土壤侵蚀已成为全球性的重大生态环境问题之一[1]。快速、准确定量评价区域土壤侵蚀变化, 对有效实施水土保持工作和生态恢复有重要意义。其中美国农业部水土保持局(SCS)提出的通用流失方程(revised universal soil equation, RULSE)是定量评价土壤侵蚀的主要手段, 在土壤侵蚀相关研究中有重要作用[2]。如GUPTA等[3]应用该模型在喜马拉雅分水岭模拟气候变化对土壤侵蚀的影响; XIAO等[4]通过RUSLE模型评价江西省1988—2013年不同土地覆盖对土壤侵蚀的影响。许月卿等[5]在对贵州省喀斯特小流域区域进行土壤侵蚀动态变化分析中得出, 径流小区的监测资料很难向大尺度土壤侵蚀预测推广。因此就目前而言, 喀斯特地区可供参考和使用的土壤侵蚀产沙模型仍值得考究[6]; 国内外学者在此模型的适用性上开展了广泛研究[7-8],但大多数是基于平原或河流广泛分布地区, 对于模型在喀斯特槽谷地区的适用性及土壤侵蚀机制研究甚少。近些年土壤侵蚀研究中又引入了景观生态学的视角, 选取斑块总数、斑块平均面积、香农多样性、斑块比例、斑块密度、分离度等景观指数探讨水土流失对景观格局的的响应[9-11], 景观生态学相关方法广泛运用于黄土高原及平原地区, 而对喀斯特地区的探究较少[12]。
土壤侵蚀是诸多因素共同作用的结果, 但喀斯特与非喀斯特截然不同的地貌发育系统导致影响水土流失的动力因子差异性显著[13]。其中降雨是水蚀区的主要动力, 传统算法常把全年降雨都计算为降雨侵蚀力, 但实际不是每一场降雨都能产生土壤侵蚀, 而是降雨量达到一定阈值时侵蚀才会发生。实际上, 在非喀斯特区域当日降水量≥12 mm时土壤侵蚀开始发生[14], 而在喀斯特区域日降水量≥30 mm时土壤侵蚀才会发生[15-16]。因此传统算法在一定程度上高估了区域土壤侵蚀量; 并且喀斯特地区土层浅薄, 土壤侵蚀发生率较高, 使得土壤侵蚀分级标准在贵州碳酸盐岩地区存在空间分异; 即使喀斯特地区土壤侵蚀绝对量较小, 但土壤侵蚀程度往往会非常严重[17]。因此, 用传统定量的方法评估土壤侵蚀情况, 其风险性往往被低估; 另一方面, 除自然因素对土壤侵蚀状况起决定作用外, 人类活动对土壤侵蚀同样存在正负影响关系[18]; 并且铜仁地区多数城镇沿河及槽谷地区分布, 是人类活动最为频繁的地带。鉴于此, 基于GIS空间分析和改进的RUSLE模型, 评估铜仁地区及其岩溶槽谷地区1987—2015年土壤侵蚀量, 并用景观格局指数探究该区域土壤侵蚀时空变化特征, 以期为该区域人地矛盾较尖锐、生态环境脆弱背景下的水土保持和生态环境建设提供科学参考。
1 研究区概况与数据来源 1.1 研究区概况铜仁地区(27°07′~29°05′ N, 107°45′~109°30′ E)地处贵州省东北部, 毗邻湖南省, 且位于武陵山区的核心腹地(图 1)。研究区国土面积为1.8万km2。处于云贵高原向湘西丘陵过渡的斜坡地带, 属亚热带季风气候区, 流域内以中部梵净山为分水岭, 分为西部的乌江流域与东部的沅江流域。区域内广泛分布石灰岩和白云岩地层; 部分喀斯特及其岩溶槽谷地貌广泛发育, 以槽谷地形地势为主, 其中槽谷地区地势较平, 受水流侵蚀的影响沿河谷延展, 是城镇集中分布地带。区域内自然资源丰富, 是西南地区的生态屏障, 加之因经济发展人类活动频繁, 因此长期面临着生态保护与经济发展之间的突出矛盾。
研究基础数据时间段为20世纪80年代末至2015年。矢量数据包括行政边界数据, 土壤类型。栅格数据包含来源于地理空间数据云(http://www.gscloud.cn/)中Landsat4-5、Landsat8OLI-TIRS解译的植被覆盖指数(NDVI, INDV)和高程模型(DEM), 寒区旱区科学数据中心(http://westgis.westgis.cn)提供的土地利用、土壤有机质、土壤质地数据。日降雨数据来源于研究区及周边区域47个基础气象站点。
