近日，我校地理与环境科学学院（喀斯特研究院）李瑞研究员团队在生态环境领域1区Top期刊Science of The Total Environment（IF=9.8）在线发表题为“Interpreting and modelling the daily extreme sediment events in karst mountain watersheds”的研究论文。

该研究聚焦喀斯特山区流域日极端泥沙事件（DESE），系统研究了极端泥沙事件的多维动态特征及其对降雨响应的时间效应，解耦了喀斯特环境因子对DESE的影响路径，建立了适合喀斯特环境属性的泥沙建模方案。研究成果为理解喀斯特山地流域的侵蚀产沙过程提供了新思路和新见解，同时也为喀斯特地区合理预防和有效控制极端侵蚀灾害提供了重要的理论和技术支撑。

建模方案

气候变化引起频繁的极端降雨正在强烈侵害全球水土资源。当前，喀斯特流域极端侵蚀产沙相关研究尚存不确定性，泥沙建模方案尚不十分健全。该论文基于长序列野外原位观测，以及流域下垫面特征的详细调查，利用结构方程模型、机器学习模型等方法，针对喀斯特山区流域DESE的响应机制和建模方案开展研究。结果表明，时滞1天和累积2或3天的降雨对DESE具有重要的促进作用（R=0.47~0.68，P＜0.01）。环境因子的综合效应解释了53.6%-64.1%的DESE变化。径流和植被分别对DESE施加了最强烈的直接和间接效应（β=0.66/-0.727，P＜0.05）。未来应通过径流、植被等多路径的综合调控来防范和化解DESE风险。混合模型显著提升了单一机器学习模型的建模性能，其中GAM-XGBoost的性能最优，而在考虑性能和输入数据成本的情况下，PLSR-XGBoost最具价值。两种方法都可作为喀斯特区DESE建模的推荐方案。

时间效应

解耦关系

该文第一作者系李瑞研究员指导的2021级硕士研究生敬俊。该研究得到了国家自然科学基金项目（32360421、32060372）、贵州省自然科学基金重点项目（QianKeHe JiChu ZK-[2023] Key 029）等联合资助。

论文全文链接：https://doi.org/10.1016/j.scitotenv.2024.171956