EN中文

Journal of Geo-information Science >

2019 , Vol. 21 >Issue 11: 1755 - 1767

DOI: https://doi.org/10.12082/dqxxkx.2019.180447

Analysis on Spatiotemporal Characteristics and Factors of Soil Erosion in Liupanshui City

  • NIU Li'nan 1, 2 ,
  • SHAO Quanqin , 1, * ,
  • LIU Guobo 1, 2 ,
  • TANG Yuzhi 1, 2
Expand
  • 1. Key Laboratory of Terrestrial Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
SHAO Quanqin, E-mail:

Received date: 2018-09-05

  Request revised date: 2019-09-25

  Online published: 2019-12-11

Supported by

CAS Strategic Priority Research Program(XDA23100203)

National Key Research and Development Program of China(No.2017YFC0506501)

Copyright

Copyright reserved © 2016
Fold

Abstract

Liupanshui is a city with very important ecological status and serious soil erosion in China. In recent years, Liupanshui has adopted a series of ecological construction projects, therefore, it is very important to quantitatively analyze soil erosion and its influencing factors. Based on the Revised Universal Soil Loss Equation (RUSLE) model and geographical detector method, we calculated the average soil erosion modulus of Liupanshui city during 1990-2015. We analyzed the changes of spatiotemporal patterns, and explored the quantitative analysis of the influencing factors of geographic detector, and spatial correlation analysis. Results show that: (1) The Average Soil Erosion Modulus (ASEM)of Liupanshui was 23.50 t·hm-2·a-1, with an average soil erosion amount of 1578.42×104 t·a-1. The micro and moderate erosion were the dominant erosion types, occupying 83.49% of the total area, while the strong and violent erosion accounted for only 5.3%. The strong erosion area in Liupanshui was mainly located at the junction of Beipanjiang River Basin and Nanpanjiang River Basin as well as the Karst areas with fragile eco-environment. (2) The ASEM was the largest in 2000, which increased by 5.50% compared with that in 1990. The ASEM in 2005 decreased by 18.2% compared with that in 2000. The ASEM in 2010 was the smallest, 11.4% lower than that in 2005. The ASEM in 2015 increased compared with that in 2010. The soil erosion intensity in Liupanshui city in 2000-2015 was weaker than that in 1990-2000. The area of violent erosion decreased, and the strong erosion shifted to micro, light and moderate erosion. (3) The vegetation coverage factor and the perennial average rainfall factor are important factors affecting the spatial distribution of regional soil erosion. Moreover, unused land, vegetation coverage less than 0.3, slope above 25° and rainfall between 1543~1593 mm are high-risk erosion areas. (4) Vegetation coverage and soil erosion have negative correlation in space, while rainfall factors have negative correlation and positive correlation in space. (5) Soil erosion improvement areas are mostly distributed in ecological engineering areas, so ecological engineering construction can improve soil erosion. Different ecological engineering protection priorities lead to different degree of soil erosion improvement. By simulating rainfall to calculate the soil erosion modulus and soil erosion amount before and after Grain-for-Green, it could be seen that the soil erosion situation in Liupanshui had improved after Grain-for-Green. Compared with cultivated land-forest land and cultivated land-grassland land use change area, Liupanshui city is more suitable to return cultivated land to forest. Implementation of the Grain-for-Green Project should be continued in Liupanshui city, and focus more on areas with complex topography and fragile eco-environment.

Key words： soil erosion; spatiotemporal variations; RUSLE model; Geodetector; Liupanshui

Cite this article

NIU Li'nan , SHAO Quanqin , LIU Guobo , TANG Yuzhi . Analysis on Spatiotemporal Characteristics and Factors of Soil Erosion in Liupanshui City[J]. Journal of Geo-information Science, 2019 , 21(11) : 1755 -1767 . DOI: 10.12082/dqxxkx.2019.180447

1 引言

土壤侵蚀是最常见的土壤破坏方式之一[1]。自然侵蚀的基础上增加不合理的人类干扰,会加速土壤侵蚀过程。土壤侵蚀导致土地生产力下降,对生态环境、社会经济发展、人类生存都有严重影响[2]。我国是世界上土壤侵蚀最严重的国家之一,截至2014年,土壤侵蚀总面积达到294.92万km2,其中水力侵蚀面积160万km2,占总面积的42.9%[3]。
土壤侵蚀定量研究中,土壤侵蚀模型法是最广泛有效的方法。1965年Wischmeier等[4]利用美国国家水土流失中心收集到的将近10 000多个试验小区的资料,提出了经验性的土壤通用流失方程（USLE）,美国农业部[5]在1997年对USLE进行修正并颁布了修正通用土壤流失方程（RUSLE）。20世纪80年代美国通用土壤流失方程进入我国,20世纪80年代初期,江忠善等[6]以RUSLE模型为基础,采用陕北、晋西等流域水文观测资料,建立次降雨流域产沙量模型;20世纪80年代中期,王星宇等[7]针对黄土高原丘陵区小流域侵蚀地貌,建立了小流域产沙量的模型;蔡强国等[8]实现侵蚀模型与GIS相结合,建立了坡面土壤流失模型。近些年RUSLE模型大量应用在土壤侵蚀时空变化研究中,姜琳等[9]利用RUSLE模型计算了岷江上游10年土壤侵蚀变化,查良松等[10]利用RUSLE模型与GIS技术相结合,计算了巢湖流域1992-2013年土壤侵蚀模数。RUSLE模型是目前世界应用广泛、发展较为成熟的土壤侵蚀模型,但土壤侵蚀模型的使用具有明显地域性,不同研究区域结果差异较大,目前大量研究都是基于流域大尺度,小尺度的研究较少,研究六盘水市土壤侵蚀多年时空变化并结合其影响因素分析尤为必要。
贵州省发育有喀斯特地貌,生态环境脆弱,是我国土壤侵蚀严重省份之一,其省内水土流失面积达7.70万 km2,喀斯特地区水土流失面积超过6.50万 km2,占该省总面积的50%[11]。六盘水市位于贵州省西部,为本市乃至两江中下游地区提供节水调湿、固碳释氧、水土保持、生物多样性保持等生态系统服务,生态地位十分重要。土壤侵蚀导致了该市土地退化,生存环境恶化,成为制约其社会经济发展的重要因素,土壤侵蚀强度在年际之间存在一定变化[12],现有的关于六盘水市土壤侵蚀的研究主要集中在单一年份土壤侵蚀情况[13],缺乏关于时空动态变化的分析研究。本文基于RUSLE模型模拟六盘水市1990-2015年土壤侵蚀动态变化情况,利用地理探测器分析土壤侵蚀影响因素,结果可为六盘水市的水土保持治理工作提供科学合理依据。

