在不同社会经济路径下，气候变化和土地利用变化对中国各地土壤水蚀的交互影响

中国土壤侵蚀时空演变及驱动机制研究：基于RUSLE模型的CMIP6多模式集合与SSP情景分析，揭示气候变暖与土地利用方式转变对侵蚀的协同作用，量化两者独立及交互贡献率，发现气候变化在东部平原和东南丘陵区强化侵蚀，而土地管理措施通过调节植被覆盖和土壤抗蚀性缓冲侵蚀效应，为区域水土保持政策优化提供依据。

夏宇金|戴文|林奇根|王玉琪|邵伟|王国杰

摘要

土壤侵蚀是自然过程和人类活动共同作用的结果，气候变化和土地利用变化被认为是影响未来侵蚀风险演变的两大关键因素。然而，它们在不同排放路径下对土壤侵蚀的独立和交互作用贡献尚未得到充分量化。基于修订后的通用土壤流失方程（RUSLE），本研究利用来自18个CMIP6全球气候模型（GCMs）的多模型集合（MME）得出的降雨侵蚀力以及土地利用数据，评估了2025-2050年间中国在不同共享社会经济路径（SSPs）下的土壤侵蚀变化。系统地分解了气候变化、土地利用变化及其交互作用对土壤侵蚀的相对贡献。结果表明，气候变化总体上加剧了中国的土壤侵蚀。在仅考虑气候变化的情景下（R-only），随着排放强度的增加，侵蚀面积扩大，其比例在SSP5-8.5情景下达到最大值11.43%。土地利用变化对土壤侵蚀具有双向调节作用。当与气候变化结合时（R-LULC），全国范围内的侵蚀率减少了约7%-18%，而侵蚀显著增加的区域扩大了1.4%-3.5%。归因分析显示，在2025-2050年间，土地利用变化在全国范围内主导了侵蚀变化，占大多数情景下的80%以上。尽管气候变化的相对贡献随时间减弱，但在东部平原和东南山区，其影响在SSP5-8.5情景下增强。在全国范围内，交互作用的贡献率较低（通常低于5%），但在西北盆地等地区仍不可忽视。这些发现定量描述了气候变化、土地利用变化及其交互作用对土壤侵蚀变化的相对贡献，为未来的土壤和水资源保护政策评估及区域适应性管理提供了科学依据。

引言

随着全球气候变化，降水模式的波动加剧，极端天气事件的频率增加，以及人类活动驱动的土地利用方式持续演变，区域性的土壤和水资源流失风险正在重塑。作为陆地生态系统退化的核心过程，土壤侵蚀直接导致土壤结构破坏并降低土地生产力。它还引发了一系列连锁效应，如水体富营养化和生态系统调节功能下降（Smith等人，2017年；Sun等人，2024年；Wang等人，2022年）。中国是全球受土壤侵蚀影响最严重的国家之一。2024年中国水土保持公报指出，中国的土壤和水资源流失总面积超过260万平方公里，其中水蚀占侵蚀总面积的40%以上。土壤和水资源流失已成为制约中国可持续社会经济发展的关键因素（Li等人，2020年）。近年来，随着生态治理项目的推进，中国的土壤侵蚀总体范围有所减少（Yan等人，2025年）。然而，在未来的气候变化情景下，降雨强度增加、极端降水事件更加频繁以及土地利用结构的变化可能给特定地区带来新的侵蚀风险（IPCC，2021年；Piao等人，2019年；Yang等人，2003年）。因此，有必要量化中国中期土壤侵蚀对气候变化和土地利用变化的响应。特别是，分解和预测这两个驱动因素的独立和交互作用对于改进未来的土壤保护策略至关重要。

气候变化和土壤侵蚀作为全球变化研究领域的两个核心自然过程，其相互作用机制非常复杂。量化土壤侵蚀依赖于一系列复杂的模型。侵蚀模型大致可以分为基于物理的过程模型和经验统计模型（Long等人，2024年；Yang和Li，1998年）。基于物理的模型，如水蚀预测项目（WEPP）模型和土壤水分评估工具（SWAT）模型，建立在严格的数学方程基础上，能够动态模拟侵蚀过程和空间异质性，从机制角度揭示侵蚀的演变规律（Wang等人，2024年）。然而，这些模型对数据质量的要求高且计算复杂，限制了其应用范围。相比之下，通用土壤流失方程（USLE）及其修订版本（RUSLE）由于其操作性强、准确性高和适用范围广而得到更广泛的应用（Fang等人，2019年；Gelagay和Minale，2016年；Sujatha和Sridhar，2018年）。自USLE和RUSLE模型引入中国以来，许多学者在包括黄土高原（Shi等人，2025年）、中国南方山区（Chen等人，2014年）、贵州省（Niu等人，2019年）和江西省（Zhou等人，2018年）等小尺度区域进行了广泛的评估研究，充分证明了RUSLE模型在中国区域尺度土壤侵蚀评估中的良好适用性和可靠性（Fu等人，2005年）。中国幅员辽阔，地形复杂，气候类型多样，这些因素导致土壤性质和植被覆盖的空间异质性显著，使得RUSLE模型参数的区域敏感性尤为突出。在未来的情景模拟中，仍需根据气候变化和土地利用变化进行优化。

