使用可解释机器学习框架跨尺度解析干旱区植被变化的复杂驱动因素

《Ecological Indicators》:Deciphering the complex drivers of vegetation change in arid regions using an interpretable machine learning framework across multiple scales

【字体: 大 中 小 】 时间:2026年07月07日 来源:Ecological Indicators 8.7

编辑推荐:

  中国西部内流盆地气候敏感,但其植被的非线性耦合和尺度依赖驱动因素仍不清楚。研究人员应用了MS-XGSA(Multi-Scale XGBoost-SHAP Attribution framework,多尺度XGBoost-SHAP归因框架),整合机器学习与趋势分

  
中国西部内流盆地气候敏感,但其植被的非线性耦合和尺度依赖驱动因素仍不清楚。研究人员应用了MS-XGSA(Multi-Scale XGBoost-SHAP Attribution framework,多尺度XGBoost-SHAP归因框架),整合机器学习与趋势分析,研究了主要流域及其河岸带的NDVI(归一化植被指数)动态。结果揭示了一个分层模式:气候在流域尺度占主导,而地形和人类活动作为局部调节因子。当空间尺度缩小到河岸缓冲区时,驱动力显著转向水文依赖和集中的人为干扰。植被对环境胁迫表现出显著的非线性响应,其特征是关键的热力和地形阈值触发突然褐化(定义为植被绿度NDVI的突然显著下降),标志着从稳定生长到生态系统退化的快速转变。此外,气温上升与降水减少的协同耦合产生了复合风险,破坏了生态系统的水平衡。不同尺度之间存在明显的阈值漂移,河岸带表现出更高的热耐受性,这量化了它们作为生态避难所(ecological refugia)的作用,其中水文补偿和蒸发冷却缓解了宏观气候压力。本研究描述了从气候控制的区域过程到水文调节的局部栖息地的转变,为识别生态临界点(ecological tipping points)和实施尺度特定管理以增强干旱生态系统韧性提供了科学依据。
**干旱区植被变化驱动因素的多尺度解析:基于可解释机器学习框架的实证研究**

**研究背景与问题**
在全球气候变化的背景下,植被作为陆地生态系统与大气之间的关键纽带,通过碳固定、蒸散发调节和地表能量再分配等过程,深刻参与气候系统的耦合演变。在干旱与半干旱地区,严重的水分限制和显著的年际气候波动导致生态过程呈现强烈的非线性响应和阈值特征,植被动态不仅被视为区域环境变化的敏感“指示器”,还通过生物物理反馈机制成为气候效应的“放大器”。然而,传统研究多依赖线性假设或简单分层方法(如残差趋势分析RESTREND、地理探测器等),难以捕捉干旱生态系统典型的临界点行为和协同交互作用(如增温-干燥耦合)。同时,非线性机器学习模型(如随机森林、XGBoost)虽在预测性能上优势显著,但其“黑箱”特性往往以牺牲机械透明度为代价,限制了在适应性管理中的应用。此外,现有研究大多聚焦宏观地貌尺度的普遍模式,忽视了由栖息地异质性导致的尺度依赖性——河岸带作为干旱区高生物多样性的“绿色廊道”,其对地下水位和径流动态的依赖程度与整体景观迥异,但少有研究在统一的非线性框架内对比分析区域与河岸尺度的驱动机制差异。因此,亟需一种可解释的机器学习框架,在高维非线性拟合与严格物理解释之间取得平衡,以解析干旱区植被变化的多尺度复杂驱动机制。