2 研究区概况、数据来源与研究方法

2.1 研究区域概况

六盘水市位于贵州省西部（104°18′20″E-105°42′50″E,25°19′44″N-26°53′33″N）,市辖钟山区、六枝特区、盘县、水城县四个县级行政区（图1）。境内发育有喀斯特地貌,碳酸盐岩广布 [14]。一般地区海拔在1200~2000 m间,地貌主要以山地、丘陵为主。所属区域位于亚热带高原性季风气候区,年均气温为13 ~14 ℃,雨量较高,年平均降雨量1061.57 mm,东部和南部雨量较多,洪涝灾害频繁,总体时空分布不均。根据第二次全国土地调查统计,六盘水市土地总面积为9890.92 km2,其中耕地面积最大,达到4036 km2,占土地总面积的40.8%;其次为林地,面积为3764.95 km2,占38.1%;草地、建设用地、水域、面积分别为940.69、448.70和73.51 km2,分别占9.5%、4.5%和0.7%。六盘水市是以煤、电、冶、建材为骨干能源的原材料工业城市,数十年的大规模工业开采使得原本较为脆弱的生态环境遭到了严重破坏,但最近几年六盘水市加强了生态文明建设,推动了生态工程发展,生态环境有了一定恢复。
图1 六盘水市区域概略

Fig. 1 Regional overview of Liupanshui

2.2 数据来源

气象数据采用中国地面气候资料日值数据集,数据主要包括六盘水市及其周边31个国家气象站1951-2015年温度和日降雨量数据[15];土壤数据采用中国科学院资源环境数据中心网站的1：100万土壤数据库,含有土壤质地砂砾、粉粒,有机碳含量等数据[16];地形数据采用30 m数字高程数据ASTER GDEM数据产品[17];遥感影像数据为Landsat4-5 TM遥感影像数据和Landsat8 OLI_TIRS遥感影像数据,TM影像数据重复周期为16 d,每隔半月选择一期遥感影像数据[18];植被覆盖指数NDVI数据通过遥感影像数据解译生成;土地利用数据采用1990、2000、2005、2010、2015年5期1 km分辨率类型的中国土地利用/覆被数据,包括6个一级地类25个二级地类如耕地、林地、草地、水域、建设用地、未利用土地等[19],森林二类调查小班矢量数据和矿产相关信息来自于六盘水市政府部门（表1）。
表1 六盘水市土壤侵蚀评价及分析数据

Tab. 1 Principal data sources for soil erosion assessment in Liupanshui

数据名称 数据来源 时段 数据说明
中国地面气候资料日值数据集 国家气象信息中心 1951-2015 包括六盘水市及其周边31个国家气象站1951-2015年温度和日降雨量数据
土壤数据库 资源环境数据云平台 1990-2015 土壤质地砂砾、粉粒,有机碳含量等数据
ASTER GDEM数据产品 地理空间数据云 1990-2015 DEM高程数据
Landsat4-5 TM 地理空间数据云 1990-2010 遥感影像数据
Landsat8 OLI_TIRS 地理空间数据云 2010-2015 遥感影像数据
中国土地利用/覆被 中国科学院地理科学与资源研究所地球系统科学数据共享平台 1990-2015 1990、2000、2005、2010、2015年5期土地利用数据

2.3 研究方法

2.3.1 RUSLE模型
本次研究采用修正的通用土壤流失方程（RUSLE）[5]计算土壤侵蚀模数,具体公式如下：
A = R × K × LS × C × P
式中：A为单位面积土壤侵蚀量/（t/（hm2·a））;R为降雨侵蚀力因子/（MJ·mm/（hm2·h·a）;K为土壤可蚀性因子/（t·h/（MJ·mm））;LS为坡长坡度因子;C为植被覆盖因子;P为水土保持措施因子;LS、C、P无量纲。
（1）降雨侵蚀力因子（R）
降雨侵蚀力是土壤侵蚀的驱动因子,与土壤侵蚀强度有直接的关系,降雨侵蚀力因子是用来表示降雨侵蚀力大小的因子。本文采用基于日降雨量资料的半月降雨侵蚀力模型[20]来估算降雨侵蚀力。计算公式如下：
Mi = α ∑ j = 1 k Dj β
式中：Mi为某半月段的降雨侵蚀力值/（MJ·mm/（hm2·h·a）;Dj表示半月第J天的侵蚀雨量（日降雨量大于或等于12 mm,否则以0计算）;K表示半月期间天数,该月剩余部分作为第二个半月时段,全年划分为24个时间段。
其中α、β是模型待定参数：
β = 0.8363 + 18.144 p ̅ d 12 + 24.455 p ̅ y 12
α = 21.586 β - 7.1891
式中：Pd12表示12 mm及以上的日平均雨量;Py12表示12 mm及以上的年平均雨量。本次研究根据降雨侵蚀力模型公式分别计算得到六盘水及其周边31个国家气象站的1990、2000、2005、2010、2015年5期降雨侵蚀力值,采用ArcGIS中的Kriging插值方法对计算结果进行空间插值,输出六盘水市 30 m×30 m的年度降雨侵蚀力空间分布图。
（2）土壤可蚀性因子（K）
土壤可蚀性因子是指示土壤性质对侵蚀敏感程度的因素[21]。由于缺乏部分土壤相关参数,本文根据已有参数采用具有代表性的Wishmeier[22]的EPIC模型中的计算方法,EPIC 公式为：
K EPIC = 0.2 + 0.3 exp - 0.025 SAN 1 - SIL 100 × SIL CLA + SIL 0.3 1.0 - 0.25 C C + exp 3.72 - 2.95 C × 1.0 - 0.7 SNI SNI + exp - 5.51 + 22.9 SNI
式中：SAN为砂粒（粒径为0.1~2 mm）含量,%;SIL为粉粒（粒径为0.002~0.1 mm）含量,%;CLA为粘粒（粒径<0.002 mm）含量,%;C为土壤有机碳含量,%;SNI=1-SAN/100。之后,根据张科利等[23]的研究成果,对EPIC法计算后的K值进行修正,修正转换公式为：
K = - 0.0183 + 0.51575 KEPIC
根据六盘水市土壤类型进行赋值,在ArcGIS中生成30 m栅格空间数据。
（3）坡长坡度因子（LS）
坡长坡度因子（LS）是坡度坡长这2个因素的结合,表征了地形对土壤侵蚀的影响。本文采用McCool[24]和刘宝元[25]的计算方法计算坡度坡长因子,公式为：
$L=(\frac{\lambda}{22.13})^{m}$
其中 : m = 0.5 θ ≥ 9 % m = 0.4 9 % > θ ≥ 3 % m = 0.3 3 % > θ ≥ 1 % m = 0.2 1 % ≥ θ
S = 10.8 sin θ + 0.03 θ < 9 % 16.8 sin θ - 0.50 9 % ≤ θ ≤ 18 % 21.91 sin θ - 0.96 θ > 18 %
式中：γ为坡长,单位为m;m是一个无量纲常数,取决于坡度百分比值。本次研究利用30 m的DEM数据在ArcGIS中提取得到坡长坡度值,然后根据上述公式计算坡长坡度因子,生成坡长坡度因子空间分布图。
（4）植被覆盖因子（C）
植被覆盖因子是在相同条件下连续休闲土地上的土壤流失量与土壤流失总量之比[5],是影响土壤侵蚀的敏感因子,与植被覆盖度直接相关,其值在0~1之间,为无量纲数。本次研究采用蔡崇法[26]提出的C值计算方法,公式如下：
C = 1 f = 0 0.6 508 - 0.3436 lg f 0 < f ≤ 78.3 % 0 f > 78.3 %
上述公式中,植被覆盖度f根据植被指数NDVI数据基于像元二分法计算得到,公式如下：
f = NDVI - NDV I soil NDV I max - NDV I soil
式中：NDVIsoil为纯裸土象元的NDVI值;NDVImax为纯植被象元的NDVI 值。本次研究首先利用ENVI软件对遥感影像数据进行预处理,之后计算得到NDVI植被指数。根据得到的植被指数情况,取5%处的NDVI值作为纯裸土像元的NDVI值,即最小值,取95%处的NDVI值作为纯植被像元的NDVI值,即最大值,低于纯裸土像元值的NDVI用最小值替代,高于纯植被像元值的NDVI用最大值替代。C因子计算利用重复周期16 d的TM影像反演得到的NDVI数据生成半月C因子值,再结合半月的降雨侵蚀力计算半月土壤侵蚀,年值是半月数值的加和。
（5）水土保持措施因子（P）
水土保持措施因子（P）是指采用一定的水土保持措施后土壤流失量和不采取任何措施的土壤流失量的比值。水土保持措施包括等高耕作等水土保持工程措施,由于缺乏对六盘水市水土保持项目实施相关数据的支撑,本次研究根据六盘水市实际考察情况,结合前人的研究成果[27,28],得到不同土地利用类型的P因子值（表2）,对其直接进行赋值。
表2 六盘水市不同土地利用类型的P因子值

