土地退化是一个全球性的生态挑战，严重威胁着生态安全和可持续发展（Pr?v?lie, 2021; Yu et al., 2024）。其影响不仅体现在农业生产力下降和生物多样性丧失等直接后果上（Willemen et al., 2020），还引发了由关键生态系统服务减弱引发的多维环境危机，包括水调节和碳封存能力下降（Molotoks et al., 2021）。在此背景下，联合国在2030年可持续发展议程中提出的土地退化中性（LDN）目标旨在通过可持续土地管理实现退化与恢复之间的动态平衡（Kust et al., 2017; Cowie et al., 2019）。这一目标显著提高了全球对土地退化治理的重视，并催生了众多相关政策和实践（Kust et al., 2022; Thomas et al., 2023）。
准确评估土地退化是实现LDN目标的基本前提。近年来，在土地退化评估方法上取得了显著进展。早期研究主要依赖于植被指数的时空趋势分析（如NDVI）或基于现场的土壤调查（Karamesouti et al., 2015; Burrell et al., 2018; Vieira et al., 2021）。随着遥感和建模技术的进步，评估方法逐渐转向多指标和多尺度综合评估系统。例如，地中海荒漠化和土地利用模型整合了气候、土壤、植被和人为因素（Hill et al., 2008; Ogbue et al., 2024），以及基于机器学习算法（如随机森林）的高精度分类模型（Jaafari et al., 2022; Faheem et al., 2024）。随着LDN科学概念框架的引入，评估系统进一步明确了三个关键指标和基本原则。该框架关注土地资源的数量和质量变化，将土地覆盖、土地生产力和土壤有机碳确定为国际公认的指标。要证明土地状况的整体改善，需要这三个指标都得到提升；而任何一个指标的退化都表明该地区处于退化状态（Cowie et al., 2018）。后续研究纳入了土壤健康、土壤质量和土壤侵蚀等额外指标，以提高评估系统的适用性（Tsymbarovich et al., 2020; Khazieva et al., 2023; Thomas et al., 2023）。在整个过程中，广泛应用了包括Mann-Kendall趋势分析、基于GeoDetector的驱动因素分析和CA-Markov模型进行未来情景预测等定量技术（Duan et al., 2025; Nú?ez-Hidalgo et al., 2025）。
然而，当前的土地退化评估框架和方法存在明显局限性。现有方法在捕捉非线性动态和累积效应方面仍不充分（Batunacun et al., 2019），并且对生态恢复率等时间维度的量化仍处于探索阶段，缺乏标准化框架（Davis et al., 2025）。此外，尽管现有指标部分整合了生态系统的功能属性，但它们主要强调土地覆盖变化（Cao et al., 2023）。这些方法未能充分量化功能属性的持续动态变化，包括土壤持水能力的下降，或对干扰历史的响应，如火灾、耕作方式变化和气候事件的累积效应（Jiang et al., 2022; Kramer et al., 2025）。此外，当应用于人类活动强度高且生态环境脆弱的地区（如喀斯特地区）时，LDN评估中采用的通用方法往往缺乏针对性，难以准确反映独特的退化机制和恢复阈值（Yan et al., 2024）。为解决这些不足，土地利用变化频率（LUCF）分析提供了一个有前景的视角（Zhang et al., 2015; Byers et al., 2024）。通过量化特定时期内的土地覆盖转换次数，LUCF有效地描述了人为干扰对生态系统的强度和频率（Watson et al., 2014）。更重要的是，LUCF所捕捉的干扰历史为影响土地生产力和土壤有机碳的动态提供了基于过程的关键解释，这两个指标是LDN框架中的关键指标。具体来说，频繁的土地利用转换会破坏植物群落演替，损害土壤结构，加速有机物分解和侵蚀，从而导致土地生产力波动或下降以及土壤有机碳的净损失。这种机制表明，高频土地利用转换会加剧生态系统的脆弱性（Hasan et al., 2020; Deng et al., 2024），而实证研究表明，适度的低频变化可能有助于功能重组并增强长期生态韧性（Cai et al., 2022; Edwin et al., 2024）。因此，LUCF可以被视为评估生态系统压力水平的关键诊断指标，与“生态韧性”和“动态平衡”的核心LDN概念密切相关。然而，将LUCF的这种诊断潜力转化为量化其对实现中性目标的影响的操作方案仍是一个关键的科学挑战。
将LUCF的这种诊断视角整合到LDN研究中具有重要意义，因为它不仅揭示了退化的空间风险（Niu et al., 2024），还确定了在不同干扰历史下的差异化治理优先事项（Shen et al., 2023）。例如，应优先考虑高频干扰区域进行生态恢复以遏制退化趋势，而低频变化区域则需要优化土地利用模式以巩固和增强生态系统服务。这种基于频率的治理逻辑在生态脆弱的地区（如中国西南部的云南-广西-贵州岩质荒漠化区域（YGGRD）尤为重要。该地区以脆弱的喀斯特地貌、浅层土壤和独特的水文过程为特征（Pu et al., 2022; Tavares et al., 2025），生态系统对人类干扰非常敏感。即使低强度的活动也可能引发显著甚至不可逆的退化（He et al., 2024）。作为全球最严重的岩质荒漠化和人类-土地冲突热点之一（Brandt et al., 2018），YGGRD未来的土地利用变化可能会进一步加剧退化风险（Winkler et al., 2021）。因此，研究LUCF与LDN之间的联系对于促进可持续发展至关重要，其发现可以为全球其他面临类似压力的脆弱生态系统实现LDN目标提供关键的理论见解和实证案例。
基于这些研究空白和区域特性，我们以YGGRD作为案例研究，探讨了LDN与LUCF之间的关系，重点关注三个目标：（1）量化LUCF影响阈值和LDN目标的空间变化模式；（2）识别不同频率领域的关键驱动因素及其影响方向；（3）根据区域自然条件、经济模型和政策有效性制定针对不同LUCF区域的差异化治理策略。这些发现为岩质荒漠化地区的生态恢复管理提供了动态基础，同时丰富了全球脆弱地区可持续土地管理的理论框架。