随着对气候变化对土壤侵蚀影响的研究深入，气候模型数据的作用日益突出。第六阶段耦合模型比较项目（CMIP6）已经发布。与之前的CMIP5项目相比，参与CMIP6的全球气候模型数量有所增加，模型分辨率和物理参数化方案也得到了改进。多项研究评估了CMIP6在中国模拟降水的表现，结果表明，与CMIP5相比，CMIP6在再现中国的气候平均状态和极端降水变化方面表现更好（Lin等人，2023年；Xu等人，2022年；Yang等人，2021年；Zhu等人，2020年），特别是在复杂地形区域的极端降水模拟能力方面提升更为显著（Zhu和Yang，2020年）。将CMIP6数据与土壤侵蚀模型相结合已成为深入探讨气候变化对土壤侵蚀影响的有效方法。在克里特岛（Polykretis等人，2023年）、南亚（Das等人，2024年）、跨越陕西和甘肃的黄土高原（Hu等人，2020年；Zhang等人，2024年）以及云南省（Rao等人，2023年）等不同地区的相关研究中，采用了这种耦合方法来研究土壤和水资源流失的未来趋势。

近年来，一些研究开始从驱动机制的角度探讨气候变化对土壤侵蚀的影响。Yin等人（2025年）区分了一般降水变化和极端降水事件对中国土壤侵蚀的驱动差异。然而，这项研究主要关注气候因素的驱动作用，未考虑土地利用变化的调节效应。Xiong和Leng（2024年）通过结合气候变化和土地利用变化，研究了未来全球水力侵蚀对多种驱动因素的响应。但这种全球尺度的评估往往忽略了中国多样化地貌所固有的独特地形和气候异质性。Xu等人（2025年）评估了中国当前的水力侵蚀状况，预测了2050年和2100年不同SSP情景下的土壤侵蚀变化，并估计了气候变化和土地利用变化对土壤侵蚀的影响，但缺乏连续时间序列分析。Ma等人（2025年）通过构建16种气候-土地利用组合情景来比较这两种驱动因素的相对重要性，但该研究仅限于区域尺度（即滇中城市聚集区）。

尽管上述研究为理解土壤侵蚀的驱动机制提供了重要参考，但仍存在一些局限性。首先，大多数现有研究依赖于情景比较，将未来气候或土地利用情景与基准期进行对比，以评估单一因素对土壤侵蚀的影响，侧重于变化幅度而缺乏驱动因素的定量贡献分析。其次，在这种框架下，气候变化和土地利用变化之间的交互作用常常被忽视，大多数研究没有明确量化它们的交互效应，从而限制了对它们耦合驱动机制的深入理解。最后，以往的研究通常关注几个离散的时间点（例如Xu等人（2025年）仅关注2050年和2100年这两个时间点），很少探讨驱动机制的连续演变。相比之下，2025年至2050年这段时间代表了近期到中期的未来，在此期间，气候变化信号日益明显，而情景不确定性较低。同时，土地利用变化受到政策调控的强烈影响，相应数据更为可靠。因此，这一时期适合稳健地描述土壤侵蚀对气候变化和土地利用变化的动态响应。

因此，本研究旨在：（1）基于RUSLE模型，评估2025年至2050年中国在气候变化和土地利用变化背景下的土壤侵蚀情况；（2）分析2025年至2050年“仅考虑气候变化”和“考虑气候变化和土地利用变化”情景下中国土壤侵蚀的时空演变规律；（3）定量分解气候变化和土地利用变化对土壤侵蚀的独立和交互作用贡献。

研究区域和数据来源

本研究聚焦于中国陆地地区。由于中国幅员辽阔，具有高度复杂多样的自然地理条件，地形起伏显著，气候类型多样。降水过程受东亚季风系统的强烈控制，导致雨季集中、年内降水分布不均和显著的空间异质性（Zhang和Zhao，2022年）（图1b）。

方法论

本研究的技术框架如图2所示。首先，基于观测数据评估了HiCPC提供的CMIP6全球气候模型的模拟性能，通过计算观测数据、单个气候模型与多模型集合（MME）之间的拟合指标，选择性能优越的气候模型。随后，使用ANUSPLIN软件将数据降尺度至1公里×1公里的分辨率。

不同GCMs的降水模拟性能评估

总体而言，MME在时间序列拟合方面表现最佳，KGE值为0.741，相关系数最高（0.818），RMSE较低（43.071）（图3）。相比之下，单个气候模型的KGE值介于0.68至0.72之间，通常比MME的拟合性能较低。这些结果表明，MME在表征时间降水变化方面具有更高的稳定性和可靠性。

RUSLE模型的可靠性

基于RUSLE模型，本研究将18个CMIP6气候模型得出的MME R因子与基于情景的土地利用/土地覆盖（LULC）变化数据相结合，评估了2025年至2050年中国三种代表性发展路径（SSP1-2.6、SSP2-4.5和SSP5-8.5）下土壤侵蚀变化的驱动机制。

结论

基于RUSLE模型，本研究整合了CMIP6多模型集合（MME）气候数据与未来土地利用变化情景，评估了2025年至2050年中国不同SSP情景下的土壤侵蚀变化。此外，还定量分析了气候变化、土地利用变化及其交互作用对预测侵蚀变化的贡献。

在仅考虑气候变化的情景下（R-only），时间分析表明土壤侵蚀总体呈上升趋势。

CRediT作者贡献声明

夏宇金：撰写——初稿、方法论、正式分析。戴文：撰写——审稿与编辑、监督、方法论、资金获取、概念化。林奇根：撰写——审稿与编辑、监督、方法论、资金获取。王玉琪：撰写——初稿、验证、正式分析。邵伟：监督。王国杰：监督。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。

致谢

我们感谢国家自然科学基金（编号：42301478、42407619）、中国博士后科学基金（编号：2025T180082、2024M761474）以及国家大学生创新创业培训计划（编号：202510300009）提供的财政支持。