水土保持通报   2021, Vol. 41 Issue (4): 224-230, 251.  DOI: 10.13961/j.cnki.stbctb.2021.04.031
0

引用本文 

姚昆, 周兵, 何磊, 等. 川西南山地区2000-2018年土壤侵蚀时空动态变化特征[J]. 水土保持通报, 2021, 41(4): 224-230, 251. DOI: 10.13961/j.cnki.stbctb.2021.04.031
Yao Kun, Zhou Bing, He Lei, et al. Temporal and Spatial Dynamic Changes of Soil Erosion in Mountain Area of Southwest Sichuan Province During 2000-2018[J]. Bulletin of Soil and Water Conservation, 2021, 41(4): 224-230, 251. DOI: 10.13961/j.cnki.stbctb.2021.04.031

资助项目

国家科技部全球变化与应对重大专项“区域多尺度气候极端事件风险评估与制图”课题3“气候极端事件风险防范决策支持系统研制”(2020YFA0608203);四川省科技厅重点研发(2020YFS0338;2020YFG0296;2020YFG0230);四川省教育厅项目(18ZB0541);凉山州学术和技术带头人培养项目(ZRS202001):西昌学院“两高”人才科研支持计划项目(YBZ202108)

第一作者

姚昆(1991-), 男, (汉族), 四川省西昌市人, 硕士, 讲师, 主要从事地理信息系统应用方面的工作。Email: jiangshan996@126.com.

通讯作者

周兵(1964-), 男, (汉族), 江苏常熟人, 博士, 研究员, 主要从事气候变化监测, 亚洲季风降水等方面的研究。Email: bingz@cma.gov.cn.

文章历史

收稿日期:2021-03-05
修回日期:2021-04-30
川西南山地区2000-2018年土壤侵蚀时空动态变化特征
姚昆1 , 周兵2 , 何磊3 , 李玉霞4     
1. 西昌学院 资源与环境学院, 四川 西昌 615000;
2. 国家气候中心 气候服务室, 北京 海淀区 100081;
3. 成都信息工程大学 软件工程学院, 四川 成都 610103;
4. 电子科技大学 自动化工程学院, 四川 成都 610054
摘要:[目的] 了解川西南山地区土壤侵蚀时空动态变化特征,为实现区域生态环境的综合治理提供科学参考。[方法] 基于通用土壤流失方程,完成该地区2000—2018年各年份土壤侵蚀量计算,并参照国家水力侵蚀强度分级标准将其分为微度、轻度和中度等共6个等级,借助空间叠置功能和线性回归方程对其时空变化规律进行分析。[结果] ① 研究区整体呈现由北向南强烈及以上等级侵蚀区面积逐渐扩大的变化;②全域约有50%以上的地区存在明显的土壤侵蚀现象;③2010年区域土壤侵蚀强度存在较明显的突变现象,全域约60%的地区强度等级未发生明显变化,各等级整体呈现较高稳定性;④整个时段内,全域有超过95%的地区土壤侵蚀程度呈现明显好转和未发生改变的状态。[结论] 川西南山地区土壤侵蚀总体得到有效遏制,土壤侵蚀动态规律显著,降雨侵蚀对其变化驱动作用明显。
关键词通用土壤流失方程    线性回归    时空演变    川西南山地区    
Temporal and Spatial Dynamic Changes of Soil Erosion in Mountain Area of Southwest Sichuan Province During 2000-2018
Yao Kun1 , Zhou Bing2 , He Lei3 , Li Yuxia4     
1. College of Resource and Environment, Xichang University, Xichang, Sichuan 615000, China;
2. National Climate Center, Climate Service Room, Haidian District, Beijing 100081, China;
3. School of Software Engineering, Chengdu University of Information Technology, Chengdu, Sichuan 610103, China;
4. School of Automation Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan 610054, China
Abstract: [Objective] The dynamic changes of soil erosion in the mountain area of Southwestern Sichua Province were analyzed to support the comprehensive management of the regional ecological environment. [Methods] Based on the general soil loss equation, the study calculated the amount of soil erosion in the region from 2000 to 2018, and divided it into six levels including mild, light and moderate according to the national water erosion intensity grading standard. The spatial overlay analysis and linear regression equation methods were used to analyze its temporal and spatial changes. [Results] ① As a whole, soil erosion in the study area increased gradually from north to south. ② More than 50% of the region had obvious erosion. ③ In 2010, there was a obvious abrupt change in the intensity of regional soil erosion, but no significant change occurred in about 60% of the regional soil erosion intensity level over the whole period of time, and the overall stability of the soil erosion intensity levels was relatively high. ④ During the entire period, more than 95% of the areas in the region showed obvious improvement and no change in the degree of erosion state. [Conclusion] Soil erosion has been effectively controlled. The dynamic law of soil erosion in the study area is obvious, and rainfall erosion has an obvious driving effect on its change.
Keywords: general soil loss equation    linear regression    temporal and spatial evolution    mountain area of Southwestern Sichuan Province    

