土地退化零增长（LDN）是SDG13的核心指标。然而，当前对LDN的评估与预测框架尚不统一，缺乏可比较性和迁移性；针对LDN情景预测的研究尚不多见。研究团队以中国五个SDGs创新示范区（IDZs for SDGs）为案例，基于改进型多维土地退化指数（LDI），评估了2000年以来土地退化状况，并预测了不同情境下LDN实现的可能性。

研究背景

土地退化是指土地生物或经济生产力下降和丧失的过程，由气候变化、人类活动及其他自然过程共同驱动。它直接威胁生物多样性保护、粮食安全、气候变化适应与减缓、环境健康及可持续发展。2015年联合国通过的《2030年可持续发展议程》，将土地退化列为SDG 15.3.1的核心指标，明确提出：“到2030年努力实现土地退化零增长（LDN）”。过去二十年间，研究者构建了大量指标体系，包括单指标法、综合指数法以及联合国防治荒漠化公约（UNCCD）提出的良好实践指南（Good Practice Guidance）等。以上方法各有优势和缺陷，但始终缺少一个既能满足UNCCD标准化要求，又能灵活适配不同区域、支持未来预测的统一框架；此外，LDN的多情景预测研究仍然十分少见。

基于此，吕永龙团队提出了一个连接“历史评估”与“未来预测”的土地退化统一分析框架（图1），从景观、生产力和土壤三个维度的退化与恢复过程，量化2000—2020年历史退化格局，识别退化类型和热点区域；并基于机器学习模型预测2021—2030年退化动态，评估不同SSP-RCP情景下实现LDN的可能性。

图1 框架与技术路线

研究结果

1. 历史时期退化与恢复（2000—2020）

研究首先基于改进的多指标评估框架分析了历史时期的土地退化与恢复过程。结果显示，从整体来看，景观退化是主因，占总退化面积4.8%，分布最广、最分散；生产力退化占总退化面积3%，主要集中于湖州；土壤退化占比最小。恢复的主要形式是生产力恢复（占总面积16.2%），集中分布在海南州、承德和太原，主要受益于退耕还林、三北防护林等国家生态工程（图2和3）。分阶段看，第一阶段退化的区域中，有80%在第二阶段保持恢复或稳定（图4）。这表明，早期的生态退化并未持续恶化，多数区域已出现拐点，这是中国大规模生态修复成效的有力证据。

图2 各示范区历史时期土地退化和恢复过程

图3 土地退化与恢复过程分解

图4 土地退化和恢复分阶段特征

2. 未来土地退化与恢复情景预测

本文首先评估了随机森林模型在土地退化评估中的可靠性。基于验证数据集的决定系数R2分别为：LDI_l：0.58，LDI_p：0.72和LDI_s：0.73；均方根误差（RMSE）均在0.11-0,12之间。表明模型稳健性良好，可用于未来多情景预测（图5）。变量重要性排序：高程 > 气温 > 降水 > 蒸散发 > GDP >人口，说明自然地理因素是土地退化最主要的关联因子，社会经济因素影响相对间接（图6）。

基于预测的2021-2030年LDI指数，研究分析了不同尺度土地退化与恢复的格局及其实现LDN的可能性。在各案例区尺度上（图7和表1），海南州：SSP585下退化最严重（21.27%），SSP245下恢复最显著（7,273 km²）；承德：SSP245下退化最重（2,930 km²），SSP585下恢复最好（7,070 km²）；太原：SSP119下退化最多（788 km²），SSP245下恢复最多（936 km²）；湖州：SSP245下退化最重（1,163 km²）；深圳：所有情景下退化均远超恢复，实现LDN希望渺茫。在县域尺度上（图8），深圳：仅少数区县可能在SSP119/SSP585下实现LDN；海南州：大部分县可在SSP119/SSP245下实现LDN（德格、共和、兴海除外）；湖州：大部分县可达到LDN（长兴、南浔除外）；承德：主要在SSP119/SSP585下实现LDN；太原：全部县可在SSP245/SSP585下实现LDN。

图5 模型验证

图6 变量重要性

图7 各示范区各SSP-RCP情境下土地退化与恢复的空间格局预测

表1 各示范区各SSP-RCP情境下土地退化与恢复面积占比统计

图8 县域尺度统计

结论与展望

首次将UNCCD Good Practice Guidance的“三指标”框架与多维综合指数方法融合，既保持了全球可比性，又提升了对生态过程复杂性的刻画能力。研究强调了类型导向治理策略，即不同退化类型需针对性施策——景观退化主导区应优先增强栖息地连通性；生产力退化区应关注植被恢复和可持续农业；土壤退化区应重点改善有机质和水分状况。预测结果可帮助决策者识别“在哪个情景下、哪些区县无法达成LDN”，从而提前调整规划。此外，框架的标准化结构使不同年份、不同区域之间的退化评估具有可比性，便于国家层面对标SDG15.3.1。研究进一步指出，当前框架难以捕捉野火、台风、滑坡、极端干旱等突发事件的影响，未来可引入变化点检测算法或年度异常值分析进行补充。模型中的GDP和人口为宏观网格数据，未能直接反映造林、围栏封育、灌溉、施肥、土地整治等具体管理措施的空间分布。

研究团队与项目资助

该成果以“Assessing and predicting land degradation processes using an improved multi-dimension framework based on remote sensing and machine learning approach”为题，发表在Environmental Impact Assessment Review期刊上。我院2022级生态学专业博士生李空明为论文第一作者，吕永龙教授为论文通讯作者。该研究获得国家重点研发计划项目（2023YFC3804905）、国家自然科学基金重大项目（72394404）的支持。

文章链接：https://doi.org/10.1016/j.eiar.2026.108512

文、图￨李空明

责任编辑￨苑晶晶