Tab. 2 P-factor values of different land use types in Liupanshui

土地利用类型 水田 旱地 林地 草地 采矿用地 裸地
P因子值 0.01 0.4 1 0.8 0.5 1
2.3.2 地理探测器
地理现象的基本特征是空间分异性,地理要素的空间分布通常是不均匀的,具有空间异质性[29]。地理探测器可以探测利用空间分异性,辨别不同要素空间类别分区之间的异质性,定量分析地理现象的影响要素[30]。地理探测器由4部分探测器组成,分别为分异及因子探测器、风险探测器、生态探测器和交互作用探测器。因子探测器可以探测因变量（Y）的空间分异性,探测某因素（X）是否影响该因变量空间分布以及在多大程度上能够解释该因变量,并用q值度量,表达式为：
q = 1 - ∑ h = 1 L N h σ h 2 N σ 2 = 1 - SSW SST 其中 , SSW = ∑ h = 1 L N h σ h 2 , SST = N σ 2
式中：h=1, …, L为变量Y或X的分类或分区;Nh和N分别为层h和全区的单元数; σ h 2 为层h的方差, σ 2 为全区的Y的方差;SSW和SST分别为层内方差之和和全区总方差。q值域为[0,1],值越大说明因素作用越大,反之则弱。
交互探测器可以识别不同因子之间的交互作用,评估因子共同作用是否会影响对因变量的解释力或这些因子是否是相互独立,可以通过比较单因子的q值和他们交互后的q值来衡量对因变量的影响;风险探测器用来判断2个子区域的属性均值是否有显著差别;生态探测器可以比较2个因子对因变量的空间分布影响是否有显著差异。土壤侵蚀受气候、植被、地形等多种因素影响[31],选取多年平均降雨量,多年平均植被覆盖度、坡度、土地利用类型4个因子放入地理探测器中进行运算,多年平均土壤侵蚀强度为因变量。根据王劲峰等提出数据离散化方法和先验知识[32,33],对4类因子进行离散化处理,多年平均降雨量等间距分成9类,植被覆盖度分为8类（<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）,坡度分为6类（<5º、5~10º、10~15º、15~20º、20~25º、>25°）,土地利用类型按类别进行分类,将六盘水市区域划为研究单元为 1 km×1 km格网,每一格点采取土壤侵蚀强度、降雨量、植被覆盖度、坡度和土地利用类型数据作为地理探测器的运行数据。
2.3.3 相关性分析
相关性分性是研究2个变量之间的相关关系的统计学方法,可以描述因变量和自变量之间相互关系的密切程度,相关系数的范围[-1,1],[0,1]为正相关,[-1,0]为负相关,其绝对值越趋向于1,两变量之间的相关性程度越高,越接近于0,相关性程度越低。本文将土壤侵蚀与其影响因素做空间上的相关性分析。

3 结果及分析

3.1 土壤侵蚀基本特征分析

六盘水市1990-2015多年平均土壤侵蚀模数为23.50 t/（hm2·a）,平均土壤侵蚀量为1578.42×104 t。90年代贵州省年均土壤侵蚀模数为23.13 t/（hm2·a）,2000年贵州省第二次水土流失遥感调查年均土壤侵蚀模数为14.32 t/（hm2·a）[34],2010年贵州省水土保持公告表明年均土壤侵蚀模数为13.61 t/（hm2·a）[35],2011-2015年贵州省年均土壤侵蚀模数为11.89 t/（hm2·a）[36],因六盘水市水土流失情况在贵州省较为严重,则计算得到的土壤侵蚀模数偏高,与上述多年平均结果较一致。根据水利部发布的《土壤侵蚀分类分级标准》SL190-2007[37]对六盘水市土壤侵蚀强度进行分级,分别统计其面积及所占百分比（表3）,六盘水市土壤侵蚀中微度侵蚀和轻度侵蚀面积为5494.68 km²,面积占比83.5%,中度、强烈、较强烈和剧烈侵蚀总面积1086.68 km²,面积占比16.5%。六盘水市以微度和中度侵蚀为主,但其强烈、较强烈和剧烈侵蚀面积所占比例为5.3%。
表3 1990-2015年六盘水市多年平均土壤侵蚀强度面积

Tab. 3 Multi-year average soil erosion intensity area of Liupanshui from 1990 to 2015

级别 平均侵蚀模数/t/（hm2·a） 面积/km² 面积占比/%
微度侵蚀 <500 3959.99 60.2
轻度侵蚀 500~2500 1534.69 23.3
中度侵蚀 2500~5000 737.11 11.2
强烈侵蚀 5000~8000 265.32 4.0
极强烈侵蚀 8000~15 000 57.54 0.9
剧烈侵蚀 >15 000 26.71 0.4
六盘水市土壤侵蚀空间分布如图2所示,土壤侵蚀严重地区主要分布在北盘江流域与南盘江流域交界处以及喀斯特山地地区。北盘江剧烈切割六盘水市中部地区,形成深山狭谷地貌,造成侵蚀区域较大;喀斯特地区生态环境脆弱,土质疏松,易受侵蚀,再加上人类砍伐导致植被覆盖稀疏,造成水土流失。土壤侵蚀强烈及剧烈侵蚀地区主要分布在盘县中部、水城县东南部、六枝特区西部以及钟山区北部部分地区,4个区县大部分地区为微度侵蚀、轻度侵蚀和中度侵蚀。六盘水市部分地区发现有局部土壤侵蚀严重情况,分布零散,与矿产工厂位置相近,矿产开采易造成崩塌、滑坡等地质灾害使植被覆盖等抑制土壤侵蚀的因子减少作用,导致土壤侵蚀程度加剧。
图2 1990-2015六盘水市多年平均土壤侵蚀强度

