地形依赖的水源涵养非线性预测关系：基于可解释机器学习在三江源地区的研究

《Ecological Indicators》：Topography-dependent nonlinear predictive relationships of water conservation revealed by explainable machine learning in the Three-River headwaters region

　　

论文摘要专业翻译 作为世界“第三极”，青藏高原孕育了十余条亚洲主要河流，被誉为“亚洲水塔”，在全球中低纬度地区气候系统中发挥着至关重要的调节作用（Liu et al., 2023; Zou et al., 2022）。作为该高原的内陆核心区域，三江源地区（Three-River Headwaters Region, TRHR）被誉为“中华水塔”，是长江、黄河和澜沧江-湄公河的发源地。其水源涵养（Water Conservation, WC）服务的稳定性直接维系着下游超过7亿人口的水安全，具有不可替代的战略意义（Su et al., 2023; Xue et al., 2023）。然而，作为全球环境变化的关键“指示区域”，这一高寒生态系统正以约为全球均值两倍的速度经历快速增温，并承受着冰川退缩、冻土退化与人类活动加剧的“双重压力”（Wang et al., 2024d; Yan et al., 2023; Zhang et al., 2022; Zhang et al., 2024）。多重胁迫因子导致该区域水文循环过程发生深刻重塑，使其关键水源涵养功能呈现高度的时空异质性和不确定性（Chen et al., 2023; Immerzeel et al., 2010）。因此，在复杂地形框架下，系统解析气象因子、土壤属性及人类活动对水源涵养的非线性关系逻辑，已成为生态水文学领域的关键科学挑战。 大量研究已证实气候波动和土地覆被变化是调控三江源地区水量平衡的重要力量；然而，作为水分储存与转化的核心介质，土壤属性和下垫面异质性在解释水源涵养非线性关系中的贡献往往被简化或忽略（Li et al., 2024; Zhang et al., 2016; Zhao et al., 2023）。初步研究已量化了降水、温度、海拔与径流增长之间的关系，为该区域对气候变异的响应奠定了认知基础（Chu et al., 2019）。与此同时，大规模生态恢复工程的水文效应已被广泛报道，经验证据表明植被绿度提升与持水能力增强之间存在稳健的正向关联（Tang et al., 2022）。然而，在复杂山地系统中，水源涵养受气候、土壤属性、植被动态和人类活动等多因子非线性交织影响，当前研究对其多维预测关系的理解仍存在空白。同时，新兴共识表明，传统方法主要依赖线性框架和单因子分析，往往过度简化或错误表征山地生态水文系统中固有的复杂动态。例如，“绿化程度越高则水资源越丰富”的假设正日益受到质疑。在三江源地区部分缺水生态系统中，当植被覆盖度超过特定阈值时，可能导致蒸散发显著增加，反而抵消甚至逆转水源涵养的增益——这一现象被称为“绿化悖论”（greening paradox）（Farley et al., 2005; Jiang et al., 2026; Mu?oz-Gálvez et al., 2025）。此外，水源涵养是由多个解释特征协同交互作用塑造的综合结果，这些特征以高度复杂的方式相互交织。传统统计方法（如多元线性回归）在面对高维度和强共线性数据集时，难以高效区分关键驱动变量并解析复杂变量间的贡献权重，且无法有效刻画系统内嵌的非线性预测关系和统计阈值（Anderson et al., 2022），导致对水源涵养与环境特征深层关联逻辑及其潜在非线性预测关系的理解存在关键空白。 除上述机制层面的不确定性外，尽管地形对水文过程的深远影响已被广泛认知，但其效应的空间异质性往往被低估。多数研究将地形视为全局解释变量，未能系统揭示变量间响应模式如何随地形梯度变化而发生系统性改变（McNichol et al., 2024; Wang et al., 2022）。例如，升温带来的生态效益在寒冷高海拔地区可能是正向的，但在低海拔、较高温地区可能因干旱胁迫加剧而转为不利。这表明调控“环境特征-服务响应”关系的参数并非固定不变，而是随景观变化呈现系统性改变——这一概念被称为参数非平稳性（parameter non-stationarity）（Bueno de Mesquita et al., 2021; Michalet et al., 2014）。迄今为止，尚无研究系统探讨三江源地区水源涵养的非线性预测关系如何在不同地形梯度（海拔、坡度、坡向）上发生分化和重构。与气候或社会经济变量不同，地形因子相对稳定且具有空间约束性，为区域水热条件和径流汇集提供了重要的环境背景，并可能通过局部能量条件、土壤发育和植被适宜性的差异，调节其他特征与水源涵养预测关系的方向、幅度和转变模式（Liang et al., 2024; Marshall et al., 2026）。因此，地形更适合作为分析解释特征空间非平稳性的“组织框架”，用以揭示不同环境背景下水源涵养特征贡献响应的重构过程。 为弥补上述关键空白，本研究构建了将InVEST模型与可解释机器学习（Explainable Machine Learning, XAI）方法（XGBoost-SHAP模型）相结合的综合分析框架。通过机器学习强大的非线性拟合能力，研究人员从统计关联角度解析了水源涵养的复杂响应特征。尽管该方法无法直接证明物理因果性，但为识别关键解释特征和模型导出的转变点提供了可靠的证据支持。研究目标包括：（1）量化1990—2020年三江源地区水源涵养的时空动态特征，识别其长期趋势、阶段性转折点和空间演变特征；（2）利用XGBoost-SHAP模型，系统分析水源涵养对气象、土壤、植被和人类活动等因素的非线性预测依赖关系和统计阈值；（3）系统揭示这些预测关系在海拔、坡度和坡向梯度上的差异化特征。通过突破线性假设并纳入地形异质性，本研究旨在为这一全球重要且脆弱的生态系统的水源涵养过程提供更精细、更具统计证据支持的理解，并为“中华水塔”的适应性管理和可持续发展提供关键科学依据。

