土壤水分记忆，即土壤水分异常状态持续存在的特性，是影响水文过程与山地灾害发生的关键前兆信号。然而，在复杂山地地形条件下，该记忆特性如何随时间和空间尺度发生变化，其主导环境因子如何在不同尺度间发生转换，目前尚缺乏系统性认识。
针对这一科学问题，中国科学院成都山地灾害与环境研究所何松膛副研究员等联合清华大学团队，基于2003–2022年长时间序列日尺度土壤水分数据，选取我国三类典型山地灾害主导流域——土壤侵蚀主导的大理河流域、浅层滑坡主导的安宁河流域及高频泥石流主导的蒋家沟为研究对象，系统开展了土壤水分记忆的多尺度量化与归因分析。研究创新性整合功率谱分析、二阶去趋势波动分析与Boruta随机森林三种互补方法，首次在连续时间尺度上揭示了土壤水分记忆从强到弱的衰减规律及其驱动机制。
核心发现表明：土壤水分记忆呈现明显的尺度依赖性窗口，不同灾害类型流域记忆时长差异显著——蒋家沟雨季记忆仅为18–31天，而安宁河流域可延伸至跨年尺度；驱动因子在约5年尺度发生结构性转换，由大气–植被主导转变为土壤–地形主导；植被在季节尺度表现为“水分汇”，而在年际至十年尺度则转化为“结构改良者”。上述成果为差异化灾害预警策略提供了量化依据：泥石流重点关注“天至周”尺度，滑坡侧重“月至年”尺度，侵蚀则需关注“年际累积”效应，从而为山地灾害分时分策预警提供了理论支撑。
该研究得到了国家自然科学基金青年科学基金项目（C类）（42501091）和山地自然灾害与工程安全重点实验室开放基金（KLMHER－K22，KLMHER－Z11），国家自然科学基金（42322703，42271092）等项目支持，相关成果以“Scale－dependent transition in soil moisture memory and its environmental controls in complex mountain terrain”为题发表在Hydrology and Earth System Sciences上，张军为论文第一作者。
