广西甘蔗种植区域随着种植面积的不断扩大逐渐往丘陵坡地上扩展^[1−2]，且甘蔗生长前期和雨季交汇，地面覆盖低，极易发生土壤侵蚀^[3−4]。降雨径流造成农田土壤侵蚀的同时驱动大量氮、磷等养分从农田流向河湖，导致耕地质量下降的同时引起水体富营养化，形成面源污染，对饮水安全构成极大威胁^[3−6]。防控农田土壤流失、减少泥沙污染物入河已成为防控甘蔗种植区农业面源污染，改善农田环境和水体质量的关键举措^[7]。

定量解析入河泥沙的来源、负荷是精准防控泥沙污染物入河的前提。目前，泥沙来源辨识主要通过“指纹”示踪确定^[8]，其中特定单体化合物稳定性同位素示踪技术（compound specific stable isotopes，CSSI）是一种可以用来定量辨识不同土地利用入河泥沙来源贡献比例的生物指纹技术^[9]。其原理是通过不同土地利用上生长的植物产生的某一特定的化合物作为生物标志物（脂肪酸）标记土壤，分析与土壤结合的脂肪酸中特有的稳定性同位素值（δ¹³C），进而确定流域出口输出不同土地利用来源的泥沙贡献比例^[10]，目前在甘蔗种植区已有应用^[11]。甘蔗地侵蚀泥沙入河负荷的核算方法主要包括监测法^{[3, 7]}、放射性核素示踪技术（Fallout radio nuclides，FRN）^{[5, 11]}和RUSLE模型^[4]。然而监测法建站选址复杂、周期长、维护成本高的缺点限制了其大规模应用；⁷Be示踪估算的侵蚀来源局限于面蚀和细沟间侵蚀等部分过程，结果小于实际值^[12]；RUSLE法虽具有适应性广、易于扩展的优点，但仅用于估算坡面流失量^[13]。不同土地利用侵蚀泥沙来源负荷定量辨识技术目前主要包括CSSI-监测技术以及FRN-CSSI联合溯源示踪解析法^[10−12,14]。然而，FRN-CSSI联用定量解析入河泥沙来源负荷的精度研究尚处空白，RUSLE模型与CSSI技术联合应用能否准确预测不同土地利用侵蚀泥沙的入河负荷也缺乏相关报道。

因此，笔者以广西甘蔗种植流域为研究对象，应用监测法、⁷Be示踪和RUSLE模型测定次降雨事件下侵蚀泥沙的入河负荷；应用CSSI技术确定甘蔗地侵蚀泥沙的贡献比例；将CSSI技术分别与监测法（实测值）、⁷Be示踪、RUSLE模型联用，确定流域甘蔗地侵蚀泥沙的入河负荷。探讨后2种方法在甘蔗种植流域侵蚀泥沙入河负荷的定量辨识过程中的适用性，以期为甘蔗种植区土壤侵蚀防控提供技术支撑。

那辣流域位于广西壮族自治区客兰水库水源区（E 107°39′ 29′′ ~ 107°40′17′′、N 22°20′36′′ ~ 22°20′50′′）（图1）。属南亚热带湿润季风气候，光热充足，雨热同期，年均气温为20.8 ℃~ 22.4℃，年平均降雨量约为1100 mm，约70%的降雨集中在雨季（3—9月）。流域总面积129.05 hm²，由上游的子流域1（SW1）和子流域2（SW2）以及下游的子流域3（SW3）组成。地貌特征为丘陵，平均海拔在125.56 ~ 141.05 m，平均坡度在7.29° ~ 9.16°之间^[4]。土壤类型为赤红壤，土壤质地属粉质土–粉质黏土壤土（30.35%黏粒，64.54%粉粒，5.11%沙砾）^[5]。流域内甘蔗种植面积比例为82.84%（表1），桉树、道路和沟渠的土地利用比例分别为10.99%、5.40%和0.77%。其中，主干道为碎石道路，辅路为裸露道路；沟渠是人工开凿的水渠，SW2和SW3有植草固渠措施，SW1裸露。

图 1(Fig. 1)

图中SW1 ~ SW3为那辣流域的3个子流域，M1 ~ M3为3个子流域出口的监测站，H1 ~ H6为试验坡面。The watershed includes sub-watershed 1 （SW1）, sub-watershed 2 （SW2）, and sub-watershed 3 （SW3）. M1, M2 and M3 are the monitoring stations at the outlets of each sub-watershed. H1-H6 are the sampling hillslopes. 图 1 那辣流域地理位置及采样图 Fig. 1 Location and sampling map of Nala watershed

