评估沉积物连通性指数以改进对大型河流流域（中国渭河）沉积物产量的时空变异性的预测

《Land Degradation & Development》：Evaluation of Sediment Connectivity Indices to Improve the Prediction of the Spatiotemporal Variability of Sediment Yield for a Large River Basin (Wei River, China)

　　黄河流域沉积物连通性及产流预测研究。采用InVEST-SDR模型耦合结构连通性指数（IC）与功能连通性指数（AIC），分析134800 km2流域及3个子流域的年沉积物产流。结果表明，IC和AIC预测精度均达R2>0.91，其中54%的高连通性区域（P90）集中于产流最高的3个子流域。功能连通性受降雨侵蚀力（R因子）主导，而结构性连通性在西部高海拔山区更显著。研究证实AIC在大型数据稀缺流域的适用性，为生态修复和流域管理提供理论支撑。

　　土壤连通性是指土壤侵蚀物质从源头流向汇水区的能力，是研究流域内侵蚀过程和沉积物输移的重要概念。在大型流域中，这种连通性表现得尤为复杂，因为地形、土地利用和人类活动等多种因素会相互作用，影响侵蚀过程的动态变化。在数据稀缺或区域范围广大的情况下，利用连通性指数评估沉积物输送和沉积物产量，成为一种有效的工具。本文旨在探讨两种连通性指数——结构连通性指数（IC）和功能连通性指数（AIC）——在预测大型流域沉积物产量方面的性能，并验证其与实际观测数据的一致性。

### 土壤连通性的重要性

土壤侵蚀和沉积物输移是自然过程和人为活动共同作用的结果，它们对水体质量、水库淤积、河床变化以及洪水风险等方面都产生重要影响。在农业区，土壤肥力的丧失会直接影响作物产量；在河流和水库中，沉积物的积累不仅降低了水库的蓄水能力，还可能造成水流通道的堵塞和生态系统的变化。因此，对土壤连通性的理解，对于水资源管理和土地保护至关重要。

在小规模流域中，土壤侵蚀预测模型通常能够提供准确的估算结果。然而，在大型流域（超过10,000平方公里）中，模型的可靠性往往受到所考虑过程是否占主导地位的影响。此外，模型的准确性还需要更多的输入数据和更高的校准工作量。为了克服这些挑战，近年来土壤连通性这一概念逐渐受到关注，并成为流域管理和土壤保护研究中的新兴方向。

### 连通性指数的应用

结构连通性指数（IC）是最早被广泛使用的连通性评估工具之一，由Borselli等人（2008）开发。该指数基于地理信息系统（GIS）技术，计算了流域内上下坡之间的潜在连通性，考虑了流域面积、源区到汇区的距离、坡度以及植被覆盖作为侵蚀阻力因子。Cavalli等人（2013）进一步改进了这一指数，将其应用于山区，并引入了曼宁粗糙度因子作为权重，提高了模型的适用性。此后，一些研究者基于IC开发了功能连通性指数（AIC），将静态因素如土壤渗透性和地形粗糙度，与动态因素如降雨侵蚀性结合起来，以更全面地反映土壤连通性的变化。

AIC是由López-Vicente和Ben-Salem（2019）提出的一种连通性评估方法，它在计算过程中考虑了多个变量，包括降雨侵蚀性、植被覆盖、地形因素和土壤物理特性。这种方法能够更准确地模拟在不同时间和空间条件下，土壤连通性的动态变化，从而提高沉积物输送和沉积物产量的预测精度。此外，AIC还被用于分析侵蚀过程中不同区域的连通性分布，帮助识别侵蚀热点。

### 模型的应用与验证

本文采用了InVEST-SDR模型，结合RUSLE（Revised Universal Soil Loss Equation）模型估算土壤侵蚀，并利用IC和AIC进行沉积物输送的模拟。InVEST-SDR模型是一种基于经验方程的工具，它通过连接性指数计算沉积物输送率（SDR），从而预测整个流域的沉积物产量。在本研究中，首先使用IC计算沉积物输送率，随后引入AIC，以评估其在功能连通性方面的表现。

为了验证模型的性能，研究团队利用了26个水文站的观测数据，这些站点分布在渭河流域（面积为134,800平方公里）及其三个子流域中。这些数据来自《中国水资源公报》，并在发布前由水利部进行了一致性检查。研究结果表明，无论是IC还是AIC，其在预测沉积物产量方面的表现都较为出色，R2值均超过0.91。其中，AIC在模拟结果中表现更为理想，因为它不仅考虑了静态因素，还整合了动态变量，如降雨侵蚀性。