土壤侵蚀不仅会引起耕地生产力下降、河床抬升、泥沙淤积阻塞河道等生态环境问题,也会对人们正常的生产生活产生威胁[1-2]。我国国土面积辽阔,地质、气候以及地貌类型等自然条件相对复杂多样,这也驱使中国成为世界上土壤侵蚀问题相对严重的国家之一[3]。四川省作为国家划定的土壤侵蚀重点监测与治理区之一,资料显示全省约有24.90%的地区存在土壤侵蚀现象[4]。结合RS和GIS技术实现区域土壤侵蚀监测的方法主要包括影像解译制图和与数学模型相结合定量计算两种[5]。前者主要对遥感影像进行处理,参考相关地物信息和遵循国家行业规范,以实现区域土壤侵蚀强度等级解译图制作,该方法虽然较充分发挥了RS技术实现地区大面积同步监测和数据实时动态更新的优点有效降低了成本,但影像解译时考虑的影响因素相对较少,且未能实现侵蚀量的定量计算;相比下,后者将RS作为数据获取的主要手段,提取出模型中所需影响因子,并在GIS环境中实现侵蚀量计算和强度分级图的制作,其既有效发挥出RS和GIS技术在数据获取与处理的优势又能结合模型实现土壤侵蚀的量化比较,较大程度弥补了前者的不足。当前,将RS和GIS与数学模型相结合定量计算土壤侵蚀的方法主要包括通用土壤流失方程(USLE)[6-8]、修正土壤侵蚀方程(RUSLE)[9-11]、中国土壤流失方程(CSLE)[12-14]、水蚀预报方程(WEEP)[15-16]和四川省土壤流失方程(SCSLE)等[5]。胡云华等[16]基于USLE模型实现了大小凉山土壤侵蚀的定量研究;彭双云等[7]利用USLE模型实现了滇池流域1999—2014年土壤侵蚀时空演变规律的探索;操玥等[18]基于USLE模型完成喀斯特槽谷区2000—2015年土壤侵蚀演变规律分析并对未来发展进行了预测模拟;对以上成果分析可知,相比其他模型USLE具有参数较少、计算精度相对精确、应用范围广和认可度较高的优点。川西南山地区虽然是四川省划定的土壤侵蚀重点监测和防治区[19],但截至目前却少有关于该地区土壤侵蚀时空动态变化特征进行探索的研究,且部分已有成果又主要侧重从空间角度仅对其分布规律进行分析[17, 20]。由于土壤侵蚀的形成与改变受到自然环境变化和人类活动的双重影响,它是生态环境动态演变的结果,只有从时空相结合的角度对其动态变化规律进行分析,才能较全面掌握其真实变化状况,科学合理的实现其综合治理[21-22]。综上所述,本研究以该地区为试验区,将RS,GIS技术与USLE模型相结合,分别完成其近2000—2018年各年份土壤侵蚀量的计算与强度等级划分;对其强度分布和随时间变化的规律进行分析;借助栅格叠置功能和线性回归方程实现其时空动态变化规律的分析;最后,就区域土壤侵蚀的综合治理结合区域实际提出针对性参考建议,旨在为科学治理措施的制定提供理论参考。

