华中农业大学讯（通讯员 操云飞）近日，我校水土流失过程与生态调控创新团队在流域面源污染状况及管理方面取得进展，研究成果以“Data-driven Assessment of Nitrogen and Phosphorus Buffering Capacity across 460 Chinese Watersheds: Spatial Patterns, Drivers, and Future Projections”为题在Water Research发表。
随着全球人口增长与农业集约化发展，过量施肥与养殖导致氮磷排放增加，水体富营养化问题日益突出。流域自身的“缓冲能力”如同天然的“净化系统”，能有效截留部分营养物质，减轻下游水体污染。然而，这一能力在中国不同流域差异如何、受何影响、未来是否会变化，一直缺乏全国性的系统评估。研究团队整合了气候、土壤、地形、土地利用、景观格局及社会经济等多源数据，运用可解释机器学习方法，构建了流域氮磷缓冲能力的预测与归因模型。
流域氮磷缓冲能力驱动因子、管理阈值及未来变化
研究发现，空间格局上，中国流域氮缓冲指数平均为0.22，磷缓冲指数平均为0.54。东南诸河流域缓冲能力最弱，氮、磷缓冲能力指数仅为0.16和0.41，而黄河、海河及内陆河流域则具有相对较高的缓冲能力。驱动因素上，氮缓冲能力主要受土壤湿度、地形坡度与土壤性质控制；磷缓冲能力则更受降水量与景观格局的影响。研究特别指出，环境因子的极端值（如极端土壤湿度和降水）对缓冲能力的影响比平均值更为显著，揭示生态系统对水文气候极端事件尤为敏感。未来趋势上，在多种气候变化情景下（SSP126、SSP245、SSP585），预计到本世纪末，全国约41%–55%的流域氮缓冲能力将下降，84%–87%的流域磷缓冲能力将下降，尤其是东南部的流域面临较高的下降风险。
此外，研究通过因果推断与阈值分析，识别出缓冲能力影响因素的关键临界点。例如，土壤湿度低于0.26 m³/m³、森林斑块凝聚度指数保持在约96%、流域面积大于5700 km²等条件下，更有利于氮的截留；而降水量偏高、土壤较浅、经济发展程度较好的区域，磷滞留能力易受削弱。这项研究不仅揭示了我国流域氮磷缓冲能力的‘家底’，更提供了一个可迁移的分析框架。通过结合可解释机器学习与因果推断，能够识别出具有明确生态意义的阈值，从而为不同流域量身定制管理策略，比如优化灌溉、调整景观布局、强化污水处理等。
我校资源与环境学院博士研究生操云飞为论文的第一作者，王剑副教授和史志华教授为论文通讯作者。我校资源与环境学院硕士研究生张闯、博士生郝芮、博士生李肖、王真副教授、肖海兵副教授和长江水利委员会长江流域水土保持监测中心的姚赫、顾朝军、杨林参与了研究。本研究得到了国家自然科学基金项目的资助。
【英文摘要】
Watershed nitrogen and phosphorus buffering capacity refers to the capacity of a watershed to retain nitrogen and phosphorus in soil, groundwater, and sediments, playing an important regulatory role in balancing human-induced nutrient inputs with downstream pollution outputs. However, its distribution, driving factors, and future trends have not been quantified at a national scale. Here, we analyzed data from 460 Chinese watersheds using geographic spatial analysis and explainable machine learning. The average nitrogen and phosphorus buffering indices are found to be 0.22 and 0.54 in China, with poorer buffering capacity (0.16 and 0.41) in Southeast Basin. Nitrogen buffering capacity is primarily driven by soil moisture, topography and soil properties, while phosphorus buffering capacity is mainly determined by precipitation and landscape pattern. Additionally, we found that environmental extremes had a stronger influence on buffering capacity than mean values, highlighting ecosystem sensitivity to hydrological and climatic extremes and the associated risk of nutrient loss under future climate change. In the future, nitrogen buffering capacity are projected to decline in approximately 41 – 55% and 84 – 87% of watersheds, respectively. This study reveals the spatial patterns and drivers of watershed phosphorus buffering capacity in China and proposes a transferable framework for other regions, demonstrating the potential of combining interpretable machine learning with causal inference for yielding robust and region-specific thresholds to guide locally tailored management interventions.
论文链接：https://doi.org/10.1016/j.watres.2026.125424
审核人：史志华
原创文章，作者：荆楚之窗，如若转载，请注明出处：https://www.jingchucn.com/71593/
