土壤学报

作者：陈琦涛，王添，李占斌，张皎，李鹏，李斌斌

单位：陈琦涛，西安理工大学省部共建西北旱区生态水利国家重点实验室, 西安 710048；,王添，西安理工大学省部共建西北旱区生态水利国家重点实验室, 西安 710048;西安理工大学旱区生态水文与灾害防治国家林业局重点实验室, 西安 710048；t.wang@xaut.edu.cn,李占斌，西安理工大学省部共建西北旱区生态水利国家重点实验室, 西安 710048;西安理工大学旱区生态水文与灾害防治国家林业局重点实验室, 西安 710048；,张皎，西安理工大学省部共建西北旱区生态水利国家重点实验室, 西安 710048；,李鹏，西安理工大学省部共建西北旱区生态水利国家重点实验室, 西安 710048;西安理工大学旱区生态水文与灾害防治国家林业局重点实验室, 西安 710048；,李斌斌，水利部水土保持监测中心, 北京 100053；,

关键词：机器学习;通径分析;降雨;侵蚀;紫色土

基金：国家自然科学基金项目（U2040208、52009104）和陕西省水利科技计划项目（2022slkj-04）资助

为了精准预测土壤侵蚀变化、科学合理地预防水土流失的发生，为紫土坡地水土流失防治提供参考，基于典型紫土径流小区43场降雨资料，降雨量、历时和I30为特征指标，采用K-means聚类算法对降雨分类；使用随机森林（Randomforest，RF）算法评估各影响因子对径流深（H）、土壤流失量（S）的重要性，结合通径分析法进行重要因子筛选；将筛选所得关键因子作为模型输入变量，H、S为输出，使用BP神经网络构建预测模型。结果表明：（1）划分出3种雨型，B雨型（短历时、大雨强、小雨量）是主要降雨类型，A雨型（长历时、中雨强、大雨量）最剧烈。（2）各雨型下特征因子对H、S的重要程度明显不同。A雨型下T对S重要程度最高（31%），各因素对H的重要程度相对均匀；B雨型下各因素对S的影响差异小，F对H的重要程度最高（29%）。在C雨型下，Pr对H、S的重要程度最高（33%、36%）。（3）三种雨型下的H、S均受到Pr的显著影响，B、C雨型下的H、S分别同时受F和Vs、Ph的影响显著。（4）利用BP神经网络对H、S的预测精度均较高，Nash-Suttclife效率系数均高于0.95，且对H的预测模型精确度高于对S的预测模型。

来源：2024年第2期

《土壤学报》期刊编辑部

查看土壤学报杂志2024年第2期