土壤侵蚀与泥沙输送建模六十年演进:范式、局限与新兴解决方案

《International Journal of River Basin Management》:Evolution of soil erosion and sediment delivery modelling over six decades: paradigms, limitations and new solutions

【字体: 大 中 小 】 时间:2026年09月22日 来源:International Journal of River Basin Management 1.8

编辑推荐:

  泥沙输送建模,即连接流域内坡面侵蚀与河流系统产沙的机制,仍然是一个挑战。本研究分析了爱思唯尔Scopus数据库中的1075篇文献,以追溯从集总式(lumped)到空间分布式(spatially distributed)方法的演变。结果证实,没有任何单一模型类型

  
泥沙输送建模,即连接流域内坡面侵蚀与河流系统产沙的机制,仍然是一个挑战。本研究分析了爱思唯尔Scopus数据库中的1075篇文献,以追溯从集总式(lumped)到空间分布式(spatially distributed)方法的演变。结果证实,没有任何单一模型类型占据主导地位,同时多项研究依赖简化方法,与数据和模型相关的误差仍未解决。人工智能(artificial intelligence, AI)和遥感(remote sensing, RS)可以应对这些局限。然而,尽管AI已作为生成新气候或土地利用情景的补充工具,或作为独立框架而出现,但其应用至今尚未产生变革性影响。同样,遥感越来越多地用于表征地形和土地覆盖,但在确定影响泥沙动态的其他因素方面利用不足。这一对现有和演变中方法的概述为支持流域管理和模型选择提供了有用的见解。总体而言,本研究强调了进一步整合多样数据源和处理方法的必要性,而未来研究应优先考虑模型复杂性、准确性和可扩展性之间的权衡。
泥沙输送(sediment delivery)是指将流域内坡面土壤侵蚀与河流系统产沙量联系起来的一系列过程,对水质、水库淤积、地貌演变及碳循环具有重要影响。然而,泥沙输送受岩性、土壤性质、地形、降雨、风、连通性、土地利用等多种因素影响,且相互作用复杂,导致其估算存在显著不确定性。过去六十年间,研究者开发了多种模型,从集总式(lumped)模型(如泥沙输移比(sediment delivery ratio, SDR))逐步发展到空间分布式(spatially distributed)模型。尽管如此,模型选择仍高度依赖具体情境,数据稀缺和模型误差等问题尚未解决。近年来,人工智能(artificial intelligence, AI)和遥感(remote sensing, RS)的兴起为泥沙输送建模提供了新途径,但缺乏对其应用程度的系统性评估。为此,该研究旨在通过文献计量分析,全面梳理1960-2024年间泥沙输送建模的演变历程,评估AI和RS的实际贡献,并识别未来研究方向。

研究人员从Elsevier Scopus数据库检索并筛选出1075篇相关出版物(含1057篇研究论文和18篇综述),通过定量与定性相结合的方法分析了模型类型、时空趋势、AI和RS应用等。研究发现,从集总式向分布式模型的转变虽然明显但速度缓慢;没有单一模型类型占主导,经验、概念和物理模型共存;AI和RS的应用虽在增加,但尚未带来根本性变革。该研究为流域管理和模型选择提供了系统依据,强调了进一步整合多源数据和权衡模型复杂度、准确性与可扩展性的必要性。

研究人员采用系统性文献计量学方法:选择Elsevier Scopus作为数据库,设计检索式限定标题或摘要中含“sediment delivery”“sediment redistribution”或“sediment yield”的同行评议文章和综述,时间范围为1960年1月1日至2024年12月31日。使用Python文本挖掘脚本自动筛选与泥沙动力学无关的语境(如海岸过程、地震、野火等),并人工复核。依据是否提及特定模型、AI或RS等关键词进行分类,记录国家信息,最后进行地理和年代趋势、模型使用频率及技术发展的量化分析,并对综述文章进行定性解读以支持历史背景梳理。

**模型轨迹(Models’ trajectory)**:通过分析所选文献的模型使用情况,发现集总式模型在1990年代前占主导,之后分布式模型的使用逐渐增多,但转变速度慢于预期。常用的模型包括USLE族(含RUSLE和MUSLE,占27.4%)、SWAT(26.3%)和AI方法(7.7%)等。模型类型分布显示,经验模型(43.3%)与概念-物理模型合计(47.5%)大致相当,AI占9.2%。时间趋势显示经验模型早期占优,概念和物理模型近年增加,但没有任何类型占据绝对主导。此外,自最新综述以来未出现全新的模型家族,研究多集中于改进现有模型(如SWAT与AI耦合)。

**时间和地理趋势(Temporal and geographical trends)**:年度发文量在1996年后显著增长,2020-2024年年均达64.6篇。土地利用和土地覆盖变化(land use and land cover change, LULCC)和气候变化是持续关注的主题。地理分布上,中国、印度和美国发文量最高,其次为埃塞俄比亚、伊朗、西班牙、意大利和巴西;按人口归一化后,瑞士、新西兰等欧洲国家领先。这种分布与土壤侵蚀研究格局有所重叠,反映了环境压力与研究基础设施的共同影响,但也表明现有模型校准和验证的地理范围有限,制约了模型的可迁移性。

**人工智能的双重作用(The dual role of artificial intelligence)**:确认59项研究将AI纳入建模,其中13.6%用于生成输入数据(如气候或土地利用情景),86.4%作为替代建模方法。AI方法中,人工神经网络(artificial neural networks, ANNs)占54.2%,混合模型占15.3%,其余为支持向量机(support vector machines, SVM)、决策树(decision trees, DT)、进化算法(evolutionary algorithms, EA)、模糊逻辑(fuzzy logic, FL)和小波神经网络(wavelet neural networks, WNN)等。AI的应用虽能处理复杂非线性关系,但存在数据稀缺、训练偏差、可解释性差等问题,其采用仍属增量式而非变革性。

**遥感作为数据源(Remote sensing as a data source)**:有95项研究明确提及遥感,主要用途包括土地覆盖和土地利用表征(59.7%)、地形分析(35.7%)和降雨侵蚀力估算(4.7%)。多光谱传感器(58
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号