以2023年8月初台风杜苏芮带来的极端暴雨为例，选择东北低山丘陵区的吉林省舒兰市珠琦河流域为对象，采用遥感影像解译与实际调查相结合的方法，分析了极端暴雨前后侵蚀沟变化、极端暴雨时山洪泥石流的堆积及河流袭夺废弃河道的复流，探讨了不同类型侵蚀的发生机制。结果发现：①研究区农田沟密度、沟长、沟缘面积均明显大于林地沟；极端暴雨时小流域土壤侵蚀主要表现为山洪泥石流、侵蚀沟形成与扩张、滑塌、崩塌等，一场极端暴雨造成侵蚀沟数量激增，由25条增加到78条，增加的侵蚀沟主要分布在坡耕地上，人类活动对侵蚀沟的形成影响明显；极端暴雨时农田沟扩张以沟岸拓宽为主，在沟尾下移、沟头溯源2个方向均有延伸；林地沟扩张时长度增长快于沟缘面积，主要以沟尾下移为主；极端暴雨造成低山丘陵区小流域重力侵蚀、沟蚀加剧，也引发了被袭夺河道的复流，存在一定的安全隐患；②在垦殖率低、林地占比高的低山丘陵区，极端暴雨仍可引发严重的水土流失；研究区土壤侵蚀程度目前虽处于轻度状态，但土壤侵蚀处于快速发展中。③禁止陡坡开荒、加强退耕还林地生态恢复与坡耕地水保措施建设是缓解东北低山丘陵区极端暴雨土壤侵蚀与山洪灾害的有效手段。

为应对未来气候变化下第二松花江流域径流演变的不确定性，首先构建CNN-Transformer神经网络，对2026—2045年NEX-GDDP-CMIP6数据进行高精度偏差校正，并将订正后的气象数据作为SWAT模型的气候驱动输入，模拟分析第二松花江流域2026—2045年径流在SSP1-2.6、SSP2-4.5、SSP5-8.5情景下的响应特征。结果表明，CNN-Transformer网络在气象数据订正方面显著优于单一网络结构，降水模拟决定系数（R²）提升至0.74；耦合后的SWAT模型在率定期和验证期均表现出良好的适用性[Nash-Sutcliffe效率系数（NSE）> 0.66]。未来径流量均呈现增加趋势，增加幅度SSP5-8.5 > SSP1-2.6 > SSP2-4.5，SSP5-8.5情景下增幅达31.4%，同时SSP5-8.5情景下将导致径流年际变率显著增强，极端洪旱事件风险加剧。研究表明，CNN-Transformer在气象订正中能够有效捕捉局部特征与时序依赖，而SWAT模型则具备对水文过程的物理刻画能力。二者耦合能够兼顾深度学习的精度优势与物理模型的过程可解释性，为提升北温带流域水文预测可靠性和区域水资源管理提供科学依据。