快速检索 图表检索 引用检索 高级检索
基于地理探测器的喀斯特不同地貌形态类型区土壤侵蚀定量归因
王欢1,2,, 高江波1,, 侯文娟1
1. 中国科学院地理科学与资源研究所 中国科学院陆地表层格局与模拟重点实验室,北京 100101
2. 中国科学院大学,北京 100049

作者简介:王欢(1993-), 女, 河北承德人, 硕士研究生, 主要从事喀斯特地区生态系统服务研究。E-mail: wangh.16s@igsnrr.ac.cn

通讯作者:高江波(1984-), 男, 山东临沂人, 副研究员, 主要从事喀斯特土地利用—地表过程—资源环境效应研究。E-mail: gaojiangbo@igsnrr.ac.cn
摘要

土壤侵蚀形成机制与影响因素识别是当前研究的核心与前沿议题,然而从多因素综合作用的角度进行定量归因仍需加强。以喀斯特典型峰丛洼地流域为研究区,基于GIS手段和RUSLE模型模拟土壤侵蚀,综合土地利用、坡度、降雨、高程、岩性、植被覆盖度等影响因子,应用地理探测器方法针对喀斯特不同地貌形态类型区进行土壤侵蚀的定量归因研究。结果表明,各影响因子对土壤侵蚀的解释力及因子间耦合作用程度在不同地貌形态类型区差异显著,其中土地利用和坡度是决定土壤侵蚀空间异质的主导因子,但在山地丘陵区,随着地形起伏度的升高,坡度的控制作用下降,即地理探测器q值表现为中海拔丘陵>小起伏中山>中起伏中山;生态探测器显示土地利用对土壤侵蚀的影响相比于其他因子有显著差异;双因子交互作用有助于增强对土壤侵蚀的解释力,土地利用与坡度的协同作用对土壤侵蚀的解释力达到70%以上;对于土壤侵蚀空间分布的差异性检验,风险探测器显示在小起伏中山、中起伏中山等地貌形态类型中,具有显著差异的影响因子分层组合数占比至少55%。因而,喀斯特地区土壤侵蚀的治理应综合考虑不同地貌形态类型区土壤侵蚀影响机制的空间异质性。

关键词: 土壤侵蚀; 定量归因; RUSLE模型; 地理探测器; 三岔河流域;
Quantitative attribution analysis of soil erosion in different morphological types of geomorphology in karst areas: Based on the geographical detector method
WANG Huan1,2,, GAO Jiangbo1,, HOU Wenjuan1
1. Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
2. University of Chinese Academy of Sciences, Beijing 100049, China
Abstract

The formation mechanism and influencing factors identification of soil erosion are the core and frontier issues of current research. However, studies on the multifactor synthesis are still insufficient. In this study, the simulation of soil erosion and its quantitative attribution analysis have been conducted in different morphological types of geomorphology in a typical karst basin based on the RUSLE model and the geographical detector method. The influencing factors, such as land use type, slope, rainfall, elevation, lithology and vegetation cover, have been taken into consideration. Results show that the strength of association between the six influencing factors and soil erosion was notably different in various morphological types of geomorphology. Land use type and slope were the dominant factors of soil erosion in the Sancha River Basin, especially for land use type whose power of determinant (q value) for soil erosion was much higher than that of other factors. The q value of slope declined with the increase of relief in mountainous areas, namely it was ranked as follows: middle elevation hill > small relief mountain > middle relief mountain. Multi-factor interactions were proven to significantly strengthen soil erosion, particularly for the combination of land use type with slope, which can explain 70% of soil erosion distribution. It can be found that soil erosion in the same land use type with different slopes (such as dry land with a slope of 5°and dry land with slopes above 25°) or in the diverse land use types with the same slopes (such as dry land with a slope of 5° and forest with a slope of 5°), varied greatly. This indicates that prohibiting steep slope cultivation and the Grain for Green Project are reasonable measures to harness soil erosion in karst areas. Based on statistics of soil erosion difference between diverse stratifications of each influencing factor, results of risk detector suggest that the amount of stratification combinations with significant difference accounted for 55% at least in small and middle relief mountains. Therefore, the spatial heterogeneity of soil erosion and its influencing factors in different morphological types of geomorphology should be investigated to control karst soil loss more effectively.

Keyword: soil erosion distribution; influencing factor; RUSLE model; geographical detector; Sancha River Basin;
1 引言

中国是世界上土壤侵蚀最严重的国家之一,全国水蚀和风蚀的面积占国土面积的37%[1]。西南喀斯特地区是水蚀最为严重的区域,土壤侵蚀已成为制约区域发展的头号问题,喀斯特地区特有的地上地下二元水文结构、湿润的气候条件以及碳酸盐岩基底为土壤侵蚀的内在原因,不合理的人类活动成为其外在驱动力,林退、草毁、陡坡开荒加剧土壤侵蚀,浅薄的土层流失殆尽造成更为严重的石漠化问题[2,3,4],进而土地退化、旱涝灾害频发,生态系统几近崩溃。科学认识和定量评估地理环境因子、人类活动及其耦合作用对土壤侵蚀的影响,对遏制该地区的水土流失及推进石漠化生态系统恢复重建至关重要。

喀斯特地区生态系统的高度脆弱性、特殊的水文地质结构及石漠化问题引起国内外专家学者的高度重视,诸多有关土壤侵蚀的研究在该地区开展。在喀斯特土壤侵蚀驱动因子识别方面,王尧等[5]探究了贵州省乌江流域土地利用及植被覆盖度与土壤侵蚀的关系,并指出旱地土壤侵蚀最为严重,因而耕地进行坡改梯建设可有效防治水土流失[6];张信宝等[7]提出植被破坏和土地垦殖等活动会加剧纯碳酸盐岩坡地土壤的地下漏失;熊康宁等[8]指出,地质、地貌因素是石漠化脆弱生态系统得以存在、发展的载体和物质基础,并决定了喀斯特生态系统的结构和运行规律。在喀斯特土壤侵蚀定量估算方法上,Bai等[9]采用137Cs及210Pbex方法研究喀斯特流域土壤侵蚀对土地利用变化的响应,发现1979年森林砍伐后,土壤侵蚀的净侵蚀速率大大增加;Feng等[10]在广西喀斯特流域使用RUSLE模型及137Cs示踪法进行土壤侵蚀模拟,综合考虑土地利用和降雨的变化时,两种方法得到的结果的一致性较好,但由于喀斯特地区地表径流的不连续性,RUSLE模型中坡长因子对DEM精度有较高要求;Peng等[11]基于坡面径流小区实验揭示了不同的降雨机制及土地利用方式对水土流失及地表径流的影响有显著差异。

