气候带调控土地利用/土地覆盖变化（LULC）对RUSLE估算土壤侵蚀影响的全球比较——六类气候区2004—2023年研究

《CATENA》：Variation in RUSLE-estimated soil erosion responses to land use/land cover change across major climate zone

　　

气候主导全球土地利用/土地覆盖变化（LULC，Land Use/Land Cover）对土壤侵蚀的响应。土壤侵蚀速率在主要气候带间差异显著。农业扩张在湿润气候中使侵蚀增加最多。森林覆盖可降低侵蚀，且其效应可持续数年。需要制定气候特异性的土壤保持策略。

论文主体解读：土壤侵蚀主要受水、风等自然营力影响，但毁林、农业扩张和基础设施建设等人类活动显著改变其变化与强度；气候和土地利用/土地覆盖（LULC，Land Use/Land Cover）变化被视为主要驱动因素。已有研究多局限于特定区域，或未在较大空间尺度上充分纳入气候因素对LULC变化与土壤侵蚀关系的调节作用。为此，研究人员采用全球比较框架，将高分辨率遥感数据与在Google Earth Engine（GEE，Google Earth Engine）平台上运行的修正通用土壤流失方程（RUSLE，Revised Universal Soil Loss Equation）模型结合，并配合统计与计量方法，评估2004—2023年五国六类主要气候区（Am、Aw、Bs、Bw、Cs、Cw）的土壤侵蚀动态，量化LULC类别的结构贡献、时间动态及预测关系，以支持气候特异性土壤保持策略。研究结论表明，气候情境与侵蚀速率及侵蚀对LULC变化的响应均相关，相同LULC转变在不同气候下可产生显著不同的侵蚀结果，因此土壤保持措施需考虑气候背景而非统一处方。

方法概括（不超过250字）：研究人员基于K?ppen-Geiger气候分类（1 km，1980—2016参考期）选取Am（巴西）、Aw（印度）、Bw（澳大利亚）、Bs与Cs（美国西部）、Cw（中国东南）六个连续气候区；在GEE平台用RUSLE估算2004—2023年年侵蚀，输入包括CHIRPS日降水（约5.5 km）计算R因子、OpenLandMap土壤质地（250 m）赋K因子、SRTM DEM（30 m）与HydroSHEDS流量累积计算LS因子、MODIS MOD13Q1 NDVI（250 m）计算C因子、MODIS MCD12Q1 LULC（500 m），统一重采样至250 m后分区统计，构建6气候区×12类LULC×20年面板（最多1440观测）；采用覆盖率分析、Pearson相关、固定效应面板回归、自回归分布滞后（ADL，Autoregressive Distributed Lag）模型、8年分布滞后模型和Dumitrescu-Hurlin面板Granger因果检验，并以错误发现率（FDR，False Discovery Rate）校正；用变异系数（CV，Coefficient of Variation）、四分位变异系数（CQQV，Coefficient of Quartile Variation）、t检验和文献比较进行稳定性与物理合理性检查。

研究结果：4.1 气候对土壤侵蚀和LULC动态的控制。通过六气候区RUSLE均值与时间序列分析发现，平均侵蚀率跨一个数量级以上，干旱区约13 t ha^?1 yr^?1，热带和季风系统可超过130 t ha^?1 yr^?1；Aw和Cw最高，Am森林覆盖具保护作用，农业扩张与Aw、Cw侵蚀密切相关；总侵蚀梯度为Aw > Cw > Bs > Bw > Am > Cs。4.2 内部一致性检查和物理合理性评估。原文强调这些分析不是独立验证，而是质量控制；通过文献比较、稳定性检验和坡度/植被梯度检查评估模型输出。4.2.1 与既往研究比较。估算侵蚀率落在既往研究报告范围内，类别排序为裸地>农田>草地>灌丛>森林，但该一致性反映RUSLE内部结构而非独立预测精度。4.2.2 统计稳定性分析。通过CV、子集比较和t检验发现，各气候区LULC总面积CV为0.0%—0.2%，五区异常年比例低于5%（Bw为10%），全样本与80%子集CV差异低于5%，总体均值与子集均值无显著差异（p=1.000）。4.2.3 模型行为的物理合理性。通过坡度和NDVI梯度分析发现，侵蚀随坡度升高由0.491增至2.471 t ha^?1 yr^?1，随NDVI由<0.1的4.840降至>0.7的0.046 t ha^?1 yr^?1；R因子CV在Am、Aw、Bs、Cw低于20%，Bw为37.3%、Cs为32.0%，C因子CV多低于20%，CQQV为5.5%—15.7%。4.3 统计分析。通过多方法分析LULC与侵蚀关系。4.3.1 LULC类别对侵蚀的结构贡献。通过基准覆盖分析发现，Am森林占景观>80%并贡献>70%总泥沙但类别侵蚀率低；Aw农田约占四分之三面积并贡献相近比例总侵蚀；Bs草地主导，Bw灌丛贡献>90%总侵蚀但绝对量低；Cs常绿林面积最大而草地贡献总侵蚀最大；Cw稀树草原主导；草地在所有气候区单位面积侵蚀率最高。4.3.2 LULC面积与侵蚀率的气候依赖交互。通过Pearson相关发现，农业扩张在季节热带和温带多呈正相关，在湿润森林气候较弱或为负；森林在Cs、Cw与侵蚀负相关，灌丛在半干旱和干旱环境多负相关。4.3.3 固定效应面板回归的气候和LULC效应。通过固定效应面板回归（R²=0.825，调整R²=0.821，p<0.001）发现，季节热带和冬干温带基线侵蚀敏感性最高；灌丛、草地和裸地内在侵蚀敏感性最高，森林系数为负，农业面积系数小且不显著；对数面积系数为?0.0964（p<0.001）。4.3.4 类别动态面板模型的即时侵蚀响应。通过ADL动态面板发现，农业扩张在季节热带和温带常在同年产生即时响应；森林和灌丛在温带和半干旱环境呈显著负即时关系，草地在部分干旱环境呈正即时效应；滞后侵蚀项多较弱或不显著。4.3.5 分布滞后模型的长期滞后响应。通过最多8年分布滞后模型发现，LULC变化影响可延续至7—8年；Am森林响应时间长，Cs草地呈多年反复滞后效应，Bs稀树草原呈负滞后响应即植被扩张后侵蚀延迟降低。4.3.6 面板Granger因果分析的预测关系。通过面板Granger因果检验发现，显著预测关系主要集中在Bs和Cw，森林、草地和农业面积变化先于侵蚀变化；Am、Aw、Bw、Cs未检出显著预测关系。