1 研究区概况

川西南山地区地处云贵高原向青藏高原的过渡地带,包括凉山州(除木里县外)的所有县市、攀枝花市全域和雅安汉源和石棉县,总计23个县级行政单元,面积约5.91×104 km2。区域年累计降雨量约在600~800 mm之间,降水呈现出明显的季节性变化,且主要集中于5—10月;地貌以山地为主,也有少量的丘陵和平原;土地类型以林地、草地、水田和旱地为主;土壤类型主要集中于紫色土、红壤和水稻土等。受地形起伏、地质构造和生态系统复杂多样的影响,该地区生态环境先天脆弱;加之,前期人们对区域水电能源、矿产和旅游资源进行不合理的开发,加速了区域地形的改变,进一步导致了土壤侵蚀、滑坡和崩塌等自然灾害的频发。

2 研究方法 2.1 数据来源

研究基础数据包括:①90×90 m的DEM来源于地理空间数据云平台;②该地区2000—2018年1∶10万土地利用类型矢量数据,由中国科学院资源环境与数据中心(ttp://www.resdc.cn)提供;③研究区和周边气象站1980—2018年的逐日累计降雨量数据由中国气象数据网(http://data.cma.cn)获取;④川西南山地区30 m土壤可侵蚀性因子由中科院成都山地所刘斌涛课题组提供;⑤各年份NDVI来源于NASA,为MODIS13Q1产品,取各年份最大化合成结果。

2.2 USLE模型

本研究以通用土壤流失方程(USLE)为基础完成各年份侵蚀量计算,数学式为:

$ A = R \cdot L \cdot S \cdot K \cdot C \cdot P $ (1)

式中:A代表年侵蚀模数〔t/(hm2·a)〕; R代表年降雨侵蚀力〔(MJ·mm)/(hm2·h·a)〕; K代表土壤可侵蚀性因子〔(t·hm2·h)/(MJ·mm·hm2)〕; LS分别代表坡度坡长因子; CP则代表植被管理和水土保持保持措施因子。

2.2.1 降雨侵蚀力因子(R)

降雨侵蚀力能较客观描述降雨对地区土壤侵蚀的影响作用,本研究采用章文波等[23]基于日累计降雨量计算侵蚀力的模型。计算公式为:

$ \left\{ \begin{array}{l} {M_i} = \alpha \sum\limits_{j = 1}^k {{{\left( {{D_j}} \right)}^\beta }} \\ \beta = 0.836{\rm{ }}3 + \frac{{18.144}}{{{P_{(d12)}}}} + \frac{{24.455}}{{{P_{(y12)}}}}\\ \alpha = 21.586{\beta ^{ - 7.189{\rm{ }}1}} \end{array} \right. $ (2)

式中:Mi为第i个半月的降雨侵蚀力; Dj为半个月时间内第j天的日累计降雨量; k为该半个月时间的天数; α, β分别为模型参数; 其中,若Dj≤12则数值为零, 相反Dj≥12则计入计算; P(d12)P(y12)为日降雨量≥12 mm的日均降雨量和为年均降雨量。

以Python语言结合公式(2)完成各年份各站点降雨侵蚀力计算,最后以反距离权重插值完成降雨侵蚀力图的做作。

2.2.2 坡度坡长因子(LS)

分别采用刘宝元等[7, 17]针对中国提出的坡长和刘斌涛等[24]对西南地区进行校正的坡度模型完成这两个因子的计算(图 1)。

图 1 研究区坡度坡长和K因子分布

坡长因子公式:

$ L = {\left( {\lambda /22.13} \right)^m}\;\;m = \left\{ \begin{array}{l} 0.2\;\;\left( {\theta \le 1^\circ } \right)\\ 0.3\;\;\left( {1^\circ < \theta \le 3^\circ } \right)\\ 0.4\;\;\left( {3^\circ < \theta \le 5^\circ } \right)\\ 0.5\;\;\left( {\theta > 5^\circ } \right) \end{array} \right. $ (3)

坡度因子公式:

