極端な降雨下における斜面スケールの物質損失を支配する植生タイプ：機械学習によって明らかになった非線形応答

科学分野:

• 環境科学
• 水文学
• 気候変動の影響

背景:

• 気候変動によって激化する極端な降雨イベントは、土壌侵食と非点源（NPS）汚染によって山岳農業用水系を脅かしています。
• 異なる降雨パターン下での物質損失を理解することは、流域管理にとって重要です。

研究 の 目的:

• 斜面スケールの土壌侵食とNPS汚染に対する極端な降雨の影響を調査すること。
• 異なる植生と斜面タイプの下での物質損失（土壌、TN、TP、COD）を定量化すること。
• 極端な降雨イベント中の物質損失を制御する主要因を特定すること。

主な方法:

• 4つの流出プロット（農地対低木地、急斜面対緩斜面）からの7年間の野外観測（2014-2020年）を利用しました。
• シーケンシャル後方選択（SBS）と相対的重要性（RI）分析を統合したランダムフォレスト（RF）機械学習フレームワークを採用しました。
• 降雨量と30分最大強度（I30）に基づいて、10の極端な降雨イベントを含む61の流出イベントを分析しました。

主要な成果:

• 極端な降雨イベント（全イベントの16.4%）は、土壌損失（41.9%）とCOD（49.2%）に大きく寄与しました。
• 極端な降雨中、農地のプロットは低木地のプロットと比較して2〜5倍の物質損失を示しました。
• 植生タイプと60分降雨強度（I60）は、極端な降雨下での損失を制御する主要因でした。

結論:

• 植生タイプは、斜面スケールの物質損失を制御する上で主要な役割を果たします。
• 機械学習フレームワークは、複雑な水文学的プロセスを説明し、重要な物質損失閾値を特定するのに効果的です。
• 調査結果は、農業用水系の極端な降雨に対する脆弱性を強調し、植生管理の重要性を強調しています。