**研究内容与结论**
研究人员开发了名为MS-XGSA(Multi-Scale XGBoost-SHAP Attribution framework)的综合分析框架,该框架整合了趋势检测、非线性建模与可解释性分析,系统研究了2000—2022年中国西部内流盆地(包括准噶尔盆地ZGE、塔里木盆地TLM、河西走廊-阿拉善HXALS、柴达木盆地CDM和羌塘高原QTGY)及其河岸缓冲区的植被动态。研究发现,全流域尺度上植被变化呈现“气候主导、地形调节、局部人为干扰”的复杂不对称驱动格局,其中温度及其趋势(Tmp/SenTmp)的解释力最强,尤其在羌塘高原和河西走廊-阿拉善地区;降水(Pre)在部分干旱区起关键促进作用;地形因子(坡度Slope、高程DEM)通过调节水分再分配成为维持植被稳定性的重要约束;土地覆被变化LUCC和夜间灯光NTL则反映了局部人为活动的干扰效应。随着空间尺度收窄至河岸缓冲区(基于GRWL河流中心线外推1000 m),驱动力发生显著“尺度漂移”:水文因子(径流RO、地表径流SR)的贡献率大幅上升,取代宏观降水成为限制植被活力的关键因素,而人为干扰(如准噶尔盆地河岸区NTL贡献率达10.16%)也呈现集中放大的“热点效应”。研究还识别出植被褐化(greening-to-browning transition)对关键环境因子的非线性响应阈值:在羌塘高原和准噶尔盆地,当温度分别超过1.63 °C和18.67 °C时,褐化风险骤增;在塔里木盆地,坡度低于1.83°时褐化风险显著上升;羌塘高原植被在高程超过4994 m时稳定性增强。河岸带表现出显著的水文缓冲效应,例如羌塘高原河岸区的温度褐化阈值从全流域的1.63 °C提升至5.18 °C,温度偏移量高达3.55 °C,表明持续的水文补给(径流与地表径流)通过蒸发冷却和生理补偿有效缓解了宏观气候压力。

**主要关键技术方法**
研究人员依托MODIS MOD13Q1产品(250 m分辨率,2000—2022年生长季)获取NDVI数据,采用Theil-Sen斜率与Mann-Kendall检验计算年际趋势,构建三分类响应变量(增加、退化、稳定)。输入特征涵盖气候因子(温度Tmp、降水Pre、太阳辐射Srad及其变化率SenTmp/SenPre/SenSrad,来源为TPDC与TerraClimate数据集)、地形因子(高程、坡度、坡向,来源SRTM DEM,90 m分辨率)、人类活动因子(土地覆被变化MODIS MCD12Q1、夜间灯光DMSP/OLS与NPP/VIIRS、人口密度LandScan)及水文因子(总径流RO、地表径流SR、地下径流SSR,来源ERA5-Land)。其中土地覆被变化采用基于NDVI中位数的自定义编码方案处理。河岸缓冲区基于GRWL(Global River Widths from Landsat)河流中心线经Douglas-Peucker节点简化和Chaikin几何平滑后,以1000 m固定距离外推生成。模型采用XGBoost算法(native xgboost库),经5折交叉验证评估,并利用TreeSHAP算法计算SHAP值以量化各因子的边际贡献,实现全局与局部可解释性。

**研究结果**
**3.1 目标变量——生长季NDVI变化趋势**
基于Sen's斜率与Mann-Kendall检验的显著性水平,将生长季NDVI年际变化分为增加、退化和稳定三类,空间分布显示各流域间存在显著异质性。
**3.2 特征变量(气候、水文、人为和地形因子)**
各气候因子(温度、降水、太阳辐射)的多年均值和变化率呈现明显的空间分异,水文因子(径流、地表径流、地下径流)的分布与地形和河网格局密切相关。
**3.3 全流域尺度植被动态的主导驱动因子**
SHAP定量分析表明,温度(Tmp)及其趋势(SenTmp)是驱动区域植被变化的核心因素,尤其在羌塘高原QTGY和河西走廊-阿拉善HXALS贡献率超过20%。降水(Pre)在退化区(如HXALS贡献18.25%)表现突出。地形因子(Slope与DEM)在极端干旱盆地(TLM、CDM)退化区贡献率达22.94%和28.82%,反映灾害敏感性。植被生长遵循“水热协同与低海拔优势”模式,而退化则表现为“地形约束与气候极端叠加”,如高坡度大幅增加塔里木盆地和柴达木盆地的褐化风险。
**3.4 河岸缓冲区尺度驱动机理与响应特异性**
相比全流域,河岸缓冲区驱动机理的核心特征是“气候主导地位的稀释”与“局部因素(水文+地形+人为)的崛起”。水文因子(RO、SR)从背景变量跃升为限制因子,例如准噶尔盆地河岸区径流RO在退化区贡献率达15.65%。地形因子(Slope、DEM)仍保持高解释力(如柴达木河岸区Slope贡献20.52%),人为干扰呈热点效应(准噶尔河岸区NTL贡献10.16%)。
**3.5 典型流域非线性响应阈值与水文缓冲效应**
单变量响应显示植被对温度存在显著临界点:羌塘高原全流域温度阈值1.63 °C,河岸区升至5.18 °C;准噶尔盆地阈值18.67 °C。高程阈值在羌塘高原约为4994 m,低于此值SHAP值接近零,超过后褐化预测概率显著下降。交互依赖图揭示“高温-低降水”协同胁迫(死亡三角机制)是诱导大范围退化的核心归因力。

