黄土高原植被恢复区RUSLE模型因子配置对土壤流失预测的系统评估

针对植被恢复区土壤侵蚀模型精度不足的问题，中国科学院团队通过8年径流小区监测数据，系统评估144种RUSLE因子配置在年际/事件尺度的表现。研究发现模型在暴雨事件中误差显著（NSE低至-8.04），提出优化RW和CL因子可提升预测精度，为生态修复区土壤侵蚀评估提供方法学支撑。

　　

在全球气候变化背景下，土壤侵蚀已成为威胁生态安全的重大环境问题。中国黄土高原作为世界上水土流失最严重的区域之一，自1999年实施退耕还林工程后，植被恢复显著改变了地表侵蚀动力学特征。然而，广泛应用于该区域的修订通用土壤流失方程(RUSLE)作为经验模型，其因子配置在植被恢复区的适用性长期缺乏系统验证，特别是在暴雨事件尺度上的预测精度存疑。

中国科学院水利部水土保持研究所的研究团队在《CATENA》发表最新成果，通过分析黄土高原房塔流域10个径流小区2016-2023年的监测数据，首次对RUSLE模型在植被恢复区的144种因子组合进行多尺度验证。研究采用纳什效率系数(NSE)和平均绝对百分比误差(MAPE)双指标体系，揭示了模型在年际尺度(NSE:-4.17~-0.52)与降雨事件尺度(NSE:-8.04~-0.63)的性能差异，并发现暴雨事件误差(938.50%)显著高于非暴雨事件(515.72%)的关键局限。

关键技术方法包括：1)基于10个典型植被配置径流小区(含裸地对照)的8年连续监测；2)开发降雨侵蚀力动态算法R_W；3)构建植被适应性覆盖因子C_L；4)采用144种RUSLE配置的年际/事件尺度交叉验证。

【土壤流失监测结果】裸地(B-1)年均侵蚀量达534.17 t/(km²·yr)，显著高于植被恢复区(0.93-6.83 t/(km²·yr))，证实退耕还林工程使侵蚀量降低2个数量级。

【模型性能分析】RUSLE对长期平均值的预测优于事件尺度，暴雨事件MAPE(316.92-938.50%)暴露模型对降雨强度阈值的响应缺陷。优化配置R_W+C_L使NSE提升47%，显示局部化因子校准的价值。

【讨论与结论】研究首次量化了RUSLE在植被恢复区的系统偏差，指出其线性经验框架难以刻画植被-土壤-降雨的非线性互作。成果为生态脆弱区土壤侵蚀模型选择提供实证依据，建议未来耦合过程模型(WEPP/SWAT)以弥补机制缺陷。该研究对全球类似生态修复区的土壤保持策略具有重要参考价值。