通过混合机器学习-约束线方法揭示了中国珠江流域碳、氮和磷分布的非线性驱动机制

《Journal of Hydrology》：Nonlinear forcing of carbon, nitrogen and phosphorus distribution revealed by a hybrid machine learning-constraint line approach in the Pearl River Basin, China

碳氮磷多介质耦合循环驱动机制研究提出机器学习耦合约束理论（ML-CLT）模型，通过部分最小二乘结构方程模型分析发现降水（R2=0.94）和温度（R2=0.87）为最强约束因子，土地利用虽机器学习重要性低但实际调控潜力大，高强度人类活动导致碳-氮、碳-磷耦合关系不稳定。

　　本研究聚焦于流域内碳、氮、磷三种关键元素在不同介质中的耦合循环机制，旨在深入理解其空间分布的驱动因素及变化规律。碳、氮、磷作为生物地球化学循环中的核心元素，不仅在维持生态系统功能方面具有重要作用，而且其在环境中的分布模式与变化趋势对全球气候调控、生态稳定性以及区域可持续发展产生深远影响。然而，由于气候变迁与人类活动的复杂性，如何准确识别这些元素在空间分布中的主导因素，以及它们之间相互作用的机制，成为当前环境科学研究中的重大挑战。

在传统研究中，学者们主要依赖于单一变量的重要性分析来识别环境驱动因素。这种方法虽然在一定程度上能够揭示某些环境变量对碳、氮、磷浓度的影响，但往往忽略了这些变量与生态系统响应之间可能存在非线性关系，导致对驱动因素整体贡献的评估存在局限。此外，多数研究集中在单一介质中的元素循环，缺乏对多介质耦合过程的系统分析，难以全面反映碳、氮、磷在不同环境介质中的相互作用。因此，本研究提出了一种新的方法——机器学习与约束理论相结合的模型（ML-CLT），以更全面、准确地识别环境驱动因素，并量化其对不同元素空间分布的总体贡献。

通过构建ML-CLT模型，研究者能够超越传统单一变量重要性分析的局限，从多个角度评估环境驱动因素的作用机制。该模型通过引入变量潜在影响的概念，不仅考虑了各环境因素对元素浓度的直接影响，还分析了其在不同介质间的耦合与解耦过程。例如，研究发现，尽管在随机森林（Random Forest, RF）模型中降水和温度的重要性相对较低，但它们在控制碳、氮、磷空间分布方面具有显著的约束能力。特别是，降水在解释碳、氮、磷的异质性分布中表现出较高的解释力（R2 = 0.94），而温度也具有较强的约束作用（R2 = 0.87）。这表明，虽然降水和温度在某些模型中未被列为关键变量，但它们在实际环境中对元素分布的调控作用不容忽视。

另一方面，土地利用和土地覆盖变化（LULC）虽然在RF模型中表现出较低的重要性，但在多介质元素分布中显示出最大的调节潜力。例如，在水体和土壤中，LULC对磷的分布具有显著影响。这一发现凸显了人类活动在环境要素调控中的核心地位，特别是在水资源管理和生态保护方面。随着全球气候变化的加剧，人类活动的强度和频率不断增加，这种变化可能进一步加剧碳、氮、磷在不同介质间的不均衡分布，从而影响生态系统的稳定性和功能。

研究还揭示了碳、氮、磷在不同介质间的耦合关系。通过偏最小二乘结构方程模型（Partial Least Squares Structural Equation Model, PLS-SEM）的分析，发现碳与氮、碳与磷之间的耦合关系在高强度人类活动的影响下变得不稳定。这表明，随着土地利用方式的改变、农业活动的增加以及城市化进程的加快，这些元素之间的相互作用可能会发生显著变化，进而影响生态系统的整体功能。例如，过度的农业施肥可能导致氮和磷在土壤和水体中的浓度升高，而碳的循环则可能受到这些变化的间接影响，从而形成复杂的生态反馈机制。

