📄 地球科学

Comparative Evaluation of Catchment Prioritization Using SYI and RUSLE Models: A Case Study of the Swarna Reservoir Catchment

本研究评估并验证了沉积物产量指数（SYI）方法在识别斯瓦尔纳水库集水区土壤侵蚀优先等级方面的有效性，并对比了修正通用土壤流失方程（RUSLE）模型，发现使用印度特定降雨公式的 RUSLE 结果与 SYI 分类高度一致，能够有效识别关键侵蚀区域。

原作者： K V Sumith

发布于 2026-09-10

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： K V Sumith

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

水是农业的命脉，但在印度的许多地区，滋养农作物的土壤正在缓慢流失，并淤塞了储存雨季水分的水库。这一过程被称为沉积作用，是指降雨和风力将土壤颗粒从土地上剥离，并将其带入河流，最终将这些淤泥沉积在水坝底部。随着时间的推移，这种堆积减少了水库的蓄水量，威胁着支撑数百万人的灌溉系统。为了阻止这种损失，工程师和规划者需要准确了解流域中哪些部分的土壤流失最快，以便将他们的保护工作重点放在这些地方。然而，确定哪些区域面临最高风险并非易事；这需要将降雨量、土壤类型和土地覆盖的复杂计算，与优先分配有限资源的实际需求进行权衡。

在最近一项针对特伦甘纳邦尼尔姆尔县斯瓦纳（Swarna）水库的研究中，研究人员试图通过比较两种不同的测量土壤侵蚀的方法来解开这个谜题。其中一种被称为“沉积物产量指数”（Sediment Yield Index）的方法，就像是一个排名系统，根据坡度、植被和土壤质地等因素的综合情况，对不同部分的集水区进行评分，以衡量其流失土壤的可能性。另一种方法被称为“修订版通用土壤流失方程”（Revised Universal Soil Loss Equation），它是一种更详细的计算方法，通过观察降雨强度和地面抗侵蚀性等特定数据点，来估算每年实际流失的土壤量。该研究的目标是观察这种较简单的排名系统是否与更复杂的计算结果相匹配，并确定哪种降雨数学公式最适用于该特定地区。

研究人员首先绘制了向供给斯瓦纳水库的整个290平方公里集水区的地图。他们将这个大面积划分为九个较小的子集水区，以便进行单独研究。利用卫星图像和数字地图，他们分析了土地利用情况，注意到近一半的面积被森林覆盖，另有45%用于农业，其余部分由建筑用地、荒地和水体组成。他们还检查了地形，发现海拔在355米至650米之间，坡度从平缓到陡峭不等。通过叠加这些信息，他们创建了一幅详细的图景，展示了水如何在景观中移动以及可能在哪里拾取土壤。

首先，团队应用了沉积物产量指数法。他们为景观的不同特征分配了权重值；例如，陡坡和荒地获得了高分，因为它们容易发生侵蚀，而森林和缓坡得分较低。他们还计算了一个“输送比”（delivery ratio），用于估算有多少被侵蚀的土壤实际上能够到达水库，又有多少在途中被阻挡。当他们结合这些因素时，结果显示有三个子集水区处于严重侵蚀的高风险状态，另外六个处于中等风险。风险最高的区域是6号子集水区，该区域大量用于农业且靠近一条主要溪流，使得土壤容易被冲走。

接下来，研究人员使用更复杂的计算方法来估算每公顷每年损失的土壤吨数。这需要他们确定雨水冲击地面的强度，即降雨侵蚀性。他们测试了三种不同的数学公式来计算降雨量，使用了来自集水区内三个气象站的19年降雨数据。其中两个公式是专门针对印度条件开发的，而第三个是用于各种气候的全球性公式。当他们运行数据时，结果因选择的公式不同而产生显著差异。全球公式和其中一个印度公式得出了非常高的土壤流失估算值，表明集水区的几乎每个部分都处于严重侵蚀状态。然而，由Ram及其同事在2004年开发的第三个公式产生的数值要低得多，且与较简单的沉积物产量指数的排名高度吻合。

研究发现，由Ram及其同事开发的公式为该特定地区提供了最现实的图景。当使用该公式时，计算出的土壤流失量与沉积物产量指数所识别的严重程度类别相匹配。例如，6号子集水区被确定为侵蚀率最高，其次是3号和4号子集水区。这些区域的特点是坡度陡峭且农业活动频繁，证实了之前的排名。相比之下，7号子集水区的侵蚀率较低，不需要立即干预。其他子集水区则处于中等类别，表明它们未来会受益于保护措施。

这项工作的核心启示是，虽然复杂的模型功能强大，但它们高度依赖于输入数据的准确性，特别是用于解释降雨的公式。研究表明，对于斯瓦纳水库集水区而言，沉积物产量指数这种较简单的、主观的排名法是一个可靠的工具，前提是必须使用正确的局部降雨公式对其进行定量模型的验证。这种验证让规划者能够确信，他们可以识别出最关键的区域——例如6号子集水区中位于陡坡上的农田——并将资源直接投入其中，以保护水库的蓄水能力。通过专注于这些特定区域，当局可以实施有针对性的土壤控制措施，以减缓肥沃表层土壤的流失，确保水库在未来多年内能持续服务于该地区的灌溉需求。