Fig. 2 Multi-year average soil erosion intensity area of Liupanshui from 1990 to 2015

3.2 土壤侵蚀时空变化分析

1990-2010年平均土壤侵蚀模数整体为下降趋势,2010-2015年为上升趋势,其中2000年平均土壤侵蚀模数（26.70 t/（hm2·a））最大,较1990年（25.31 t/（hm2·a））增加了5.5%;2005年平均土壤侵蚀模数较2000降低18.2%;2010年平均土壤侵蚀模数（19.36 t/（hm2·a））最小,较2005年（21.84 t/（hm2·a））降低11.4%（图3）。
图3 1990-2015年六盘水市平均土壤侵蚀模数

Fig. 3 Multi-year average soil erosion modulus of Liupanshui from 1990 to 2015

为进一步探究土壤侵蚀变化原因,以2010年为分界点,制作2000-2010年降雨侵蚀性因子和植被覆盖因子年际趋势变化图（图4）,2000-2010年降雨因子整体呈平缓下降趋势,2010年后大幅上升;植被因子在2000-2010年呈大幅下降趋势,2010年后趋于稳定波动;在2000-2010年土壤侵蚀模数受植被因子影响较大,植被因子降低即植被覆盖度增加,导致2000-2010年土壤侵蚀模数下降;在2010年后植被因子趋于稳定,降雨因子成为影响土壤侵蚀模数的主要因素,在植被覆盖度没有明显增加的情况下,2014年六盘水市出现强降雨降水灾害,造成全市不同程度受灾,其中钟山区灾害较严重[38],该年土壤侵蚀大幅加剧,水土流失严重,2015年降雨量也较大,平均降雨侵蚀力为10 098.60 MJ ·mm/（hm2·h·a）较2010年平均降雨侵蚀力（8655.88 MJ·mm/（hm2·h·a））增加了16.7%。
图4 2000-2015年六盘水市降雨侵蚀性因子和植被覆盖因子年际变化

Fig. 4 Interannual variation of R-factor and C- factor in Liupanshui from 2000 to 2015

六盘水市自2014年启动新一轮退耕还林以来,已完成612.74 km2,森林覆盖率从44.1%上升至53.0%,全市水土流失得到有效遏制,水土流失率从42.0%下降至35.0%[39]。六盘水市自2000年开始设立退耕还林试点,为更直观探讨六盘水市退耕还林还草等生态工程及相关生态文明建设对土壤侵蚀的影响,本文以2000年为界,计算六盘水市1990-2000、2000-2015年2个时间段的多年平均土壤侵蚀模数并统计土壤侵蚀强度面积及所占比例 （表4）。六盘水市1990-2000年微度、轻度和中度侵蚀所占比例共89.9%,2000-2015年微度、轻度和中度侵蚀所占比例增加了3.4%;1990-2000年强烈和极强烈侵蚀共9.1%,2000-2015年强烈和极强烈侵蚀共6.0%,减少了2.9%;2000-2015年剧烈侵蚀比1990-2000年减少了0.3%。结合图5土壤侵蚀空间分布可知,2000-2015年土壤侵蚀情况较1990-2000年有所减轻,剧烈侵蚀面积减少,强烈、极强烈侵蚀向微度、轻度、中度侵蚀转移,轻度侵蚀增加较多。2000-2015年盘县微度、轻度和中度侵蚀面积比例共94.9%,比1990-2000年增加6.4%,强烈、较强烈和剧烈侵蚀面积比例减少6.4%;2000-2015年六枝特区微度、轻度和中度侵蚀面积比例95.8%,比1990-2000年增幅4.9%,剧烈侵蚀面积增加了0.3%;1990-2000年水城县剧烈侵蚀所占比例在4个区县中最高,在2000-2015年剧烈侵蚀面积下降了0.3%,所占比例仍是最高;钟山区面积最小,其微度、中度侵蚀所占面积比例较高,部分微度侵蚀转化为轻度侵蚀,剧烈侵蚀降幅0.2%。
表4 六盘水市各区县土壤侵蚀强度等级面积

Tab. 4 Areas and proportions of different soil erosion intensity grades in each district of Liupanshui

时段/年 侵蚀等级 钟山区 六枝特区 盘县 水城县
面积/km² 占比/% 面积/km² 占比/% 面积/km² 占比/% 面积/km² 占比/%
1990-2000 微度侵蚀 326.41 73.8 1297.88 74.1 2621.23 66.1 2649.06 74.5
轻度侵蚀 46.86 10.6 142.07 8.1 435.45 10.9 270.19 7.6
中度侵蚀 39.47 8.9 152.09 8.7 456.88 11.5 296.30 8.3
强烈侵蚀 24.48 5.5 121.37 6.9 361.58 9.1 256.23 7.2
极强烈侵蚀 3.54 0.8 23.86 1.5 63.67 1.7 53.59 1.5
剧烈侵蚀 1.33 0.4 13.09 0.7 27.32 0.7 30.79 0.9
2000-2015 微度侵蚀 278.06 63.3 1075.56 61.8 2242.21 56.9 2135.72 60.6
轻度侵蚀 125.56 28.6 496.74 28.6 1236.17 31.4 1043.48 29.6
中度侵蚀 21.56 4.9 03.09 5.4 258.13 6.6 185.62 5.3
强烈侵蚀 11.37 2.6 53.65 3.2 152.07 3.9 113.93 3.2
极强烈侵蚀 1.73 0.4 10.97 0.6 28.29 0.7 24.20 0.6
剧烈侵蚀 1.04 0.2 9.34 0.4 19.73 0.5 21.23 0.6
图5 1990-2000、2000-2015年六盘水市多年平均土壤侵蚀强度空间分布

Fig. 5 Spatial distribution of multi-year average soil erosion intensity in Liupanshui during 1990-2000 and 2000-2015

2000-2015年六盘水市绝大部分地区的土壤侵蚀强度较1990-2000年得到了较大的缓解。各区县中,盘县2000-2015年的土壤侵蚀程度减轻,盘县煤矿产业较多,80%大型煤矿企业位于其中;六枝特区侵蚀严重地区主要分布在西部,西部的部分地区在2000-2015年土壤侵蚀情况加重,北部地区强烈侵蚀在2000-2015年多转化为轻度、中度侵蚀;水城县1990-2000年土壤侵蚀严重地区主要分布在南部与东部,2000-2015年剧烈侵蚀地区多转化为微度、中度侵蚀,东部仍有土壤侵蚀严重地区;钟山区土壤侵蚀严重地区主要分布在北部,北部煤矿开采频繁,应对其可能造成的侵蚀加剧情况进行进一步研究。

