摘要:土壤侵蚀速率的计算是水土保持工作的关键之一。为提高计算精度,引入Stacking集成方法,利用其能充分融合不同机器学习模型的特点,获取高精度的土壤侵蚀速率空间分布数据并分析影响研究区土壤侵蚀速率的主导因子。基于重庆市奉节县三峡库区2018年降雨量、遥感影像等数据构建特征集,以奉节县土壤侵蚀速率真实数据作为基准,通过训练不同机器学习模型,使用精度评价指标和多样性度量来建立最优的基学习器和元学习器组合,构建Stacking模型并获取土壤侵蚀速率空间分布图,然后针对土壤侵蚀速率分布规律对其主导因子进行边际依赖性分析。结果表明:1)以轻型梯度提升机、随机森林为基学习器,线性回归器为元学习器的Stacking集成模型效果最优,平均绝对误差、均方根误差和决定系数的表现分别为252.48 t/(km^(2)·a)、537.78 t/(km^(2)·a)和0.8687;2)高程、降雨量、植被覆盖、坡度、距道路距离和距水源距离对奉节县土壤侵蚀速率影响程度排序位于前6,重要性所占比例均超过9%;3)在高程200~520 m,年总降雨量高于1250 mm,NDVI为0.24~0.27,坡度在26°~35°之间,距道路距离0~220 m,距水源地距离63~387 m的地区土壤侵蚀速率较高。综上,构建的Stacking模型能够有效融合不同模型优势,提升预测土壤侵蚀速率的精度;奉节县土壤侵蚀速率受多方面因素综合影响,总体上与高程、植被覆盖程度之间呈正相关关系,与降雨量、坡度之间呈负相关关系,较高速率的土壤侵蚀倾向于发生在降雨充沛、植被覆盖度低、距道路及水源较近的低海拔陡峭区域。