利用水文气候关系（即深层渗透率与土壤生成量之间的关联）对土壤厚度进行机制性预测

《CATENA》：Mechanistic prediction of soil thickness using hydroclimatic scaling between deep percolation rate and soil production

机械模型通过经验标度关系替代复杂技术估算土壤生成速率（SPR），结合气候与土壤物理数据，验证了SPR与年深渗透率（I）的气候依赖性关系，湿润区误差降低至10-30%。模型在无 cosmogenic radionuclide 测量数据地区有效，揭示了最优模拟时间与 cosmogenic 核素推导的土壤驻留时间差异。

　　

Jintao Liu|Wenqiang Li|Yu Liu|Zhen Cheng|Wei Zhao|Hu Liu|Xiaole Han|Pengfei Wu

中国江苏省南京市河海大学国家水灾防治重点实验室，邮编210098

摘要

土壤厚度的机械预测往往受到土壤形成参数（例如，土壤产生率（SPR）和土壤停留时间）数据有限的限制，这些参数的测量需要专门的实验室来测定宇宙成因核素的浓度。本研究旨在开发一个机械模型，该模型利用经验性比例关系作为替代复杂地球化学技术的方法，通过使用常见的土壤物理和水文气候数据（例如，年降水量（MAP）来估算土壤产生率（SPR）。我们汇编了全球范围内基于宇宙成因放射性核素测量的SPR数据，以测试SPR与年深层渗透率（I）之间的比例关系。研究发现，这种比例关系存在气候依赖性的预测误差，随着MAP的增加，绝对百分比误差（APE）降低到10-30%。此外，当使用全球平均的深层渗透率与MAP的比率（I = 13%MAP）时，湿润地区（MAP > 1000 mm）的SPR被系统性地高估，而在MAP < 1000 mm的地区则被低估。此外，这一比率随着MAP的增加而减小。研究发现，较低的比率（I = 11% MAP）可以改善湿润地区的SPR估算。我们开发了一个基于过程的模型，该模型结合了SPR的幂律函数用于土壤厚度预测。将该模型应用于一个湿润的实验流域，观察到观测到的土壤厚度与预测值之间有很好的一致性。此外，我们认识到最佳模拟时间（T_op）代表了土壤系统达到当前状态的特征时间尺度，它独立于颗粒尺度上的停留指标，通常远短于由宇宙成因¹⁰Be衍生的土壤停留时间。这些发现突显了该模型在没有宇宙成因放射性核素测量的土壤形成数据的情况下，改善全球站点土壤厚度预测的潜力，并推进了对土壤演化的机械理解。

引言

土壤厚度通过植被与土壤之间的复杂相互作用和反馈，在流域水文行为中起着关键作用，它控制着水分和生物元素的保持-释放动态（Amundson等人，2015；Inbar等人，2020；Yan等人，2021）。土壤厚度也是驱动水文和生物地球化学过程以及土壤碳储存的重要输入参数，并决定了坡度稳定性和河道源头等因素（Montgomery和Dietrich，1992；Dietrich等人，1995；Maher和Chamberlain，2014；Patton等人，2019；Tifafi等人，2018）。尽管其重要性不言而喻，但土壤厚度的空间分布和演变是坡度稳定性评估和气候变化预测的重要不确定性来源之一，因此迫切需要更精确的信息来更好地约束水文模型以及地球系统模型（Bonetti等人，2021；Fan等人，2019；Uhlemann等人，2022）。到目前为止，仍然无法有效地在整个景观范围内预测土壤厚度，而且基于过程的模型的应用常常受到土壤形成参数（例如，土壤产生率SPR）数据有限的限制（Liu等人，2019；Patton等人，2018；Yan等人，2021）。

然而，近几十年来，基于过程的地貌模型取得了显著进展，这些模型能够有效预测不同环境下的景观尺度土壤厚度，并对地貌理论进行了稳健的测试（Bonfatti等人，2018；Dietrich等人，1995；Liu等人，2013；Pelletier和Rasmussen，2009；Roering，2008；Saco等人，2006）。借助宇宙成因放射性核素测量的SPR和土壤传输率，这些基于过程的模型已被广泛用于通过明确模拟土壤形成过程来预测土壤厚度（Liu等人，2019；Stockmann等人，2014）。然而，从矿物中提取宇宙成因核素并通过加速器质谱法（AMS）测量其浓度需要专门的实验室，并且耗时较长。不同的测量技术（例如，原位地球宇宙成因核素、TCN或宇宙成因放射性核素MCN）有不同的假设，当采用不同技术的测量结果时，会引入许多不确定性（Egli等人，2014；Lal，1991；Stockmann等人，2014）。

尽管使用宇宙成因放射性核素的复杂实验室技术使得能够从现场数据中量化土壤形成过程，但我们对控制SPR和沉积物传输率的因素的理解仍然有限（Gabet等人，2021；Roering和Hales，2013；Stockmann等人，2014）。例如，土壤厚度与产生率之间的实际耦合机制仍有争议，SPR的通用函数形式尚未确定，尽管全球数据集揭示了各种模式，包括指数型、凸起型和均值中心型关系（Roering和Hales，2013；Stockmann等人，2014；Harrison等人，2021）。由于测量方法不一致，不同控制因素对土壤传输率的影响评估结果各不相同（Gabet等人，2021；Roering和Hales，2013）。例如，研究发现土壤传输率根据山顶曲率的不同表现出不同的函数形式（线性或非线性）（Gabet等人，2021；Hurst等人，2012）。