尽管上述工作均聚焦于地理环境因子、人类活动对土壤侵蚀的影响,但对于要素之间及变量组合的综合比较尚显缺乏,而且大多数采用相关或回归统计方法,对于多因子影响及其交互作用的定量归因相对薄弱。事实上,传统的统计分析或空间分析手段并不能定量化地给出影响因子对土壤侵蚀的作用程度,而地理探测器方法则可通过探测地理现象的空间分层异质性来揭示其背后的驱动力,该方法不仅在社会科学[12,13]、人类健康[14]等方面应用广泛,在自然科学[15]和环境科学[16]中的应用也逐渐普及,其核心假设为:如果某个自变量对某个因变量有重要影响,那么自变量和因变量的空间分布具有较强的一致性[17]。因此本文以地貌形态类型空间分布作为宏观背景,借助地理探测器方法开展喀斯特流域土壤侵蚀的多因子定量归因,以期甄别不同地貌形态类型区的主导影响因子及交互作用,为喀斯特地区生态治理及环境保护政策提供科学依据。

2 数据来源与研究方法
2.1 研究区概况

本文以贵州省西北部的典型喀斯特峰丛洼地流域(三岔河流域)为案例区,该区位于贵州省乌江流域西南部(图1),流域面积为4860 km2。三岔河为乌江的一级支流,河流全长325.6 km。研究区基岩以碳酸盐岩为主,夹杂少量非可溶岩,岩溶作用形成的地上地下的二元结构使得三岔河流域地面河网系统匮乏,地下河网发达。喀斯特多呈垂向发育,存在大面积陡坡[18],易发生土壤侵蚀。土层浅薄、成土速度慢、土壤生态物理性状差,缺少半风化母质层,土石之间黏着力较低,存在明显的软硬界面,易产生水土流失及土块滑移[18]。三岔河流域属亚热带季风气候区,年均降水量在1100 mm左右,雨量充沛且多暴雨,降雨主要集中在5月-10月份。植物群落单调,森林生态功能较弱。喀斯特地貌地表破碎,耕地分散,且人口众多,人地矛盾突出,不合理的土地利用方式造成严重的水土流失。

图1 研究区地理位置 Fig. 1 Location of the study area

2.2 数据来源及处理

基于RUSLE模型进行土壤侵蚀量计算需要的数据包括:鉴于喀斯特土壤侵蚀的计算对于地形数据的分辨率较为敏感,本文采用9 m空间分辨率DEM影像(Google Earth);基于2010年2景30 m分辨率TM影像(美国地质调查局官网https://glovis.usgs.gov/)及野外调查定点数据,采用ENVI软件监督分类方法进行影像解译得到土地利用数据,并在已有GPS样点中抽样选取部分样点进行验证(图2c),Kappa系数值为0.81,数据较为可靠;1 km分辨率土壤机械组成数据(联合国粮食及农业组织(FAO)和国际系统分析研究所(IIASA)建立的土壤数据库(HWSD));三岔河流域及周边地区28个气象站点数据(国家气候中心),使用专业气象插值软件ANUSPLIN对气象站点进行插值得到栅格数据。根据周成虎等[19]有关地貌分类的研究成果,研究区域内喀斯特地貌形态类型包括小起伏中山、中起伏中山、中海拔平原、中海拔丘陵及中海拔台地5种(图2a),地貌形态类型数据来源于中国科学院资源环境数据中心(http://www.resdc.cn)。针对这5种地貌形态类型进行土壤侵蚀主导因素探测分析,本文选取的因子有:岩性(http://www.resdc.cn)(图2b)、土地利用类型(图2c)、坡度(图2d)、降雨(图2e)、植被覆盖度(250 m、https://glovis.usgs.gov)(图2f)及海拔(图1)。

图2 三岔河流域地貌形态类型及土壤侵蚀影响因子(岩性、土地利用类型、坡度、降雨、植被覆盖度) Fig. 2 Morphological types of geomorphology in the Sancha River Basin (a) and influencing factors of soil erosion (b. lithology; c. land use type; d. slope; e. rainfall; f. vegetation cover)

2.3 研究方法

2.3.1 RUSLE模型 在土壤侵蚀和土地退化日益加剧的背景下,传统的基础研究如径流小区法、降雨侵蚀模拟法不能及时获得区域内土壤侵蚀数据,依赖基础研究进行生态治理会导致水土保持措施的滞后性[20],因此模型模拟方法逐渐受到青睐,其中RUSLE[21]模型是国际上广为流行的一种模型,不仅弥补了野外观测在大尺度应用上的局限性,而且适合多尺度的模拟研究[5, 10],在不同尺度的模拟中取得较好效果。其数学表达式如下:

A = R × K × LS × C × P (1)

式中:A表示年均土壤侵蚀量,单位(t ha-1 a-1);R表示降雨侵蚀力,单位(MJ mm ha-1 h-1 a-1);K为土壤可蚀性因子,单位(t ha h MJ-1 mm-1 ha-1);LS为地形因子,也称为坡长坡度因子;C是植被覆盖与管理因子;P是水土保持措施因子;LSCP是无量纲。

降雨侵蚀力因子反应了降雨特征对土壤侵蚀的影响,如降雨强度。本文采用Wischmeier提出并由Arnoldus[22]修正的降雨侵蚀力的公式来模拟降雨侵蚀力,公式如下:

R = i = 1 12 1.735 × 10 1.5 × log P i 2 P - 0.8188 (2)

式中:PiP分别表示月均降雨和年均降雨,i =1, 2…, 12,表示月份。

K为土壤可蚀性因子,是关于土壤属性的函数,本文使用Williams等[23]提出的侵蚀力影响计算器来计算(EPIC),公式如下: K = 0.2 + 0.3 e - 0.0256 W d 1 - W i / 100 × W i W i + W t 0.3 × 1 - 0.25 W c W c + e 3.72 - 2.95 W c × 1 - 0.7 W n W n + e - 5.51 + 22.9 W n (3)

W n = 1 - W d 100 (4)

式中:Wd是砂粒含量(%);Wi是粉粒含量(%);Wt是黏粒含量(%);Wc是有机碳含量(%)。

由于喀斯特地区的地上地下二元结构,LS因子对RUSLE模型较为敏感,考虑到高精度地形数据对于喀斯特土壤侵蚀模拟的重要性,本文采用Google earth提供的9 m空间分辨率DEM作为计算坡度坡长因子的基础数据。并选用由McCool等[24,25]提出、Zhang等[26]修正的LS计算方法,公式如下:

