基于RUSLE模型与径流小区实测验证的卢旺达Akanyaru子流域土壤流失时空评估

《Land》：Evaluation of Spatial Distribution of Soil Loss Using the RUSLE Model for the Akanyaru Sub-Catchment of Rwanda

　　

土壤侵蚀是由土地利用变化和不合理农业实践驱动的重大环境问题，在卢旺达尤为突出，该国一半的农业用地已处于中度至重度退化状态。本研究采用修正通用土壤流失方程（Revised Universal Soil Loss Equation, RUSLE）结合地理信息系统（Geographic Information System, GIS），并利用12个径流小区（representing四种土地利用类型）记录的876次降雨事件的田间实测数据进行验证，评估了Akanyaru子流域的土壤流失状况。模型纳入降雨侵蚀力（rainfall erosivity, R）、土壤可蚀性（soil erodibility, K）、坡长坡度因子（slope length and steepness, LS）、2024年和2025年的植被覆盖与管理因子（cover management, C）以及恒定的水土保持措施因子（conservation practice, P）。R值范围为1100至2400 MJ mm ha?1 h?1 yr?1，K值为0.20至0.35 t h MJ?1 mm?1，LS值为0至256，C值为0.01至0.99。估算的年土壤流失量范围为0至650 t ha?1 yr?1。从2024年到2025年，平均和中等土壤侵蚀速率分别下降了5.21和18.7 t ha?1 yr?1，年总土壤流失量减少了812,654吨（11.45%）。模型验证显示与田间观测高度吻合（R2 = 0.97，纳什-萨克利夫效率系数（Nash–Sutcliffe Efficiency, NSE） = 0.95，归一化均方根误差（normalized Root Mean Square Error, nRMSE） = 26.32%，百分比偏差（Percent Bias, PBIAS） = ?12.47%），证明了RUSLE–GIS方法在土壤侵蚀评估和水土保持规划中的可靠性。

论文解读：卢旺达Akanyaru子流域土壤流失时空评估——基于RUSLE模型与径流小区实测验证的综合研究

一、研究背景与意义

土壤侵蚀是全球环境退化的主要原因之一，全球侵蚀速率估计比新土壤形成速率高出10至20倍，约84%的全球土地退化源于侵蚀。土壤侵蚀不仅带走肥沃的表土，还降低土壤有机质、养分有效性和持水能力，导致农业生产力下降、水库淤积、水质恶化和水生生态系统退化。在撒哈拉以南非洲，超过50%的人口依赖农业为生，土壤侵蚀仍是严峻挑战。在卢旺达，土壤侵蚀被认为是许多流域最严重的环境问题，全国约45%的土地处于高侵蚀风险。森林向农田的转化加剧了这一状况，森林覆盖率从1990年的44%下降到2015年的28%，每年估计损失140万吨土壤。

尽管RUSLE模型在全球广泛应用，但许多基于RUSLE的研究仅依赖模型模拟，缺乏田间观测数据的验证，这给模型预测带来不确定性，尤其在热带山地环境中。在卢旺达，以往研究多集中于生成静态侵蚀图或单一时期的土壤流失估算，缺乏实测数据的验证。因此，本研究旨在通过将多时相GIS-based RUSLE建模与径流小区实测相结合，评估2024至2025年间Akanyaru子流域土壤侵蚀对土地利用和土地覆被变化的时空响应，并通过田间实测数据验证模型可靠性，为流域可持续管理和水土保持干预提供有力依据。

二、主要技术方法

研究人员在ArcGIS 10.8环境中应用RUSLE模型，整合了以下关键数据源：卢旺达气象局9个气象站2000–2025年10分钟步长降雨数据（用于计算降雨侵蚀力R因子）；卢旺达国家土壤调查与土地利用规划局（NBSS & LUP）的土壤质地图及15个代表性样点0–60 cm深度土壤样本的实验室分析（用于估算土壤可蚀性K因子）；30 m分辨率ASTER数字高程模型（Digital Elevation Model, DEM）（用于提取坡长坡度LS因子）；2024和2025年Landsat 8 OLI影像（用于基于归一化植被指数（Normalized Difference Vegetation Index, NDVI）估算植被覆盖与管理C因子）；以及全流域田间调查获取的水土保持措施信息（用于确定P因子）。模型验证基于12个径流小区（2200 cm × 400 cm）在2024至2025年间记录的876次降雨事件的实测土壤流失数据，涵盖农田、草地、无草林地、有草林地四种土地利用类型，每种类型设3个重复。模型性能采用决定系数（R²）、归一化均方根误差（nRMSE）、百分比偏差（PBIAS）和纳什-萨克利夫效率系数（NSE）评估，统计分析在R 4.3.0中完成。

