1980–2020年中国东北典型黑土区土壤侵蚀中自然–人类动态变化的量化研究

《Land》：Quantifying the Shifting Nature–Human Dynamics of Soil Erosion in the Typical Black Soil Region of Northeastern China During 1980–2020

　　

摘要：对黑土侵蚀特征及驱动机制进行定量评估对于农业可持续发展至关重要。本研究分析了1980年至2020年中国东北典型黑土区（TBSR）土壤侵蚀模数（SEM）的时空动态。研究人员所使用的SEM数据集源自利用修正通用土壤流失方程（RUSLE）模型构建的高分辨率数据集。研究量化了包括地理、气候和人为变量在内的九个驱动因子的独立效应和交互效应。研究结果如下：（1）年平均SEM呈轻微但不显著的增加趋势（0.002 t·ha^?1·a^?1），自2000年以来出现显著波动。（2）尽管大多数地区表现出持续稳定性，但在内蒙古东部、松嫩和三江副区的部分地区识别出非显著轻度退化趋势。（3）坡度和海拔是影响SEM空间格局的主导因子，其效应通过与其他变量的交互作用得到显著增强。在时间尺度上，从2000年基线到2001–2010年和2011–2020年两个时期，GDP的解释力持续增加，促使人为影响的总体贡献超过了气候因子。这一趋势表明，相对于气候效应，人类活动对SEM空间格局的影响日益增强。（4）高风险区域位于坡度为6~8°和海拔为1230~1430 m的地带（约占研究区面积的0.2%）。这些区域通常与社会经济发展水平较低的生态脆弱草地重叠。上述发现揭示了人类活动、土地利用和气候系统之间的非线性耦合机制，为有针对性的侵蚀减缓策略和可持续农田管理提供了科学依据。

论文解读：东北典型黑土区土壤侵蚀的自然–人类动态变化量化研究

一、研究背景与科学问题

土壤侵蚀是全球范围内最为严重的环境问题之一，对陆地生态系统、栖息地质量和农业生产生产力构成重大威胁。2013年第一次全国水利普查显示，中国水土流失面积达2.9491×10⁶ km²，占国土总面积的30.72%。东北黑土区作为全球三大黑土区之一和中国重要的商品粮基地，尽管农业垦殖历史相对较短，却正经历显著的土地退化过程。该区域土壤侵蚀影响面积约2.16×10⁵ km²，导致表层有机质显著减少，耕层厚度从20世纪50年代的60–70 cm降至2010年前后的20–30 cm，土壤肥力及理化与生态性质持续下降。侵蚀过程受冻融循环、集中性暴雨等自然因素和坡耕地耕作、高强度机械化耕作等人为活动的共同驱动，其相互作用导致生产力损失以及面源污染和水库淤积等生态后果。

然而，已有研究在多个方面存在不足：传统归因方法多依赖单个气候或人为因素的相关分析，难以捕捉人–地–气候交互作用的非线性和交互性特征；自然和人为驱动因素的相对贡献及其随时间的变化尚缺乏定量区分；针对高风险侵蚀区的环境阈值识别仍不明确。尽管刘等研究者已建立了典型黑土区（TBSR）的土壤侵蚀模数（SEM）数据集，提供了高分辨率的时空SEM特征及其与极端降水关系的描述，但尚未对多驱动因素的相对贡献进行量化，也未区分自然与人为影响的相对作用。因此，本研究旨在实现三个目标：（i）量化自然与人为驱动因素对SEM动态的独立效应和交互效应；（ii）检测2000年至2020年间这些驱动因素相对主导地位的潜在转折点；（iii）识别关键影响因子的风险阈值，为有针对性的水土保持策略提供依据。

二、研究内容、结论与意义

本研究以中国东北典型黑土区为研究对象，该区域面积约33.3×10⁴ km²，涵盖黑龙江、吉林、辽宁三省及内蒙古东部共138个县级行政区。研究利用刘等研究者基于修正通用土壤流失方程（RUSLE）模型生成的1980–2020年高分辨率SEM数据集（空间分辨率500 m，时间分辨率1年），系统分析了SEM的时空演变特征。研究得出以下主要结论：1980–2020年TBSR的年平均SEM为0.71 t·ha^?1·a^?1，呈轻微不显著的上升趋势（0.002 t·ha^?1·a^?1），但2000年后波动加剧，2011–2020年期间侵蚀压力明显增强。空间分布呈现显著异质性，松嫩副区（SNs）和三江副区（SJs）的SEM低于内蒙古东部副区（EIMs）。趋势与持续性分析表明，大部分区域（64.1%）表现出持续性稳定状态，25.6%的区域呈现持续性轻度退化。地理探测器分析揭示，坡度和海拔是控制SEM空间格局的主导地形因子，其解释力通过与其他因子的交互作用显著增强。最为重要的是，研究检测到2011–2020年间人为因素（GDP和POP）的综合影响超过了气候因子（降水、温度和日照时数），其中GDP是人为影响增强的主要驱动力，其相对贡献从2000年的4%上升至2011–2020年的12%。风险探测器进一步识别出坡度为6~8°、海拔为1230~1430 m的高风险区域，约占研究区总面积的0.19%，主要分布于内蒙古东部副区。该研究揭示了人类活动、土地利用和气候系统之间的非线性耦合机制，为制定有针对性的侵蚀防控策略和可持续农田管理提供了科学依据。论文发表于《Land》期刊。