LS = λ 22.13 α (5)

α = β β + 1 (6)

β = sin θ 3 × ( sin θ ) 0.8 + 0.56 (7)

S = 10.8 × sin θ + 0.03 θ < 9 % , λ > 4.6 m 16.8 × sin θ - 0.5 θ 9 % , λ > 4.6 m 3 × ( sin θ ) 0.8 + 0.56 λ 4.6 m (8)

式中:λ是坡长;α是可变坡长指数;β是随坡度变化的系数;θ是坡度。

植被覆盖和管理因子(C)和水土保持措施因子(P)的计算目前尚未形成统一的标准,本文CP因子的计算参考前人在喀斯特地区进行的研究[6, 10],C因子和P因子的赋值标准如表1所示。

表1 C值和P值的赋值标准 Tab. 1 C value and P value

RUSLE模型中各因子数据来源、分辨率有所差异,需对数据进行统一化处理,在ArcGIS 10.2中将RUSLE模型中各因子的空间分辨率统一为30 m,投影坐标统一为Albers_Conic_Equal_Area。本文中使用的土地利用数据空间分辨率为30 m,以此为基准分辨率;将9 m分辨率的LS因子尺度上推为30 m;由于1 km空间范围内的降雨量差异较小,尤其是年和月尺度,因此将插值后1 km分辨率的降雨数据降尺度为30 m是可行的;土壤类型在1 km范围内空间异质性较低,且K因子数值较小,因此将其尺度下推为30 m,不影响其精度。

2.3.2 地理探测器的原理与应用 地理探测器是一种通过探测要素的空间分层异质性来 揭示其背后驱动力的方法,空间分层异质性是指层内方差之和小于层间总方差的现象,分异性的大小由地理探测器的q值来衡量[17]。该方法主要应用于空间分异性的影响因素识别与作用机制的研究[12],影响因素通常是类别变量,这一特点对土壤侵蚀的探测十分重要。地理探测器包括4个模块:因子探测器、风险探测器、交互作用探测器、生态探测器。

因子探测器探测因变量的空间分异性,以及自变量对因变量的解释力,其大小用q值来衡量[27],公式如下:

q = 1 - h = 1 L N h σ h 2 N σ 2 = 1 - SSW SST (11)

SSW = h = 1 L N h σ h 2 , SST = N σ 2 (12)

式中:h =1, 2…, L为自变量X的分层;NhN为层h内和区域内的单元数;σ2hσ2分别是层h和全区的Y值的方差;SSW为层内方差之和;SST为区域总方差;q为自变量对因变量的解释力,q∈[0, 1],q值越接近于1,表示自变量对因变量的解释力越强,根据q值大小可识别土壤侵蚀的主导因子。q值的一个简单变换满足非中心分布,地理探测器软件可对q值显著性做出检验[17]

生态探测器可比较影响因子对土壤侵蚀空间分布的影响是否有显著差异,使用F检验度量[17];交互作用探测器是地理探测器相对于其他统计方法的最大优势,可用来探测双变量间的交互作用,通过对比单因子q值及双因子q值的大小可判断两因子间交互作用的方向及方式,该方法对于相互作用的假设不仅限于传统统计学方法,如Logistic回归假设的相乘关系,而是只要有交互作用就能够被检测出来[17],交互作用方式判断依据如表2所示;风险探测器可判断影响因子的层间土壤侵蚀量是否有显著差别,并识别土壤侵蚀高风险区域。

表2 自变量对因变量的交互作用方式 Tab. 2 Types of interaction between two covariates

地理探测器的输入变量要求为类别数据,需对连续型变量做离散化处理,土地利用类型、岩性、地貌按类别分类,结合王劲峰等提出的数据离散化方法[17]及先验知识,将植被覆盖度按照< 0.3、0.3~0.4、0.4~0.5、0.5~0.6、0.6~0.7、0.7~0.8、0.8~0.9、0.9~1分为8类,降雨、海拔数据按照等间距分类法分成9类,坡度按照< 5º、5º~10º、10º~15º,15º~20º、20º~25º、25º~30º、30º~35º、> 35º等级分为8类。使用ArcGIS 10.2中的渔网点功能将栅格数据提取到点,采样间距为500 m,共提取19686个点,作为地理探测器的运行数据。针对不同地貌形态类型区,土壤侵蚀影响因子采取一致的分层方法,确保在同样空间分层条件下探究因子对土壤侵蚀的影响,保证了不同地貌形态类型区之间结果的可比较性。

3 结果与分析
3.1 不同地貌形态类型区域土壤侵蚀及地理环境因子统计

2010年三岔河流域的土壤侵蚀量的范围为0~124.44 t ha-1 a-1,均值为11.37 t ha-1 a-1,该数值与Feng等[10]应用137Cs方法得到的广西喀斯特峰丛洼地土壤侵蚀结果较为一致,此外,Zeng等[20]应用RUSLE模型模拟贵州省印江县土壤侵蚀,得到2013年土壤侵蚀量为18.84 t ha-1 a-1,Febles-Gonzalez等[28]在古巴哈瓦那喀斯特地区进行土壤侵蚀模拟,结果为12.3~13.7 t ha-1 a-1,与本文土壤侵蚀模拟结果较为接近。三岔河流域土壤侵蚀具有空间异质性(图3),流域上中游的土壤侵蚀较下游严重。由表3可知,不同地貌形态类型分布区的地理环境因子也具有空间异质性,山地丘陵区平均坡度较大,平原、台地地区坡度较小;中起伏中山地区的平均海拔高度显著高于其他地区,降雨量则相反;耕地主要集中于小起伏中山、中起伏中山、中海拔丘陵等地,坡耕地主要分布于小起伏中山及中起伏中山等地。不同地貌形态类型土壤侵蚀均值差异显著,受坡度、地形、降雨及人类活动等因素综合影响中海拔丘陵地区平均土壤侵蚀量最大,小起伏中山次之,中海拔台地地区土壤侵蚀量最小。

图3 2010年三岔河流域土壤侵蚀空间分布 Fig. 3 The spatial distribution of soil erosion in the Sancha River Basin in 2010

表3 不同地貌形态类型土壤侵蚀量及地理环境因子统计 Tab. 3 Soil erosion and geographic environmental factors in different morphological types of geomorphology
3.2 基于地理探测器的不同地貌形态类型下土壤侵蚀定量归因