研究还发现，高连通性区域（即90百分位数P90）往往对应高侵蚀率区域。在三个沉积物产量最高的子流域中，P90值占据了54%。这表明，连通性与侵蚀过程之间存在显著的正相关关系。此外，降雨侵蚀性和土壤渗透性被认为是影响结构连通性和功能连通性空间分布的主要因素。

### 空间与时间变化分析

为了进一步理解AIC在不同时间和空间条件下的表现，研究团队对2001年至2011年的数据进行了分析。研究发现，AIC的90百分位数（P90）值在某些年份中表现出明显的时空变化。例如，在2003年，AIC和降雨侵蚀性（R因子）均呈现较高值，而在2008至2009年则较低。这种变化可能与特定年份的降雨模式、土地利用变化以及土壤特性有关。

从空间分布来看，AIC的高值区域主要集中在流域的北部和东部。其中，北部区域的高连通性可能与较高的降雨侵蚀性有关，而东部区域的高连通性则与河流通道的特性相关。此外，研究还发现，AIC的高值区域与观察到的沉积物产量存在较强的正相关关系，尤其是在一些特定的子流域中，如Jingcun、Zhangjiashan和Yuluoping。这些区域不仅具有较高的连通性，还表现出较高的沉积物产量，表明它们可能是重要的侵蚀源。

在某些山地区域，AIC与C因子（土地利用和管理因子）之间的相关性较弱，这表明在这些地区，土地利用并不是影响连通性的主要因素。相反，AIC与R因子之间的显著正相关关系表明，降雨侵蚀性在这些区域中起着关键作用。这种空间和时间上的变化，反映了不同区域的连通性特征及其对沉积物输送的影响。

### 功能连通性与结构连通性的比较

为了进一步探讨功能连通性与结构连通性在不同地形条件下的主导作用，研究团队对IC和AIC进行了对比分析。结果显示，IC在高海拔的山区表现更优，而AIC在河流通道和低海拔区域具有更高的预测能力。这表明，结构连通性在山区可能占据主导地位，而功能连通性则在河流通道和低海拔区域更为显著。

在渭河流域的西部区域，由于地形较高，坡度较大，结构连通性（IC）的值较高，而功能连通性（AIC）的值则相对较低。这可能是因为该区域的降雨侵蚀性较低，导致AIC的值受到限制。而在渭河流域的东部区域，由于河流通道的存在，功能连通性（AIC）的值较高，这可能与较高的降雨侵蚀性和较低的土壤渗透性有关。此外，AIC在北部区域的高值也与较高的降雨侵蚀性相关，这进一步支持了AIC在功能连通性评估中的有效性。

### 研究的意义与应用

本文的研究结果表明，AIC在预测大型流域的沉积物产量方面具有较高的准确性，特别是在数据不足的情况下。这一方法为流域管理者提供了一种有效的工具，以识别潜在的侵蚀热点，并制定相应的土地管理措施。此外，AIC的应用还揭示了连通性在不同时间和空间条件下的变化，为未来的研究提供了重要的参考。

尽管本文的结果表明AIC在预测沉积物产量方面具有较高的准确性，但研究也指出了一些局限性。例如，由于环境模型的不确定性，无法完全验证或校准模型结果。此外，输入数据的空间分辨率可能影响模型的准确性，尤其是在裸露土壤和高或低坡度区域，粗分辨率可能会掩盖一些重要的细节。因此，未来的研究需要进一步考虑这些因素，并提高数据的分辨率和精度。

### 未来的研究方向

为了提高模型的准确性，未来的研究可以考虑整合更多的土壤特性数据，如土壤深度和容重，以更全面地反映土壤连通性的变化。此外，研究还可以探索其他可能影响连通性的因素，如森林道路和裸露土壤路径等，这些因素在农业区可能对沉积物输送产生重要影响。因此，未来的研究应更加关注这些细节，并利用更高分辨率的数据进行模拟和分析。

总的来说，本文的研究为理解土壤连通性及其对沉积物输送的影响提供了新的视角，并展示了AIC在大型流域中的应用潜力。未来的研究应进一步优化模型，提高其在不同时间和空间条件下的适用性，并探索更多的影响因素，以更好地服务于土地管理和水资源保护。