《Frontiers in Environmental Science》：Decoding soil erosion dynamics on the qinghai-xizang plateau: an XGBoost-SHAP approach for spatiotemporal analysis and impact assessment
编辑推荐：
摘要：引言：土壤侵蚀（SE）是可持续社会和生态发展的主要制约因素之一。土壤侵蚀的时空动态及其驱动因素对于改善区域生态系统服务和保障生态与粮食安全至关重要。本研究以“世界第三极”的核心区域——青藏高原（QXP）为中心。方法：通过使用Sen-Mann-Kendal
摘要：引言：土壤侵蚀（SE）是可持续社会和生态发展的主要制约因素之一。土壤侵蚀的时空动态及其驱动因素对于改善区域生态系统服务和保障生态与粮食安全至关重要。本研究以“世界第三极”的核心区域——青藏高原（QXP）为中心。方法：通过使用Sen-Mann-Kendall趋势分析方法、重心迁移模型和XGBoost-SHAP分析，研究人员对2000年至2020年高原土壤侵蚀的时空格局和驱动机制进行了系统研究。结果：结果表明土壤侵蚀强度具有明显的空间异质性，其中低、中、高侵蚀区面积分别占总面积的81.8%、16.9%和1.3%。低和中侵蚀区在空间上是连续的。土壤侵蚀重心沿东北-西南-西北-东南方向移动，总距离为207.85 km，年均速度为9.89 km。总体来说，高原大部分地区的土壤侵蚀水平相对稳定，仅存在轻微的区域性变化。研究表明，坡度（slope）和海拔（elevation）等自然因素主导影响了青藏高原的土壤侵蚀动态。相反，人类活动和社会经济变量（包括GDP）的影响相对有限。结论：本研究为青藏高原土壤侵蚀的预防和管理决策提供了科学基础，并可作为未来高原定向保护和可持续发展的理论参考。
# 青藏高原土壤侵蚀时空动态与驱动机制解读：基于XGBoost-SHAP的方法
## 1. 研究背景与科学问题
土壤是陆地生态系统的核心组成部分，支撑着物种多样性和生态系统功能。然而，随着全球气候变暖加剧，土壤可持续性正面临日益严峻的威胁，其中土壤侵蚀（Soil Erosion, SE）被视为一个尤为关键的问题。土壤侵蚀不仅导致土壤养分流失、破坏土壤结构和生态系统功能，还通过分离、搬运和沉积过程增加生态系统碳的横向转移，对粮食安全和全球碳循环构成严重威胁。政府间气候变化专门委员会（IPCC）明确指出，全球变暖可能对荒漠化、土地退化和粮食安全产生深远影响。联合国可持续发展目标也将遏制土地退化、保障粮食生产和保护生态安全列为国际社会的共同战略目标。
青藏高原（Qinghai-Xizang Plateau, QXP）作为“世界第三极”的核心区域，是影响中国乃至北半球和全球环境变化的关键地区。该区域是全球变暖影响最显著、未来气候变化效应最不确定的地区之一。过去五十年间，青藏高原持续快速升温，极端天气事件日益频繁，从而加剧了土壤侵蚀。然而，以往关于青藏高原土壤侵蚀的研究大多聚焦于单一生态系统类型或小尺度区域，如雅鲁藏布江流域、三江源地区和岷江上游等。在更大尺度上，尽管已有研究开展了综合集成分析，但普遍受限于相对粗糙的空间分辨率数据。此外，过去对土壤侵蚀空间分布的研究主要考察离散年份或较短时段，多年平均值或少数时间快照是常用的分析手段。目前仍缺乏能够综合刻画青藏高原土壤侵蚀时空演变规律、空间分布格局及驱动机制异质性的系统性长期评估。因此，开展高时空分辨率研究以评估土壤侵蚀的影响因素，进而制定有效的区域水土保持规划，显得尤为必要；随着川藏高速铁路和雅砻江流域下游水电开发等重大基础设施工程的推进，这一需求变得更为迫切。
## 2. 研究内容与技术方法
针对上述研究空白，本研究旨在实现三个目标：（1）分析2000—2020年青藏高原土壤侵蚀的时空动态，识别侵蚀强度热点区域，解析其整体空间迁移模式，并可视化全局特征与局部驱动因素的交互作用；（2）构建综合驱动因素数据库，评估自然因素与人为因素同土壤侵蚀之间的关系；（3）利用栅格尺度的可解释建模方法解释多尺度驱动机制，量化土壤侵蚀的时空分异并阐明其空间异质性。
