青藏铁路沿线风沙活动强烈，对青藏铁路安全运营造成严重威胁，铁路风沙灾害防治得到全国乃至世界范围的热切关注。风成沉积物运移过程评估是青藏铁路沿线精准治沙和科学绿化的重要基础，但如何量化判定沉积物来源和运移路径始终是风成沉积物研究的前沿和难点问题。
针对上述问题，我院盐池站研究团队以青藏铁路错那湖段为研究区，采用多学科融合的研究方法，首次将大尺度复杂地形CFD数值模拟和风速反演方法应用于风蚀风险和动态过程分析，并结合复合指纹识别和虚拟混合物技术判断风成沉积物定量源信息，提出了一种新的风成沉积物运移过程评价算法。
研究发现，青藏铁路错那湖段风成沉积物主要来源于错那湖西南侧裸露山地和河流沟道。同时，研究提出了一种以虚拟混合物为样本，使用自适应提升（Adaboost）算法优化复合指纹识别算法的混合模型。相比于传统方法，新方法充分利用了示踪因子信息，极大提高了模型预测精度和稳健性，为风沙灾害防治工作提供了更可靠的物源信息。
错那湖段复杂地形上的气流流场信息和风蚀风险信息
研究成果被青藏铁路公司采纳，为研判青藏铁路错那湖段线路积沙来源，制定风沙灾害防治措施提供了科学依据，大大降低了青藏铁路公司机械和人工清理线路积沙的工作任务，有效保障了青藏铁路的安全运营。同时，研究成果支撑获评中国水土保持学会科学技术奖一等奖。
集成混合模型训练流程
上述研究成果分别以“Aeolian sediment fingerprinting in the Cuona Lake Section along the Qinghai-Tibetan Railway”“A new methodological framework coupling computational fluid dynamics and fingerprinting for assessment of aeolian sediment transport processes”和“Improving the performance of an unmixing model in sediment source apportionment using synthetic sediment mixtures and an adaptive boosting algorithm”为题，分别发表于国际土壤学和环境科学知名期刊Catena和Journal of Cleaner Production。文章第一作者为我院2022届博士毕业生赵洋，高广磊副教授为3篇文章的通讯作者。丁国栋教授、周金星教授，青年教师赵媛媛、张英、于明含参与了项目研究工作。该项工作得到了林业公益性行业科研专项经费资助项目、国家自然科学基金项目和国家重点研发计划项目的资助。
文章链接：
https://doi.org/10.1016/j.catena.2022.106491
https://doi.org/10.1016/j.catena.2021.105372
https://doi.org/10.1016/j.jclepro.2020.121233
作者：秦树高；审核：刘金霞