$ S = \left\{ \begin{array}{l} 10.8\sin \theta + 0.3\;\;\;\;\;\;\;\;\;\;\;\;\left( {\theta \le 5^\circ } \right)\\ 16.8\sin \theta - 0.5\;\;\;\;\;\;\;\;\;\;\;\;\left( {5^\circ < \theta \ge 10^\circ } \right)\\ 20.204\sin \theta - 0.120{\rm{ }}4\;\;(10^\circ < \theta \le 25^\circ )\\ 29.585\sin \theta - 5.607{\rm{ }}9\;\;(\theta > 25^\circ ) \end{array} \right. $ (4)

式中:LS分别代表坡长和坡度因子; λ代表单位坡长;θ代表坡度;m代表坡度计算指数。

以DEM为基础数据,借助ArcGIS 10.4为工具,结合公式(3)—(4)完成该地区坡长和坡度因子的计算。

2.2.3 土壤可侵蚀性因子(K)

K值确定的常用方法主要包括中值粒径计算、诺模图、查表以及EPIC模型等,其中EPIC模型应用范围最广[5, 7]。刘斌涛课题组基于EPIC模型完成土壤K值的计算并结合张利科等[17]的模型进行校正,最后利用GIS空间插值与平滑优化方法对数据进行进一步优化以提高精度。

2.2.4 植被覆盖管理因子(C)

植被覆盖管理因子是一项用于描述植被覆盖状况对土壤侵蚀综合影响作用强弱的指标,采用蔡崇法等[26]提出的模型实现各年份C因子的计算。计算公式为:

$ C = \left\{ \begin{array}{l} 1\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\left( {{f_c} = 0} \right)\\ 0.6508 - 0.3436\lg {f_c}\;\;\;\left( {0 < {f_c} < 0.783} \right)\\ 0\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\left( {{f_c} \ge 0} \right) \end{array} \right. $ (5)

式中:fc为植被覆盖度, 以NDVI为基础结合像元二分模型进行计算, 计算公式为:

$ {f_c} = \frac{{{\rm{NDVI}} - {\rm{NDV}}{{\rm{I}}_{{\rm{soil}}}}}}{{{\rm{NDV}}{{\rm{I}}_{{\rm{veg}}}} - {\rm{NDV}}{{\rm{I}}_{{\rm{soil}}}}}} $ (6)

式中:NDVIveg为植被全覆盖的NDVI最大值; NDVIsoil则为全裸地的NDVI。分耕地、林地和草地等6个1级地类分别完成各个地类NDVI像元累计分布概况的统计, 最终取NDVI累计像元分布概率的0.05%进行植被和土壤阈值替代, 结合公式(6)完成植被覆盖度计算, 采用公式(5)完成C因子计算。

2.2.5 水土保持措施因子(P)

水土保持措施因子在参考前人成果[3-4, 17]的基础上进行确定(表 1)。

表 1 各土地类型水土保持措施因子(P)数值
2.3 线性回归方程

为实现土壤侵蚀模数随时间变化规律的分析,并对未来发展趋势进行预测,研究引入一元线性回归方程[27-29]。计算公式为:

$ X = \frac{{n \times \sum\limits_{i = 1}^n {i \times {A_i} - \left( {\sum\limits_{i = 1}^n {{A_i}} } \right)} }}{{n \times \sum\limits_{i = 1}^n {{i^2} - \left( {\sum\limits_{i = 1}^n {{i^2}} } \right)} }} $ (7)

式中:X代表斜率; n代表年份; Ai代表该地区第i年的土壤侵蚀模数; 若X>0则表示土壤侵蚀模数值有增大趋势, 整体侵蚀程度有加重发展倾向; 相反, 则反之。

同时,采用F检验实现斜率变化的显著性分析,计算公式为:

$ F = U \times \frac{{u - 2}}{Q} $ (8)

式中:$ Q = {\sum\limits_{i = 1}^n {\left( {{A_i} - {{\hat A}_i}} \right)} ^2}, U = \sum\limits_{i = 1}^n {{{\left( {{{\hat A}_i} - {{\bar A}_i}} \right)}^2}} $分别代表误差和回归的平方和; Âi代表第i年侵蚀模数的回归值; Ai则代表各年份真实侵蚀模数的均值。研究将检验结果分为[27]: 侵蚀显著好转(X < 0, p≤0.05),无显著好转(X < 0, p>0.05)、无显著严重(X>0, p>0.05),显著严重(X>0, p≤0.05)。