2 材料与方法 2.1 土壤侵蚀RUSLE模型基于GIS空间分析, 选取目前应用最广泛的修正土壤流失模型(RULSE)进行研究区土壤侵蚀的量化, 公式[19-20]表达为
$ A = R \times K \times L \times S \times C \times P。$ | (1) |
式(1)中, A为土壤侵蚀模数, t·hm-2·a-1; R为降雨侵蚀力因子, MJ·mm·hm-2·h-1·a-1; K为土壤可蚀性因子, t·h·MJ-1·mm-1; L为坡长因子; S为坡度因子; C为地表植被覆盖与管理因子; P为水土保持措施因子。将计算结果再依据水利部颁布的SL 190—2007《土壤侵蚀分类分级标准》, 分为微度、轻度、中度、强度、极强、剧烈6个侵蚀等级[21]。
2.2 降雨侵蚀力因子(R)降雨是导致土壤侵蚀主要的外部驱动因素, 降雨的时空分布不同在一定程度上决定了土壤侵蚀的空间分布规律。RICHARDSON等[22]研究发现, EI30与降雨量之间存在幂指函数关系; 而胡续礼等[23]通过对CREAMS模型、Richardson模型、郭新波修正模型进行验证对比, 发现CREAMS模型有着更好的稳定性和精度。因此笔者采用CREAMS模型计算降雨侵蚀力。传统算法将日降雨量Pi≥12 mm作为侵蚀性降水产生的标准, 而实际上喀斯特地区日降雨量Pi≥30 mm才产生侵蚀, 因此以往的计算结果往往会高估土壤侵蚀, 考虑到喀斯特与非喀斯特区域的差异性, 分别对喀斯特及传统算法的降雨侵蚀力因子(R)进行改进, 使其更加符合研究区实际情况。
$ {\mathit{R}_{{\rm{nk}}}} = 1.03P_{\rm{i}}^{1.51}, {P_{\rm{i}}} \ge {d_{12}}, $ | (2) |
$ {\mathit{R}_{\rm{k}}} = 1.03P_{\rm{i}}^{1.51}, {P_{\rm{i}}} \ge {d_{30}}。$ | (3) |
式(2)~(3)中, Rnk为非喀斯特地区的降雨侵蚀力, MJ·mm·hm-2·h-1·a-1; Rk为喀斯特地区的降雨侵蚀力, MJ·mm·hm-2·h-1·a-1; Pi为日降水量, mm; d12为日降雨量, 值为12 mm; d30为日降雨量,值为30 mm。
魏兴萍等[15]和彭旭东等[16]研究发现喀斯特地区坡耕地产流临界点在30~50 mm之间。而铜仁地区有部分非喀斯特区域, 因此需根据研究区的岩性图将非喀斯特地区加以区分。最终采用日降雨量≥12 mm作为非喀斯特地区侵蚀性降雨标准, 日降雨量≥30 mm作为改进后喀斯特地区侵蚀性降雨标准。并利用IDW插值方法对研究区及周边区域站点的日降雨量进行插值, 再根据该公式计算研究区年降雨侵蚀力。
2.3 土壤可蚀性因子(K)土壤可蚀性因子(K)是土壤抵抗侵蚀力的综合体现, 不同的土壤类型K值大小不同。K值越大, 土壤受侵蚀的可能性越大, 反之越小。选择SHARPLY等[24]提出的EPIC模型公式计算K值, 公式为
$ \begin{array}{l} K = 1.131 \times \left\{ {0.2 + 0.3{\rm{exp}}} \right.\left[ { - 0.0256{\mathit{S}_{{\rm{AN}}}}} \right.