引言
量化侵蚀速率并识别其控制机制是地貌学的核心目标之一,因为侵蚀直接塑造地球地形,并调节沉积物及相关生物地球化学组分(如碳和营养物质)通过河流网络向海洋的输送(Battin et al., 2023; Dietrich et al., 2003; Douglas et al., 2023)。过去二十年来,越来越多的水文观测和卫星观测证据表明,自 20 世纪末以来,气候变暖已经加剧了许多寒冷和高山发源地的河流沉积物通量,这通常归因于冰冻圈退化和水文气候变率及极端事件的增强(Li et al., 2021; Sun et al., 2025; Vergara et al., 2024; Zhang et al., 2020; Zhang et al., 2022)。然而,沉积物通量如何在更长的冰期 - 间冰期时间尺度上响应气候变暖以及为何如此,仍未得到解决。一些研究表明,跨冰期的侵蚀发生了显著的气候驱动变化(Hidy et al., 2014; Mariotti et al., 2021; Schachtman et al., 2019; Schlunegger and Hinderer, 2003; Valla et al., 2011),而另一些研究则认为气候信号微弱、具有尺度依赖性 or 无法检测到(Delunel et al., 2020; Lenard et al., 2020; Schildgen et al., 2018; Willenbring and von Blanckenburg, 2010)。这种模糊性要求建立一个预测框架,将流域尺度侵蚀通量与一组具有物理意义的控制因素联系起来,这些因素在冰期和间冰期之间的相对重要性可能会发生变化,并且可以用定量的侵蚀速率观测进行评估。
地貌演化理论中概念化了两个端元机制——输运限区和供给限区(Carson and Kirkby, 1972; Norton et al., 2014)。在输运限区条件下,山坡完全被土壤覆盖,沉积物产量超过输送系统的容量,因此侵蚀速率主要取决于沉积物输送的效率,而不是基岩风化(Carson and Kirkby, 1972)。在这种机制下,已经开发出成熟的数学模型来量化蠕动(Heimsath et al., 2005)、地表径流(Kirkby, 1971)和滑坡(Roering et al., 2001)等过程的输送效率和侵蚀速率。相比之下,当沉积物产量相对于输送容量不足时,发生供给限区条件。风化限区景观代表了一种特定类型的供给限区系统,其中沉积物产量主要受基岩风化和物理崩解速率的限制。在这样的景观中,山坡通常以裸露的基岩为主,伴有斑驳的土壤覆盖,侵蚀主要与落石、泥石流和滑坡等过程有关(例如,Birien et al., 2024; Roda-Boluda et al., 2023)。在这种环境中,预期在输运限区条件下开发的数学模型不再适用(Dietrich et al., 2003),一个持续的挑战是如何以能够稳健预测流域尺度侵蚀速率的方式来量化基岩风化。
物理风化过程,如冻裂、剥落和热膨胀,在不同气候带以不同形式和变速率发生,相关的侵蚀贡献了全球固体沉积物通量的约 80%(Anderson, 2019; Summerfield and Hulton, 1994)。因此,量化物理风化速率是准确计算侵蚀速率的关键。在这些过程中,冻裂是一种重要且普遍的风化过程(Marshall et al., 2021),其强度已使用一个替代指标进行量化,即冻裂强度(Fci)(Andersen et al., 2015; Anderson et al., 2013; Hales and Roering, 2007; Rempel et al., 2016)。以往的研究观察到 Fci 与基于 10Be 的千年尺度流域侵蚀速率之间的空间相关性(例如,Delunel et al., 2010; Kim et al., 2022; Savi et al., 2015)。这种关系被解释为反映了冻裂在调节近地表岩石弱化、沉积物产量和重力侵蚀过程物质可用性中的作用(Banerjee and Wani, 2018; Draebing et al., 2022; Mair et al., 2020)。然而,尽管具有机制相关性且观察到相关性,Fci 很少被明确纳入风化限区地形的预测性流域尺度侵蚀通量方程中。
作为地球的“第三极”(Yao et al., 2012),青藏高原以广泛的冰冻圈覆盖和广泛的供给限区山坡为特征,使其成为评估冻裂是否可以作为流域尺度侵蚀通量的预测性控制因素的理想天然实验室。在此我们假设,流域尺度侵蚀通量可以用与侵蚀过程相关的几个地形和气候参数的幂律函数来近似。我们选择了 6 个广泛使用的参数,并纳入 Fci 以捕捉与冻裂相关的近地表岩体弱化和沉积物产量。我们采用基于机器学习的最小二乘法来识别参数的最佳组合及其指数,旨在最小化预测值与现代河流沉积物中基于 10Be 的千年尺度流域侵蚀通量实测数据之间的差异。因为模型是使用基于 10Be 的侵蚀通量进行校准的,所以其预测被解释为千年尺度平均侵蚀通量。这种方法使我们能够评估冻裂在多大程度上改进了青藏高原流域尺度侵蚀通量的预测。