三、主要技术方法

本研究采用多方法集成的分析框架。研究数据来源包括：SEM数据集源自刘等研究者基于RUSLE模型构建的高分辨率产品；气象数据来自中国国家气象科学数据中心142个观测站点的逐日观测资料；归一化植被指数（NDVI）数据来自NASA LP DAAC的MODIS/Terra植被指数产品；GDP、人口密度（POP）和土地利用/覆被变化（LUCC）数据来自中国科学院资源与环境科学数据中心（1 km分辨率）；数字高程模型（DEM）采用FABDEM V1-2数据集（布里斯托大学提供）。分析方法包括：采用Theil–Sen中值趋势分析与Mann–Kendall检验评估SEM时间趋势的显著性；运用Hurst指数（R/S分析法）判断趋势的持续性；采用地理探测器模型（包括因子探测器、交互探测器、生态探测器和风险探测器）量化九个驱动因子的独立效应和交互效应；运用残差趋势分析区分气候驱动分量（SEM_CC）和非气候分量（SEM_NC）的相对贡献。

四、研究结果

4.1 SEM的时间变化特征

1980–2020年期间，TBSR的年平均SEM在0.46 t·ha^?1·a^?1（2001年）至1.24 t·ha^?1·a^?1（1998年）之间波动，整体呈轻微不显著增加趋势（0.002 t·ha^?1·a^?1，p > 0.05）。年最大SEM值波动更为剧烈，范围从1998年的23.41 t·ha^?1·a^?1到2019年的69.60 t·ha^?1·a^?1。值得注意的是，1999年后年平均和年最大SEM均呈现显著上升趋势（p < 0.05），速率分别为0.023 t·ha^?1·a^?1和1.349 t·ha^?1·a^?1。基于七级分级体系分析发现，1980–2000年期间SEM保持稳定，2001–2010年期间低等级（II–IV级）面积增加而高等级（V–VII级）面积减少，2011–2020年期间则呈现相反趋势，其中VI级面积增加了6.0%达到13.1%。

4.2 SEM的空间特征

1980–2020年平均SEM的空间分布呈现显著异质性，SNs和SJs的SEM低于EIMs。研究区平均SEM为0.71 t·ha^?1·a^?1，范围从0至34.12 t·ha^?1·a^?1。平均SEM以I级（65.5%）和VI级（10.2%）为主，合计占研究区面积的75.7%。不同土地利用类型的SEM从高到低依次为：林地、草地、农田、其他土地、湿地和裸地。各土地利用类型的SEM在1980–2000年保持稳定，2001–2010年显著下降，2011–2020年出现反弹。

4.3 SEM趋势变化特征

结合Theil–Sen中值趋势分析和Mann–Kendall检验的结果显示，区域尺度上，轻度退化、稳定和轻度改善区域分别占总面积的26.8%、67.2%和4.6%，显著退化仅占0.1%。副区尺度上，EIMs北部和南部呈现轻度改善，SJs大部分地区和SNs中南部保持稳定，EIMs中部、SNs北部和东南部及SJs局部区域出现轻度退化，SNs北部检测到显著退化。结合Hurst指数的持续性分析表明，64.1%的区域表现出持续性稳定，主要位于SNs中南部和SJs大部分地区；25.6%的区域表现出持续性轻度退化，集中在EIMs中部、SNs北部和东南部以及SJs局部区域。不同土地利用类型的趋势和持续性分析显示，农田、草地和湿地是TBSR中SEM的主要稳定地貌组分，其中农田和草地的稳定性尤为突出。

