编辑推荐：
本研究针对伊朗拉提扬流域，通过估算每日积雪蓄积量、雪融径流侵蚀力（SR）及半月降雨侵蚀力（R）、总侵蚀力（TR），揭示SR对侵蚀模数（SSY）的贡献及时空关系。结果表明，SR占TR的30%-75%，且TR与SSY呈现同步双峰模式，但SSY峰值滞后于春季TR峰值约一个月，主要受积雪动态、流域连通性及季节调控等因素影响。该成果为高纬度/山地流域侵蚀模型优化提供依据。
霍赛因·阿萨迪（Hossein Asadi）| 梅赫迪·卡马利·帕沙基（Mehdi Kamali Pashaki）| 马哈茂德·阿拉布赫德里（Mahmood Arabkhedri）| 蒂娜·法拉（Tina Fallah）
伊朗卡拉杰（Karaj）德黑兰大学（University of Tehran）农业学院土壤科学系（Department of Soil Science, Faculty of Agriculture）
摘要
降雨侵蚀力（Rainfall erosivity，简称R）是多种侵蚀模型中用于描述土壤侵蚀的关键因素之一。然而，在山区，融雪径流占径流总量的很大比例，因此融雪径流侵蚀力（Snowmelt-runoff erosivity，简称SR）对总降雨径流侵蚀力（Total rainfall-runoff erosivity，简称TR）的贡献显著，进而影响土壤侵蚀和悬浮沉积物产量（Suspended Sediment Yield，简称SSY）。尽管已有部分研究记录了SR对年TR的贡献，但我们对TR的季节性变化及其与SSY关系的理解仍存在明显不足。本研究旨在：（i）估算拉蒂安（Latyan）山区流域的日积雪量、融雪量和SR；（ii）计算半个月的R、SR、TR和SSY，并分析它们之间的关系。R是根据14个气象站的降雨数据（15至47年）计算得出的；日融雪量数据通过度日模型（degree-day model）预测得出，用于估算日SR；半个月的R、SR和TR则通过空间分析方法绘制。日SSY则基于48年的流量和悬浮沉积物浓度数据集进行预测。SR对TR的贡献占比为30%至75%。分析表明，TR和SSY呈现相似的趋势，有两个主要季节性峰值：第一个峰值出现在秋季，时间略有不同；第二个SSY峰值出现在早春TR峰值之后约一个月。这种差异反映了时间上的偏移，而非TR与SSY之间的直接响应，可能受到更广泛的水文过程的影响，包括融雪动态、沉积物可用性、流域连通性及季节性因素。这些发现突显了SR在准确模拟沉积物输送过程以及改善山区侵蚀和径流预测中的关键作用。
引言
土壤侵蚀和沉积物产量是自然过程，但气候变化和人类活动加速了这些过程，导致农业用地和自然资源的退化（Wei等人，2023年；Zena等人，2024年）。土壤侵蚀会损害土壤健康和农业可持续性，并产生广泛的社会经济和生态影响（Bekele和Gemi，2021年；Dagnachew等人，2020年；Scheper等人，2024年；Vijith和Dodge-Wan，2019年；Leng等人，2022年；Mahmood，2024年）。它破坏生态系统，改变水文过程，减少水资源可用性（Borrelli等人，2021年；Li和Shi，2024年；Gholami等人，2021年；Sun等人，2020年）。表土的流失降低土地肥力，威胁粮食安全，削弱农业生产力（Gebrehiwot等人，2022年；Rashmi等人，2022年；Zhang等人，2021年），同时加剧农业社区的社会经济脆弱性（Alam等人，2020年；Islam等人，2020年）。由于土地利用和覆盖变化以及气候变化的影响，这一问题预计将持续并加剧数十年（Borrelli等人，2020年；Eekhout和de Vente，2022年；Schr?der等人，2024年）。有效的土壤侵蚀控制和保护规划依赖于对土壤侵蚀和沉积物产量的准确估算，需考虑不同空间和时间尺度上的关键因素（Lefèvre等人，2020年；Luvai等人，2022年）。