3.2.1 土壤侵蚀影响因子的显著性研究 因子探测器的运行结果表明,不同地貌形态类型下土壤侵蚀的主导影响因子及其解释力有显著差异(表4)。影响因子的作用显著性受地貌形态类型区域内部特征影响,如海拔在中海拔台地地区对土壤侵蚀的解释力不显著,但在中起伏中山地区却高达19.3%;土地利用类型对土壤侵蚀空间分布的解释力显著高于其他影响因子,各地貌形态类型中均达到51%以上,中海拔台地地区甚至高达68.5%;坡度对土壤侵蚀的解释力呈现如下规律:在山地丘陵区,随着地形起伏度的上升解释力下降,在相对平坦的地区,呈现相反的趋势,具体表现为q值在山地丘陵区的排序:中海拔丘陵>小起伏中山>中起伏中山,在平原、台地等相对平坦的地区,中海拔台地的q值大于中海拔平原;降雨对土壤侵蚀的解释力在不同地貌形态类型中相差悬殊。生态探测器显示中海拔平原、中海拔台地地区土地利用对土壤侵蚀空间分布的影响显著区别于其他因子;中海拔丘陵、小起伏中山地区土地利用及坡度对土壤侵蚀的影响显著区别于其他因子;中起伏中山地区土地利用、海拔对土壤侵蚀的影响相比于其他因子有显著差异。

表4 不同地貌形态类型影响因子q值统计 Tab. 4 The q values of influencing factors in different morphological types of geomorphology

3.2.2 土壤侵蚀影响因子交互作用研究 交互作用探测结果表明5种地貌形态类型区,影响因子两两交互作用均会增强对土壤侵蚀的解释力。不同地貌形态类型内主导交互作用类型有差异,将解释力排在前三位的交互作用方式进行统计,统计结果如表5所示。除中海拔平原外,交互作用解释力排在第一位的均为土地利用类型与坡度的协同作用,是土壤侵蚀的显著控制因子,解释力均高于70%,意味着坡度不同的土地利用类型或坡度相同的不同土地利用类型间土壤侵蚀差异大,如25°的坡耕地和5°的坡耕地,或25°的坡耕地和25°的林地间土壤侵蚀量相差悬殊。中海拔平原地区,陡坡开垦较少(表3),土地利用方式相对合理,因此土地利用类型叠加坡度对土壤侵蚀的解释力稍微降低,但仍达到67.1%,而此地貌形态类型内土地利用类型与降雨的叠加可解释71%的土壤侵蚀空间分布。不同地貌形态类型,第二、第三主导交互作用均为土地利用类型叠加某一影响因子,但存在差异(表5)。此外,坡度与降雨的叠加可大大增加单因子对土壤侵蚀的解释力,表现为非线性增强,5种地貌形态类型中解释力最高可达21.3%,最低为13.8%。

表5 不同地貌形态类型区土壤侵蚀影响因子交互作用探测 Tab. 5 The dominant interactions between two covariates in different morphological types of geomorphology

3.2.3 土壤侵蚀高风险区域识别及影响因子层间土壤侵蚀量差异性判别 由因子探测器及交互作用探测器可知,影响因子及其组合的交互作用对土壤侵蚀空间分布解释力不同,运行风险探测器模块可探测土壤侵蚀空间分布特征,识别出土壤侵蚀高风险区域(置信水平95%)(表6),并判断影响因子的层间土壤侵蚀量差异是否显著,进而可统计有显著差异的分层组合数的百分比(表7)。不同地貌形态类型土壤侵蚀高风险区差异明显(表6),在小起伏中山地区,随着坡度的上升土壤侵蚀量上升,在其余4种地貌形态类型中,坡度与土壤侵蚀的关系存在拐点,即为表6中坡度的高风险区域;旱地的土壤侵蚀最为严重,但不同地貌形态类型下平均侵蚀量有差异;三岔河流域的土壤侵蚀随植被覆盖度的变化特征不同于其他非喀斯特地区,而是存在一个临界值,低于这个临界值,土壤侵蚀随植被覆盖度的上升而增加,高于这个临界值,土壤侵蚀随植被覆盖的上升而减小。地质条件是土壤侵蚀发生的背景,不同岩性的土壤侵蚀量与其所处的地貌区的气候、地形及人为因素有关,在不同地貌形态类型区内,发生最大土壤侵蚀的岩性均不相同;海拔与土壤侵蚀的空间分布不具备显著的正向或负向相关关系,达到土壤侵蚀最大值的海拔区间亦不相同。不同地貌形态类型中各影响因子的层间土壤侵蚀量有显著差异的组合数百分比相差悬殊(表7),土地利用在不同地貌形态类型中的层间差异最大,具有显著差异的百分比达到90%以上;坡度的层间差异在小起伏中山、中起伏中山、中海拔丘陵等平均坡度较大地区远大于中海拔平原、中海拔台地等平均坡度较小地区;降雨及海拔的层间差异在中海拔平原地区达到100%,在小起伏中山及中起伏中山地区高于中海拔丘陵、中海拔台地地区;岩性及植被覆盖度的层间差异均较低。

表6 不同地貌形态类型土壤侵蚀高风险区域及其平均值(t ha-1 a-1) Tab. 6 High risk areas of soil erosion and its mean value (t ha-1 a-1) in different morphological types of geomorphology
表7 各影响因子中有显著差异的分层组合数的百分比(%) Tab. 7 The percentage of stratification combinations with significant difference in each influencing factor (%)
4 讨论

地貌形态类型从宏观上控制着地表过程的发生和发展,土壤侵蚀作为地表过程的一种,在不同地貌形态类型下的侵蚀特征差异显著。土地利用类型是最为显著的主导因子;坡度对土壤侵蚀的解释力在中海拔平原、丘陵、台地等地形相对平坦的地区显著大于小起伏中山、中起伏中山等地表起伏度相对较大的山地地区,这可能是因为在相对陡峭的地区,地形复杂、气候差异、生态脆弱,土壤侵蚀的影响因素更为复杂,因此坡度对土壤侵蚀的空间解释力降低;相比于其他4种地貌形态类型,海拔在中起伏中山地区对土壤侵蚀的解释力最高,原因为中起伏中山地区内部相对高差较大,植被垂直分异性明显,海拔的分层能够体现植被、气候及地形的综合差异;岩性、植被覆盖度在中海拔平原、中海拔台地地区影响不显著,尽管上述因子在侵蚀发生角度及坡面尺度都是土壤侵蚀至关重要的影响因子,但在特定地貌形态类型下对土壤侵蚀的控制作用不明显。