**讨论与结论**
讨论部分指出,温度相关因子的绝对主导地位反映了干旱区“增温-亏缺”逻辑:增温增加大气蒸散需求(VPD升高),与降水不足耦合形成复合风险。地形调节在宏观尺度发挥“空间分配器”作用,而在河岸微观尺度表现为直接的“水土脆弱性约束”。河岸带的“水文缓冲”效应通过阈值漂移(3.55 °C温差偏移)得到量化证实,为生态避难所假说提供了数据依据。人为干扰表现出显著的空间集聚不对称性:在准噶尔盆地局部,科学的土地利用(如绿洲灌溉)可促进生长;但在河岸带,高强度夜间灯光的负效应集中放大。研究还提出了未来改进方向,包括引入更高精度的人为活动空间数据、采用非线性结构方程模型(SEM)解析因果路径、利用分布式滞后非线性模型(DLNM)分析时间滞后效应,以及通过地理加权机器学习(GWML)处理空间非平稳性。

**研究结论**(翻译原文)
(1) 构建了以“气候主导、地形调节、局部人为干扰”为特征的干旱区植被动态复杂不对称驱动图景。在全流域宏观尺度上,温度及其趋势解释力最强,尤其在河西走廊-阿拉善和羌塘高原地区,增温趋势是植被褐化的最显著驱动因子。降水在多个干旱区发挥关键作用。地形因子(坡度、高程)通过调节水分再分配成为维持植被稳定性的重要约束,而土地覆被变化(LUCC)和夜间灯光(NTL)反映了局部人类活动对植被动态的干扰。
(2) 识别出植被褐化对关键环境因子的非线性响应阈值(临界点)。在羌塘高原和准噶尔盆地,当温度分别超过1.63 °C和18.67 °C时,褐化风险急剧增加。地形因子也表现出清晰的阈值效应,例如塔里木盆地坡度低于1.83°时褐化风险显著升高,而羌塘高原高程超过4994 m时植被稳定性明显增强。此外,河西走廊-阿拉善盆地增温趋势超过0.02 °C/a亦触发褐化风险大幅上升。
(3) 结果表明,干旱区植被褐化主要由多因子协同胁迫触发,形成以“高温-低降水”耦合为核心的复合风险机制。气温上升增强潜在蒸散需求(“增温-亏缺”逻辑),而降水减少削弱水分供给,共同导致生态系统水分收支严重失衡。当这种“增温-干燥”胁迫(由“死亡三角”交互机制捕获)超过植被生态耐受阈值时,褐化风险呈现非线性骤增。
(4) 发现驱动机制随空间尺度显著演化(尺度漂移),凸显了河岸带关键的生态缓冲功能(“生态避难所”)。与全流域尺度气候主导的过程不同,河岸植被动态更依赖于局部横向水通量输入——即径流(RO)和地表径流(SR),反映了横向水可用性(而非储存的土壤水分)的首要作用。人为干扰在河岸带也更加显著,例如准噶尔河岸缓冲区NTL贡献率明显高于全流域水平。阈值对比显示,羌塘高原河岸带的温度褐化阈值(5.18 °C)显著高于全流域尺度(1.63 °C),温度偏移量高达3.55 °C,表明河岸带通过持续横向水通量输入的水文补偿和蒸发冷却缓解气候压力,发挥了至关重要的生态避难所作用。
本研究揭示了植被驱动机制从“气候控制的全流域尺度过程”向“水文调节的河岸尺度过程”转换的尺度规律,为在增温背景下识别干旱区关键敏感区域、针对“环境红线”阈值和复合风险制定因地制宜的差异化生态管理策略提供了重要科学依据。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号