在流域内的具体研究中，选取了珠江流域作为典型研究区域，该区域覆盖面积广阔，生态系统类型多样，是研究碳、氮、磷耦合循环的理想场所。珠江流域包括东江、北江和珠江三角洲三个主要子流域，其地形地貌和气候条件具有代表性。研究区域的海拔范围从-70米到1749米，这使得该区域在不同高度上的生态系统差异显著，为分析元素分布的空间异质性提供了良好的条件。此外，珠江流域作为中国最活跃的经济区域之一，其频繁的人类活动为研究环境驱动因素提供了丰富的案例。

通过对珠江流域内碳、氮、磷在水体、土壤和植被中的空间分布特征进行分析，研究发现这些元素在不同介质中呈现出显著的异质性。例如，碳的分布可能受到植被类型、土壤性质和水文条件的共同影响，而氮和磷的分布则可能更多地受到人类活动和降水模式的调控。通过Moran散点图的分析，研究者能够直观地观察到这些元素在空间上的聚集或随机分布情况，进一步揭示其在不同介质中的耦合关系。例如，某些区域的碳浓度可能呈现强正相关或负相关，而氮和磷则可能表现出不同的空间分布模式，这为理解元素循环的复杂性提供了重要线索。

在元素的耦合分析中，研究者发现碳、氮、磷之间的相互作用是生态系统功能维持的关键。特别是在植物-凋落物-土壤系统中，碳、氮、磷的分布受到海拔和坡度的共同影响。这一发现表明，地形因素在元素循环中扮演着重要角色，尤其是在不同海拔高度的生态系统中，碳、氮、磷的浓度可能存在显著差异。此外，研究还指出，不同植物形态对碳含量的影响较小，而碳氮比的变异系数较大，这表明碳氮比在不同生态系统中的变化更为显著。

在分析不同地区碳、氮、磷浓度差异时，研究发现中国湖泊中的总氮（TN）和总磷（TP）浓度显著高于欧洲湖泊。例如，中国湖泊的TN浓度为1.13毫克/升，而欧洲湖泊仅为0.64毫克/升；TP浓度则分别为35.83微克/升和19.38微克/升。这种差异主要归因于人类活动的影响，尤其是在农业和工业发展方面。随着全球气候变化的加剧，这种差异可能会进一步扩大，从而对生态系统的稳定性构成更大威胁。

本研究的主要目标是通过分析珠江流域内碳、氮、磷的空间分布特征，构建一个综合的环境驱动因素识别模型，并深入探讨这些因素如何影响不同介质中的元素循环。研究不仅关注单一环境变量的作用，还强调多变量之间的相互作用，特别是在不同介质间的耦合关系。通过引入机器学习与约束理论相结合的方法，研究者能够更全面地评估环境驱动因素的潜在影响，从而为流域环境管理提供科学依据。

此外，本研究还探讨了环境驱动因素在不同介质间的耦合与解耦过程。例如，降水和温度在水体和土壤中的作用可能有所不同，而土地利用方式的变化则可能对氮和磷的分布产生更直接的影响。通过分析这些因素在不同介质中的表现，研究者能够更准确地识别其对生态系统的影响机制，从而为制定有效的环境管理策略提供支持。

综上所述，本研究通过构建ML-CLT模型，结合PLS-SEM方法，深入分析了碳、氮、磷在珠江流域内的空间分布特征及其驱动因素。研究结果表明，降水和温度是影响这些元素空间分布的关键因素，而土地利用方式的变化则对磷的分布具有最大的调节潜力。同时，碳、氮、磷之间的耦合关系在高强度人类活动的影响下变得更加不稳定，这提示我们应更加关注这些元素在生态系统中的相互作用，以维护生态系统的稳定性和功能。未来的研究可以进一步扩展到其他流域，以验证这些发现的普适性，并探索更多环境驱动因素对元素循环的影响。