论文解读文章

一、研究背景与科学问题

三江源地区地处青藏高原腹地，是长江、黄河和澜沧江-湄公河三大水系的发源地，被誉为“中华水塔”，其水源涵养功能的稳定性直接关系下游超过7亿人口的水安全。然而，作为全球环境变化的关键指示区域，该地区正以约全球均值两倍的速度经历快速增温，同时承受冰川退缩、冻土退化与人类活动加剧的多重压力，导致区域水文循环过程发生深刻重塑，水源涵养功能呈现高度时空异质性和不确定性。

当前研究存在三个关键不足。其一，传统研究多依赖线性框架和单因子分析，难以刻画山地生态水文系统中固有的非线性动态。例如，“绿化程度越高则水资源越丰富”的假设正日益受到质疑——在三江源部分缺水生态系统中，当植被覆盖度超过特定阈值时，蒸散发的显著增加可能抵消甚至逆转水源涵养的增益，即“绿化悖论”现象。其二，土壤属性和下垫面异质性作为水分储存与转化的核心介质，其在解释水源涵养非线性关系中的贡献往往被简化或忽略。其三，地形对水文过程的影响虽被广泛认知，但其效应的空间异质性常被低估——多数研究将地形视为全局解释变量，未能系统揭示变量间响应模式如何随地形梯度变化而发生系统性改变，即参数非平稳性问题。因此，在复杂地形框架下系统解析水源涵养的多维非线性预测关系，已成为生态水文学领域亟待解决的关键科学问题。

二、研究内容与主要技术方法

针对上述空白，研究人员构建了将InVEST模型与可解释机器学习方法（XGBoost-SHAP模型）相结合的综合分析框架，以1990—2020年为研究时段，系统解析了三江源地区水源涵养的时空演变规律、非线性驱动机制及地形梯度上的响应分化特征。研究采用的主要关键技术方法包括：InVEST模型水源涵养模块（基于水量平衡原理，通过降水、蒸散发、土地利用类型和植被根系深度等参数计算产水量，并以地形指数、土壤饱和导水率和流速系数进行修正）；Theil-Sen中位数斜率与Mann-Kendall趋势检验（用于检测水源涵养的长期趋势和阶段性转折）；XGBoost机器学习模型（利用其强大的非线性拟合能力解析水源涵养与多因子间的复杂响应关系）；SHAP可解释性框架（量化各解释变量的贡献权重，识别非线性关系中的统计阈值）；方差膨胀因子检验（VIF>10的变量被剔除，最终保留10个因子以缓解多重共线性偏差）。研究涉及的多源数据包括降水、气温、标准化降水蒸散指数（SPEI）、潜在蒸散发、实际蒸散发、数字高程模型（DEM）衍生地形因子、土壤属性、叶面积指数（LAI）、土壤有机质（SOM）、地表温度（LST）、归一化建筑指数（NDBI）、非城市人口密度（NUPD）和放牧强度（LHGI）等，所有栅格数据统一投影至WGS_1984_Albers坐标系并重采样至1 km分辨率。

三、研究结果

（1）水源涵养的时空动态特征

研究基于InVEST模型量化了三江源地区1990—2020年的水源涵养量，并结合Theil-Sen与Mann-Kendall检验及极端年份对比，揭示了其长期趋势和短期波动的时空演变规律。结果表明，区域水源涵养呈现长期改善与阶段性波动并存的特征，空间上表现出明显的分异格局。

（2）关键驱动因子识别与非线性关系解析

通过XGBoost-SHAP模型，研究系统分析了气象、土壤、植被和人类活动等因素对水源涵养的非线性预测依赖关系。结果表明，土壤有机质（SOM）是首要主导因子，各驱动因子对水源涵养的影响均存在显著的关键阈值，突破了传统线性假设的局限。

（3）地形梯度上的响应分化特征

研究通过比较不同海拔、坡度和坡向梯度上的SHAP值，系统揭示了地形异质性对水源涵养解释特征的差异化调节作用。结果表明，植被效应沿海拔梯度呈现明显的非平稳性，地形对驱动因子的作用方向和强度具有显著调节效应，揭示了水源涵养驱动因子的空间非平稳性特征。

四、讨论与结论

讨论部分指出，传统研究中“绿化程度越高则水资源越丰富”的线性假设在三江源地区并不成立，植被对水源涵养的影响存在明显的阈值效应和非平稳性特征。地形作为相对稳定的环境背景框架，通过调节局部能量条件、土壤发育和植被适宜性，系统性地改变了各驱动因子与水源涵养之间预测关系的方向、幅度和转变模式。研究结论表明，三江源地区水源涵养在1990—2020年间呈现长期改善与阶段性波动并存的特征；土壤有机质是首要主导因子，各驱动因子均存在显著的关键阈值；植被效应沿海拔梯度呈现明显非平稳性；地形对驱动因子的作用方向和强度具有系统性调节作用，揭示了水源涵养驱动因子的空间非平稳性。该研究通过突破线性假设并纳入地形异质性，为理解这一全球重要且脆弱的生态系统的水源涵养过程提供了更精细、更具统计证据支持的科学认知，并为“中华水塔”的适应性管理和可持续发展提供了关键科学依据。