揭示中国山水工程修复成效：基于动态参考生态系统与地理可解释机器学习的洞察

《Ecological Indicators》：Unveiling the restoration effectiveness of China's Shan-Shui Initiatives: Insights from dynamic reference ecosystems and geographically explainable machine learning

　　

生态退化威胁全球可持续性，并促使各国对景观修复进行大量投资。中国的山水工程(SSIs)整合山-水-林-田-湖-草(MRFFLG)管理，已修复数百万公顷退化土地。然而，系统评估仍受限于静态基准、对空间异质性处理不足以及对非线性生态响应理解薄弱。为弥补上述缺口，研究人员开发了一种集成框架，结合动态参考生态系统(DREs)、时空反事实分析(SCA)与地理可解释机器学习(GeoXAI)，以评估2016–2020年实施的25个SSI试点项目并阐明其潜在机制。结果表明，所识别的DREs表现出高生态完整性（相对生态系统质量REQ处于90–95百分位）与显著时间稳定性（SD=0.001–0.002），提供了可靠动态基线。2015至2020年间，修复扭转了持续退化：生态修复项目区(ERPA)获得1449.41 km2生态空间，比相邻非修复区(NERPA)的781.17 km2多出85.6%。优等级生态系统增加3.14%，同时ERPA中REQ上升（+0.020）略高于NERPA（+0.018）。GeoRF模型表现最佳（R2=0.6984，RMSE=0.0116）。地理位置是首要预测因子（24.40%），水文与气候因子联合贡献超35%。最大预测增益关联于适度径流减少（～10 mm）、轻微降水增加（～10 mm）、小幅降温（?0.3 °C）、基线REQ 0.18–0.65以及土层厚度>100 cm。该框架为修复评估提供可转移方法，并支撑气候适应型、区域定制化管理的实施。

研究背景方面，全球约75%陆地与66%海洋生态系统因人类活动发生显著改变，近28%物种面临灭绝风险，大规模生态修复成为联合国生态系统恢复十年（2021–2030）核心战略。中国自1970年代起实施三北防护林、天然林保护、退耕还林等工程，但早期项目多针对单一生态系统，忽视生态过程连通性。2016年启动的山水工程（SSIs）转向山水林田湖草（MRFFLG）整体管理，被联合国列为全球十大旗舰修复项目之一，但既有研究缺乏系统、空间显式的成效评估与机制解析。现有遥感评估依赖静态基线，未能充分纳入空间异质性与时间动态；机器学习可处理非线性关系但常忽略空间依赖，地理加权回归（GWR）具空间性却假设线性，故需融合空间意识与可解释性的地理可解释人工智能（GeoXAI）。该研究发表于《Ecological Indicators》，旨在构建大尺度动态基准并量化修复成效及驱动机制。

关键技术方法上，研究人员基于2016–2020年“十三五”25个MRFFLG试点项目（覆盖24省，配对ERPA与生物物理属性相近的NERPA作为反事实对照），集成ESA CCI土地覆盖、NDVI、叶面积指数（LAI）、植被覆盖度（FVC）、净初级生产力（NPP）及地形、气象、土壤、水文、社会经济多源数据（统一重采样至1 km）。通过叠加植被分区与生态地理区划将全国划分为125个均质评价单元，以自然保护区（CNRs）和中国生态系统研究网络（CERN）站点优先、辅以人类改造指数低值区提取单元内最高生态系统质量像元，构建动态参考生态系统（DREs）；以2001–2015为前实施期、2015–2020为后实施期，用Mann–Whitney U检验、Welch t检验与Bootstrap置信区间分离修复效应与背景变化（SCA）；选34个变量经SHAP递归筛选至12个，将经纬度作为空间变量嵌入决策树、随机森林（RF）、GBDT、XGBoost、LGBM形成GeoDT/GeoRF/GeoGBDT/GeoXGB/GeoLGB，以R²、RMSE等择优选GeoRF，并用GeoShapley分解贡献与偏依赖阈值。