3.3 土壤侵蚀影响因素分析

3.3.1 土壤侵蚀影响因子定量分析
利用地理探测器对土壤侵蚀因子进行定量分析,结果显示,不同影响因子对土壤侵蚀强度的解释量不同,各因子的解释大小为：植被覆盖度因子>降雨因子>土地利用类型因子>坡度因子（表5）。植被覆盖度的q值最高,是影响土壤侵蚀空间格局分布的主要因素,其次是降雨因子,土地利用类型因子影响土壤侵蚀,但未通过显著性检验,坡度因子的q值最小。六盘水市属亚热带湿润季风区,水热条件佳,全市均属森林区,植被覆盖度较高,植被可明显降低土壤侵蚀,减少水土流失;六盘水市大部分地区年总雨量在1100 mm以上,六枝特区、晴隆一带降雨量达1400 mm以上,降雨具有明显空间差异性,降雨时间长且较为集中,主要集中在夏半年（5~10月）,降雨对坡面产沙产流、侵蚀过程有重要的影响,此外该区域地形地貌复杂,广泛分布喀斯特地貌,地下地表双层空间开放,雨水作用下发生地下漏失,是喀斯特地区的主要土壤侵蚀途径。由结果可知,自然环境因素显著影响六盘水市土壤侵蚀空间分布格局。
表5 土壤侵蚀强度影响因子的q值和P值

Tab. 5 The q value and p value of influencing factors of soil erosion

因子 土地利用
类型		 植被
覆盖度		 坡度/° 多年平均降雨量/mm
q值 0.0041 0.1426 0.0027 0.0107
P值 0.0577 0.0000 0.0311 0.0000
交互作用探测结果显示（表6）,两种影响因子交互协同作用会增强对土壤侵蚀空间分布格局的解释力,植被覆盖度同其他因子的交互作用明显大于其他因子,植被覆盖度的不同显著影响土壤侵蚀强度的空间分布,植被覆盖度与土地利用类型的两因子交互q值明显高于土地利用类型单因子,增加林地草地面积,提高植被覆盖度加强水土保持。坡度与植被覆盖因子交互作用后的p值较坡度单因子p值大幅增加,达到约65倍,结合六盘水市地形地貌分析,该市20°以上坡地约占总面积15.8%,地形复杂,河谷深切,应对坡耕地进行退耕还林,对陡坡面进行植被修复,植树造林,降低地表径流,减少大面积水土流失现象。
表6 土壤侵蚀影响因素交互作用下q值

Tab. 6 The q values of dominant interactions between soil erosion influencing factor

土地利用
类型		 植被
覆盖度		 坡度 多年平均
降雨量
土地利用类型 0.0041 0.1861 0.0174 0.0344
植被覆盖度 0.1861 0.1426 0.1771 0.1810
坡度 0.0175 0.1771 0.0027 0.0231
多年平均降雨量 0.0344 0.1810 0.0231 0.0107
风险探测器结果显示（表7）,土地利用类型中未利用土地发生土壤侵蚀风险最高。六盘水市未利用土地主要有裸土地、裸岩石砾地和废气工矿用地。植被覆盖度低,碳酸岩类岩石分布广泛,缺乏水土保持措施,水土流失风险高。植被覆盖度中的高风险区分布在覆盖度小于0.3以下,土壤侵蚀强度剧增,非常强烈,远远高于其他风险区,而且通过比较不同等级植被覆盖度下平均土壤侵蚀强度发现,随着植被覆盖度的升高,土壤侵蚀强度降低,植被对该地区土壤侵蚀具有非常重要的影响。坡度高风险区在陡坡地区,随着坡度升高,土壤侵蚀强度先增加后减少,在坡度25°出现拐点,之后土壤侵蚀强度剧烈增加,通过叠加植被覆盖度空间图发现其空间上也对应了植被覆盖度较低地区,尤其山区地区多年降雨量在1543~1593 mm,雨量丰富,坡度大,造成侵蚀作用强烈,土壤经常流失,为高风险侵蚀区域。
表7 各影响因子侵蚀高风险区域及土壤侵蚀强度平均值

Tab. 7 High risk areas of soil erosion and its mean value of each influencing factor （t/（hm2﹒a））

土地利用
类型		 植被
覆盖度		 坡度 多年平均
降雨量
高风险区 未利用土地 <0.3 >25° 1543~1593
平均土壤侵蚀强度 19.17 163.50 20.29 27.96
生态探测器结果表明,植被覆盖因子和降雨因子对土壤侵蚀的空间分布影响有显著差异,结合上述分析,植被覆盖因子和降雨因子是影响六盘水市土壤侵蚀空间分布格局的重要因素。
3.3.2 土壤侵蚀影响因子空间相关性分析
利用地理探测器探究不同影响因子对土壤侵蚀强度空间分布的解释力度,其中植被覆盖度因子和降雨因子解释力度最大,对土壤侵蚀的空间分布影响有显著差异。为进一步分析植被覆盖因子和降雨因子与土壤侵蚀空间分布的相关性,利用2000-2015年逐年植被覆盖度和逐年平均降雨量数据与2000-2015年逐年平均土壤侵蚀强度在空间上进行相关性分析。
植被覆盖度与土壤侵蚀在空间上全部呈负相关性,植被覆盖度对土壤侵蚀空间分布格局影响很大。植被不仅可以增加土壤中的有机质含量,改善土壤微生物活动,使土壤水稳性团粒含量增加,而且植被冠层和枯落物对雨水有截留作用,可以有效降低雨滴的动能,减少雨水对地面的冲刷,避免对土壤团聚体的破坏,土壤入渗速率一般以乔木和灌木林地最高[40]。降雨因子与土壤侵蚀在空间上存在负相关性和正相关性,40.6%地区呈负相关性,主要分布在海拔较低地形较为平坦的地区,正相关性较高的地区主要集中在研究区域北部钟山区、东部六枝特区和南部部分地区,分布较为集中,通过叠置六盘水市矿产点分析可知,这些区域主要是六盘水市矿产地点,矿产开采导致土地裸露,地表塌陷破坏严重,坡度变陡,植被覆盖度减少,对降水雨量敏感,强降雨下较其他地区更易导致土壤侵蚀加剧,而且易出现滑坡、泥石流等地质灾害（图6）;在矿区开采破坏严重地区应积极进行生态工程相关治理可有效缓解土壤侵蚀严重情况,减少水土流失。对于塌陷严重坡度较陡区域应进行人为加固,可采取设置排水沟等工程措施,引导雨水,此外,最重要的是采用植被措施,封育植树,首先选择乔灌木,增加植被覆盖度,易侵蚀易扰动地区加大植树造林面积,提高土壤抗侵蚀能力,使植被恢复到原来水平。
图6 六盘水市降雨与土壤侵蚀强度相关性分析