地理过程的复杂性往往导致影响因子不是单独起作用,而是共同作用的,其作用耦合程度的探讨仍然是尚未解决的难题。本文基于地理探测器进行土壤侵蚀影响因子两两交互作用的探讨,以期发现土壤侵蚀影响因子间作用的规律。结果表明坡度与土地利用类型的交互作用对土壤侵蚀的解释力在各个地貌形态类型中均高达67%以上,王尧等[5]曾指出乌江流域不同的土地利用类型对土壤侵蚀的影响差异显著,且随着坡度的增加,土壤侵蚀量明显增加,这与本文的坡度与土地利用交互作用可大大增强对土壤侵蚀的控制作用相符合。这一点也论证了退耕还林及禁止陡坡耕地的必要性。此外,坡度与降雨的叠加增强了对土壤侵蚀的解释力,坡度与降雨是土壤侵蚀发生的必要条件及动力基础,降雨遇到陡坡极易造成水力侵蚀;坡度与岩性的叠加也可增强对土壤侵蚀的解释力,岩性为土壤形成的基础,不同岩性背景决定了地下岩层及地表土壤的特性,喀斯特地区岩石风化成土速度慢、土层浅薄且土壤缺少母质层,土体和岩石之间存在显著的“软硬界面”[18],在坡度较高的地区极易受到重力及其他外力作用发生土壤侵蚀。

陈思旭等[29]指出南方土石山区土壤侵蚀随着坡度的上升呈现先增加后减小的趋势,临界值为15°~25º,本文得到类似结论,中海拔平原地区临界值为20°~25°,中海拔丘陵地区临界值为30°~35°,中海拔台地地区临界值为15°~20°,中起伏中山地区临界值为25°~30°;已有研究表明乌江流域植被覆盖度对土壤侵蚀的作用存在临界值[5],本文中起伏中山、中海拔平原地区,植被覆盖度的临界值为0.5~0.6,产生此现象的原因为植被覆盖度高的地区往往具有较大坡度;此外,不同的地貌形态类型区高风险土壤侵蚀区域的降雨量、岩性、海拔梯度差异显著。不同地貌形态类型,各影响因子的层间土壤侵蚀量的差异性有显著区别,层间差异最大的因子为土地利用类型,坡度、降雨、海拔、岩性及植被覆盖度等因子的层间差异性参差不齐。因此在制定政策及划分土壤侵蚀重点治理区时,应因地制宜,综合考虑不同地貌形态类型间土壤侵蚀空间分布及影响因子的层间差异性,有针对性的选取治理范围。

国内外研究学者借助不同方法,进行不同尺度的土壤侵蚀研究,研究成果之间对比性差,不利于结果的验证,在众多的研究方法中,RUSLE作为国内外最流行的经验公式在大尺度的侵蚀模拟上得到普遍认可。尽管本文综合考虑了喀斯特地区特有的石林及有效坡长等因素,选取9 m分辨率DEM用于RUSLE模型,大大提高了LS因子的模拟精度,但仍存在一些不足之处,喀斯特部分地区土层浅薄,重度石漠化地区甚至无土可流,RUSLE模型的模拟结果在一定程度上高估了三岔河流域的土壤侵蚀,基于土层厚度的RUSLE模型修正工作是今后研究的重点。

5 结论

本文使用地理探测器方法剖析了不同地貌形态类型区域内土壤侵蚀空间分布的主导影响因子及因子间的交互影响程度,并识别出土壤侵蚀高风险区域及影响因子层间土壤侵蚀量的差异性。主要得到以下结论,以期为土壤侵蚀的治理提供参考。

(1)本文选取的6个影响因子对土壤侵蚀的解释力不同,在5种地貌形态类型中排在第一位的均为土地利用类型;影响因子及因子间对土壤侵蚀影响的差异性在不同地貌形态类型区有差异。

(2)因子间交互作用均能增强对土壤侵蚀的解释力,土地利用类型和坡度的协同作用最为显著,禁止陡坡耕地及退耕还林等措施可有效防治当地的水土流失;坡度与降雨的叠加大大增强对土壤侵蚀的解释力,因此在强降雨陡坡地区应当采取必要的防治措施,以减缓灾害事件造成的经济损失。

(3)在土壤侵蚀治理工作中,应综合考虑地貌类型的宏观控制作用,根据土壤侵蚀的空间分布特征及其影响因子定量归因结论,本文明确了不同地貌形态类型区土壤侵蚀的重点治理区域。在小起伏中山地区的重点治理区域为:坡度大于35°的陡坡、海拔1383~1531 m、旱地、白云岩夹层分布的地区;中起伏中山:坡度25°~30°、海拔1235~1383 m、旱地、白云岩分布的区域;中海拔平原地区:坡度20°~25°、海拔1087~1235 m、旱地、灰岩与碎屑岩互层分布的区域;中海拔丘陵:坡度30°~35°、海拔1383~1531 m、旱地、碎屑岩分布的区域;中海拔台地:坡度15°~20°、海拔1531~1679 m、旱地、灰岩夹层分布的区域。

The authors have declared that no competing interests exist.

