中国东北黑土区耕地水蚀的多时期诊断与不确定性分析

《Land》：Multi-Temporal Diagnosis and Uncertainty Analysis of Cropland Water Erosion in the Black Soil Region of Northeast China

　　

中国东北黑土区是重要的粮食产区，该地区的耕地水蚀威胁着土壤肥力与可持续性。研究人员基于在Google Earth Engine（GEE）中实现的一个修正通用土壤流失方程-based遥感工作流，对跨越六个诊断年份/时间切片（2001、2005、2010、2015、2020和2024）的耕地土壤流失进行了诊断。降雨侵蚀力（R）源自Climate Hazards Group InfraRed Precipitation with Station data（CHIRPS）逐日降水数据，土壤可蚀性（K）源自SoilGrids，地形（LS）源自Shuttle Radar Topography Mission数字高程模型（SRTM DEM），植被覆盖（C）源自Landsat归一化植被指数（NDVI），耕地范围源自ESA WorldCover；替代降雨源、耕地掩膜和P因子设置被用于敏感性分析。在坡度分级P因子情景下，年均土壤流失量（SL）范围为1.60至3.07 t ha^?1 yr^?1，超过容许土壤流失阈值（T = 2 t ha^?1 yr^?1）的耕地比例范围为25.2%至52.9%。由于降雨侵蚀力与覆盖管理效应部分相互抵消，不同年份间的土壤流失量存在波动。风险集中在坡麓和丘陵耕地，而广阔的平原以极微度和微度侵蚀为主。P因子参数化代表了最大的结构性不确定性。该工作流为野外验证和水土保持措施评估提供了区域筛查证据，而非直接提供针对特定地点的工程处方。

水蚀作为导致地表退化的一种累积形式，会使耕作层变薄，削弱土壤团聚体稳定性与养分保持能力，并在流域内转移沉积物、碳、氮和磷。东北黑土区作为高纬度商品粮生产基地，正面临坡耕地侵蚀、耕作层变薄和黑土退化交织的严峻挑战。在全球气候变化背景下，降雨侵蚀力的上升、强风暴的增加以及土地利用转变使得侵蚀风险日益呈现出非平稳性。以往针对该区域的侵蚀评估多局限于单一时期的制图，缺乏在同一参数框架下对2000年以后多个时间切片的系统比较，且对降雨源、耕地掩膜和P因子等输入数据敏感性分析不足，同时也未能将坡段结构、覆盖动态与端点关系整合为联合的地理与统计证据。为解决上述问题，研究人员开发了基于RUSLE的诊断框架，在GEE云平台上利用多源遥感数据对多个时期的耕地水蚀进行诊断与不确定性分析，研究结果发表在《Land》上。该研究量化了黑土区耕地水蚀的时空波动特征，明确了结构敏感性，为后续的野外验证和水土保持措施评估提供了重要的区域筛查证据。

研究人员为开展此项研究，主要采用了基于Google Earth Engine（GEE）平台构建的修正通用土壤流失方程遥感工作流。研究区域依托已发布的东北黑土区边界数据集进行界定，样本队列来源于ESA WorldCover 2021的耕地掩膜。技术方法上使用Climate Hazards Group InfraRed Precipitation with Station data（CHIRPS）逐日降水估算R因子，利用SoilGrids和Shuttle Radar Topography Mission数字高程模型获取K与LS因子，基于Landsat计算归一化植被指数推导C因子，并结合坡度分级情景设定P因子以进行分析。

多时期土壤流失诊断
通过对比六个时间切片的模型估算结果发现，在坡度分级P因子情景下，年均土壤流失量（SLmean）在1.60至3.07 t ha^?1 yr^?1之间波动，并未呈现线性趋势。流失量在2005年达到峰值，在2024年降至最低。超过容许土壤流失阈值（T）的耕地比例在25.2%至52.9%之间变动。高值区主要集中在坡麓与丘陵过渡带，而广阔平原区则以低侵蚀为主。这种波动主要是由于CHIRPS衍生的R因子增加与Landsat-NDVI衍生的C因子下降相互抵消所致。

侵蚀等级面积分布
基于SL 190-2007行业标准进行侵蚀等级划分，结果表明研究区以低强度侵蚀占据绝对主导地位。在2024年，74.81%的耕地被归类为极微度侵蚀，25.16%为微度侵蚀，仅有0.03%的面积达到中度及以上侵蚀。即使在土壤流失最为严重的2005年，中度及以上侵蚀的占比也小于0.1%。

按坡段分层诊断
坡段统计显示，约98.3%的耕地位于坡度小于7%的平缓地带。然而，侵蚀强度表现出明显的分层特征。在2024年，坡度大于等于20%的坡带SLmean高达42.10 t ha^?1 yr^?1，是2-7%坡带的38倍，陡坡带超阈值百分比超过70%。这一结论揭示了RUSLE模型对地形（LS）因子的结构性敏感，但受限于高坡耕地极小的面积分布，其统计推广性受到一定限制。

不确定性与敏感性分析
通过对比不同输入数据源，研究发现模型不确定性来源各异。基于坡度的P因子斜率单位检查表明，误用度数而非百分比坡度会导致SLmean产生22.6%至30.6%的偏差，研究通过参照标准对此予以修正。在降雨源敏感性测试中，替换为Global Precipitation Measurement Integrated Multi-satellitE Retrievals for GPM（GPM IMERG）和ECMWF Reanalysis v5 Land（ERA5-Land）使得SLmean下降16.53%至19.43%。耕地掩膜替换显示土壤流失相对差异在?5.4%至?0.5%之间。相对而言，P因子设定是最大的结构性不确定性来源，在无措施上限情景下，SLmean增加了71.9%至103.7%。

在讨论部分，研究人员进一步分析了R与C在不同年份的相互抵消机制。在静态K、LS和P背景的约束下，较高的降雨侵蚀力增加了潜在土壤流失，而较低的C值在乘以其他因子前降低了有效侵蚀动力，导致高降雨年份的流失量未超越早期峰值。在与以往研究的外部一致性对比中，指出由于研究范围、土地利用领域和模型参数的差异，绝对的土壤流失率难以直接比较。模型输入不确定性的量化边界证实，子因素选择极大地影响评估输出，P因子参数化构成了绝对估算的主要误差来源。

研究结论部分指出，基于一致性输入的多时期RUSLE遥感诊断框架成功揭示了东北黑土区水蚀的时空波动特征。第一，在坡度分级P因子情景下，各年SLmean在1.60至3.07 t ha^?1 yr^?1间波动，主要由R与C因子的相互作用主导。第二，容许土壤流失阈值超限比例介于25.2%至52.9%，低等级侵蚀结构占据常态。第三，P因子参数化是最大的结构性不确定性来源，斜率单位和降雨源的替换也会导致可观的系统性差异。第四，坡度分层验证了RUSLE对地形的结构敏感性，陡坡带流失强度远超平地。总体而言，该研究为野外验证提供了空间证据，在应用于具体的干预规划前仍需结合野外观察。