动态土地利用/覆被变化提升流域尺度长期径流与水质趋势模拟的准确性

针对气候变化(CC)和土地利用/覆被变化(LUC)对水文趋势模拟的挑战，研究人员采用动态土地利用(DLU)改进的SWAT模型，揭示了美国Mobile Bay流域径流下降(59/61站点)与氮磷污染物分异趋势，证实DLU可将径流模拟偏差(PBIAS)从+45%降至+15%，为流域管理提供高精度工具。

　　

随着全球气候变化(Climate Change, CC)和人类活动加剧，流域尺度的水文过程正经历前所未有的扰动。美国Mobile Bay流域(MBW)作为墨西哥湾重要的生态经济走廊，近40年来面临着径流持续下降、氮磷污染物浓度分异的严峻挑战。传统水文模型采用静态土地利用(Static Land-Use, SLU)假设，难以捕捉土地利用/覆被变化(Land-Use/Cover Change, LUC)的动态影响，导致长期趋势模拟存在显著偏差。这一科学瓶颈直接制约着流域精准管理和气候适应策略的制定。

Auburn大学联合美国农业部(USDA)的研究团队在《Journal of Hydrology》发表创新性研究，通过整合动态土地利用(Dynamic Land-Use, DLU)数据与SWAT(Soil and Water Assessment Tool)模型，系统解析了1980-2020年MBW流域水文水质演变规律。研究发现：流域年均温上升0.3°C/十年、降雨增加33 mm/十年的背景下，蒸散发(ET)以1.95 mm/年的速率增长，导致59个监测站出现径流下降；同时硝酸盐(NO₃^-)浓度上升而磷酸盐下降，与城市化(+7%)和农业用地(-9%)转换显著相关。最具突破性的是，DLU模型将径流模拟的百分比偏差(PBIAS)从+45%优化至+15%，硝酸盐负荷模拟偏差从-75%改善至-45%，显著提升了对空间异质性和时间动态的捕捉能力。

研究方法上，团队整合多源观测数据与模型模拟：1) 从USGS获取82个流域的日尺度径流数据，结合Water Quality Portal(WQP)水质监测数据；2) 采用Mann-Kendall趋势检验分析长期变化；3) 构建SLU与DLU两种SWAT模型场景，后者融入1980-2019年每5年的土地利用遥感数据；4) 通过PBIAS、NSE等指标评估模型性能。

【研究结果】

1. 观测趋势分析：

• 径流呈普遍下降趋势(75%站点)，与降雨增加趋势(85%站点)形成"水文悖论"，归因于ET增加(LAI上升1.95 mm/年)
• 水质指标呈现氮升磷降：硝酸盐(NO₃^-)、有机氮(ON)分别有19/29、12/19站点上升，而磷酸盐在多数站点下降

1. 土地利用变化：

• 1980-2019年间城市化率+7%，混合森林减少8%，农业用地缩减9%
• 2001年后林地流失速率减缓，但城市扩张持续

1. 模型性能比较：

• DLU显著改善径流模拟：年尺度PBIAS从+45%降至+15%，月尺度NSE提高0.2
• 硝酸盐负荷模拟中，DLU将PBIAS从-75%优化至-45%，优于SLU的-60%

1. 驱动机制解析：

• 径流下降主控因子为温度驱动的ET增加(r=0.72)
• 硝酸盐上升与农田-城市转化显著相关(p<0.01)

【结论与意义】
该研究首次证实动态土地利用数据能显著提升流域模型对长期水文趋势的捕捉能力。DLU-SWAT框架不仅更准确地再现了径流下降与水质分异的时空格局，还揭示了植被绿化(LAI上升)与城市扩张的协同效应。这一突破为应对CC和LUC双重压力下的流域精准管理提供了新范式，其方法论创新可推广至全球变化热点区域的水资源评估。研究同时指出，未来需加强极端气候事件与土地利用交互作用的模拟，以进一步提升模型在气候韧性规划中的应用价值。