三、研究结果

3.1 降雨侵蚀力（R）：R因子范围为1100至2400 MJ mm ha^?1 h^?1 yr^?1，高值区主要分布在子流域北部和西北部，南部区域R值较低，表明研究区处于中高侵蚀力等级。

3.2 土壤可蚀性（K）：K因子范围为0.20至0.35 t h MJ^?1 mm^?1，粉质黏土和黏壤土K值较高（约0.30–0.35），黏土和砂质黏壤土较低（约0.20–0.28），高值区位于西部和中部。

3.3 坡长坡度（LS）：LS因子范围为0至256，研究区以平缓至中等坡度（0–14%）为主，陡坡（22–64%）集中于中部和南部。

3.4 植被覆盖与管理（C）：C因子2024年为0.01至0.99，2025年扩展至0至0.99。2025年最小值降至0表明植被覆盖有所改善，但最大值0.99的持续存在说明北部和东部仍有高侵蚀风险区域。

3.5 水土保持措施（P）：P因子在2024和2025年保持恒定（0.55至1.0），低值区位于南部和中部偏南，高值区集中在东部和东北部。

3.6 预测土壤流失：年土壤流失量范围为0至650 t ha^?1 yr^?1。低侵蚀等级（0–100 t ha^?1 yr^?1）占61.63%，主要位于森林和草地覆盖区域；高侵蚀等级（301–650 t ha^?1 yr^?1）占11.85%，集中于中部纵向带及南北部的陡坡农田和退化坡地。

3.7 2024至2025年侵蚀变化：平均和中等侵蚀速率分别下降5.21和18.7 t ha^?1 yr^?1，年总土壤流失量减少812,654吨（11.45%）。大部分流域处于负变化等级，仅6.4%区域变化不显著，表明侵蚀减少具有空间广泛性。

3.8 模型验证：农田实测土壤流失最高（36.1 t ha^?1 yr^?1），草地最低（1.3 t ha^?1 yr^?1），有草林地（4.5 t ha^?1 yr^?1）低于无草林地（6.1 t ha^?1 yr^?1）。模型预测与实测吻合良好，R² = 0.97，NSE = 0.95，nRMSE = 26.3%，PBIAS = ?12.86%。

3.9 统计分析：混合效应模型显示土地利用（p < 0.001）、降雨强度（p < 0.001）和降水量（p < 0.001）对土壤流失有显著影响，坡度影响边缘显著（p = 0.079），而容重、有机质和黏粒含量无显著影响。Tukey HSD事后比较表明玉米农田土壤流失显著高于其他土地利用类型（p < 0.001），而有草林地、无草林地和草地之间无显著差异。

四、讨论与结论

讨论部分指出，研究区R因子处于中高侵蚀力等级，与埃塞俄比亚、尼日利亚等热带高地研究结果一致；K因子范围符合湿润热带地区典型特征；LS因子表明陡坡是侵蚀的重要驱动因素；C因子的时空变化反映了植被覆盖对侵蚀的关键调控作用；P因子的空间不均说明保护措施推广不足。2024至2025年侵蚀的广泛减少主要归因于C因子反映的植被覆盖改善，而非P因子变化。模型验证结果证实了RUSLE-GIS方法在该区域的可靠性，但也指出输入数据分辨率、C和P因子赋值简化以及验证点数量有限等不确定性。

研究结论表明，Akanyaru子流域土壤侵蚀呈现显著空间异质性，农田是最脆弱的土地利用类型，森林和草地具有重要保护作用。2024至2025年间侵蚀整体下降，反映了植被覆盖和土地管理改善的积极效果。研究生成的土壤侵蚀空间分布图为识别侵蚀热点、优先配置水土保持干预措施提供了科学依据，验证后的RUSLE-GIS框架可作为卢旺达及其他类似高地流域环境规划、流域管理和侵蚀监测的实用决策支持工具。