表 1(Tab. 1)

表 1 那辣流域土地利用类型及其面积比例 Tab. 1 Land use types and their area proportions in Nala watershed 流域 Watershed 面积 Area/hm2 土地利用类型及其面积比例 Land use types and their area proportions/% 甘蔗地 Sugarcane field 道路 Road 桉树林 Eucalyptus 沟渠 Stream channel SW1 61.77 78.74 5.93 14.52 0.81 SW2 44.84 83.56 4.46 11.40 0.58 SW3 22.44 93.27 5.71 0 1.02 全部 Entire 129.05 82.94 5.38 10.91 0.77

表 1 那辣流域土地利用类型及其面积比例 Tab. 1 Land use types and their area proportions in Nala watershed

本试验基于CSSI技术确定那辣流域中甘蔗地入河泥沙的贡献比例。通过实地监测、⁷Be示踪和RUSLE模型确定2020年5月17日（降雨量130.8 mm，平均降雨强度6.4 mm/h）、2021年4月26日（降雨量54.0 mm，平均降雨强度6.8 mm/h）以及5月2—5日（降雨量79.8 mm，平均降雨强度5.7 mm/h），SW1、SW2以及全流域的土壤流失量。其中，平均降雨强度为降雨量除以降雨时长，（SW1、SW2和全流域均为封闭流域，SW3不是一个封闭的子流域，故仅对其进行土壤流失量计算，用以计算全流域土壤流失量）由于5月2—5日降雨间隔较短，故视为1场降雨进行采样计算。联合应用CSSI技术与流域监测、⁷Be示踪、RUSLE模型确定流域甘蔗地泥沙的入河负荷。

样品采集分为源样品和汇样品采集，详细采样方法参考Wang等^[11]。样品分析与泥沙来源贡献比例（S_n，%）计算参考Gibbs等^[9]及李勇等^[10]方法。

实地监测：在3个子流域的出口建立监测站，进行单次降雨泥沙样品的采集、处理以及浓度计算，方法均参考戴谅等^[3]和Li等^[7]的方法。土壤流失量（A，t/hm²）由各时段土壤流失量加权平均得出，计算方法参考戴谅等^[3]。

⁷Be示踪：在每个子流域中选择2个代表性全坡面，土壤⁷Be样品采集、分析参考Wang等^[11]和于寒青等^[15]研究方法。坡面土壤流失量计算方法参考王旭等^[5]。

RUSLE 模型：除降雨侵蚀力R通过参考谢炎敏方法^[16]计算外，K因子、LS因子、C因子以及P因子计算方法及结果均参考刘小梅等^[4]在那辣流域的研究方法与结果。

式中：L为甘蔗地泥沙入河负荷，t/hm²；A是土壤流失量，t/hm²；S_n为泥沙第n个源土壤贡献，%。

本研究通过相对误差、Nash-Sutcliffe系数E评价⁷Be-CSSI法与RUSLE-CSSI法测算的泥沙入河负荷的结果。

相对误差是单次降雨下⁷Be-CSSI法、RUSLE-CSSI法与监测-CSSI法之间的相对误差。

Nash-Sutcliffe系数E计算式为^[22]

式中：B_n为监测-CSSI法第n次测算的入河负荷，t/hm²；C_n为⁷Be-CSSI法或RUSLE-CSSI法第n次测算的入河负荷，t/hm²；B_avg为监测-CSSI法n次测算的入河负荷的平均值，t/hm²。

CSSI溯源结果表明，不同土地利用的入河泥沙的贡献比例不同（图2）。甘蔗地、沟渠和道路是流域入河泥沙贡献的主要来源，总贡献率超过95%。SW1中，甘蔗地、道路和沟渠分别占入河污染贡献的42.8%、28.0%和25.1%，桉树林地的入河污染贡献为4.1%；SW2中，不同土地利用的入河泥沙的来源贡献比排序为：道路 > 甘蔗地 > 沟渠 > 桉树林地，其贡献比例分别为50.4%、24.5%、23.7%和1.4%；全流域中，甘蔗地、沟渠、道路和桉树林的入河污染贡献比排序与SW2一致，贡献比例分别为32.4%、27.5%、37.1%和3.0%。

图 2(Fig. 2)

图 2 流域中不同土地利用类型泥沙来源贡献比例 Fig. 2 Contribution ratios of sediment sources from different land uses types in the watershed

