在极端降雨条件下，植被类型主导着坡度尺度上的物质流失：机器学习揭示了其中的非线性响应

时间：2026年1月8日

来源：Journal of Contaminant Hydrology

编辑推荐：

本研究基于2014-2020年密云水库流域四个径流小区观测数据，运用随机森林结合特征选择和重要性分析，揭示极端降雨（占比16.4%）显著加剧土壤侵蚀（41.9%）和化学需氧量（49.2%），远高于灌木地，植被类型与坡度对材料损失的影响随降雨类型变化，并识别出60-80mm/h的临界强度阈值，为气候变化下的流域管理提供依据。

吴艾普|马春子|霍守亮|李天晓|傅强

中国东北农业大学水利与土木工程学院，哈尔滨150038

摘要

气候变化可能会加剧极端降雨事件。这些事件对山区农业流域的坡地土壤侵蚀和非点源（NPS）污染构成严重威胁。本研究利用中国北方密云水库流域内四个不同植被类型（农田与灌木丛）和坡度类型（陡坡与缓坡）的径流小区七年（2014–2020年）的实地观测数据，研究了在不同降雨模式下的物质损失情况。通过结合随机森林（RF）模型与序贯反向选择（SBS）和相对重要性（RI）分析的新机器学习框架，量化了土壤、总氮（TN）和总磷（TP）的损失，以及径流和化学需氧量（COD）。共分析了61次产生径流的降雨事件，其中10次降雨事件根据降雨深度和30分钟最大强度（I₃₀）被归类为极端降雨。极端降雨仅占降雨事件的16.4%，但却导致了41.9%的土壤损失和49.2%的COD损失。农田在极端降雨事件中尤为脆弱，其损失是灌木丛的2–5倍。植被类型和60分钟降雨强度（I₆₀）是控制极端降雨下物质损失的主要因素，而在正常降雨条件下，植被类型和降雨强度则主导了物质损失。部分依赖图（PDP）分析显示，物质损失对I₃₀的响应是非线性的，在30–40 mm·h^{−1之间有显著增加。这一结果表明存在关键的物质损失阈值。这些结果揭示了植被类型在控制坡地尺度物质损失中的主导作用，并证实了机器学习解释复杂水文过程的潜力。}

引言

由降雨径流引起的土壤侵蚀和非点源（NPS）污染严重威胁着流域生态系统、农业生产力及全球水质（Alewell等人，2020；Vörösmarty等人，2010）。气候变化通过增加极端降雨事件的频率和强度加剧了这些挑战，极端降雨的特点是长时间的高强度降水（Allan和Soden，2008；Ayat等人，2022；Laliberté等人，2015；Xiong和Yang，2024）。与正常降雨相比，这类事件会不成比例地加速径流、泥沙输送和污染物损失（Ayat等人，2022；Duan等人，2020；Jiang等人，2024；Lu等人，2020）。山区农业区尤为脆弱，陡坡和集约化土地利用增强了水文连通性，促进了泥沙和污染物的迁移（Li等人，2023；Ramos等人，2019；Wang等人，2022a；Yue等人，2020）。密云水库就是一个典型例子，它为北京提供了70%以上的饮用水，同时面临着水量和水质下降的双重挑战（Zhan等人，2011）。其上游流域以半干旱山地地形和农业景观为特征，在极端降雨下极易受到严重的NPS污染（Jiang等人，2023；Zhan等人，2011）。

降雨特征如降雨深度、持续时间和强度是控制坡地尺度物质损失的基本因素（Duan等人，2020；Zhang和Zhang，2025）。该领域的一个关键且不断发展的认识是，物质损失对这些降雨特征通常表现出非线性响应（Ross等人，2021；Wang等人，2022b）。对中国各地径流小区的元分析发现，当降水量超过约1400 mm·y⁻¹时，土壤损失先增加至约700 mm·y⁻¹，随后下降，然后再增加（Zhao等人，2022）。这些发现强调了水文对降雨响应的复杂性，并突显了深入理解控制径流产生期间物质损失的非线性机制的必要性，尤其是在极端降雨条件下这种动态被显著放大（Ramos等人，2019；Wang等人，2022a；Wei等人，2023；Zhang等人，2018）。以往的研究主要集中在径流和土壤损失及其对降雨特征的线性响应上，但常常忽略了养分动态和非线性响应机制（Ramos等人，2019；Wang等人，2022b；Wei等人，2023；Zhang等人，2018）。