3 结果与分析 3.1 侵蚀强度分布特征

为更全面掌握该地区土壤侵蚀强度基本的空间分布特征,研究参照国家水利部门颁发的《土壤侵蚀分类分级标准(SL190-2008)》[5, 22],将该地区2000—2018年土壤侵蚀分为微度、轻度、中度、强度、极强烈和剧烈共计6个等级(图 2)。

图 2 研究区2000-2018年土壤侵蚀强度分布

结合(图 2)分析,将川西南山地区土壤侵蚀强度分布图与胡云华等[17]和黄凤琴等[20]成果进行对比可知,结果显示本研究土壤侵蚀强度空间分布与前人成果基本吻合,这间接证明了研究成果基本可靠;就全域土壤侵蚀强度空间分布变化分析,南部相比北部强烈以上等级侵蚀区分布的范围相对较广。以2018年为例,从微度到剧烈各等级侵蚀区在全域面积占比分别为48.93%,22.87%,13.78%,8.18%,5.49%和0.75%,除微度(侵蚀不明显可忽略不计)外,全域约有50%左右的区域存在明显的土壤侵蚀现象,该地区土壤侵蚀现象相对明显。

3.2 土壤侵蚀时空动态变化特征分析 3.2.1 侵蚀强度面积变化特征分析

为分析各不同等级侵蚀区面积随时间的变化特征,研究将其为不同阶段进行讨论。

结合不同年份各强度侵蚀区栅格占比(图 3)分析,2000—2010年内,全域中度及以下等级侵蚀区的分布范围呈现逐渐扩大的变化趋势,而强烈及以上等级侵蚀区的面积占比却呈现逐渐下降的趋势变化,全域土壤侵蚀整体呈现出明显好转的发展倾向;结合植被覆盖和降雨状况(表 2)分析,该阶段内全域植被覆盖管理和降雨侵蚀力因子的数值整体均呈现明显下降的变化趋势,这可能得益于研究区于2000年左右实施了“天然林保护”和“退耕还林”等系列环境保护生态工程,区域植被覆盖状况得到明显改善,其较有效抑制了区域土壤侵蚀面积的扩张和强度的改变。2010—2018年内,中度及以下等级侵蚀区面积总和在全域所占比例仍然处于持续升高的变化趋势,2015年强烈、极强烈和剧烈3个等级面积全域占比总和比2010年的占比总和高,而2018年这3个等级的面积总和占比却又比2015年低。结合植被覆盖和降雨状况(表 2)分析,原因可能为:2010—2015年内,全域降雨侵蚀力在2010年出现了明显的突变锐减,降雨侵蚀力年平均数值达到了近20 a的最低值,2015年全域降雨侵蚀力年平均值明显高于2010年,虽然整个时段内,植被覆盖状况处于持续好转的发展状态,这对土壤侵蚀范围扩展和强度加重起到了较有效的抑制作用,但是降雨侵蚀对水土流失易发性和严重程度改变的驱动作用可能远大于其他因子的抑制效果,因此才形成了2010年强烈及以上等级区面积总和比例高于2015年现场的产生;2015年以后,植被对土壤侵蚀形成与强度改变的相对有效抑制作用仍然发挥作用,并且2018年全域整体的平均降雨侵蚀力也呈现出相对明显的数值下降改变,因此又促进了强烈级以上等级侵蚀区面积总和比例的下降。

图 3 研究区2000-2018年各侵蚀强度等级栅格像元比例
表 2 各年份植被管理(C)和降雨侵蚀力(P)因子变化
3.2.2 侵蚀强度空间变化特征分析

为进一步探索川西南山地区土壤侵蚀各强度等级间的空间变化规律,以ArcGIS 10.4为平台借助空间叠置功能实现其2000—2010,2010—2018年和2000—2018年土壤侵蚀强度变化图的制作(图 4)。

