《Journal of Arid Environments》：Unraveling the seasonal pulses of dust aerosol optical depth in arid Asia: A 45-year machine learning attribution analysis (1980–2025)
编辑推荐：
沙尘气溶胶（Dust Aerosol）在中亚和东亚地区对区域气候、空气质量及生物地球化学循环具有重要影响，然而大气沙尘载荷的季节性驱动因素尚不明确。研究人员利用现代研究与应用再分析第二版（Modern-Era Retrospective analysis fo
沙尘气溶胶（Dust Aerosol）在中亚和东亚地区对区域气候、空气质量及生物地球化学循环具有重要影响，然而大气沙尘载荷的季节性驱动因素尚不明确。研究人员利用现代研究与应用再分析第二版（Modern-Era Retrospective analysis for Research and Applications, Version 2, MERRA-2）再分析资料与可解释机器学习（interpretable machine-learning）框架，研究了1980–2025年沙尘气溶胶光学厚度（Dust Aerosol Optical Depth, Dust AOD）的长期趋势及其控制因子。趋势分析揭示了大范围增强趋势，其中春季（3–5月）92.2%的研究区域呈现正趋势，而夏季（6–8月）表现出显著的东–西对比，中国东部下降幅度达34.3%。季节性极端梯度提升（Extreme Gradient Boosting, XGBoost）模型取得了较高的预测性能，全年月模型决定系数（R2）为0.807。沙普利加性解释（SHapley Additive exPlanations, SHAP）识别出前期土壤湿度，尤其是1–3个月滞后的表层土壤湿度，为最主要的预测因子，在所有模型中贡献了超过40%的SHAP重要性。温度表现出明显的非线性效应，冬季沙尘气溶胶光学厚度在中间温度（270–275 K）达到峰值，而夏季沙尘气溶胶光学厚度仅在超过305 K时急剧增加。海拔通过偏好中低海拔盆地和高原进一步调节沙尘载荷，而厄尔尼诺–南方涛动（El Ni?o–Southern Oscillation, ENSO, Ni?o3.4）在春季表现出最强的大尺度气候影响。这些发现强调了水文气候记忆和热极端事件对理解季节性大气沙尘载荷的重要性，并为气候变化背景下改进季节性沙尘预报提供了支撑。
**论文解读：干旱亚洲沙尘气溶胶光学厚度的季节性归因——基于45年可解释机器学习框架的综合分析**
**一、研究背景与科学问题**
沙尘气溶胶（Dust Aerosol）作为全球气溶胶系统中最丰富且动态活跃的组分之一，通过散射和吸收太阳及地面辐射直接或间接地影响地球辐射平衡、大气环流、云微物理过程、生物地球化学循环以及人类健康。沉降的沙尘为陆地和海洋生态系统提供必要的微量营养素，但同时也会降低空气质量、降低能见度、扰乱交通运输并损害光伏发电效率。中亚和东亚是世界上最主要、最活跃的沙尘带之一，每年贡献全球沙尘排放量的25%–50%。塔克拉玛干沙漠、戈壁沙漠、蒙古高原及人为改造土地等主要源区释放大量矿物沙尘，并可通过跨太平洋输送影响下游地区的空气质量和气候。
尽管已有大量观测表明沙尘活动存在显著的季节性循环（春季达到峰值），且近年来干旱区沙尘光学厚度总体呈现增加趋势而中国东部呈下降趋势，但学界对于季节尺度上控制沙尘气溶胶光学厚度（Dust Aerosol Optical Depth, Dust AOD）变率的主导因子层级仍缺乏系统量化认识。已有研究多将沙尘变率视为年均现象或单个事件过程，未能在统一的框架内系统评价不同季节的驱动因子层级差异，也缺乏对1–3个月水文气候记忆效应（hydroclimatic memory）的显式考虑。传统的线性方法难以捕捉诸如温度阈值效应和滞后水文气候效应等非线性响应。因此，开展季节分辨且可量化解释的归因研究，识别长期趋势并厘清主导环境驱动因子及其滞后和非线性效应，具有重要的科学意义。论文发表在《Journal of Arid Environments》。
**二、主要技术方法与数据来源**
研究人员开发了一套可解释机器学习归因框架，其核心流程包括：基于MERRA-2再分析资料（空间分辨率0.5°×0.625°，时段1980–2025年）获取气象与陆面变量，使用Theil–Sen中值斜率估计和Mann–Kendall检验量化趋势；通过像素级相关分析与主导因子分析识别单因子关联；构建冬季（DJF）、春季（MAM）、夏季（JJA）、秋季（SON）及全年月尺度的极端梯度提升（Extreme Gradient Boosting, XGBoost）模型，并以气候态、持续性、岭回归（Ridge Regression）和随机森林（Random Forest）作为基准模型；最后采用沙普利加性解释（SHapley Additive exPlanations, SHAP）量化各预测因子的相对贡献、滞后效应和非线性响应。样本来源于MERRA-2再分析、航天飞机雷达地形测绘任务（Shuttle Radar Topography Mission, SRTM）数字高程模型以及美国国家海洋和大气管理局（National Oceanic and Atmospheric Administration, NOAA）物理科学实验室发布的气候指数。