Fig. 6 Correlation analysis between rainfall and soil erosion intensity in Liupanshui

4 讨论

六盘水市地处黔中高原向滇东高原过渡和广西丘陵向黔西北高原过渡地带,区域内发育有喀斯特地貌,碳酸盐分布广泛,地处长江流域乌江水系和珠江流域西江水系的分水岭地区,河流切割强烈,地形起伏剧烈,形成高山峡谷地貌,土壤侵蚀严重地区一般分布在这些区域。此外,六盘水市内降雨地境性差异明显,雨量时空分布不均,降雨量北部少南部多,造成土壤侵蚀整体空间上北部侵蚀强度小于南部地区。
六盘水市煤矿资源丰富,是能源原材料工业城市,其城市化和工业化的快速发展给该区域带来了巨大的环境压力,矿产的开采活动加剧了六盘水市局部土壤侵蚀的加剧。近些年,六盘水市不断探索城市转型,建设了大量的生态工程,在2000-2015年六盘水市绝大部分地区的土壤侵蚀情况较1990-2000年得到了较大的缓解。为进一步探究生态工程的作用,根据2010年森林小班数据中的生态工程矢量数据,划定建设工程区：长江上游地区天然林保护工程、长江流域防护林工程、珠江流域防护林工程、退耕还林工程、自然保护区、其他林业工程、石漠化综合治理林业建设工程（图7）。对比工程建设前后土壤侵蚀强度变化,各工程区建设之后土壤侵蚀强度都大幅降低,其中天然林保护工程建设实施后,土壤侵蚀模数下降最高,退耕还林工程改善土壤侵蚀效果较其他工程区差,非工程造林区域土壤侵蚀强度的下降程度不如工程区;进行空间对比可知,土壤侵蚀改善区域大多分布在生态工程区域内,生态工程的建设能够改善土壤侵蚀情况,不同生态工程保护侧重点不同导致土壤侵蚀强度改善程度不同。六盘水市地形复杂,地表起伏大,陡坡较多,山多坡陡的地表结构不利于水土保持,且坡耕地分布广泛,在暴雨集中的春季和夏初即耕地播种季节,人类活动的剧烈扰动下,会加剧斜坡上的水土流失,生态工程建设尤为重要,尤其退耕还林还草工程,对于坡耕地要加强退耕还林还草工程建设,因地制宜,种植适宜树种,进行生态恢复,提高植被覆盖率。
图7 六盘水市生态工程区域划分

Fig. 7 Regional division of Liupanshui ecological engineering

退耕还林工程是以改善生态环境为目的,通过人为改变土地利用类型,将易造成水土流失的坡耕地因地制宜植树育林,恢复植被。根据六盘水市退耕还林工程区边界,计算退耕还林地区的平均土壤侵蚀模数为14.40 t/（hm2·a）,未实施退耕还林地区的平均土壤侵蚀模数为32.54 t/（hm2·a）。因降雨显著影响土壤侵蚀,选择具有相似降雨侵蚀力的年份进行比对,2000年和2005年降雨侵蚀力分别为8078.73 MJ·mm/（hm2·h·a）和7992.33 MJ·mm（hm2·h·a）,且1990年为退耕还林实施前年份,则3个年份尺度正好分布在退耕还林前中后期,能够较好体现退耕还林实施前后土壤侵蚀的变化历程,此外土壤侵蚀也会受到年际降雨空间差异的影响,则采用模拟降雨法[41]进行模拟计算,假设1990、2000、2005年在2000年降雨下的土壤侵蚀情况,计算得六盘水市1990年侵蚀模数20.83 t/（hm2·a）,2000年土壤侵蚀模数26.70 t/（hm2·a）,2005年侵蚀模数20.58 t/（hm2·a）,平均土壤侵蚀模数在2000年后下降。土壤侵蚀量上,1990-2000年土壤侵蚀总量增加了29.8%;2000-2005年土壤侵蚀量减少了24.9%,土壤侵蚀情况得到了改善。
为进一步研究分析六盘水市退耕还林还草情况以及还林和还草对土壤侵蚀的影响,提取耕地—林地和耕地—草地土地利用转移区,分析其变化（图8）。1990-2015年土地利用类型中耕地向林地和草地转移面积都是增长趋势,2010-2015年相互转移最剧烈,耕地转移为林地面积316.17 km2,转移为草地面积是202.14 km2。1990-2015年耕地-林地、耕地-草地转移区的土壤侵蚀模数都呈下降趋势,分别降低了157.64 t/（hm2·a）、147.21 t/（hm2·a）,林地的土壤保持能力强于耕地和草地,此次分析两者曲线无较大差距,之后的研究还应考虑植被覆盖度、地形、气候等因素影响。六盘水市地形破碎,河谷深切,地势起伏大,侵蚀剧烈,气候属于亚热带季风气候,东南季风和西南季风交汇之处,气候温暖,雨量充沛,无霜期短,水热条件佳,更宜植树造林,且其喀斯特森林生态系统脆弱,容易退化,植被覆盖度的减少导致水土流失严重,因此积极恢复扩大森林面积迫在眉睫,应继续实施退耕还林工程,重点放在地形复杂、生态环境脆弱、遭到采矿破坏地区,不仅是解决六盘水市林产品供应短缺问题,更是水土流失治理的迫切需求。
图8 六盘水市耕地-林地、耕地-草地土地利用转移面积及土壤侵蚀模数

Fig. 8 Land use transfer area and soil erosion modulus of cultivated land-forest, cultivated land-grassland in Liupanshui