Reference
[1] Li Zhiguang.Current status and developing trend of soil erosion in China. Science of Soil and Water Conservation, 2008, 6(1): 57-62.
[本文引用:1]
[李智广. 我国水土流失状况与发展趋势研究. 中国水土保持科学, 2008, 6(1): 57-62.]
利用第3次水土流失普查数据,分析我国目前水土流失总体状况,水蚀、风蚀和冻融侵蚀等不同类型水土流失状况以及东部、东北、中部和西部地区4大经济区域水土流失状况,并对水蚀区侵蚀危险度现状进行了评价。结合水利部开展的第1、2次全国水土流失普查数据,分析15年来水土流失的动态变化情况,以及我国主要江河流域多年来土壤流失量变化的状况。
[2] Wang S J, Liu Q M, Zhang D F.Karst rocky desertification in southwestern China: Geomorphology, landuse, impact and rehabilitation. Land Degradation & Development, 2004, 15(2): 115-121.
[本文引用:1]
[3] Hou Wenjuan, Gao Jiangbo, Peng Tao, et al.Review of ecosystem vulnerability studies in the karst region of Southwest China based on a structure-function-habitat framework. Progress in Geography, 2016, 35(3): 320-330.
[本文引用:1]
[侯文娟, 高江波, 彭韬, . 结构—功能—生境框架下的西南喀斯特生态系统脆弱性研究进展. 地理科学进展, 2016, 35(3): 320-330.]
特殊的地质背景与生态环境叠加强烈的人类活动,导致中国西南喀斯特地区生态系统呈现显著的脆弱性特征.从生态系统敏感性和适应性角度出发,喀斯特生态系统结构、功能和生境对外界扰动响应的脆弱性特征研究已取得一定进展,尤其是借助物种多样性、生态系统生产力、土壤水分/养分等指标揭示了喀斯特生态系统对土地利用/覆被变化、石漠化等过程的敏感性等方面,但综合野外试验、数值模拟、数理统计等手段的生态系统敏感性定量化研究仍较薄弱.在生态系统适应性方面,虽然具有喜钙、耐旱以及石生等特性的植物种群通过形态结构和生理功能的自我调节能够呈现出对岩溶环境的适应性,但喀斯特生态系统对人类干扰和气候变化等环境胁迫响应的适应机制仍缺乏长期的生物及理化过程研究.今后,应针对生态系统结构、功能、生境间的正反馈机制,增强系统组分的耦合分析,加强喀斯特生态系统脆弱性驱动机制研究与定量评估,突出系统脆弱性在石漠化遏制和生态恢复重建中的关键地位.
[4] Zhang Xinbao, Wang Shijie, Bai Xiaoyong, et al.Relationships between the spatial distribution of karst land desertification and geomorphology, lithology, precipitation, and population density in Guizhou Province. Earth and Environment, 2013, 41(1): 1-6.
[本文引用:1]
[张信宝, 王世杰, 白晓永, . 贵州石漠化空间分布与喀斯特地貌、岩性、降水和人口密度的关系. 地球与环境, 2013, 41(1): 1-6.]
[5] Wang Yao, Cai Yunlong, Pan Mao.Analysis on the relationship between soil erosion and land use in Wujiang River Basin in Guizhou Province. Research of Soil and Water Conservation, 2013, 20(3): 11-18.
[本文引用:4]
[王尧, 蔡运龙, 潘懋. 贵州省乌江流域土地利用与土壤侵蚀关系研究. 水土保持研究, 2013, 20(3): 11-18.]
根据贵州省乌江流域20世纪80年代初和2000年左右的15幅Landsat MSS/ETM遥感影像数据、2000年土壤侵蚀调查数据和GIMMS/AVHRR NDVI数据,利用遥感、GIS技术和数理统计方法,系统分析了1980-2000年贵州省乌江流域土地利用/覆被变化的时空特征,探讨了不同土地利用方式对土壤侵蚀的影响.研究表明:乌江流域土地利用类型以林地、耕地和草地为主.1980-2000年的20 a间,流域内土地利用/土地覆被数量结构变化明显,呈好转趋势.不同土地利用类型下的土壤侵蚀强度大小为:裸岩石砾地<其他林地<建设用地<有林地<水域<水田<低覆盖度草地<灌木林地<高覆盖度草地<疏林地<中覆盖度草地<旱地.旱地、中覆盖度草地和疏林地是流域内土壤侵蚀发生的主要土地利用类型.从不同侵蚀等级的发生区域来看,各强度类型侵蚀都集中分布在植被覆盖度为50%~60%的地区,侵蚀存在50%~60%的植被覆盖度临界值,这与非喀斯特地区随着植被盖度降低,侵蚀强度逐渐增大的规律不同.
[6] Xu Yueqing, Shao Xiaomei.Estimation of soil erosion supported by GIS and RUSLE: A case study of Maotiaohe Watershed, Guizhou Province. Journal of Beijing Forestry University, 2006, 28(4): 67-71.
[本文引用:2]
[许月卿, 邵晓梅. 基于GIS和RUSLE的土壤侵蚀量计算: 以贵州省猫跳河流域为例. 北京林业大学学报, 2006, 28(4): 67-71.]
[7] Zhang Xinbao, Wang Shijie, He Xiubin, et al.Soil creeping in weathering crusts of carbonate rocks and underground soil losses on karst slopes. Earth and Environment, 2007, 35(3): 202-206.
[本文引用:1]
[张信宝, 王世杰, 贺秀斌, . 碳酸盐岩风化壳中的土壤蠕滑与岩溶坡地的土壤地下漏失. 地球与环境, 2007, 35(3): 202-206.]
[8] Xiong Kangning, Li Jin, Long Mingzhong.Features of soil and water loss and key issues in demonstration areas for combating karst rocky desertification. Acta Geographica Sinica, 2012, 67(7): 878-888.
[本文引用:1]
[熊康宁, 李晋, 龙明忠. 典型喀斯特石漠化治理区水土流失特征与关键问题. 地理学报, 2012, 67(7): 878-888.]
[9] Bai X Y, Zhang X B, Long Y, et al.Use of 137Cs and 210Pbex measurements on deposits in a karst depression to study the erosional response of a small karst catchment in Southwest China to land-use change. Hydrological Processes, 2013, 27(6): 822-829.
DOI:10.1002/hyp.v27.6      [本文引用:1]
[10] Feng T, Chen H S, Polyakov V O, et al.Soil erosion rates in two karst peak-cluster depression basins of northwest Guangxi, China: Comparison of the RUSLE model with 137Cs measurements. Geomorphology, 2016, 253: 217-224.
DOI:10.1016/j.geomorph.2015.10.013      [本文引用:4]
[11] Peng T, Wang S J.Effects of land use, land cover and rainfall regimes on the surface runoff and soil loss on karst slopes in southwest China. Catena, 2012, 90: 53-62.
DOI:10.1016/j.catena.2011.11.001      [本文引用:1]
[12] Li Jiaming, Lu Dadao, Xu Chengdong, et al.Spatial heterogeneity and its changes of population on the two sides of Hu Line. Acta Geographica Sinica, 2017, 72(1): 148-160.
[本文引用:2]
[李佳洺, 陆大道, 徐成东, . 胡焕庸线两侧人口的空间分异性及其变化. 地理学报, 2017, 72(1): 148-160.]
胡焕庸线作为人地关系的重要地理大发现之一,揭示了中国人口分布东密西疏的重要特征,是人文与经济地理学对社会的重要贡献之一。本文采用地理探测器等定量方法,以人口普查数据为基础,对胡焕庸线两侧人口分布的分异性特征进行了深入讨论,并尝试解释中国人口分布特征变化的原因及其机制。结果表明:1胡焕庸线作为中国最重要的人口分界线仍基本保持稳定,但从空间统计学分异特征来看该分界线仍可进一步优化调整;2胡焕庸线两侧内部人口集聚模式发生着明显变化,东南半壁人口分布由改革开放之前和初期的相对均衡状态,转变为以长三角、珠三角等少数区域为中心的集聚模式;而西北半壁人口分布的集聚程度则趋于下降;3从人口空间分布的影响因素看,尽管总体上,经济发展类因素对于人口空间分布影响不断增强,但三大阶梯等自然地理本底条件依然对中国人口分布有着重要影响。
DOI:10.11821/dlxb201701012     
[13] Zhan Dongsheng, Zhang Wenzhong, Yu Jianhui, et al.Analysis of influencing mechanism of residents' livability satisfaction in Beijing using geographical detector. Progress in Geography, 2015, 34(8): 966-975.
