留样本验证，评估模型的局部空间迁移能力和空间一致性；4）引入SHAP框架，解读模型基于降雨、植被覆盖等关键驱动因子与预测土壤侵蚀敏感性之间的非线性响应和交互模式。

研究区域
研究区域为中国东北黑土区的宾县唐坊流域，地理位置为东经127.06°、北纬45.94°，面积约为93.19平方公里（见图1）。该地区属于半湿润大陆性季风气候，年平均气温为3.9℃，年降水量为557毫米，春季干燥多风，夏季温暖多雨（Yu等人，2017）。该地区以低山和丘陵为主（Tian等人，2025），主要土壤类型为黑土和暗棕壤。

模型稳健性及内部预测性能
基于Optuna-5折交叉验证优化框架，针对2013年、2018年和2023年构建的15个月度随机森林模型均表现出优异的预测性能。如图6所示，所有模型在测试集上的关键指标均保持较高水平。值得注意的是，所有模型的PR-AUC值始终稳定在0.85以上。尽管由于不同年份样本分布的差异，ROC-AUC值在0.78到0.84之间波动，但...

模型性能评估与局部空间迁移能力
在本研究中，通过Optuna框架优化的随机森林模型在内部交叉验证中展现出较高的预测精度（ROC-AUC > 0.78，AP > 0.85）。这一性能得益于集成决策树捕捉条件因子与实际沟蚀发生之间非线性关联的能力。通过采用分层节点划分方法，这些模型不仅能够有效拟合与沟蚀发生相关的非线性阈值特征，而且...

结论
为解决当前土壤侵蚀敏感性评估面临的三大核心瓶颈——数据一致性不足、多时期对比缺失以及交互式解释能力有限——本研究以中国东北典型黑土区的唐坊流域为案例，整合了地形、水文和植被等多维度变量，构建了一个基于可解释多时相随机森林的土壤侵蚀敏感性评估模型。

CRediT作者贡献声明
郑子铭：撰写——初稿、软件应用、数据收集与整理。王景超：模型验证、数据收集与整理。闫婷婷：撰写——审稿与编辑、可视化处理、资源获取、形式分析。赵伟军：撰写——审稿与编辑、项目管理、资金申请、概念设计。秦伟：撰写——审稿与编辑、项目管理、方法学研究、资金申请。黄春阳：可视化处理、模型验证、监督指导、数据收集与整理。易...

利益冲突声明
作者声明不存在任何可能影响本文研究的已知财务利益或个人关系。

致谢
本研究得到了黑龙江省自然科学基金（JQ2024D004）、中国国家重点研发计划（编号2024YFD1501203）、山东省自然科学基金（ZR2023QD030、ZR2025MS618）以及水利部重大科技项目（项目编号SKS-2022047和SKR-2022053）的支持。作者们衷心感谢编辑和匿名审稿人提出的建设性意见和宝贵建议，这些都有助于改进文章的质量。郑子明|王静超|闫婷婷|赵伟军|秦伟|黄春阳|王毅|朱丹红