近日，水土保持与荒漠化整治全国重点实验室在黑土区沟蚀敏感性评价研究方面取得新进展。相关研究成果以 “Assessments of gully erosion susceptibility in typical thick-layer Mollisol region of Northeast China” 为题，发表于土壤学与耕作学领域国际知名期刊 Soil and Tillage Research。水土保持与荒漠化整治全国重点实验室为第一完成单位，博士研究生毋冰龙为论文第一作者，郑粉莉研究员为通讯作者。
东北黑土区侵蚀沟广泛发育，严重威胁区域土壤质量、生态安全和粮食生产。针对当前沟蚀敏感性评价中存在的驱动因子冗余和模型可解释性不足等问题，该研究以东北典型厚层黑土区克山县为研究区，综合运用最优参数地理探测器（OPGD）和机器学习方法筛选关键驱动因子，构建沟蚀敏感性评价模型。结果表明，基于十因子构建的模型在保证精度的同时有效减少了变量冗余，其中XGBoost模型表现最优，训练集和测试集AUC分别达到0.904和0.881。进一步结合SHAP可解释性分析发现，地形位置指数（TPI）、年均气温和高程是影响侵蚀沟空间分布的关键因子，并存在明显非线性响应。研究构建了兼顾预测精度与可解释性的黑土区沟蚀敏感性评价方法，可为东北黑土区侵蚀沟精准识别、风险防控及黑土地保护利用提供科学依据。
该研究由国家自然科学基金项目（42177326）资助。
原文链接：https://doi.org/ 10.1016/j.still.2026.107277
图1 4种机器学习模型在十因子与全因子条件下训练阶段和测试阶段的ROC曲线图
图2 4种机器学习模型在十因子与全因子条件下预测的沟蚀敏感性空间分布图