虽然基于宇宙成因放射性核素的SPR估计使得初步关联土壤厚度和地形成为可能，但由于现场测量数据稀少，这些关系仍然受到很大限制，需要在多种地貌条件下进行严格测试（Heimsath和Whipple，2019）。因此，为了完全参数化基于过程的模型并促进其应用，理解土壤形成过程（包括产生和传输）及其驱动力（例如，气候和地形）以及各种物理过程和化学风化过程是至关重要的。Heimsath和Whipple（2019）提出了母岩剪切强度与上覆土壤厚度之间的经验性联系，因此推断SPR随着母岩剪切强度的增加而减少。母岩抗性的可测量物理参数——主要受下伏基岩化学风化强度的控制——可以作为估算SPR的实用代理。事实上，许多研究表明土壤形成过程与化学风化速率之间存在强相关性，即风化溶质沿坡度的移动决定了土壤厚度的演变，而这又取决于其渗透结构（Egli等人，2014，Egli等人，2018；Harman和Kim，2019）。这种联系从根本上是由深层渗透过程驱动的，正如Maher和Chamberlain（2014）的框架所展示的，风化速率与水渗透通量呈非线性关系，从而将地下流动动态与长期土壤发展联系起来。在假设化学风化不受新鲜岩石供应限制的情况下，基于渗透理论的缩放关系被提出，用于将孔隙尺度流体流量与SPR相关联（Hunt，2015，Hunt和Sahimi，2017，Hunt等人，2021；Yu和Hunt，2017，Yu和Hunt，2018）。这种缩放关系采用幂律公式来描述土壤产生，与广泛应用的土壤产生随土壤剖面深度指数衰减的关系不同（Egli等人，2018；Yu和Hunt，2017）。这种构成景观演化模型基础的缩放关系为预测不同时间尺度上的土壤产生和厚度提供了新的可能性（Egli等人，2018；Yu和Hunt，2018）。

本工作的目的是利用易于获得的气候和土壤质地数据，基于Hunt（2015）、Hunt和Sahimi（2017）、Hunt等人（2021）最近提出的缩放关系，推导出土壤形成参数（即SPR和传输率）。开发了一个基于过程的模型，该模型在缩放关系中描述SPR，用于预测土壤厚度的演变。提出了基于过程的模型中参数估算的理论推导，以促进参数估算和模型应用。然后在全球不同气候条件下评估了该方法用于SPR估算的性能。进一步将基于过程的模型应用于没有宇宙成因放射性核素测量的土壤形成数据的站点，讨论了模型的性能和关键参数的物理意义。

章节片段

理论背景

坡面上土壤厚度的演变受到来自下伏基岩的土壤产生增加与地表侵蚀（即，上坡沉积与下坡侵蚀之间的净土壤传输）之间的平衡控制：$\frac{?h}{?t}=\mathrm{\eta P}?E$其中 h 是土壤厚度，t 是模拟时间，P 是SPR，η 是岩石密度与土壤密度的比率，即 η = ρ_r/ρ_s，E 是侵蚀率。

作为广泛使用的指数函数（Heimsath等人，1997）的替代方案，采用了幂律关系

全球站点的SPR估算

SPR估算结果与全球范围内基于TCN测量的SPR的现场数据进行了比较，如表1所示。如图4a所示，发布的TCN测量的SPR作为土壤厚度的函数进行了汇编。如图所示，散点图可以明显分为三个部分，主要数据点集中在第二区域。在第三区域，有三个极端干旱的站点，其年降水量（MAP）≤10 mm，即Pan de Azucar、Yungay和Chanaral，这些站点的SPR值

气候依赖的SPR

结果显示，在大多数降雨和高山环境中，SPR通常具有最大的值。例如，在热带降雨区Luquillo山脉，平均MSPR为147.4 mm kyr^?1，甚至在表1中的采样点#21达到363.6 mm kyr^?1；在新西兰Whataroa河，采样点#22的MAP高达3000 mm kyr^?1，SPR为1130.0 mm kyr^?1。随着气候向半干旱和干旱条件转变，SPR急剧下降（图6

结论

基于过程的模型的应用常常受到土壤形成参数数据有限的限制。本研究试图使用具有物理意义的变量（如气候和土壤物理性质）来近似SPR。采用了一种将孔隙尺度流量与SPR关联起来的先进方法。SPR和土壤扩散系数被推导为土壤的易于测量的物理属性（土壤质地d₅₀和孔隙度φ）的函数

CRediT作者贡献声明

Jintao Liu：撰写 – 审稿与编辑，撰写 – 原始草稿，资源获取，项目管理，资金获取，概念化。Wenqiang Li：验证，软件，方法论，正式分析，数据管理。Yu Liu：监督，方法论，资金获取，正式分析。Zhen Cheng：验证，调查，正式分析，数据管理。Wei Zhao：资源获取，方法论，数据管理，概念化。Hu Liu：验证，监督，软件。Xiaole Han：监督，

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。

致谢

本工作得到了国家自然科学基金（NSFC）（42371042）和中国科学院“西部之光”计划的支持。同时，我们也非常感谢编辑和匿名审稿人的宝贵意见和建议。