[本文引用:1]
[湛东升, 张文忠, 余建辉, . 基于地理探测器的北京市居民宜居满意度影响机理. 地理科学进展, 2015, 34(8): 966-975.]
城市宜居性是与居民生活质量密切相关的科学议题,深入探讨宜居满意度影响机理对把握转型期北京市居民居住环境需求、促进宜居城市建设等具有重要的现实意义。以北京市为案例,基于2013年宜居城市大规模问卷调查数据,运用因子分析方法提取了北京市居民宜居满意度主要感知因素,并分别从居民宜居感知因素、个体与家庭属性因素两个视角,借助地理探测器方法揭示了北京市居民宜居满意度特征与影响机理。研究发现:1北京市居民宜居满意度主要由污染噪声因子、生活设施因子、人文环境因子、出行便捷因子、自然环境因子、安全环境因子和休闲活动因子等7个维度构成。2宜居满意度受到宜居感知因素和个体与家庭属性共同影响,但宜居感知因素的解释力明显要强,其中污染噪声因子、自然环境因子和出行便捷因子等因素是关键因子。3宜居满意度与宜居感知因素具有相对一致性,且存在个体与家庭属性差异。通常宜居感知因素得分低居民,其宜居满意度也相对较低;另外,远郊区、租赁房、有迁居经历、男性、30~39岁、高中学历、家庭月收入5000元以下和外地户口等社会群体的宜居满意度明显要低。
[14] Hu Y, Wang J F, Li X H, et al.Geographical detector-based risk assessment of the under-five mortality in the 2008 Wenchuan Earthquake, China. Plos One, 2011, 6(6): e21427.
DOI:10.1371/journal.pone.0021427      [本文引用:1]
[15] Luo W, Jasiewicz J, Stepinski T, et al.Spatial association between dissection density and environmental factors over the entire conterminous United States. Geophysical Research Letters, 2015, 43(2): 692-700.
[本文引用:1]
[16] Tong Laga, Xu Xinliang, Fu Ying et al. Impact of environmental factors on snail distribution using geographical detector model. Progress in Geography, 2014, 33(5): 625-635.
[本文引用:1]
[通拉嘎, 徐新良, 付颖, . 地理环境因子对螺情影响的探测分析. 地理科学进展, 2014, 33(5): 625-635.]
近年来,由于自然环境、经济社会等因素影响,中国血吸虫病疫情呈回升态势,表现为急性感染人数和血吸虫病患病人数增多,局部地区钉螺扩散明显,感染性钉螺分布范围逐渐扩大等。钉螺是血吸虫的唯一中间宿主,控制钉螺对血吸虫病防治具有重要意义。本文根据钉螺的生态学特征,综合高程、水文、土地利用、土壤、植被等因子,基于地理探测器模型分析了地理环境因子对2009年湖北省钉螺分布的影响。结果表明:① 在垸内型流行区,整个流行季(3-10月)、特别是7-9月期间的植被覆盖与钉螺分布范围有关,密螺地带的特征为土壤质地粉砂含量适中、黄红壤和淹育水稻土,第一季度有较高的植被覆盖度;② 在垸外型流行区,湖泊滩地、高覆盖度草地是其主要分布环境,而第一季度较高的植被覆盖,尤其是荻、芦苇等植被类型是高密度地区的环境特征;③ 在山地丘陵,河流附近的林地和耕地,潴育或淹育水稻土是钉螺密集分布的环境。筛选出的地理环境指示因子可用于遥感技术监测钉螺孳生地,从而为采取有效的控螺措施提供科学依据。
[17] Wang Jinfeng, Xu Chengdong.Geodetector: Principle and prospective. Acta Geographica Sinica, 2017, 72(1): 116-134.
[本文引用:6]
[王劲峰, 徐成东. 地理探测器: 原理与展望. 地理学报, 2017, 72(1): 116-134.]
[18] Cai Yunlong, Wan Jun, Wang Yao, et al.Study on Land Change in Guizhou Karst Plateau Mountain Area. Beijing: Science Press, 2015: 61-62.
[本文引用:3]
[蔡运龙, 万军, 王尧, . 贵州喀斯特高原山区土地变化研究. 北京: 科学出版社, 2015: 61-62.]
[19] Zhou Chenghu, Cheng Weiming, Qian Jinkai, et al.Research on the classification system of digital land geomorphology of 1∶1000000 in China. Geo-information Science, 2009, 11(6): 707-724.
[本文引用:1]
[周成虎, 程维明, 钱金凯, . 中国陆地1∶100万数字地貌分类体系研究. 地球信息科学学报, 2009, 11(6): 707-724.]
地貌分类体系是地貌图研制的关键之一,本文在总结国内外地貌及分类研究的基础上,借鉴20世纪80年代的中国1∶100万地貌图制图规范,基于遥感影像、数字高程模型和计算机自动制图等技术条件,归纳总结了数字地貌分类过程中应遵循的几大原则,分析了它们之间的相互关系,讨论了数字地貌分类的各种指标:包括形态、成因、物质组成和年龄等,提出了中国陆地1∶100万数字地貌三等六级七层的数值分类方法,扩展了以多边形图斑反映形态成因类型,以点、线、面图斑共同反映形态结构类型的数字地貌数据组织方式,并详细划分了各成因类型的不同层次、不同级别的地貌类型。中国1∶100万数字地貌分类体系的研究,为遥感等多源数据的陆地地貌解析和制图提供了规范,也为《中华人民共和国地貌图集》的编制奠定了基础,同时为全国大、中比例尺地貌图的分类和编制研究提供了借鉴。
[20] Zeng C, Wang S J, Bai X Y, et al.Soil erosion evolution and spatial correlation analysis in a typical karst geomorphology using RUSLE with GIS. Solid Earth, 2017, 8(4): 721-736.
DOI:10.5194/se-8-721-2017      [本文引用:2]
[21] Renard K G, Foster G R, Weesies G A, et al.Predicting soil erosion by water: A guide to conservation planning with the revised universal soil loss equation (RUSLE). Agriculture Handbook, 1997.
[本文引用:1]
[22] Arnoldus H M J. An approximation of the rainfall factor in the universal soil loss equation//De Boodt M, Gabriels D. Assessment of Erosion. Chichester UK: Wiley, 1980: 127-132.
The SIGMA 12p2/p-index, in which p is monthly rainfall and P is annual rainfall, provides a rapid way of approximating the rainfall factor value, although a minimum number of stations still need to be treated in greater detail.
[本文引用:1]
[23] Williams, J R, Jones, C A, Kiniry J R, et al. The EPIC crop growth-model. Transactions of the ASAE, 1989, 32: 497-511.
ABSTRACT The EPIC plant growth model was developed to estimate soil productivity as affected by erosion throughout the U.S. Since soil productivity is expressed in terms of crop yield, the model must be capable of simulating crop yields realistically for soils with a wide range of erosion damage. Also, simulation of many crops is required because of the wide variety grown in the U.S. EPIC simulates all crops with one crop growth model using unique parameter values for each crop. The processes simualted include leaf interception of solar radiation; conversion to biomass; division of biomass into roots, above ground mass, and economic yield; root growth; water use; and nutrient uptake. The model has been tested throughout the U.S. and in several foreign countries.
DOI:10.13031/2013.31032      [本文引用:1]
[24] McCool D K, Brown L C, Foster G R, et al. Revised slope steepness factor for the universal soil loss equation. Transactions of the Asae, 1987, 30(5): 1387-1396.