研究结果部分，3.1节动态参考生态系统识别与验证表明，ERPA与NERPA的DREs生态系统质量均超各自单元90百分位（ERPA多超95百分位），时间标准差SD分别为0.001与0.002，土壤有机碳超21.56 g/kg（90百分位），具备高完整性、代表性、时间稳定与低人为干扰四属性。3.2节生态系统格局时空动态显示，前实施期2001–2015年ERPA净失生态空间4148.74 km²而NERPA增5752.17 km²；后实施期2015–2020年ERPA转增1449.41 km²（+0.14%）、NERPA增781.17 km²（+0.05%），ERPA增益85.6%高于NERPA；森林与水体占比微升，3956.62 km²再造林与1127.23 km²草地恢复逆转前期林地转农田（近7000 km²）与城市占用耕地（5461.96 km²）趋势；相对生态空间变化（REAC）显示胡线以南HNXR-DLA、GDNNMR前期严重退化，后期GXZYRB（+3.22%）、SCGAHYMR（+1.57%）改善最著；第二批、第三批项目后期转正（+0.56%、+0.08%），长江重点生态区（KEAYTR）、北方防沙带（NSPB）、南方丘陵山带（SHMB）增幅居前。3.3节相对生态系统质量（REQ）时空特征指出，胡线以南、年降水400–800 mm带REQ最高；ERPA优良级占比由2010–2015年20.44%升至2015–2020年23.58%（增3.14%），NERPA由11.86%升至13.80%；第三阶段ERPA平均ΔREQ=0.020显著高于NERPA的0.018（Mann–Whitney U=80698，p=0.036，Hedges' g=0.13），25个项目全部正向；第一批前期ΔREQ已达0.025–0.028且后期持平，第二、三批前期≤0.012而后期跃至0.018、0.017。3.4节修复成效潜在机制中，3.4.1节GeoRF性能最优（R²=0.6984，RMSE=0.0116）；3.4.2节GeoShapley显示地理位置贡献24.40%，水文+气象联合>35%，径流变化（RO_D）次之，土壤属性16.15%、自然本底9.30%、地形6.08%、农业GDP变化9.07%，变量交互贡献超单因子；3.4.3节偏依赖揭示径流约降10 mm、降水增约10 mm、降温?0.3 °C、基线REQ 0.18–0.65、土层>100 cm（百厘米为拐点）、土壤生物多样性0.6–0.7为增益窗口，过湿（>60 mm）或增温（>0.5 °C）增益衰减；3.4.4节K-means将25项目分4簇：气候-土壤互作主导10项（气象27%、土壤28%）、水文主导9项（36%，西南喀斯特与长江中游）、社会经济主导5项（27%，北方农牧交错与黄淮海）、地形主导1项（雄安，29%）。

讨论部分总结，山水工程逆转了数十年生态收缩，ERPA生态空间与REQ增益均超NERPA，但批次间存在时空异步——第一批质量升而空间缩、第二三批量质同步升，源于监测时长（4/3/2年）、基线REQ（0.53/0.71/0.56）与区域策略差异；重点生态区中KEAYTR、NSPB、SHMB量质同增，KEAYLR、QTPEB、NFB、CB质增而量缩，反映环境容量与社会经济情境分化。GeoXAI指出空间语境（治理、用地史、文化）占24.4%表明修复高度情境依赖；水文调蓄存～10 mm径流削减最优阈值，气候因子在适度增雨降温时增益最大，与北方降水带北移证据吻合，半干旱-半湿润过渡带“气候恢复窗口”可能扩大。研究结论为：DREs–SCA–GeoXAI框架可提供高完整性动态基线并分离修复净效应；2016–2020年SSIs使ERPA生态空间净增1449.41 km²、优良级+3.14%、ΔREQ +0.020，证实MRFFLG整体管理有效逆转退化；地理位置首要、水文气象联合超35%、基线REQ 0.18–0.65与土层>100 cm等非线性阈值可为气候适应型区域定制修复提供量化依据。