\\ \;\;\;\;\;\;\;\;\left. {\left( {1 - \frac{{{\mathit{S}_{{\rm{IL}}}}}}{{100}}} \right)} \right] \times {\left( {\frac{{{\mathit{S}_{{\rm{IL}}}}}}{{{\mathit{C}_{{\rm{AL}}}} + {\mathit{S}_{{\rm{IL}}}}}}} \right)^{0.3}} \times \\ \;\;\;\;\;\;\;\;\;\left[ {1 - \frac{{0.25\mathit{C}}}{{\mathit{C} + {\rm{exp}}\left( {3.72 - 2.95C} \right)}}} \right] \times \\ \;\;\;\;\;\;\;\;\;\left. {\left[ {1 - \frac{{0.7{S_{\rm{N}}}}}{{{S_{\rm{N}}} + {\rm{exp}}\left( {22.9{S_{\rm{N}}} - 5.51} \right)}}} \right]} \right\}, \end{array} $ | (4) |
$ {S_{\rm{N}}} = 1 - {\mathit{S}_{{\rm{AN}}}}/100。$ | (5) |
式(4)~(5)中, SAN为砂粒含量比例, %; SIL为粉砂含量比例, %; CAL为黏粒含量比例, %; C为有机质含量比例, %。
2.4 坡度因子(L)与坡长因子(S)采用30 m分辨率的DEM数据提取与坡度坡长因子, 由于通用土壤流失方程中坡度因子计算公式是根据美国耕地坡度来建立的经验公式, 而研究区坡度大于15°的区域占总面积比例较大。因此, 借鉴LIU等[25]和MCCOOL等[26]的方法对坡度因子(S)分段计算来修正公式。
$ S = \left\{ \begin{array}{l} 10.8{\rm{sin}}\theta + 0.03, \;\;\;\;\theta <5^\circ )\\ 16.8{\rm{sin}}\theta - {\rm{0}}{\rm{.5, }}\;\;\;\;{\rm{5}}^\circ \le \theta \le {\rm{14}}^\circ \\ 21.9{\rm{sin}}\theta - {\rm{0}}{\rm{.96, }}\;\;{\rm{14}}^\circ {\rm{<}}\theta \end{array} \right.。$ | (6) |
坡长因子(L)计算公式采用WISCHMEIER等[27]提出的坡面每一段的L因子算法。
$ \mathit{L} = {\left( {\lambda /22.13} \right)^\alpha }, $ | (7) |
$ \alpha = \beta /\left( {\beta + 1} \right), $ | (8) |
$ \mathit{\beta } = \left( {{\rm{sin}}\theta {\rm{/0}}{\rm{.0896}}} \right)/\left[ {3{{\left( {{\rm{sin}}\theta } \right)}^{0.8}} + 0.56} \right]。$ | (9) |
式(7)~(9)中, λ为特定的集水面积, m2; 22.13为标准小区的坡长, m; α为坡长因子指数; β为细沟侵蚀与面蚀的比值; θ为利用DEM提取的坡度。
2.5 植被覆盖与管理因子(C)C为侵蚀动力的抑制因子, 有着保持水土的作用, 其取值范围为0~1。该文植被覆盖度因子C借鉴蔡崇法等[28]的算法, 并参照谭炳香等[29]计算植被覆盖率的公式。
$ C = 0.6508 - 0.3436{\rm{lg }}{\mathit{f}_\mathit{g}}, $ | (10) |
$ {f_{\rm{g}}} = \frac{{{I_{{\rm{NDV}}}} - {\mathit{I}_{{\rm{min}}}}}}{{{\mathit{I}_{{\rm{max}}}} - {\mathit{I}_{{\rm{min}}}}}}, $ | (11) |