注:负数代表侵蚀强度等级下降,绝对值越大代表强度等级下降和侵蚀好转程度越明显;正数代表强度等级升高,数值越大代表侵蚀强度升高和加重程度越显著。 图 4 研究区各时段土壤侵蚀强度等级变化

2000—2010年内,全域约有66.49%的区域侵蚀强度等级未发生改变,主要集中于盐源中部盆地、安宁河平原、雅砻江中下游河谷区和会理县西南部等地区,这些区域地势相对平缓,水土保持措施相对较好,土壤侵蚀强度等级相对稳定;约有24.84%的区域强度等级降低,大部分集中于安宁河右侧区县的大部分区域,少部分零散分布于安宁河左侧和下游的山地区;这一阶段内,仅有8.67%的地区侵蚀强度等级升高,大都分布于江河水系两侧海拔高山和极高山区,这些地区地势陡峭,植被类型相对单一,温度寒冷、太阳直射时间长且昼夜温度较大,易引起岩石风化和地貌剥蚀,有效的人工干预也较难实现。2010—2018年内(图 4),和前一阶段相似,全域分别约有64.48%和19.04%的地区土壤侵蚀强度等级未发生改变和等级下降,它们主要空间分布区域也与上一阶段基本相似;而有16.48%的区域出现强度等级的上升,相比上一阶段它们除在原有范围内分布外,在研究区的西南部的中低山区也出现了分布面积扩张的现象。就2000—2018年整个研究阶段(图 4),约有63.08%区侵蚀强度未产生明显的等级改变,23.68%的地区出现等级下降的变化趋势,约10.09%等级强度升高,它们的空间分布与前两个阶段均基本一致,研究表明在近20 a内,整个地区土壤侵蚀强度整体具有较高的稳定性,且整体呈现等级下降好转的趋势变化。

3.2.3 土壤侵蚀整体趋势发展

研究以ArcGIS 10.4为数据处理工具,结合公式(10)实现该地区2000—2018年土壤侵蚀模数斜率的计算与显著性检验(图 5)。

图 5 研究区土壤侵蚀模数斜率和显著性检验结果

图 5可知,整个阶段内全域有59.10%的像元斜率数值小于零,表示整个阶段内这些地区土壤侵蚀程度有好转的发展趋势;有40.9%的像元斜率值为正,代表这些地区近20 a内侵蚀程度有加重发展倾向。结合显著性检验结果分析可知,近20 a内,有50.17%的地区侵蚀程度整体呈现出明显好转的发展态势,它们主要集中分布于盐源中部盆地、安宁河中上游河谷(冕宁县和西昌市)两侧山地区、喜德县、尼日河流域(甘洛县和越西县)以及美姑县等地的大部分地区;有2.41%的地区侵蚀程度整体呈现出明显加重的发展倾向,它们主要集中分布于米易县东部、会理县东南部和会东县西部;有47.42%的地区土壤侵蚀状况未发生明显的变化。

综上分析可知,随着系列生态环保的措施的实施区域土壤整体的道道有效遏制,正朝向良好的状态发展。

4 讨论与结论 4.1 讨论

川西南山地区为四川省土壤侵蚀问题相对严重的地区之一,加强区域土壤侵蚀的实时动态变化监测,分析其时空变化规律对实现区域生态环境综合治理参考依据的提出具有重要参考价值。研究从侵蚀强度空间分布变化规律对其计算结果进行了间接验证;从强度面积变化、等级空间变化以及整体趋势分析等角度对其时空变化规律进行分析;对以上成果分析可知,论文采用的方法是可行的,研究的预期目标也基本被实现。

为更有效实现川西南山地区土壤侵蚀的综合治理,研究建议可用从如下4个方面进行思考:①该地区内有金沙江、雅砻江、安宁河和黑水河等众多径流量较大的江河水系,在对这些地方进行水电能源开发时应进行更合理的规划与管理,尽量避免区域土壤侵蚀面积和强度的扩大;②由于区内适合耕作的土地资源有限,坡耕地过度开垦现象相对明显,应加大坡耕地资源合理利用的监管力度,对坡度>25°的坡地耕作区继续实施退耕(牧)还林(草)等已有的环保措施,对坡度<25°的坡地耕作区可以考虑坡耕地向梯田的改造;③研究区内矿产资源相对丰富,应加强采矿区开采后生态环境恢复治理的监测,努力减少因矿产资源开采引发土壤侵蚀等次生灾害的发生。