5 结论

本文以贵州省六盘水市作为研究区域,利用RUSLE模型和GIS技术,对该区域过去近30年的土壤侵蚀情况进行了定量研究,得到结论如下：
（1）1990-2015年多年平均侵蚀模数23.50 t/（hm2·a）,平均土壤侵蚀量1578.42×104 t,其中以微度和中度侵蚀为主。土壤侵蚀严重地区主要分布在北盘江流域与南盘江流域交界处以及喀斯特山地地区,此外,煤矿开采易造成的崩塌、滑坡等地质灾害使得植被覆盖等抑制土壤侵蚀因子减少作用,使局部地区土壤侵蚀程度加剧。
（2）1990-2010年平均土壤侵蚀模数整体为下降趋势,2010-2015年为上升趋势。其中2000年平均土壤侵蚀模数最大,2010年平均土壤侵蚀模数最小。该变化由降雨可蚀性因子和植被覆盖度因子综合影响所致,在植被覆盖度没有明显增加的情况下,出现强降雨降水灾害会造成土壤侵蚀大幅加剧。2000-2015年六盘水市绝大部分地区的土壤侵蚀强度较1990-2000年得到了较大的缓解,总体剧烈侵蚀面积减少,强烈、极强烈侵蚀向微度、轻度、中度侵蚀转移,但轻度侵蚀面积增加较多。
（3）各因子的解释量大小为：植被覆盖度因子>降雨因子>土地利用类型因子>坡度因子,植被覆盖度的q值最高,是影响土壤侵蚀空间格局分布的主要因素;植被覆盖度同其他因子的交互作用明显大于其他因子,植被覆盖度的不同显著影响土壤侵蚀强度的空间分布;未利用土地、植被覆盖度小于0.3、坡度在25°以上和降雨量在1543~1593 mm之间的地区为高风险侵蚀区域;植被覆盖因子和降雨因子对土壤侵蚀的空间分布影响有显著差异。
（4）植被覆盖度与土壤侵蚀在空间上全部呈负相关性,植被覆盖度对土壤侵蚀空间分布格局影响很大。降雨因子与土壤侵蚀在空间上存在负相关性和正相关性,40.6%地区呈负相关性,主要分布在海拔较低地形较为平坦的地区,正相关性较高的地区主要集中在六盘水市矿产点分布的区域。
（5）土壤侵蚀改善区域大多分布在生态工程区域内,生态工程建设能够改善土壤侵蚀情况,不同生态工程保护侧重点不同导致土壤侵蚀改善程度不同。退耕还林还草工程对六盘水市土壤侵蚀的改善具有重要意义,分别对比还林还草工程前后并结合六盘水市具体气候地形等特征,六盘水市更宜退耕还林,积极恢复扩大森林面积迫在眉睫,还林重点放在地形复杂、生态环境脆弱、遭到采矿破坏地区。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
张洪江 . 土壤侵蚀原理[M]. 北京: 中国林业出版社, 2000.

[ Zhang H J. Principle of soil erosion[M]. Beijing: China Forestry Press, 2000. ]

[2]
李占斌 . 土壤侵蚀与水土保持研究进展[J]. 土壤学报, 2008,45(5):801-802.

[ Li Z B . Research progress on soil erosion and soil and water conservation[J]. Journal of Soil Science, 2008,45(5):801-802. ]

[3]
中华人民共和国水利部. 全国水土流失公告[R]. 北京, 2002.

[ Ministry of Water Resources of the People's Republic of China. National soil and water loss announcement[R]. Beijing, 2002. ]

[4]
Wischmeier W H, Smith D D . Predicting rainfall-erosion losses from cropland East of the Rocky Mountuains[R]. USDA Agricultural Handbook No.282. 1965.

[5]
Kenneth G R, George R F, Glenn W , et al. Predicting soil erosion by water: a guide to conservation planning with the Revised Universal Soil Loss Equation[M]. USDA Handbook, 1997.

[6]
江忠善, 宋文经 . 黄河中游黄土丘陵沟壑区小流域产沙量计算[C]. 第一次河流泥沙国际学术讨论会文集, 北京: 光华出版社, 1980: 63-72.

[ Jiang Z S, Song W J . Calculation of sediment yield in small watershed of loess hilly gully region in the middle Yellow River[C]. Proceedings of the first international conference on river sediment, Beijing: Guanghua publishing house, 1980: 63-72. ]

[7]
王星宇 . 黄土地区流域产沙数学模型[J].泥沙研究, 1987(3):41-46.

[ Wang X Y . Mathematical model of sediment yield in the Loess Plateau[J]. Sediment Research, 1987(3):41-46. ]

[8]
蔡强国, 陆兆熊, 王贵平 . 黄土丘陵沟壑区典型小流域侵蚀产沙过程模型[J].地理学报, 1996(2):108-116.

DOI

[ Cai Q G, Lu Z X, Wang G P . Model of erosion and sediment yield process in typical small watershed of Loess Hilly and Gully Region[J]. Journal of Geographical Sciences, 1996(2):108-116. ]

[9]
姜琳, 边金虎, 李爱农 , 等. 岷江上游2000-2010年土壤侵蚀时空格局动态变化[J]. 水土保持学报, 2014,28(1):19-22.

[ Jiang L, Bian J H, Li A N , et al. Dynamics of spatial and temporal patterns of soil erosion in the upper reaches of Minjiang River from 2000 to 2010[J]. Journal of Soil and Water Conservation, 2014,28(1):19-22. ]

[10]
查良松, 邓国徽, 谷家川 . 1992 -2013年巢湖流域土壤侵蚀动态变化[J]. 地理学报,2015, 70(11) 1709-1715.

[ Zha L S, Deng G H, Gu J C . Dynamic changes of soil erosion in Chaohu Lake Basin from 1992 to 2013[J]. Journal of Geographical Sciences, 2015,70(11):1709-1715. ]

[11]
彭琴, 林昌虎, 何腾兵 . 贵州喀斯特山区水土流失特征与水土保持研究进展[J]. 贵州科学, 2006,16(3):66-70.

[ Peng Q, Lin C H, He T B . Research progress on soil erosion characteristics and soil and water conservation in Karst mountainous areas of Guizhou[J]. Guizhou Science, 2006,16(3):66-70. ]

[12]
陈报章, 渠俊峰, 葛梦玉 , 等. 徐州市水土流失时空变化研究[J]. 地球信息科学学报, 2018,20(11):1622-1630.

DOI

[ Chen B Z, Qu J F, Ge M Y , et al. Spatio-temporal analysis on soil erosion over Xuzhou city[J]. Journal of Geo-information Science, 2018,20(11):1622-1630. ]

[13]
尹璐, 闫庆武, 卞正富 . 基于RUSLE模型的六盘水市土壤侵蚀评价[J]. 生态与农村环境学报, 2016,32(3):389-396.

[ Yin L, Yan Q W, Bian Z F . Evaluation of soil erosion of Liupanshui city based on RUSLE[J]. Journal of Ecology and Rural Environment, 2016,32(3):389-396. ]

[14]
张勇荣, 杨琴, 刘兴荣 . 基于ASTRE GDEMA的六盘水市地形特征分析[J].贵州师范学院学报, 2011,9(16) 222-225.

[ Zhang Y R, Yang Q, Liu X R . Analysis of topographic characteristics of Liupanshui City based on ASTRE GDEMA[J]. Journal of Guizhou Teachers College, 2011,9(16) 222-225. ]

[15]
国家气象信息中心. 中国地面气候资料日值数据集[DB/OL].

[ National Meteorological Information Center. Daily data sets of Chinese surface climatological data[DB/OL].

[16]
资源环境数据云平台. 土壤数据库[DB/OL].

[ Resource and Environment Data Cloud Platform. Soil database[DB/OL].

[17]
地理空间数据云. DEM数字高程数据[DB/OL].

[ Ge ospatial Data Cloud. DEM digital elevation data[DB/OL].

[18]
地理空间数据云. LANDSAT系列数据[DB/OL].

[ Ge ospatial Data Cloud. LANDSAT series data[DB/OL].

[19]
刘纪远, 岳天祥, 鞠洪波 , 等. 中国西部生态系统综合评估[M]. 北京: 气象出版社, 2006.