**三、主要研究结果**
**3.1 季节性平均沙尘气溶胶光学厚度（AOD）**
研究发现沙尘气溶胶光学厚度在亚洲区域呈现显著的季节循环：春季（3–5月）沙尘载荷最高，约18%的研究区域出现高值，主要覆盖中国西北部并延伸至中亚；夏季（6–8月）高值区约占8%，范围较春季有所缩小；秋季（9–11月）降至约5%；冬季（12–2月）最低，大部分区域接近背景水平，高值区不足2%。
**3.2 影响沙尘异常和土壤湿度的主导因子**
土壤湿度分级分析显示，干土区域平均Dust AOD最高（约0.25），而湿土区域仅约0.05，表明土壤水分对沙尘起沙具有重要调节作用。主导因子分析进一步揭示：冬季风速是沙尘活动的主要驱动因子，覆盖约40%的区域；夏季降水对沙尘起显著抑制作用，30%的区域在降水增加时沙尘减少；春季风速和温度共同促进沙尘增加，尤其在中亚干旱区，覆盖20%的区域；秋季土壤湿度成为主导因子。
**3.3 环境因子与沙尘AOD的空间关联**
相关分析显示，降水与Dust AOD主要呈负相关关系，降雨对沙尘悬浮具有抑制效应；风速在干旱半干旱区与Dust AOD呈正相关，尤其在春秋季强风有利于起沙；叶面积指数（Leaf Area Index, LAI）与Dust AOD主要呈负相关，植被对地表有稳定作用；表层土壤湿度亦呈负相关，进一步证实陆面水分对沙尘活动的抑制效应；气温在干燥稀疏植被区与Dust AOD总体呈正相关。
**3.4 沙尘气溶胶光学厚度的长期季节性变化**
1980–2025年期间，Dust AOD长期趋势呈现显著季节差异。春季增强最为显著，92.2%的区域呈上升趋势，其中41.4%达到显著水平；冬季89.5%的区域为正趋势，其中28.0%显著增加；夏季则出现明显的东西空间对比：干旱西北地区显著增加（占46.6%），而东亚和南亚大部呈下降趋势的区域占34.3%，与亚洲季风增强带来的降水、土壤湿度和植被覆盖增加有关；秋季呈混合格局，西部显著增加（38.0%），北部和东部下降区域占37.2%。
**3.5 XGBoost预测性能和季节性特征重要性**
季节性XGBoost模型在各季节均表现出良好的预测技能：冬季R
2为0.759，春季为0.721，夏季为0.718，秋季为0.667；全年月模型R
2达到0.807。SHAP归因分析表明，前期陆面湿度（特别是1–3个月滞后的表层土壤湿度）是最强预测因子组，在所有模型中贡献超过总SHAP重要性的40%。温度效应呈明显的非线性且季节特异：冬季在中间温度（约270–275 K）时沙尘AOD达到峰值，夏季仅在最高温度（超过约305 K）时才出现急剧正贡献。海拔对沙尘活动具有地形调节作用，低至中海拔盆地和高原更有利于沙尘积累。大尺度气候模态（Ni?o3.4、偶极子模式指数（Dipole Mode Index, DMI）和海洋尼诺指数（Oceanic Ni?o Index, ONI））的影响较弱但可检测，其中春季遥相关信号最强。
**四、讨论与结论**
讨论部分指出，研究发现的中亚和东亚季节性沙尘循环增强与已有文献报道的区域沙尘活动增加及下游局地减少趋势相吻合。春季和冬季近全域性的沙尘AOD增加，与中国东部夏季的显著下降形成对比，表明中纬度干旱化与季风湿润化之间存在增强的差异化趋势。前期土壤湿度（1–3个月滞后的表层湿度）的主导地位与沙尘循环作为陆–气耦合系统的概念理解一致——土壤水分通过影响颗粒间内聚力和起沙临界风速来调控地表可蚀性和沉积物可用性。温度阈值效应的发现进一步细化了高温促进起沙的传统认识。研究也指出了若干局限性，包括MERRA-2粗分辨率难以表征亚网格尺度的空间异质性、SHAP分析未显式量化成对交互效应，以及响应变量和预测因子同源于再分析系统可能带来的内部一致性偏差。
结论部分指出，该研究对1980–2025年中亚和东亚沙尘气溶胶光学厚度（Dust AOD）进行了全面的、季节分辨的整合归因分析。通过依次集成Theil–Sen趋势估计、相关和主导因子分析、季节特异和全年月尺度的极端梯度提升（XGBoost）模型以及SHAP可解释性分析，研究人员开发了一个新型可解释机器学习框架，解析了控制Dust AOD变率的复杂非线性和滞后关系。分析表明，这一主要沙尘带中的季节性Dust AOD动态主要受前期水文气候记忆——特别是1–3个月滞后的表层土壤湿度——控制，其贡献一致地超过瞬时气象强迫。这种水文气候记忆进一步受到季节特异性非线性温度阈值、地形条件和大型气候遥相关的调节。该发现推进了对亚洲沙尘动态的实证理解，并为下一代季节性沙尘预报系统奠定了稳健的、可量化解释的基础，同时为世界上活动最强烈的沙尘区域之一在持续环境变化下的气候适应和空气质量管理提供了关键指导。