技术摘要：基于 SYI 和 RUSLE 模型的流域优先级划分对比评估

问题陈述
由土壤侵蚀驱动的水库淤积，对印度水利基础设施的寿命和蓄水能力构成了严重威胁。有报告指出，大约四分之一的印度大型水库（使用年限超过 50 年）已损失了至少 30% 的初始库容。因此，准确识别易受侵蚀的区域对于实施有效的控制措施至关重要。虽然修订后的通用土壤流失方程（RUSLE）被广泛用于定量估算土壤流失量，且沉积物产量指数（SYI）是印度流域优先级划分的标准描述性工具，但目前需要通过定量 RUSLE 输出结果来验证 SYI 方法的主观严重程度分类。本研究针对特伦甘纳邦尼尔姆县（Nirmal District）的 Swarna 水库流域进行研究，旨在比较这两种方法论，以确定用于优先处理沉积物控制工作的子流域的最可靠方法。

研究方法
本研究采用基于遥感（RS）和地理信息系统（GIS）的双重方法论，对面积为 290 平方公里的 Swarna 水库流域进行了分析。

沉积物产量指数 (SYI) 方法：
- 根据排水出口将流域划分为九个子流域。
- 通过叠加土地利用/土地覆盖（LULC）、土壤质地、坡度和排水模式等专题图层，创建了复合侵蚀强度单元（CEIU）。
- 根据各图层的侵蚀敏感性分配权重值（例如，荒地和沟壑获得最高权重）。
- 根据每个子流域距离最近河流的距离计算了输送比（DR）。
- 使用公式 $SYI = \frac{\sum (A_i \times W_i \times D_i \times 100)}{A_w}$ 计算 SYI，其中 $A_i$ 是制图单元的面积， $W_i$ 是权重， $D_i$ 是输送比， $A_w$ 是总子流域面积。
- 根据 SYI 阈值将子流域分为五个优先级类别（极高到极低）。
RUSLE 方法：
- 使用 Thiessen 多边形法将流域划分为三个子流域，以便与三个雨量站对齐。
- 使用公式 $A = R \times K \times L \times S \times C \times P$ 估算年土壤流失量 ( $A$ )。
- 降雨侵蚀力 (R)： 测试了三种不同的公式来计算基于月度降雨数据（2005–2023）的 R 因子：
  - Naipal 等人 (2015)：一个包含海拔信息的全球方程。
  - Ram 等人 (2004) 以及 Jain & Das (2010)：专门为印度流域开发的方程。
  - Nakil 和 Khire (2016)：另一种适用于印度条件的公式。
- 土壤侵蚀性 (K)： 根据特定于该流域的粒径分布数据（D10 和 D60）得出。
- 地形 (LS)、植被覆盖 (C) 和支持 (P) 因子： 利用 SRTM DEM 数据、LULC 图和标准坡度表进行计算。

主要结果

SYI 研究结果： 九个子流域的 SYI 值范围在 1103 到 1268 之间。根据这些数值，三个子流域（3、4 和 6）被归类为“高严重度”，六个被归类为“中等严重度”。由于较高的农业用地利用率和排水特性，子流域 6 表现出最高的优先级。
RUSLE 研究结果： 计算出的年沉积物产量随所使用的 R 因子公式不同而显著变化：
- Naipal 等人 (2015)： 导致平均产量约为 352 吨/公顷/年，将所有子流域归类为“极高”至“严重”。
- Nakil 和 Khire (2016)： 导致最高的估算值（约 484 吨/公顷/年），同样将所有区域归类为“极高”至“极严重”。
- Ram 等人 (2004)： 导致平均产量约为 114.75 吨/公顷/年。该方法产生的严重程度分类与 SYI 结果最为接近，尽管在最高风险类别的界定上略有差异。具体而言，它识别出子流域 3、4 和 5 易发生“高”速率侵蚀，而子流域 6 被识别为易发生“极高”速率侵蚀。
对比： 由 Ram 等人 (2004) 公式得出的 RUSLE 结果与 SYI 严重度类别匹配度最高。其他两个公式显著高估了侵蚀严重程度，将所有子流域都置于最高风险类别，这与 SYI 方法提供的细致区分相矛盾。虽然 SYI 方法将子流域 6 分类为“高严重度”，但 Ram 等人 (2004) 的 RUSLE 模型将其分类为“极高”，不过两种方法在子流域 3、4 和 5 的高风险状态上达成了一致（SYI 将 3、4 和 6 归为“高”）。

主要贡献与意义
本研究的主要贡献在于利用定量 RUSLE 建模验证了 SYI 方法的主观优先级划分。研究表明，虽然 RUSLE 是估算绝对沉积物产量的强大工具，但其优先级的准确性高度依赖于降雨侵蚀力 (R) 因子公式的选择。

论文得出结论，对于 Swarna 水库流域（以及类似的印度流域），SYI 方法为识别关键侵蚀区提供了一个可靠的描述性框架。此外，研究证明，当 RUSLE 方程与 Ram 等人 (2004) 提出的 R 因子公式结合使用时，可作为 SYI 结果的有效定量验证工具。这种对比方法证实，子流域 3、4 和 5 易发生高速率侵蚀，而子流域 6 易发生极高速率侵蚀；因此，需要立即对这些子流域实施沉积物控制措施。子流域 7 的侵蚀率较低，因此可能不需要立即关注。其他子流域（即 1、2、8 和 9）属于中等严重度，这意味着可以在不久的将来采取适当的沉积物控制措施。本研究强调了选择具有区域针对性的 R 因子经验公式的重要性，以避免高估并确保将保护资源分配给最关键的区域。

类似论文