《CATENA》：Development and application of a distributed hydrology and soil erosion model in a semi-arid catchment, China
编辑推荐：
本研究开发并验证了一种结合垂直混合径流模型（VMM）与Morgan-Morgan-Finney侵蚀模型（MMF）的新分布式水文侵蚀耦合模型，创新性地集成梯田截留效应模块。模型在岷江流域九次洪水事件中表现优异，径流模拟NSE达0.82，泥沙模拟NSE为0.80，证实梯田可分别降低总径流12.1%和泥沙17.2%。该模型为黄土高原水土保持措施评估提供了新工具。
作者：卢昂、田鹏、赵光菊、穆行民、田小静、顾超军、杨林、范俊健
中国科学院水土保持与生态环境研究中心、国家水土保持与荒漠化控制重点实验室，教育部，中国陕西省杨陵市712100
摘要
土壤侵蚀模型是量化区域土壤侵蚀、估算长期土壤侵蚀率以及评估地表变化对土壤侵蚀和泥沙产量的影响的有效工具。与成本高昂且受地理限制的野外监测方法相比，这些模型具有显著优势。在黄土高原上，这些模型对于理解水文和泥沙动态至关重要，因为该地区由于地形复杂、可侵蚀性黄土强以及风暴频繁而极易发生土壤侵蚀。为了满足基于事件的模拟需求，以捕捉广泛采取的保护措施的效果，本研究开发了一种新型的分布式水文和土壤侵蚀模型。该模型将垂直混合径流模型（VMM）与Morgan-Morgan-Finney（MMF）侵蚀模型相结合，并集成了一个专门模块来模拟梯田的拦截效果，而梯田是该地区重要的水土保持措施。该集成模型在洪水事件尺度上模拟了三个关键组成部分：径流生成、土壤侵蚀和泥沙输送。该模型使用来自黄土高原延河典型支流西川河流域的九次洪水事件的数据进行了校准和验证。结果表明，径流模拟的准确性很高，校准期和验证期的Nash-Sutcliffe效率（NSE）系数分别为0.82和0.67。相对峰值误差（RPE）始终低于23%，表明模拟结果与观测结果非常吻合。在泥沙模拟方面，该模型有效捕捉了整体动态，校准期的平均NSE为0.80，RPE在2.3%到18.7%之间，尽管在验证期间存在一些差异。模型证实了梯田在减少径流和泥沙产量方面的显著作用。平均而言，梯田在洪水事件期间可将总径流量减少12.1%，泥沙产量减少17.2%。这些发现证明了该模型在水文和土壤侵蚀模拟方面的有效性，以及其在评估黄土高原水土保持措施方面的潜力。该模型可以为定量评估这一关键地区及类似半干旱环境中水土保持措施的效果提供有价值的工具。
引言
土壤侵蚀是一个严重的全球环境问题，威胁着生态系统的稳定性、农业生产力和水资源（Karlen和Rice，2015）。它不仅导致土地退化并降低土壤肥力，还会增加河流中的泥沙沉积，破坏水文系统并增加洪水风险（Quinton和Fiener，2024）。中国的黄土高原以其复杂地形、高度可侵蚀的黄土和稀疏植被而闻名，是全球土壤侵蚀最严重的地区之一（Zheng等人，2020）。其山坡和沟壑中的复杂侵蚀过程使黄土高原成为黄河的主要泥沙来源（Cai等人，2019；Sun等人，2020）。鉴于这一挑战的规模和复杂性，理解土壤侵蚀的空间和时间动态对于制定有效的保护策略和确保可持续的流域管理至关重要。数学模型已成为实现这一目标不可或缺的工具，克服了传统野外监测的空间和时间限制（Guan等人，2021）。
土壤侵蚀模型大致可以分为经验型和过程型方法，用于评估不同空间和时间尺度上的土壤侵蚀（Bezak等人，2021；Borrelli等人，2021）。经验模型，如广泛使用的通用土壤流失方程（USLE）及其修订版本（RUSLE），因其简单性和所需数据量少而受到重视（Wischmeier和Smith，1978；Renard等人，1997）。这些优点使它们适用于大规模评估，特别是在数据有限的地区。然而，它们依赖于经验关系，限制了模拟详细侵蚀机制或准确预测特定土地利用变化和保护措施效果的能力。
为了解决这些限制，开发了基于过程的分布式模型，例如欧洲土壤侵蚀模型（EUROSEM）、林堡土壤侵蚀模型（LISEM）、水蚀预测项目（WEPP）和土壤与水评估工具（SWAT）（de Roo等人，1998；Morgan等人，1998；Neitsch等人，2011；Saghafian等人，2015）。这些模型提供了详细的水文和泥沙过程模拟程序，包括径流生成、土壤分离和泥沙输送。虽然它们提供了更机械化的侵蚀表示，但通常需要复杂的参数化和大量的数据集，这可能限制了它们在数据匮乏地区的应用。