研究发现,该地区土壤侵蚀强度在2010年出现突变现象,笔者猜想这可能是降雨侵蚀对区域土壤侵蚀易发性与侵蚀强度改变的促进作用远大于其他因子的抑制作用的原因造成的,这一猜想虽然也具有一定的科学性,但本文未能对其进行更详细的分析和论证,若在今后的研究中可以从分析地理现象空间分异特征的角度对这一问题进行更详细分析和深入的探讨,其将进一步促进研究成果更具价值。

4.2 结论

(1) 川西南山地区土壤侵蚀强度在空间分布特征上呈现出全域向南部发展侵蚀强度等级相对越高,中度及以上等级侵蚀区的分布范围也相对越广。

(2) 整个阶段内,各强度的面积变化分析可以发现,2010年川西南山地区强烈、极强烈和剧烈这3个等级面积总和全域占比达到了2000—2018年最低谷值,呈现出明显的突变现象,结合区域实际分析其原因可能是由于降雨突变造成的。

(3) 就2000—2018年整个阶段分析,川西南山地区土壤侵蚀强度整体具有相对较高的稳定性;强度等级未发生改变和等级下将的区域面积总和全域占比已经超过全域总面积的80%,线性回归方程计算结果也表明,整个时段内全域约有85%的地区侵蚀模数处于未发生改变或下降变化状态,以上两者均表明全域整体而言,其土壤侵蚀近20 a内整体到了较有效遏制。

相比已有成果,本研究实现了川西南山地区土壤侵蚀多期成果的时空动态变化规律分析,较有效弥补了已有成果从空间单一角度出发,仅对其空间分布特征进行分析,未能从时空相结合视角实现区域土壤侵蚀时空动态变化特征的较全面分析。论文为较全面实现该地区土壤侵蚀的综合治理提供了更科学的理论参考。

