一、研究思路：为何关注蒙古高原的土壤湿度？
蒙古高原，这片欧亚大陆的心脏地带，正面临着气候变化带来的严峻挑战。极端气候事件的频发，不仅威胁着当地脆弱的生态系统，也对全球气候模式产生深远影响。因此，深入理解土壤湿度的时空分布和变化机制，对于预测和管理该地区的水资源、应对气候变化具有重要意义。
二、研究方法：地理探测器与非线性因果分析
本研究采用了以下两种方法：
地理探测器模型（GDM）：是一种统计方法，旨在揭示地理变量空间异质性的驱动因素。该模型通过定量分析不同环境因素对地理现象的影响，帮助研究者识别关键因素并评估其作用强度。以下是对GDM的详细介绍：
模型组成
GDM由以下几个部分组成：
因子探测器：检测单个因素与研究变量之间的相关性。
生态探测器：评估不同因素组合对研究变量的影响。
风险探测器：识别高风险区域。
交互探测器：分析多个因素之间的相互作用及其对研究变量的影响。
工作原理
数据准备：收集并整理研究所需的地理空间数据和相关环境因素数据。
空间分层：将研究区域按照某种标准划分为不同的空间层次。
探测器应用：使用不同类型的探测器分析数据，评估各因素对研究变量的影响。
结果解释：根据探测器的输出结果，解释各因素的作用机制和强度。
定量指标 GDM使用以下定量指标来衡量因素的解释能力：
Q值：表示因素对研究变量空间异质性的解释能力，Q值越高，解释能力越强。
SSW和SST：分别是因素分层方差和总方差，用于计算Q值。
非线性格兰杰因果模型：该模型超越了传统的线性分析，能够捕捉土壤湿度与环境因素之间可能存在的非线性关系，为我们提供了一个更为全面的视角。
GDM的工作原理基于以下步骤：
三、选取的因子和原因
降水：降水是土壤湿度最主要的自然补给源，直接影响土壤的水分含量。在干旱和半干旱地区如蒙古高原，降水量的多少和分布对土壤湿度具有决定性作用。
植被指数（NDVI）：归一化植被指数（Normalized Difference Vegetation Index）是衡量植被覆盖度和健康状况的一个指标。植被通过影响蒸发散失和植物蒸腾作用，间接调节土壤湿度。
土地利用和覆盖变化（LUCC）：不同的土地利用类型，如农田、森林、草地和城市用地，对土壤水分的保持和流失有不同的影响。土地利用的变化可能导致土壤湿度的显著变化。
温度：温度对土壤湿度的影响体现在增加蒸发散失和影响降水的形态（雨或雪）。在蒙古高原这样的季节性气候变化显著的区域，温度是一个重要的考虑因素。
土壤质地：土壤中的粘土、沙和粉砂等不同组分影响土壤的水分保持能力和水分运动特性，进而影响土壤湿度。
地形（DEM, 坡度，坡向）：地形因素影响水分的分布和流动，例如坡度和坡向可以影响降水的分布、地表径流和土壤水分的入渗。
选择这些因子的原因包括：
综合性：这些因子综合反映了气候、生物和地形对土壤湿度的影响，为研究提供了一个全面的视角。
相互作用：这些因子之间存在相互作用，例如降水与植被覆盖度共同影响土壤湿度的动态变化。
区域特性：蒙古高原具有独特的气候和地形特征，这些因子的选择有助于深入理解该区域土壤湿度的特定变化机制。
数据可用性：这些因子的数据相对容易获取，且有成熟的模型和方法进行分析。
科学共识：这些因子被广泛认为是影响土壤湿度的关键环境变量，有大量研究支持它们与土壤湿度的相关性。
解释力（Q值）
交互检测解释力
四、模型应用：如何量化环境因素的影响？
降水、植被与土地利用：研究通过GDM分析发现，降水是影响土壤湿度空间异质性的主要因素，而植被和土地利用变化也起到了重要作用。
时间滞后效应：非线性格兰杰因果模型揭示了土壤湿度对环境因素变化的响应存在时间滞后，这对于理解土壤湿度动态和预测未来变化至关重要。
五、模型创新：突破传统，探索复杂因果关系
双向效应与时间滞后：研究不仅考虑了环境因素对土壤湿度的直接影响，还深入探讨了土壤湿度变化对环境因素的反馈作用，以及这些关系的滞后效应。
复杂系统分析：通过综合考虑气候、植被、土壤和地形等多种因素，本研究为理解和预测土壤湿度的复杂动态提供了新的视角。
感谢您的阅读，如果您对本研究的方法和模型感兴趣，欢迎关注我们的公众号，获取更多专业资讯和深度解析。让我们一起为地球科学的进步贡献力量！
DOI:10.1016/j.jhydrol.2023.129673