3种方法测定的土壤流失量如表2所示。单次降雨事件下，监测法确定的土壤流失量在0.18 ~ 2.50 t/hm²之间，⁷Be示踪法测定的结果在0.61 ~ 5.57 t/hm²之间，是监测法测定结果的1.03 ~ 17.56倍；RUSLE法估算的土壤流失量在0.24 ~ 1.99 t/hm²之间，是监测法结果的0.78 ~ 2.79倍。

表 2(Tab. 2)

表 2 监测、7Be示踪或RUSLE模型法测定的土壤流失量 Tab. 2 Soil losses measured by monitoring，7Be or RUSLE methods 降雨量 Rainfall/ mm 流域 Watershed 监测法 Monitoring method 7Be示踪法 7Be method RUSLE模型法 RUSLE method 径流量 Runoff/m3 质量浓度 Concentration/ （g·L–1） 土壤流失量 Soil loss/ （t·hm–2） 　 7Be含量 7Be inventory/ （Bq·m–2） 土壤流失量 Soil loss/ （t·hm–2） 　 降雨侵蚀力 Rainfall erodibility R/ （MJ·mm·hm–2·h–1） 土壤流失量 Soil loss/ （t·hm–2） 130.8 SW1 50155.61 3.08 2.50 342.22±38.95 2.57 740.59 1.99 SW2 30725.76 3.41 2.34 343.52±90.73 5.57 1.95 全流域 Whole watershed 93423.71 3.27 2.37 341.49±66.34 3.82 1.86 54.0 SW1 6666.81 2.81 0.30 368.27±28.66 0.61 135.12 0.26 SW2 2913.45 2.74 0.18 367.73±86.60 3.16 0.25 全流域 Whole watershed 10988.82 2.32 0.20 372.28±98.35 2.03 0.24 79.8 SW1 20493.35 1.37 0.45 533.41±55.23 1.21 435.80 1.09 SW2 8926.47 1.92 0.38 539.8±143.41 3.07 1.06 全流域 Whole watershed 33991.29 1.25 0.33 　 538.91±125.97 2.18 　 1.02 　注：降雨量为130.8、54.0和79.8 mm时的7Be背景值含量分别为349.4、367.1和533.8 Bq/m2. Notes: The reference value of 7Be is 349.4, 367.1 and 533.8 Bq/m2 when the rainfall is 130.8, 54.0 and 79.8 mm, respectively.

表 2 监测、7Be示踪或RUSLE模型法测定的土壤流失量 Tab. 2 Soil losses measured by monitoring，7Be or RUSLE methods

不同方法下，甘蔗地泥沙入河负荷及相对误差比较结果如表3所示。监测-CSSI法确定的甘蔗地泥沙入河负荷在0.04 ~ 1.07 t/hm²之间。Be⁷-CSSI法测算的甘蔗地泥沙入河负荷在0.26 ~ 1.36 t/hm²之间，相对误差在2.74% ~ 1672.63%之间。RUSLE-CSSI法测算的甘蔗地泥沙入河负荷在0.06 ~ 0.85 t/hm²之间，相对误差在−16.42% ~ 208.41%之间。Be⁷-CSSI法仅有1个测算值的相对误差在±50%之内，而RUSLE-CSSI法有6个。

表 3(Tab. 3)

表 3 不同方法下甘蔗地泥沙入河负荷及相对误差 Tab. 3 Sediment export load from sugarcane fields and relative errors based on different methods 降雨量 Rainfall/mm 流域 Watershed 监测-CSSI法 Monitoring-CSSI method 7Be-CSSI法 7Be-CSSI method RUSLE-CSSI法 RUSLE-CSSI method 监测值 Measured value/ （t·hm–2） 预测值 Predicted value/ （t·hm–2） 相对误差 Relative error/% 预测值 Predicted value/ （t·hm–2） 相对误差 Relative error/% 130.8 SW1 1.07 1.10 2.74 0.85 20.52 SW2 0.57 1.36 138.36 0.48 −16.42 全部 Entire 0.77 1.23 61.16 0.60 21.24 54.0 SW1 0.13 0.26 102.69 0.11 −13.95 SW2 0.04 0.77 1672.63 0.06 38.80 全部 Entire 0.06 0.66 929.62 0.08 19.67 79.8 SW1 0.19 0.52 166.35 0.47 139.67 SW2 0.09 0.75 703.75 0.26 178.61 全部 Entire 0.11 　 0.70 561.62 0.33 208.41

表 3 不同方法下甘蔗地泥沙入河负荷及相对误差 Tab. 3 Sediment export load from sugarcane fields and relative errors based on different methods