参考文献
[1]
曹胜, 欧阳梦云, 周卫军, 等. 基于GIS和USLE的宁乡市土壤侵蚀定量评价[J]. 中国农业大学学报, 2018, 23(12): 155-163.
[2]
何莎莎, 叶露培, 朱文博, 等. 太行山淇河流域2000-2015年土壤侵蚀和水源供给变化研究[J]. 地理研究, 2018, 37(9): 107-120.
[3]
牛丽楠, 邵全琴, 刘国波, 等. 六盘水市土壤侵蚀时空特征及影响因素分析[J]. 地球信息科学学报, 2019, 21(11): 1755-1767. DOI:10.12082/dqxxkx.2019.180447
[4]
王潇, 刘汉湖, 吴冰. 四川境内赤水河流域上中游水土流失时空变化研究[J]. 河南理工大学学报(自然科学版), 2019, 3(3): 70-80.
[5]
刘斌涛, 宋春风, 陶和平. 成都市土壤侵蚀定量评价研究[J]. 长江科学院院报, 2016, 33(9): 40-47.
[6]
张养安, 张鑫, 江仕嵘. 基于GIS与RS的杨凌区土壤侵蚀时空变异性研究[J]. 水土保持学报, 2018, 32(6): 132-135.
[7]
彭双云, 杨昆, 洪亮, 等. 基于USLE模型的滇池流域土壤侵蚀时空演变分析[J]. 农业工程学报, 2018, 34(10): 138-146. DOI:10.11975/j.issn.1002-6819.2018.10.017
[8]
马力, 卜兆宏, 梁文广, 等. 基于USLE原理和3S技术的水土流失定量监测方法及其应用研究[J]. 土壤学报, 2019, 56(3): 602-614.
[9]
怡凯, 王诗阳, 王雪, 等. 基于RUSLE模型的土壤侵蚀时空分异特征分析: 以辽宁省朝阳市为例[J]. 地理科学, 2015, 35(3): 365-372.
[10]
张园眼, 李天宏. 基于GIS和RUSLE模型的深圳市土壤侵蚀研究[J]. 应用基础与工程科学学报, 2018, 26(6): 48-61.
[11]
康琳琦, 周天财, 干友民, 等. 1984-2013年青藏高原土壤侵蚀时空变化特征[J]. 应用与环境生物学报, 2018, 24(2): 245-253.
[12]
陈美淇, 魏欣, 张科利, 等. 基于CSLE模型的贵州省水土流失规律分析[J]. 水土保持学报, 2017, 31(3): 16-21, 26.
[13]
何维灿, 赵尚民, 王睿博, 等. 基于GIS和CSLE的山西省土壤侵蚀风险研究[J]. 水土保持研究, 2016, 23(3): 58-64.
[14]
程琳, 杨勤科, 谢红霞, 等. 基于GIS和CSLE的陕西省土壤侵蚀定量评价方法研究[J]. 水土保持学报, 2009, 23(5): 61-66. DOI:10.3321/j.issn:1009-2242.2009.05.013
[15]
郑粉莉, 杨勤科, 王占礼. 水蚀预报模型研究[J]. 水土保持研究, 2004, 11(4): 13-24. DOI:10.3969/j.issn.1005-3409.2004.04.003
[16]
刘宝元, 史培军. WEPP水蚀预报流域模型[J]. 水土保持通报, 1998, 18(5): 7-13.
[17]
胡云华, 刘斌涛, 宋春风, 等. 基于USLE模型的大小凉山地区土壤侵蚀定量研究[J]. 水土保持通报, 2016, 36(4): 232-236.
[18]
操玥, 王世杰, 白晓永, 等. 喀斯特槽谷区土壤侵蚀时空演变及未来情景模拟[J]. 生态学报, 2019, 39(16): 6061-6071.
[19]
四川省人民政府. 四川水土流失综合治理蓝图绘就[EB/OL]. (2017-01-10)[2021-03-05].
[20]
黄凤琴, 第宝锋, 黄成敏, 等. 基于日降雨量的年均降雨侵蚀力估算模型及其应用: 以四川省凉山州为例[J]. 山地学报, 2013, 31(1): 55-64. DOI:10.3969/j.issn.1008-2786.2013.01.008
[21]
文雯, 李阳兵, 李睿康, 等. 三峡库区腹地土壤侵蚀动态演变研究[J]. 长江流域资源与环境, 2018, 27(3): 544-555. DOI:10.11870/cjlyzyyhj201803010
[22]
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.
[23]
章文波, 谢云, 刘宝元. 中国降雨侵蚀力空间变化特征[J]. 山地学报, 2003, 21(1): 33-40. DOI:10.3969/j.issn.1008-2786.2003.01.005
[24]
Lin Yuanbao, Nearing M A, Shi P J, et al. Slope length effects on soil loss for steep slopes[J]. Soil Science Society of America Journal, 2000, 64(5): 1759-1763. DOI:10.2136/sssaj2000.6451759x
[25]
张科利, 彭文英, 杨红丽. 中国土壤可蚀性值及其估算[J]. 土壤学报, 2007, 44(1): 7-13. DOI:10.3321/j.issn:0564-3929.2007.01.002
[26]
蔡崇法, 丁树文, 史志华, 等. 应用USLE模型与地理信息系统IDRISI预测小流域土壤侵蚀量的研究[J]. 水土保持学报, 2000, 14(2): 19-24. DOI:10.3321/j.issn:1009-2242.2000.02.005
[27]
马骏, 李昌晓, 魏虹, 等. 三峡库区生态脆弱性评价[J]. 生态学报, 2015, 35(21): 7117-7129.
[28]
赵明伟, 王妮, 施慧慧, 等. 2001-2015年间我国陆地植被覆盖度时空变化及驱动力分析[J]. 干旱区地理, 2019, 42(2): 324-331.
[29]
薛联青, 王晶, 魏光辉. 基于PSR模型的塔里木河流域生态脆弱性评价[J]. 河海大学学报(自然科学版), 2019, 47(1): 13-19.