这些由降雨驱动的非线性响应还受到地表因素（如植被类型和坡度类型）的调节，这些因素相互作用以放大或减轻物质损失。植被类型和坡度类型是调节流域水文过程的关键因素（Cui等人，2024；Zhao等人，2022）。农田的土壤结构受到破坏，冠层覆盖有限，因此比灌木丛更容易受到侵蚀和养分损失，而灌木丛则得益于更深的根系和更大的截留能力（Chen等人，2018；Ramos等人，2019；Wei等人，2009；Wei等人，2023；Xia等人，2013；Yue等人，2020）。此外，陡坡会加速地表径流，减少渗透，增强泥沙和养分的输送，从而影响水文响应和NPS污染物动态（Zhang等人，2018；Zhang和Zhang，2025；Zhao等人，2022）。地表因素（如植被、坡度）与降雨特征之间的相互作用在极端水文事件中可能会发生根本性变化（Wang等人，2023；Yan等人，2024）。传统统计方法往往难以捕捉到这种复杂的非线性关系。

由于机器学习在揭示解释变量和响应变量之间的复杂关系方面优于传统线性统计方法，因此越来越多地被用于分析水文过程。例如，随机森林（RF）（Breiman，2001）是一种有用的工具，可用于分析不同驱动因素对水文过程的影响以及变量在控制环境系统中的重要性（Madarász等人，2021；Perera等人，2019）。将RF模型与特征选择算法和模型解释算法相结合，可以实现稳健的敏感性分析和机制解释（Alnahit等人，2022；Tan等人，2024）。将这些方法应用于长期坡地尺度实地观测数据库，可以建立数学模型，并通过自然降雨条件下的监测阐明径流、土壤损失和NPS污染的机制。关于径流小区的研究主要集中在径流和土壤损失对降雨特征、地表和土壤条件以及节水措施的响应上（Cui等人，2024；Yan等人，2023）。然而，关于径流小区内养分损失（如氮和磷）对极端降雨响应的研究仍然有限。

本研究利用中国北方密云水库流域内四个径流小区七年（2014至2020年）的降雨数据，研究了在不同植被类型（农田与灌木丛）和两种坡度类型（陡坡与缓坡）下的物质损失情况，包括土壤、总氮（TN）和总磷（TP）。同时考察了地表径流和化学需氧量（COD）。产生径流的降雨事件是指在任一研究小区产生可测量地表径流的降雨事件，而径流事件则指此类降雨后实际发生的径流。因此，一次产生径流的降雨事件可能导致多次径流事件（每个小区一次）。本研究的创新之处在于它提出了一个分析框架，该框架结合了RF算法与序贯反向选择（SBS，一种用于识别最佳预测因子子集的特征选择方法）和相对重要性分析（RI，一种用于量化每个选定因子贡献的方法），以：（1）比较不同地表条件下的极端和正常降雨事件下的坡地尺度物质损失；（2）评估植被类型、坡度类型和降雨指标在控制物质损失动态中的相对重要性；（3）确定物质损失对短时降雨强度的非线性响应机制。这些结果为气候变化下的流域管理提供了见解，并为面临类似挑战的其他地区提供了一个方法论框架。

研究区域

本研究在密云流域的一个小子流域——石峡盆地（117°4′30″E，40°34′40″N，面积33平方公里）进行（图1）。石峡盆地的地形主要是山区，海拔范围为130至390米。该地区具有温带季风气候，年平均降水量为640.46毫米，其中80%的降水发生在6月至8月。主要作物是玉米和小麦；主要灌木是白蜡树。土壤类型主要是肉桂土。

降雨模式

根据连续观测数据和世界气象组织（WMO）的标准，极端降雨深度和I₃₀的最低阈值分别为57.6毫米和54毫米·小时⁻¹，多年平均降雨深度为33.0毫米。根据这些阈值，2014年至2020年间有10次产生径流的降雨事件被归类为极端降雨事件。其余降雨事件被归类为正常降雨（表2）。在所有产生径流的降雨事件中，极端降雨的发生频率

极端降雨对物质损失的影响

本研究确定的极端降雨阈值为降雨深度57.6毫米和I₃₀为54毫米·小时⁻¹，这与其他地区的观测结果一致，如黄土区（40.1毫米和33毫米·小时^{−1^−1⁻¹}

与正常降雨相比，极端降雨

结论

本研究利用七年的实地数据和SBS-RF-RI机器学习框架，研究了中国北方半干旱山区农业流域在极端和正常降雨条件下的坡地尺度物质损失。在密云水库流域，极端降雨的阈值为降雨深度57.6毫米和I₃₀为54毫米·小时⁻¹，这些阈值可作为NPS污染风险评估的基准。尽管极端降雨事件较为罕见，但它们导致的物质损失却异常高

作者贡献声明

吴艾普：撰写——原始草稿、软件开发、方法论设计、数据分析。马春子：撰写——审稿与编辑、验证、监督、资金获取、数据管理、概念构思。霍守亮：撰写——审稿与编辑、监督、资金获取、概念构思。李天晓：撰写——审稿与编辑、验证、软件开发。傅强：撰写——审稿与编辑、监督、概念构思。