Nash-Sutcliffe系数显示，Be⁷-CSSI法的E值 < 0，说明该方法的测算结果可信度不高。而RUSLE-CSSI法的E值为0.8，接近于1.0，说明该方法测算的结果与监测-CSSI确定的甘蔗地泥沙入河负荷趋势一致，测定结果可信度很高。

道路、甘蔗地和沟渠是流域入河泥沙贡献的主要来源，但每个流域不同泥沙来源贡献不同。本研究中，道路是SW2以及全流域入河泥沙贡献的最大来源，这可能是由于甘蔗集约化种植会增加道路密度与交通强度，道路侵蚀强度增大^[17]，同时增强水文和泥沙的连通性，道路侵蚀产生的泥沙更容易输移至流域出口^[18−19]。SW1中甘蔗地入河泥沙贡献比例最大，这可能是由于SW1中道路硬化，沟渠采取植草及工程措施进行加固，阻碍、拦截侵蚀泥沙迁移，因此道路、沟渠泥沙贡献少^[20−21]。此外，侵蚀泥沙的迁移存在自然衰减的过程，流域之间的地貌特征和降雨强度影响泥沙迁移沉积^[22]。那辣流域的沟渠位于流域中的平缓地带（图1），沟降比较小，侵蚀泥沙在迁移过程中容易沉积^[20]；SW1中的河流长度大于其他2个子流域，侵蚀泥沙迁移路径更长，因此，即使沟渠裸露，沟渠也不是SW1最大泥沙的贡献源。

不同方法测定次降雨事件的土壤流失量不同。监测法确定的土壤流失量比⁷Be示踪法与RUSLE模型测定的结果小，这可能是由于监测法确定的是流域出口的入河量，而⁷Be示踪法与RUSLE模型确定的是坡面流失量，侵蚀土壤在输移的过程中发生沉积会导致流域出口的入河量低于坡面侵蚀量^{[4, 11]}。此外，植被拦截以及侵蚀分选机制会导致⁷Be示踪法会过高的估算土壤流失速率，甘蔗苗期虽然植被冠层较低，但前季收获的甘蔗残叶会形成地表覆盖，这些覆盖物会吸附、截留⁷Be，导致土壤流失速率估算过高；泥沙输移过程中粗颗粒优先沉积，而⁷Be吸附的细颗粒已随径流流失，这也会导致估算的结果偏大^[23]。RUSLE模型估算结果偏大可能是因为水土保持措施因子P赋值过高（0.4）^[4]，而那辣流域甘蔗种植坡面得水保持措施少。

CSSI与3种方法联用确定的是甘蔗地侵蚀泥沙的入河负荷，可更加精确的反映流域甘蔗地泥沙污染源区与下游水体泥沙污染负荷的关系^[12]。本研究中，甘蔗地泥沙入河负荷在0.04 ~ 1.36 t/hm²之间，比Brandt等^[14]通过FRN-CSSI法确定的玉米地侵蚀量（4.8 t/hm²）低，这可能由以下2点原因造成：一是研究区地形、气候及土地利用差异较大；二是研究时间尺度不同，本研究是次降雨事件，而后者是年平均尺度。与监测-CSSI法相比，⁷Be-CSSI法以及RUSLE-CSSI法均过高估算甘蔗地侵蚀泥沙的入河负荷。这可能是后2种方法忽略了侵蚀泥沙迁移过程中的自然沉降现象，导致流域出口的泥沙入河负荷低于侵蚀源头的泥沙产生量^[22]；也可能与沟渠治理措施拦截入河泥沙，导致大量侵蚀泥沙沉积有关^[20−21]。⁷Be-CSSI法比RUSLE-CSSI法估算的结果误差更大，这可能是由于RUSLE-CSSI法已全面考虑坡面植被覆盖、管理以及保持措施因子^[4]，而⁷Be-CSSI法仅考虑试验坡面相关情况，因此结果估算误差更大^{[5, 11]}。

1）甘蔗地、沟渠和道路的总贡献率超过95%，是流域入河泥沙污染物贡献的主要来源。

2）监测法、⁷Be法和RUSLE模型确定的土壤流失量在0.18 ~ 5.57 t/hm²之间，⁷Be法与RUSLE型估算的土壤流失量分别是监测法的1.03 ~ 17.56和0.78 ~ 2.79倍。

3）联合应用监测、⁷Be、RUSLE和CSSI技术发现，监测-CSSI法确定的甘蔗地泥沙入河负荷在0.04 ~ 1.07 t/hm²之间，相对误差法与Nash-Sutcliffe系数均表明RUSLE-CSSI法比⁷Be-CSSI法估算的甘蔗地泥沙入河负荷更接近监测-CSSI法的结果，但误差也较大。