解读2005年至2020年间全球沙漠化敏感性的驱动因素

《Journal of Environmental Management》：Decoding the drivers of global desertification sensitivity from 2005 to 2020

荒漠化威胁全球生态系统与经济发展，本研究基于Google Earth Engine-MEDALUS模型，整合气候、土壤、植被与管理四类质量指标，评估2005-2020年全球荒漠化敏感性时空格局。结果表明：高至极端敏感区集中于干旱半干旱边缘带，气候（干旱指数）与土壤（有机质）交互驱动效应显著（q=0.77-0.80），OPGD模型显示气候和土壤指标主导（均值q=0.74、0.65），GCCM模型验证了中国区域各因子因果关联。研究揭示荒漠化气候-土壤协同限制机制，为全球土地治理提供科学依据。

　　

吴琦|林刚特|何敏|巩建洲

广州大学地理与遥感学院，中国广州，510006

摘要

土地沙漠化威胁着全球生态系统的可持续性和社会经济发展。我们利用Google Earth Engine-Mediterranean Desertification and Land Use (GEE-MEDALUS)模型，结合气候(CQI)、土壤(SQI)、植被(VQI)和管理(MQI)质量指数，评估了2005年至2020年的全球沙漠化敏感性。在全球范围内，通过基于最优参数的地理检测器(OPGD)量化了驱动因素；在中国，使用地理收敛交叉映射(GCCM)模型评估了因果关系。研究结果显示出持续的空间异质性，高至极端的敏感性集中在干旱、半干旱和亚湿润地区，尤其是在北非、中东和中亚。从时间上看，极端敏感区域保持稳定（11.5%–12.0%），而高敏感性区域略有扩大（20.8%至21.8%）。OPGD确定CQI和SQI是主要驱动因素（平均q = 0.74和0.65），超过了VQI和MQI（平均q = 0.56和0.53）。具体而言，干旱指数和土壤有机质是最有影响力的指标（q = 0.80和0.79），它们的相互作用增强了解释能力（q = 0.77–0.80）。GCCM证实了所有指标的因果关系，除了岩层深度。这些发现突显了气候-土壤的协同限制，并有助于优先考虑增强环境变化适应性的干预措施。

引言

沙漠化主要发生在干旱、半干旱和干燥亚湿润地区。它源于气候变率和人为压力对本质上敏感的土地系统的复杂耦合（Montanarella, 2010）。全球沙漠化的加剧和扩展对可持续发展构成了关键限制（Bao et al., 2017）。这一过程破坏了生态系统服务，表现为土壤肥力下降、生物量减少和生物多样性丧失（Lewin et al., 2024; Nicholson et al., 1998; Sharma et al., 2026）。除了生态破坏外，这种退化还导致了巨大的经济负担，预计到2070年的累计成本将达到6250亿美元（Sartori et al., 2024）。重要的是，沙漠化是一个影响全球生物地球化学循环和气候-土地反馈的行星尺度现象（Yan et al., 2024）。其跨界的大气和经济社会连锁反应需要一个统一的全球视角来确保地球系统的稳定性。这一观点得到了国际任务的进一步支持，如联合国可持续发展目标15.3和土地退化中性（LDN）目标（Gui et al., 2024）。这些框架需要一个一致的科学基准来协调国际缓解措施，并确保全球生物圈的韧性。

早期的沙漠化评估主要依赖于定性的实地调查和专家判断，往往产生局部和主观的结果（Dregne, 1977; Mabbutt, 1984）。随着遥感和地理信息系统（GIS）的进步，该领域转向了基于定量指数的框架，实现了空间明确的监测和制图（Abuzaid and Abdellatif, 2022; Ran et al., 2024）。一个著名的例子是沙漠化敏感性指数（DSI），它源自Mediterranean Desertification and Land Use (MEDALUS)模型（Kosmas et al., 1999）。该框架有效地综合了气候、土壤、植被和管理维度的物理可解释指标。尽管已成功应用于尼罗河三角洲和尼日尔河流域等不同地区，但全球范围的应用仍然很少（Abuzaid and Abdellatif, 2022; Mihertu et al., 2024）。当前的评估大多是零散的，掩盖了退化的空间连续性，并缺乏跨边界管理的一致性基准。此外，大规模研究中经常忽略时间动态，这些研究通常依赖于静态快照。例如，Ren等人（2025）仅分析了2020年的全球沙漠化风险（Ren et al., 2025）。这种静态方法掩盖了土地系统的连续、阶段性演变轨迹。这些时空限制主要源于数据不兼容性和计算瓶颈。具体来说，传统的指标如分类土壤参数和坡度等级由于分辨率低和尺度依赖性而不适合全球分析（Coluzzi et al., 2022; Li et al., 2023）。此外，动态干旱代理指标如潜在蒸散量经常被忽略（Zhang et al., 2020）。Google Earth Engine (GEE)平台促进了大规模遥感档案的可扩展处理，提供了克服这些限制的计算基础（Gorelick et al., 2017）。通过在GEE环境中整合优化指标，可以精确描述全球沙漠化敏感性的时空演变。

