泥炭形成启动机制：自重压实与分解作用的相对重要性

为解决RUSLE模型在植被恢复区土壤侵蚀预测中的适用性问题，研究人员通过8年监测数据（2016～2023）系统评估了144种因子配置在年/多年尺度和36种降雨事件尺度下的表现。研究发现模型在植被恢复区存在系统性偏差（NSE低至-41.48），优化后的RW和CL因子组合显著降低不确定性，为生态恢复区土壤侵蚀评估提供关键参数选择依据。

　　

在全球土壤侵蚀持续威胁生态安全的背景下，中国黄土高原通过"退耕还林"等工程实现了显著的水土保持效果，但如何精准评估植被恢复后的侵蚀动态仍是难题。传统Revised Universal Soil Loss Equation（RUSLE）模型虽被广泛使用，但其在植被恢复区的适用性缺乏系统验证，特别是对暴雨事件的响应机制尚不明确。

中国某高校（根据CRediT声明推测为中央高校基本科研业务费资助单位）的研究团队在《CATENA》发表论文，通过8年田间监测数据揭示了RUSLE在植被恢复区的局限性。研究人员在黄土高原方塔流域设置10个径流小区，采集2016～2023年降雨事件数据，采用Nash-Sutcliffe效率系数（NSE）和平均绝对百分比误差（MAPE）指标，系统测试了180种因子组合配置。关键技术包括：1）基于径流小区长期定位观测获取土壤流失量A_annual；2）构建144种年/多年尺度和36种事件尺度RUSLE配置；3）区分暴雨与非暴雨事件分析模型敏感性。

土壤流失监测结果显示：裸地小区年均侵蚀量达534.17 t/(km²·yr)，而植被恢复小区仅为0.93-6.83 t/(km²·yr)，证实植被的显著保土效应。但模型性能分析暴露严重问题：年尺度预测NSE介于-4.17～-0.52，事件尺度进一步恶化至-8.04～-0.63；暴雨事件的MAPE高达938.50%，远超非暴雨事件（515.72%），揭示模型对降雨强度非线性的响应缺陷。

优化方案验证表明：采用事件尺度R_W因子与植被适应性C_L因子的组合可有效降低误差，但模型框架固有的线性假设仍限制其在动态植被系统中的精度。讨论部分指出：RUSLE在植被恢复区的系统偏差源于其对土壤-植被-降雨非线性相互作用的过度简化，未来需与过程模型（如WEPP）耦合以突破机理局限。

该研究首次系统量化了RUSLE在生态恢复区的适用边界，为黄土高原等重点治理区的水土保持效益评估提供了参数优化方案，同时为全球类似气候区的模型本地化应用树立了方法论典范。成果对完善《全球土壤侵蚀评估指南》中植被恢复专题具有直接参考价值。