讨论部分总结：原文认为气候情境是LULC变化侵蚀响应的主导调节因子，侵蚀率与既往全球和区域研究范围一致，农田高敏感性和森林保护作用得到支持；Aw和Cw高侵蚀与季节性降雨强度和农业暴露有关，Bw和Bs低侵蚀说明降雨限制可强于植被稀缺，Am低侵蚀反映冠层截留、凋落物和根系加固等稳定作用；农业是最敏感类别但幅度随气候变化，森林内在侵蚀敏感性最低但保护强度和时间受气候、植被结构和空间配置影响。原文同时指出两个关键限制：气候区与地理区域存在空间混杂，每类气候对应特定国家，因此系数应解释为“气候-区域情境”而非纯气候效应；LULC分类与RUSLE的C因子均源于植被光谱信息，存在潜在循环性，滞后、面板固定效应和分类模型仅部分缓解，结果应解释为RUSLE框架内相关而非独立因果。时间动态上，农业扩张短时增强侵蚀，森林和草地转变可产生多年延迟响应；Granger结果仅表示预测关系，Bs和Cw森林动态可作侵蚀变化早期信号。原文还指出LULC分类系统会影响侵蚀估算，MODIS分类利于可比性但过渡类别仍有不确定性；未来需研究植被结构与气候强迫交互、协调全球土地覆盖分类、引入更高分辨率降水强度和极端事件指标，并开展野外验证。

研究结论翻译：本研究在GEE平台采用RUSLE模型估算2004—2023年五国六气候区（Am、Aw、Bs、Bw、Cs、Cw）年土壤侵蚀速率，构建连接RUSLE估算侵蚀与LULC面积的面板数据集，并用六种互补统计方法分析。结果显示，RUSLE估算侵蚀率在气候-区域情境间差异显著，Bw最低为0.49 t ha^?1 yr^?1，Aw最高为138.62 t ha^?1 yr^?1；Aw和Cw固有侵蚀敏感性最高，总结构性侵蚀值分别为9.71和8.05，Bw最低为0.65。与既往研究比较、统计稳定性检验和物理一致性检查（侵蚀随坡度增加、随植被覆盖降低）支持估算的内部一致性和物理合理性；但缺乏独立野外验证是主要局限。六种方法共同表明，LULC变化与RUSLE估算侵蚀的关系在所选气候-区域组合间差异显著，与气候情境有关，但因气候区与地理区域空间混杂且缺乏独立侵蚀观测，不能建立因果。关键地，LULC面积变化与侵蚀关系随气候情境不同：湿润气候Cs和Cw农业扩张呈即时强正相关（弹性为5.29和10.02），较干Bs较弱（0.66）；森林一致呈保护性关联但幅度随气候情境变化，地中海Cs常绿林即时保护性强（?10.75），亚马逊Am未观察到该类关联；草地关系可反转，Cw为负相关（?0.689），Bw为正相关（0.192）。多方法提供深入洞察：面板回归分离内在气候-区域和类别关联；动态模型揭示快速响应；长滞后分析发现持久性可达8年（如Am森林滞后7年系数56.88）；Granger因果在Bs和Cw识别出森林变化可预测未来侵蚀趋势（RUSLE框架内）。实践建议包括：Aw、Cs、Cw农业扩张需严格侵蚀控制；优先森林保护以发挥即时和长期保护效益；Bs和Cw监测系统可用关键类别面积变化作早期预警。局限包括：排除平均面积低于1000 km²的LULC类别；20年研究期可能不捕捉多年代气候周期或极端事件；气候区与地理区域空间混杂；缺乏独立野外侵蚀测量；LULC分类与RUSLE侵蚀存在潜在循环性，C因子和LULC分类均源于植被光谱属性。统计关联应解释为RUSLE建模框架内关系而非物理因果。未来研究应扩展至更多气候区、纳入更高分辨率土壤和地形数据、探索机器学习情景模拟，并开展野外验证以制定区域特异性保持策略。