在黄土高原上，已经应用了多种模型来评估土壤侵蚀。虽然像USLE变体（Sun等人，2014；Li等人，2020）、WaTEM/SEDEM（Chen等人，2023）、SEDD（Zhao等人，2018；Xie等人，2021）和SWAT（Zuo等人，2016）这样的经验模型在预测泥沙产量和侵蚀空间模式方面被证明是有效的，但它们在过程描述上的固有局限性促使人们采用了耦合的水文-侵蚀模型。例如，基于物理的、分布式的连续侵蚀模型——数字黄河模型（DYRIM）（Wang等人，2015）和具有“坡-沟-河”结构的WEP-SED模型（Cai等人，2019）已被用于模拟黄土高原的水文和泥沙动态。研究人员还通过改进传输方程来适应黄土高原的条件，对现有模型如LISEM（Hessel和Jetten，2007）和WEPP（Xia等人，2019）进行了调整。尽管付出了这些努力，许多现有模型的适用性和准确性仍受到该地区独特且不断变化的水文条件的限制（Li等人，2017）。
在黄土高原进行建模的一个主要挑战是由于数十年来大规模水土保持措施的实施所导致的深刻景观变化（Tian等人，2023）。植树造林、草地种植以及梯田和拦沙坝的建设显著改变了水文路径和泥沙输送。因此，该地区的风暴径流生成机制发生了演变。以前占主导地位的入渗过剩径流显著减少，导致不再存在单一稳定的径流机制。新的机制是由入渗过剩径流（当降雨强度超过土壤的入渗能力时发生）和饱和过剩径流（当土壤完全饱和时产生）之间的动态相互作用形成的（Jin等人，2020）。这种演变给黄土高原的水文建模带来了巨大挑战，因为半干旱地区的洪水事件受多种机制的支配，主要受降雨、土壤水分和人类活动之间的相互作用影响。尽管存在许多分布式模型，但许多模型都是围绕单一的径流生成理论构建的，这限制了它们在这种改变的景观中的适用性。因此，迫切需要一个能够结合入渗过剩径流和饱和过剩径流机制的建模框架，以准确模拟复杂的径流动态。
本研究的目的是开发一个分布式流域尺度的水文模型，该模型结合了入渗过剩径流和饱和过剩径流机制，同时考虑了水土保持措施对整体水文过程的影响。具体而言，研究旨在：（1）通过将垂直混合径流模型（VMM）和Morgan-Morgan-Finney（MMF）模型相结合，并集成一个专门模块来模拟梯田的效果，从而开发和描述一个新的分布式水文和土壤侵蚀模型。（2）在黄土高原的代表性流域——西川河流域，使用多次洪水事件的观测数据来应用和验证新开发的模型。（3）利用经过验证的模型来量化梯田在事件尺度上对关键水文特征的影响。这种方法为模拟半干旱地区的洪水事件提供了更灵活的框架，解决了现有模型在表示混合径流过程中的局限性。所提出的模型将有助于改善黄土高原的水文管理，特别是在同时受到自然和人为变化影响的地区。
模型描述
本研究提出了一种新开发的分布式水文和土壤侵蚀模型，该模型具有清晰的模块化架构，用于系统地模拟流域过程（图1）。该模型围绕两个主要耦合组件构建，包括水文模块和土壤侵蚀模块。
水文模块负责模拟流域的水分平衡和径流动态。其核心是使用垂直混合径流模型（VMM）来估算径流生成。
研究区域
本研究开发的模型在西川河流域进行了应用和验证（图4），该流域位于黄土高原，面积为801平方公里。西川河是延河的第一条支流，长度为65.3公里，坡度为5.7‰。该流域具有温带大陆性半干旱季风气候，年平均降雨量为520毫米，温度为9.4摄氏度。降雨具有强烈的季节性特征。
模型校准和验证
模型的性能使用第3.3.3节中详述的指标进行了评估，所有九次洪水事件的结果均列在表3中。
模型在径流模拟方面表现出色。在校准期间，与观测值之间的吻合度非常高，平均Nash-Sutcliffe效率（NSE）为0.82，相对峰值误差（RPE）保持在23%以内。在验证期间，模型的整体预测能力仍然保持
参数化
本研究的参数化策略旨在既系统又基于物理原理。如第3.3节所述，使用傅里叶振幅敏感性测试（FAST）方法分析了关键模型参数（表2），以确定最具影响力的参数。这一步骤使我们能够将校准工作集中在一组较小且更敏感的参数上，然后使用随机复杂进化算法（SCE-UA）对这些参数进行优化
结论
本研究成功开发并验证了一个专门为黄土高原复杂的人为改造景观设计的分布式水文和土壤侵蚀模型。该模型的主要贡献在于三个关键组件的创新整合：（1）适用于半干旱条件的混合径流机制（VMM）；（2）基于过程的坡面侵蚀模型（MMF）；（3）专门用于模拟梯田水文效应的模块。
< />
卢昂：撰写——审阅与编辑、撰写——初稿、可视化、软件、资源、方法论、调查、数据管理。田鹏：撰写——审阅与编辑、项目管理、资金获取、概念化。赵光菊：撰写——审阅与编辑、监督、软件、资源、方法论、资金获取、数据管理、概念化。穆行民：撰写——审阅与编辑。田小静：资源、调查、数据管理。顾超军：
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。
致谢
本研究得到了国家自然科学基金（项目编号：U2243211、42177323、42077076、42577406）和南京水利研究所研究基金（Y924003、Rc923003）的共同资助。感谢“水利部黄河水利委员会”和“国家地球系统科学数据中心黄土高原分中心”的数据支持