研究人员采用的核心技术方法包括：利用Theil-Sen中位数估计结合Mann-Kendall（M-K）非参数统计检验的趋势分析方法，该方法不要求数据服从正态分布，且对异常值和缺失值具有较强的稳健性，适用于长期序列的趋势识别；利用几何重心法和重心迁移模型（包括重心迁移距离和迁移方向角度的定量计算），揭示土壤侵蚀重心的空间迁移路径，并通过标准差椭圆分析刻画空间分布的方向性特征；利用XGBoost（极端梯度提升）与SHAP（Shapley加法解释）相结合的机器学习可解释性框架，XGBoost作为一种基于梯度提升决策树的高性能集成学习算法，通过在目标函数中引入正则化项控制模型复杂度以抑制过拟合，SHAP则基于博弈论的Shapley值概念，客观量化每个特征对模型预测的边际贡献，两者结合可同时提供全局特征重要性排序和局部样本级的可解释性。研究所用土壤侵蚀数据来源于Science Data Bank，时间跨度覆盖1990—2022年，空间分辨率为30 m，基于修正通用土壤流失方程（RUSLE）生成，涵盖覆盖管理因子（C）、土壤可蚀性因子（K）、坡长坡度因子（LS）、降雨侵蚀力因子（R）和水土保持措施因子（P）；该数据集经过与《中国水土保持公报》的省级官方数据对比验证，平均绝对误差（MAE）仅为9.48%。驱动因素分为自然变量（温度、降水、坡度、海拔、土壤有机碳含量、植被覆盖度）和人为变量（人类足迹指数、国内生产总值GDP、人口密度、夜间灯光强度），数据来源涵盖数字高程模型、国家气候数据中心、世界土壤数据库、WorldPop等。
## 3. 研究结果
### 3.1 土壤侵蚀的空间分布格局
基于多时段土壤侵蚀数据，研究人员绘制了2000—2020年青藏高原土壤侵蚀强度的空间分布图。总体而言，研究区土壤侵蚀强度具有高度的空间异质性。整个研究期内，低、中、高侵蚀区面积占比分别为81.8%、16.9%和1.3%。低和中侵蚀区在空间上呈连续且聚集的分布特征：高原中部和柴达木盆地侵蚀程度低、土壤流失量少；祁连山和青藏高原东南部侵蚀程度中等、土壤流失量较高。而海拔较高的高原中西部以保存完好的古阶地为主，地形相对平缓，削弱了水力侵蚀作用，加之连续多年冻土的存在减少了地表径流的产生，进一步降低了土壤侵蚀的潜力。土壤侵蚀在念青唐古拉山脉和横断山脉地区表现剧烈，陡峭的地形和高度破碎的地貌，结合集中降水和显著的冻融循环，降低了土壤的抗蚀性，加剧了水土流失风险。青藏高原东南部受印度洋季风强烈影响，山高谷深、垂直落差大，产生巨大的水动力，加上日益增加的人类活动干扰，导致该区域土壤侵蚀严重。
### 3.2 土壤侵蚀重心迁移特征
利用重心迁移模型，研究人员计算了2000—2020年不同时段青藏高原土壤侵蚀重心的坐标。结果表明，研究区土壤侵蚀重心位于青海省玉树市西南部，迁移方向呈东北-西南和西北-东南的交替格局；总迁移距离为207.85 km，年均迁移速度为9.89 km/a，迁移路径整体不规则。标准差椭圆分析显示，青藏高原土壤侵蚀的空间分布主要沿东西方向展布，二十年间标准差椭圆的边界长度逐渐缩短，重心迁移的起止点趋于重合，表明土壤侵蚀重心趋于稳定并呈空间收敛态势。2010—2015年期间的迁移距离在四个阶段中最小，其他时期的迁移距离相对接近，总体呈现向西北方向迁移的趋势。这一迁移路径与土壤侵蚀的时空趋势密切相关：向东偏移的区段对应着东部人类活动加剧的区域，而相对稳定的西部区段则与低侵蚀区重叠。
### 3.3 土壤侵蚀变化的趋势特征
基于Sen-Mann-Kendall趋势分析方法，研究人员对2000—2020年青藏高原土壤侵蚀的年际变化进行了分析，并采用自然断点法将侵蚀变化分为增加、稳定和减少三类。结果显示，在整个研究时段内，高原大部分地区的土壤侵蚀强度相对稳定，未出现大范围突然波动。减少、稳定和增加区域的面积占比分别为0.28%、93.86%和5.86%。侵蚀增加区域主要集中在昆仑山和喀喇昆仑山、冈底斯山和喜马拉雅山地区、唐古拉山、藏南谷地以及高原东缘沿线；侵蚀减少区域则主要分布在念青唐古拉山以南。总体而言，2000—2020年土壤侵蚀时空动态呈现东部侵蚀强度较大、中西部侵蚀强度较低的格局，并呈现连片集中分布的特征。青藏高原东部人口聚居、基础设施密集，显示出强烈的人类活动对土壤侵蚀的驱动效应。