[ Liu J Y, Yue T X, Ju H B , et al. Comprehensive Assessment of Ecosystems in Western China [M]. Beijing: Meteorological Press, 2006. ]

[20]
章文波, 谢云, 刘宝元 . 利用日雨量计算降雨侵蚀力的方法研究[J]. 地理科学, 2002,22(6):20-23.

[ Zhang W B, Xie Y, Liu B Y . A method for calculating rainfall erosivity using daily rainfall[J]. Geographical Science, 2002,22(6):20-23. ]

[21]
汪邦稳, 方少文, 杨勤科 . 赣南地区水土流失评价模型及其影响因子获取方法研究[J]. 中国水土保持, 2011,10(12):12-15.

[ Wang B W, Fang S W, Yang Q K . Study on soil erosion evaluation model and its impact factor acquisition methods in southern Anhui province[J]. China Soil and Water Conservation, 2011,10(12):12-15. ]

[22]
Williams J R . The erosion-productivity impact calculator (EPIC)model: A case history[J]. Philosophical Transactions of the Royal Society Biological Sciences, 1990,329(1255):421-428.

DOI

[23]
Zhang K L . Soil erodibility and its estimation for agricultural soils in China[J]. Journal of Arid Environments, 2008,72(2008):1002-1011.

DOI

[24]
McCool D K, Brown L C, Foster G R , et al. Revised slope steepness factor for the Universal Soil Loss Equation[J]. Transactions of the ASAE, 1987,30(5):1387-1396.

DOI PMID

[25]
刘宝元, 张科利, 焦菊英 . 土壤可蚀性及其在侵蚀预报中的应用[J]. 自然资源学报, 1999,21(4):345-350.

[ Liu B Y, Zhang K L, Jiao J Y . Soil erodibility and its application in erosion prediction[J]. Journal of Natural Resources, 1999,21(4):345-350. ]

[26]
蔡崇法, 丁树文, 史志华 , 等. 应用USLE模型与地理信息IDRISI预测小流域土壤侵蚀量的研究[J]. 水土保持学报, 2000,14(2):22-24.

[ Cai C F, Ding S W, Shi Z H , et al. Application of USLE model and geographic information IDRISI to predict soil erosion in small watersheds[J]. Journal of Soil and Water Conservation, 2000,14(2):22-24. ]

[27]
杨冉冉, 徐涵秋, 林娜 , 等. 基于RUSLE的福建省长汀县河田盆地区土壤侵蚀定量研究[J]. 生态学报, 2013,33(10):2977-2978.

[ Yang R R, Xu H Q, Lin Na , et al. Quantitative study of soil erosion in Hetian basin area of Changting County, Fujian Province based on RUSLE[J]. Chinese Journal of Ecology, 2013,33(10):2977-2978. ]

[28]
王尧, 蔡运龙, 潘懋 , 等. 贵州省乌江流域土壤侵蚀模拟—基于GIS、RUSLE 和ANN技术的研究[J]. 中国地质, 2014,41(5):1735-1747.

[ Wang Y, Cai Y L, Pan M , et al. Soil erosion simulation of the Wujiang River Basin in Guizhou Province based on GIS, RUSLE and ANN[J]. Geology in China, 2014,41(5):1735-1747. ]

[29]
邹雅婧, 闫庆武, 谭学玲 , 等. 渭北矿区土壤侵蚀评估及驱动因素分析[J/OL]. 干旱区地理:1-11.[2019-11-05].

[ Zou Y J, Yan Q W, Tan X L , et al. Evaluation of soil erosion and driving factors analysis in Weibei mining area. Arid Land Geography.:1-11. [2019-11-05].

[30]
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[J]. International Journal of Geographical Information Science, 2010,24(1):107-127.

DOI

[31]
唐克丽 . 中国土壤侵蚀与水土保持学的特点及展望[J]. 水土保持研究, 1999,6(2):3-8.

[ Tang K L . Characteristics and prospects of soil erosion and soil conservation in China[J]. Research of soil and water conservation, 1999,6(2):3-8. ]

[32]
王劲峰, 徐成东 . 地理探测器:原理与展望[J]. 地理学报, 2017,72(1):116-134.

DOI

[ Wang J F, XU C D . Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017,72(1):116-134. ]

[33]
王欢, 高江波, 侯文娟 . 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[J]. 地理学报, 2018,73(9):1674-1686.

DOI

[ Wang H, Gao J B, Hou W J . Quantitative attribution analysis of soil erosion in different morphological types of geomorphology in karst areas: Based on the geographical detector method[J]. Acta Geographica Sinica, 2018,73(9):1674-1686. ]

[34]
贵州省水利厅. 贵州省水土流失公告[EB/OL].( 2006-09-14)[2013-11-20].

[ Water resources department of Guizhou province. Notice of soil erosion in Guizhou province[EB/OL].( 2006-09-14) [2013-11-20].

[35]
贵州省水利厅. 贵州省水土流失公告(2006-2010)[EB/OL]. (2013-02-01)[2013-11-20].

[ Water resources department of Guizhou province. Notice of soil erosion in Guizhou province(2006-2010) [EB/OL]. (2013-02-01)[2013-11-20].

[36]
贵州省水利厅. 贵州省水土流失公告(2011-2015)[EB/OL].( 2016- 09- 29)[2013-11-20].

[37]
中华人民共和国水利部. SL 190-2007,土壤侵蚀分类分级标准[S]. 北京: 中国水利水电出版社, 2008, 1-20.

[ Ministry of Water Resources of the People's Republic of China. SL 190-2007, Classification and classification of soil erosion [S]. Beijing: China Water Resources and Hydropower Press, 2008, 1-20. ]

[38]
六盘水市人民政府. 六盘水市遭受强降雨降水灾害[ED/OL]( 2017- 07- 18).

[ Liupanshui city suffered from heavy rainfall disaster[ED/OL]( 2017- 07- 18).

[39]
国家林业局退耕还林办公室. 贵州省六盘水市实施新一轮退耕还林成效显著[ED/OL]( 2017- 08- 21).

[ Office of returning farmland to forest of state forestry administration. Liupanshui of Guizhou province, a new round of Grain for Green Project has achieved remarkable results[ED/OL]( 2017- 08- 21).

[40]
高吉喜 等. 西南山地退化生态系统评估与恢复重建技术[D]. 北京: 科学出版社, 2014.

[ Gao D X. Assessment and restoration of degraded ecosystems in mountainous areas of southwest China[D]. Beijing: Science press, 2014. ]

[41]
杨波, 王全九, 董莉丽 . 榆林市还林还草后土壤保持功能和经济价值评价[J]. 干旱区研究, 2017,34(6):1314-1422.

[ Yang B, Wang Q J, Dong LL . Evaluation of soil conservation function and economic value after returning grassland in Yulincity[J]. Arid Zone Research, 2017,34(6):1314-1422. ]

Options
Outlines

/

〈 〉