在众多用于估算水蚀和沉积物产量的土壤侵蚀模型中，降水和径流是影响侵蚀模拟的主要驱动力（Fenta等人，2024年；Panagos等人，2017年）。尽管在一些土壤侵蚀模型（如修正的通用土壤流失方程（Revised Universal Soil Loss Equation，简称RUSLE）（Renard等人，1997年）中建议将融雪径流侵蚀力与降雨侵蚀力（R因子）一起考虑，以衡量降雨的侵蚀能力，但在实际应用中这一因素常被忽视。少数研究探讨了雪和融雪的侵蚀效应（Alewell等人，2019年；Yin等人，2017年；Zhang等人，2024年），但这些研究仍停留在概念层面，未能提供流域尺度的融雪径流侵蚀力估算。在高纬度和山区，春季融雪径流侵蚀力（SR因子）对侵蚀的贡献尤为显著，这一问题因气候变化而更加严重（Zheng等人，2024年）。大多数土壤侵蚀模型倾向于低估极端事件，且在模拟积雪覆盖山区的径流和沉积物输送方面表现不佳（Fallah等人，2023年；Nearing，1998年）。这些模型在模拟SR因子方面的局限性导致它们无法准确预测实际土壤侵蚀值。因此，可靠地模拟SR因子对于准确预测土壤侵蚀和沉积物产量至关重要。在RUSLE模型中，R因子是预测土壤流失的六个关键因素之一，用于量化气候对土壤侵蚀的影响（Qin等人，2016年）。虽然一些研究人员使用RUSLE中的经验公式估算年SR因子（Renard等人，1997年），以绘制流域尺度的总降雨径流侵蚀力（TR因子）（例如Wang等人，2017年；Asadi等人，2017年），但在该尺度上很少有研究估算季节性SR因子以评估土壤侵蚀和沉积物产量。同样，在基于周或日的事件时间尺度上模拟SR因子时也存在类似问题（Rango和Martinec，1995年）。将融雪方程与遥感数据（提供积雪覆盖面积）相结合，为融雪径流模型（Snowmelt Runoff Model，简称SRM）的开发奠定了基础（Martinec等人，2008年）。
拉蒂安（Latyan）山区流域是一个受积雪影响的陡峭区域，为伊朗首都德黑兰提供饮用水，并为下游农业区提供灌溉用水。该流域的水文敏感性以及侵蚀和沉积物输送对当地土壤和水资源的压力，使其成为研究季节性侵蚀模式如何影响沉积物响应的理想场所。据我们所知，尚未有研究使用日尺度、多年模拟的方法量化SR因子对拉蒂安流域及伊朗类似以雪为主的山区流域的土壤侵蚀和沉积物产量的影响。尽管融雪对径流生成有显著控制作用，并对TR因子贡献巨大（Fallah等人，2023年），但尚未有研究探讨该地区R、SR和SSY之间的季节性和事件尺度上的相互作用。本研究的重点正是填补这一知识空白。
因此，本研究旨在：（i）估算日积雪量和SR；（ii）计算半个月的R、SR和TR；（iii）评估它们与拉蒂安流域季节性悬浮沉积物产量（SSY）之间的关系。拉蒂安流域是一个典型的山区流域，冬季寒冷多雪，春季温暖，此时土壤侵蚀和沉积物产量较高。因此，本研究的结果将对全球许多类似地区的土壤侵蚀和沉积物产量建模具有参考价值。
研究区域
研究区域
本研究在德黑兰省北部阿尔博兹山脉（Alborz Mountains）中部的拉蒂安山区流域进行。贾朱德河（Jajrood River）是该地区的主要河流。图1显示了研究区域的位置及气象站的位置。图2展示了拉蒂安流域的海拔分布。有关气象站的一般信息，请参见表1。该流域位于东经51°19′至51°34′、北纬35°42′至35°55′之间。
降雨侵蚀力（R因子）
分析结果显示，4月5日至20日期间R因子最高，平均值为16.82 MJ mm ha?1h?1。紧随其后的是3月21日至4月4日以及4月21日至5月5日，这两个时期的侵蚀力分别为11.45 MJ mm ha?1h?1和10.09 MJ mm ha?1h?1（见表1）。相比之下，7月23日至8月6日以及9月23日至10月6日期间记录的半个月R因子值最低。
结论
对比降雨侵蚀力（R）和融雪径流侵蚀力（SR）的结果表明，在这个受积雪影响的山区流域中，SR贡献了总侵蚀力的75%。随着海拔升高，降雨强度降低，R因子也随之减小；而SR则因积雪量增加而持续增加。因此，高海拔地区的站点（如Garmabdar和Shemshak）所经历的融雪驱动的侵蚀作用更为强烈。
未引用参考文献
Esmali Ouri等人，2010年；Nearing等人，2005年。
CRediT作者贡献声明
霍赛因·阿萨迪（Hossein Asadi）：撰写——审稿与编辑、可视化、验证、监督、项目管理、方法论、资金获取、数据分析、概念构思。梅赫迪·卡马利·帕沙基（Mehdi Kamali Pashaki）：撰写——初稿撰写、可视化、验证、调查、数据分析、数据管理、概念构思。马哈茂德·阿拉布赫德里（Mahmood Arabkhedri）：撰写——审稿与编辑、验证、监督、项目管理、方法论、概念构思。蒂娜·法拉（Tina Fallah）：撰写——初稿撰写。
利益冲突声明
作者声明不存在可能影响本文研究的已知财务利益冲突或个人关系。