### 3.4 土壤侵蚀演变的驱动机制
研究人员运用XGBoost-SHAP算法系统考察了2000—2020年影响青藏高原土壤侵蚀动态变化的驱动因素，并量化了各因素的贡献。特征重要性排序结果表明，驱动因素重要性依次为：坡度（SLOPE）> 海拔（DEM）> 降水（PRE）> 夜间灯光（NTL）> 人类足迹（HFP）> 归一化植被指数（NDVI）> 国内生产总值（GDP）> 温度（TEM）> 土壤有机碳（SOC）> 人口密度（POP）。总体而言，自然因素对青藏高原土壤侵蚀动态变化的驱动作用强于社会文化因素，其中坡度和海拔对土壤侵蚀空间变异具有显著的驱动效应。在高原上，海拔对土壤侵蚀的影响呈现双重属性，4000 m是一个关键的临界点：在4000 m以下，受有利的水热条件、液态降水和人类活动干扰的驱动，侵蚀随海拔升高而增强；而在4000 m以上的高寒区域，由于以固态降水为主、多年冻土稳定且风力作用有限，侵蚀强度随海拔升高而减弱。这种海拔依赖性的分异源于水热条件、冻土分布和生态过程的耦合效应，且可能在气候变暖背景下发生动态变化。在贡献量方面，夜间灯光、人类足迹、NDVI和GDP等因子的贡献水平相近，而土壤有机碳和人口分布对土壤侵蚀预测的影响较小。模型训练集和测试集的R
2值分别为0.9213和0.801，RMSE值分别为1.7766和6.933，说明XGBoost-SHAP模型具有良好的预测性能和稳健的误差控制。此外，通过1000次Bootstrap重采样迭代结合SHAP全局敏感性分析的稳健性检验表明，坡度始终以高分保持绝对主导地位，与海拔共同构成稳定的核心驱动框架，充分证明核心地形驱动机制的研究结论具有较高的统计稳健性和科学可信度。
## 4. 讨论与结论
本研究将空间诊断方法（Sen + Mann-Kendall）与可解释机器学习（XGBoost-SHAP）相结合，填补了现象描述与机制分析之间的空白。传统方法（如地理探测器、地理加权回归、空间自相关分析等）在揭示多个驱动因素之间的非线性、高维度交互作用方面存在局限，而本研究的方法能基于30 m精细分辨率时空数据，自动捕捉变量间复杂的非线性关系，并通过SHAP依赖图和分解提供全局和局部两个层次的可解释性。讨论部分指出，作为相对独立的自然地理综合体，青藏高原的土壤侵蚀是多因子耦合作用的结果，但自然因素在其中占据主导地位——自然因素的累积SHAP权重超过70%，其中坡度和海拔具有最显著的解释力。这一发现与已有关于高原西部地区和中国其他高原区域的研究结论相符。气候因子的影响在20年观测窗口内可能尚未充分体现，因为气候变化及其效应本质上是长期过程，而青藏高原低温少雨的气候特征也降低了气候因子的即时作用；相反，高海拔热力-力学耦合系统的强辐射、广泛冻土和强烈风蚀深刻影响着生态水文和侵蚀过程。
在生态管理政策方面，本研究建议：在青藏高原东南部最严重侵蚀区，应采取自然恢复、工程治理与智能监测相结合的多管齐下策略，对35°以上陡坡立即开展边坡加固和分级拦挡工程；在海拔4000 m以下的陡坡区域，部署水土保持植被配置与截排水工程一体化的综合防护体系；在干旱退化区因地制宜开展耐旱植被恢复，辅以禁牧围封和工程固沙措施；在重度侵蚀区建设梯级挡墙和鱼鳞坑等微地形改造工程以稳定表土；同时推动产业结构向环境友好型低碳经济转型，并建立侵蚀风险-农牧收入的联动补偿机制。在三江源核心区，应禁止混凝土使用，优先采用原生植被，并利用遥感、合成孔径雷达干涉测量（InSAR）、无人机和地面传感器构建空天地一体化智能监测网络。
研究结论指出：揭示青藏高原土壤侵蚀的时空变化及其驱动机制，不仅对于解决“亚洲水塔”的水土资源保护和灾害防治问题至关重要，而且对于强化中国国家生态安全屏障、保障重大基础设施的长期稳定具有重要决策支撑价值。青藏高原整体土壤侵蚀呈现显著的空间分异和高度的空间异质性，低、中、高侵蚀区面积占比分别为81.8%、16.9%和1.3%，低和中侵蚀水平表现出明显的空间集中和连续性倾向。土壤侵蚀重心主要位于青海省玉树市西南部，呈东北-西南-西北-东南迁移格局，总距离207.85 km，年均迁移速率9.89 km，迁移路径不规则。高原大部分地区侵蚀水平稳定，减少、稳定和增加区域分别占0.28%、93.86%和5.86%。自然因素（尤其是坡度和海拔）对土壤侵蚀动态的影响远强于人类活动强度、土壤有机碳含量、降水和GDP等变量，在所有变量中坡度和海拔分别位列重要性第一和第二，人类活动的影响相对较小。研究成果为青藏高原生态治理和“亚洲水塔”水资源的长期可持续保护提供了科学依据和具体的政策建议。
