GeoWEPP模型在甘蓝单作区短时强降雨下的水蚀防控策略研究

针对短时强降雨加剧农业流域土壤侵蚀的问题，日本研究团队应用GeoWEPP模型对甘蓝单作区进行日尺度水蚀动态模拟。通过三年径流与泥沙监测数据校准模型，发现少数极端事件贡献60-72%年泥沙量，证实覆盖作物通过提升土壤渗透性可显著减少侵蚀。该研究为极端气候下的精准水土保持（SWC）措施评估提供了方法论支持。

　　

气候变化背景下，短时强降雨事件的频发正对农业流域土壤侵蚀构成严峻挑战。日本气象厅2024年数据显示，这类极端天气的强度与频率呈上升趋势，而单次强降雨事件往往贡献全年过半侵蚀量（Li & Fang, 2016）。甘蓝单作区因地表覆盖度周期性波动，更易受侵蚀影响，导致肥沃表土流失、河流污染等连锁生态问题。尽管覆盖作物等水土保持（Soil and Water Conservation, SWC）措施被广泛推荐，但其在极端降雨下的量化效益仍缺乏实证数据，制约了农业政策的科学制定。

针对这一难题，日本研究团队选取群马县Yokkosawa流域（甘蓝主产区）为研究对象，采用地理空间水蚀预测项目（GeoWEPP）模型，首次实现日尺度SWC措施效益评估。该模型通过动态模拟耕作管理日程与气候变异交互作用，克服了通用土壤流失方程（USLE）无法捕捉极端事件的缺陷。研究团队通过三年径流泥沙监测（2021-2023），发现PI30（30分钟最大降雨强度）超20 mm h^-1
的强降雨事件虽仅占事件总数的15%，却贡献了60-72%的年泥沙量。更关键的是，泥沙产量与峰值流量-日径流量乘积呈显著正相关（R²

0.8），这为模型校准提供了核心参数。

关键技术方法
研究结合野外监测与模型模拟：1）在Yokkosawa流域布设水文站，连续记录日尺度径流与悬浮泥沙浓度，通过LQ方程（Load-Quality）推算泥沙量；2）利用30m分辨率DEM和土壤质地数据构建GeoWEPP模型，校准土壤饱和导水率等关键参数；3）模拟覆盖作物（黑麦草）与甘蓝轮作、调整种植日程等SWC情景，量化泥沙削减效应。

研究结果

Characteristics of watershed runoff and sediment yield
监测数据显示，2022年强降雨频次最高（7次），其单日最大泥沙量达全年总量的34%。模型校准后对日泥沙量的Nash-Sutcliffe效率系数达0.78，验证了GeoWEPP在极端事件模拟中的可靠性。

Effectiveness of SWC measures
模拟表明，覆盖作物可使年泥沙量减少42-58%，其机制不仅源于地表覆盖度提升（>80%），更因根系改良土壤渗透性，使饱和导水率提高1.3倍，显著降低地表径流系数。调整甘蓝种植日程避开雨季高峰，可额外减少19%侵蚀量。

Uncertainties and limitations
模型低估了极端事件（PI30>50 mm h^-1
）的峰值流量误差达25%，主因未校准泥沙浓度LQ方程的外推偏差。此外，流域均质土壤假设与未本地化的作物生长参数（如叶面积指数动态）也引入不确定性。

结论与意义
该研究证实GeoWEPP可作为短时强降雨区SWC措施优化的实用工具，尤其凸显覆盖作物通过双重机制（物理覆盖与生物改良）的防蚀价值。成果发表于《CATENA》，为农业政策制定者提供了极端气候适应新思路——未来SWC评估需从年尺度转向事件尺度，同时需结合经济成本分析（如覆盖作物对甘蓝产量的潜在影响）以提升措施采纳率。研究团队建议后续工作应整合高分辨率土壤空间异质性数据，并开发适用于超强降雨（PI30>80 mm h^-1
）的泥沙输移子模型。