阐明沙漠化时空演变的驱动机制对于制定有效的缓解策略至关重要。在压力-状态-响应（PSR）框架下，气候特征，特别是加剧的极端事件，作为主要的自然压力；植被覆盖和土壤属性反映了土地系统的状态；而人为活动则表现为加剧的压力或缓解响应（Afedor et al., 2024）。然而，现有研究很少系统地整合这些维度。例如，Yang等人（2022）仅关注萨赫勒地区的气候变化和人为活动，识别了不同退化程度的敏感性差异（Yang et al., 2022）；同样，Jia等人（2025）研究了中纬度亚洲的气候和植被反馈，忽略了土壤属性和管理干预的关键作用。此外，这些维度内缺乏细粒度的子指标，阻碍了对主导因素的精确解释。然而，结合多指标、多时间的全球数据集不可避免地引入了重大的计算挑战。基于最优参数的地理检测器（OPGD）因其在最大化q统计量方面的效率而被广泛用于大规模驱动因素识别，该统计量反映了因素解释的空间分层异质性程度（Feng et al., 2016）。尽管效率很高，OPGD识别的是空间关联而非内在的过程因果关系（Guo et al., 2024; Zhang et al., 2022）。相反，地理收敛交叉映射（GCCM）模型有效地捕捉了非线性系统中的方向性因果关系（Gao et al., 2023）。然而，由于高维空间中的交叉映射复杂性，全局像素到像素尺度应用GCCM在计算上是禁止性的（Wang et al., 2024）。因此，为了在效率和可靠性之间取得平衡，结合这些方法提供了精确揭示全球沙漠化敏感性主导因素的战略途径。

为了解决时空连续性和因果归因的挑战，本研究开发了一个系统分析框架。首先，通过协调气候、土壤、植被和管理维度的18个多维指标（见第2.2节），我们优化了GEE-MEDALUS模型，构建了一个涵盖2005-2020年的全球沙漠化敏感性数据集。这种方法明确确保了时空一致性，并纳入了细粒度的输入参数。其次，基于这个重建的数据集，我们精确描述了全球范围内的沙漠化敏感性的时空演变。最后，我们采用了一种分层分析策略来平衡计算效率和因果可靠性：在全球范围内应用OPGD来量化18个指标之间的主导因素及其交互效应，同时使用中国作为代表性案例研究来验证方向性因果关系。总体而言，这项研究旨在重建全球沙漠化敏感性的时空演变，并阐明其潜在的驱动因素，从而为全球土地恢复和可持续管理决策提供坚实的科学基础。

研究区域

本研究涵盖了全球陆地表面，重点关注沙漠化最严重的地区。我们排除了数据不完整或不合适的区域，包括南极洲、格陵兰岛和主要水体（如海洋、大型湖泊和河流）。这些数据缺失不会影响关键沙漠化热点地区的敏感性评估，也不会影响大多数地区的数据集完整性（Reynolds et al., 2007）。因此，所得领域适合进行大规模生态研究

空间分布特征

2005-2020年间，全球沙漠化敏感性模式相对稳定；因此，这里仅展示了2010年的空间分布（见图3），更多年份的DSI和QSI分布图详见附录。全球分布显示出明显的区域差异。

GEE-MEDALUS模型揭示了全球沙漠化敏感性的分布模式（图3(a和b)）。在全球范围内，

结果一致性

在这项研究中，使用Moran的评估了DSI和SPEI（图5）之间的空间一致性。结果表明强烈的正空间自相关性（I = 0.85–0.91，p < 0.01），表明DSI的空间分布与SPEI的空间分布高度一致。这一结果支持了DSI在捕捉沙漠化敏感性区域模式方面的空间有效性。在另一项研究中，发现土地退化和沙漠化最敏感的区域包括

结论

本研究推进了2005至2020年的全球沙漠化评估，探讨了潜在的驱动因素，提供了对沙漠化动态的更机械性的理解，为有针对性的环境管理和干预提供了科学依据。具体发现总结如下：

1.

全球土地沙漠化敏感性显示出明显的空间异质性，最高敏感性集中在干旱、半干旱和亚湿润地区。

CRediT作者贡献声明

吴琦：撰写——原始草稿、可视化、软件、资源、方法论、调查、正式分析、数据管理、概念化。林刚特：撰写——原始草稿、可视化、验证、软件、资源、方法论、调查、资金获取、正式分析、数据管理。何敏：撰写——审阅与编辑、验证、监督、软件、资源、项目管理、方法论、调查、正式分析、数据管理、概念化。

资助

请补充：本研究得到了国家自然科学基金重点项目（编号4243000531）、国家重点研发计划（编号2024YFF1307000）和广东农村区域系统野外科学观测研究站（编号2021B1212050026）的资助。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。