4.4 驱动机制分析

地理探测器分析结果揭示了SEM驱动因子的时间演变特征。2000年，主要环境驱动因子排序为：坡度 > 海拔 > POP > 温度 > 日照时数 > GDP；2001–2010年变为：坡度 > 海拔 > 温度 > GDP > POP > 日照时数；2011–2020年进一步变为：坡度 > 海拔 > GDP > POP > 温度 > 日照时数。坡度（q值最高达0.396）和海拔（q值最高达0.298）始终是控制SEM空间格局的最主要因子，二者均呈现先降后升的“V型”变化模式。GDP的q值从2000年的0.041持续上升至2011–2020年的0.137，成为人为因素中增长最显著的驱动因子。归一化（rescaled）贡献分析显示，人为因素的综合贡献从2000年的14%上升至2011–2020年的21%，同期气候因素的贡献从17%下降至14%，标志着人为影响在2011–2020年期间首次超过气候影响。交互探测器结果表明，所有因子两两交互均增强了SEM的解释力，其中坡度与各因子的交互效应尤为突出。2000年和2001–2010年期间，解释力最强的交互组合为坡度∩日照时数（>50.0%），而2011–2020年期间坡度∩海拔组合（49.7%）成为最强的交互项。风险探测器在95%置信水平下识别出各因子的高风险阈值范围：海拔1230~1430 m、坡度6~8°的区域为地形因子高风险区，约占TBSR总面积的0.19%，主要分布于EIMs；该区域在2000年和2011–2020年以草地为主，2001–2010年以湿地为主；高风险区在NDVI 0.63~0.85范围内，且始终与低GDP和低POP区域相对应。

4.5 气候变化与非气候因素的相对贡献

残差趋势分析结果表明，气候驱动分量（CC）和非气候分量（NC）共同构成了SEM空间变化的主要驱动力。约47.6%的研究区域出现SEM增加，且CC和NC均为正值，表明两种驱动力量协同作用而非相互抵消。单纯由CC导致的SEM增加区域约占32.8%，主要分布在EIMs中部、SNs南部和SJs大部分地区；单纯由NC导致的增加区域占2.8%，主要位于EIMs北部。SEM减少的区域中，5.4%归因于CC和NC的共同作用，4.9%仅归因于CC，5.0%仅归因于NC。总体而言，气候和非气候因素的联合效应是研究期间SEM变化的主要驱动机制，表明黑土侵蚀呈加剧态势。

五、讨论与结论

讨论部分指出，TBSR的SEM均值（0.71 t·ha^?1·a^?1）低于Borrelli等报道的2012年全球平均土壤侵蚀率（约2.8 t·ha^?1·a^?1），也低于美国玉米带和乌克兰黑钙土地区在传统耕作条件下的侵蚀速率，但RUSLE参数化差异需在解释时予以考虑。研究检测到的2011–2020年侵蚀增强趋势与Liu和Yang等研究者关于极端降水频率和强度增加的研究结论一致。驱动机制转变方面，研究揭示了人类活动影响相对气候因素日益增强的十年尺度转折，其中GDP增长是主要驱动力。研究还发现高风险区域与低人口密度和低经济发展水平区域重叠，挑战了严重侵蚀主要发生在人口密集和经济发达地区的传统观点。坡度为6°是Mollisol地区侵蚀过程的关键阈值，8°对应中国标准SL 190–2007中从轻度向中度侵蚀的转变，海拔范围与地形过渡带重合，陡峭梯度有利于径流汇集。研究也承认了若干方法局限性：SEM数据集中K、LS和P因子随时间不变，年际变化主要由R和C因子驱动，因此非气候分量主要反映植被和土地覆盖变化而非直接的人类活动指示；但GDP和POP提供了真正独立人为影响的证据。此外，2000年前社会经济数据以2000年数据代替、残差趋势方法可能高估非气候分量、Mann-Kendall检验未进行多重比较校正、Hurst指数无置信区间等问题均被明确讨论。研究结论如下：TBSR的SEM在1980–2020年间呈现从中心向外围递增的空间格局，SNs和SJs的SEM低于EIMs。年平均SEM介于0.46–1.24 t·ha^?1·a^?1之间，呈波动但不显著的上升趋势（0.002 t·ha^?1·a^?1）。趋势持续性方面，大部分区域保持稳定或改善，而EIMs中部、SNs东南部和SJs零星区域出现局部退化。地理探测器分析确定了海拔和坡度是控制SEM空间分布的主要地貌因子，其解释力通过与其他环境因子的交互作用得以增强。时间尺度上，2000年至随后的两个十年间（2001–2010年和2011–2020年）发生了显著转变，2011–2020年期间人为因素（GDP和POP）的综合影响超过了气候因子（温度、降水和日照时数），其中GDP是主要驱动力，而POP未显示一致趋势，表明人类活动对SEM格局的影响相对气候因素持续增强。风险探测器进一步识别出坡度为6~8°、海拔为1230~1430 m的关键侵蚀区域，该区域土壤抗侵蚀能力显著减弱，草地和湿地等土地利用类型也与较高的侵蚀风险相关。上述发现为理解TBSR中人类活动、土地利用和气候系统之间的非线性耦合机制提供了科学依据。