ABSTRACT Areanalysis of historical and recent data from both natural and simulated rainfall soil erosion plots has resulted in new slope steepness relationships for the Universal Soil Loss Equation. For long slopes on which both interrill and rill erosion occur, the relationships consist of two linear segments with a breakpoint at 9% slope. These relationships predict less erosion than current relationships on slopes steeper than 9% and slopes flatter than about 1%. A separate equation is proposed for the slope effect on short slopes where only interrill erosion is present. For conditions where surface flow over thaw-weakened soil dominates the erosion process, two relationships with a breakpoint at 9% slope are presented.
DOI:10.13031/2013.30576      [本文引用:1]
[25] McCool D K, Foster G R, Mutchler C K, et al. Revised slope length factor for the universal soil loss equation. Transactions of the Asae, 1989, 32: 1571-1576.
ABSTRACT An analysis based on theoretical considerations and data interpretation was used in developing revised relationships for the slope length exponent for the Universal Soil Loss Equation. The analysis was based on the ratio of rill to interrill erosion and resulted in a general relationship between the slope length exponent and slope steepness. Parameters in the relationship are changed depending upon whether the ratio of rill to interrill erosion is expected to be low, moderate or high. Such conditions might be representative of rangeland or no-till seeding, normal seedbed conditions or highly disturbed conditions, respectively. For thawing soil conditions where rill erosion is dominant, an exponent value of 0.5 is recommended..
DOI:10.13031/2013.30576      [本文引用:1]
[26] Zhang H M, Yang Q K, Li R, et al.Extension of a GIS procedure for calculating the RUSLE equation LS factor. Computers & Geosciences, 2013, 52: 177-188.
78 We presented an improved algorithm that can automatically calculate LS factors. 78 Using slope steepness and channel networks breaks in calculating slope length. 78 Calculate L factor under consideration of convergence flow. 78 Our method corresponds more closely with the reality of the example catchment. 78 We developed LS-TOOL application using C73 with a user-friendly interface.
DOI:10.1016/j.cageo.2012.09.027      [本文引用:1]
[27] Wang J F, Li X H, Christakos G, et al.Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun region, China. International Journal of Geographical Information Science, 2010, 24(1): 107-127.
DOI:10.1080/13658810802443457      [本文引用:1]
[28] Febles-Gonzalez J M, Vega-Carreno M B, Tolon-Becerra A, et al. Assessment of soil erosion in karst regions of Havana, Cuba. Land Degradation & Development, 2012, 23(5): 465-474.
ABSTRACT Only recently have erosion models begun to be used in research work in Cuba, specifically the USLE and the thematic cartography of factors in a GIS framework without using a specific model. It therefore becomes necessary to include simulation models for karst regions that make possible an integral assessment of the specific types of soil erosion in those environments and take into consideration the effects of climate change in soil management systems. Morphometric analysis of karst doline absorption forms in regions of La Habana Province in 1986, 1997, and 2009 allowed the characterisation and application of the Morgan Morgan Finney (MMF) conceptual empirical erosion model in the Country for the first time. The results showed previously unreported losses of 12·3–13·765t of soil ha65 611 65y 611 , which surpasses the permissible erosion threshold. Furthermore, it clearly shows the unsustainable trend of Red Ferralitic and Ferrasol Rhodic (World Reference Base) soils use. The model applied considered the effects of extreme rainfall events associated with climate change in recent years. The results found have led to strategies for coping with future climate change in each scenario and have made it possible to evaluate the consequences. Copyright 08 2011 John Wiley & Sons, Ltd.
DOI:10.1002/ldr.1089      [本文引用:1]
[29] Chen Sixu, Yang Xiaohuan, Xiao Linlin, et al.Study of soil erosion in the southern hillside area of China based on RUSLE model. Resources Science, 2014, 36(6): 1288-1297.
[本文引用:1]
[陈思旭, 杨小唤, 肖林林, . 基于RUSLE模型的南方丘陵山区土壤侵蚀研究. 资源科学, 2014, 36(6): 1288-1297.]
土壤侵蚀已成为世界范围内的生态环境问题,是水土保持的重要内容。本文基于GIS技术和RUSLE模型对南方丘陵山区4个主要省份——湖南、江西、浙江和福建的土壤侵蚀状况进行了定量研究,分析了土壤侵蚀空间分布特征以及与坡度、海拔间的关系。结果表明:研究区内年均土壤侵蚀量为2.46亿t/a,平均土壤侵蚀模数为421.81t/(km2?a);研究区水土保持状况良好,土壤侵蚀面积中,只有13.41%的面积存在着较高程度的侵蚀,局部区域表现为强烈侵蚀;空间上,湖南和江西的土壤侵蚀呈现块状分布,浙江和福建的土壤侵蚀则呈现出点状分布,湖南整体的水土保持状况不如其他3个省份;研究区内土壤侵蚀与坡度和海拔关系密切,微度侵蚀在各海拔和坡度等级下分布面积最大(均大于75%),强度以上的侵蚀分布面积很小(均小于1.5%),坡度15~25°和海拔200~500m的区域是研究区内土壤侵蚀最为强烈的区域。
版权所有 © 2013 《地理学报》编辑部
本系统由北京玛格泰克科技发展有限公司设计开发