$ {I_{{\rm{NDV}}}} = \left( {{\rho _{{\rm{NIR}}}} - {\rho _{\rm{R}}}} \right)/\left( {{\rho _{{\rm{NIR}}}} + {\rho _{\rm{R}}}} \right)。$ | (12) |
式(10)~(12)中, C为植被覆盖度因子;fg为植被覆盖率; INDV为归一化植被指数;Imax和Imin分别为研究区NDVI的最大值和最小值; ρNIR为近红外波段, ρR为红外波段。
2.6 水土保持措施因子(P)水土保持措施因子(P)在0~1之间, 0代表不会发生土壤侵蚀, 1代表没有采取任何水保措施。结合研究区地形特征、耕种特点及土地利用类型, 参考许月卿等[30]的研究成果, 确定各土地利用类型的P值分别为:林地、灌木林、疏林地、草地和未利用地为1, 水体和城镇及道路为0, 果园为0.7, 旱地为0.4, 水田为0.15。
3 结果与讨论因为铜仁地区存在喀斯特和非喀斯特区域交错分布, 传统降雨侵蚀力算法在喀斯特广泛发育地区会高估土壤的侵蚀量。参照前人研究成果, 对不同区域采用不同的侵蚀性降雨标准, 因此理论上改进后的降雨侵蚀力更符合南方喀斯特地区土壤侵蚀的实际情况。研究区有广泛的槽谷地貌沿乌江及其支流呈东北西南条带状分布, 是主要的居民点及城镇分布地区, 社会经济发展中的生产和生活活动广泛分布在该区域。
3.1 土壤侵蚀空间演变总体特征从图 2可知, 从空间上来说研究区土壤侵蚀呈现不连续块状和带状分布的特征。
其中较低侵蚀等级分布主要以块状为主, 全区均有分布; 较高侵蚀等级以带状分布为主, 条带的延展方向与河流的流向及槽谷地形走向大致相同。受槽谷地形因素影响, 呈现东北西南方向的条带状延伸; 4个时期内槽谷底部地区的土壤侵蚀类型转换较剧烈且侵蚀等级之间的转换也十分频繁; 但槽谷两侧的土壤侵蚀转换较缓, 也是极强和剧烈侵蚀的严重地带。铜仁的东南区域也是土壤侵蚀等级变化最为明显的地方, 因此非喀斯特区域的土壤侵蚀危险等级要高于喀斯特区域。整个研究区来看, 研究初期非喀斯特区域土壤侵蚀等级明显高于喀斯特区域, 但同时在研究时段内各侵蚀类型转换最为明显区域也是侵蚀状况改善最为明显的区域。
3.2 土壤侵蚀强度时间变化分析从图 2~3可知, 从20世纪80年代末到90年代末研究区土壤侵蚀面积总体呈上升趋势, 尤其是极强度和剧烈侵蚀面积在广大区域内明显上升; 1995—2000年整个研究区土壤侵蚀各等级面积则呈下降趋势, 以轻度和微度侵蚀为主, 极强度侵蚀和剧烈侵蚀面积下降趋势明显; 2000—2015年各侵蚀等级面积迅速下降, 以微度侵蚀和轻度侵蚀为主, 原先侵蚀较严重的区域也得到明显改善。
分别对4个时期内不同侵蚀强度面积数据进行统计, 制成土壤侵蚀强度转移矩阵(表 1~3)。1987—1995年研究区微度侵蚀、轻度侵蚀、中度侵蚀、强度侵蚀、极强侵蚀和剧烈侵蚀的稳定率分别为47.95%、64.38%、36.73%、30.09%、70.93%和98.17%。其中微度侵蚀等级区域面积中有52.05%向高强度侵蚀等级转移, 轻度侵蚀有35.02%向高强度侵蚀转移, 中度侵蚀有61.52%向高强度侵蚀转移, 强度侵蚀有67.54%向极强和剧烈侵蚀转移, 而极强度侵蚀和剧烈侵蚀仅有1.88%和1.83%向低等强度侵蚀转移。1995—2000年研究区微度侵蚀、轻度侵蚀、中度侵蚀、强度侵蚀、极强度侵蚀和剧烈侵蚀稳定率分别为98.47%、83.73%、58.96%、42.40%、47.46%和31.82%。在此期间微度侵蚀区域面积仅有1.52%向高强度侵蚀转移, 轻度侵蚀有14.73%向微度侵蚀等级转移, 中度侵蚀有39.49%向低强度侵蚀转移, 强度侵蚀有55.66%向低强度侵蚀转移, 极强和剧烈侵蚀分别有51.95%和68.18%向低强度侵蚀转移。2000—2015年研究区微度侵蚀、轻度侵蚀、中度侵蚀、强度侵蚀、极强度侵蚀和剧烈侵蚀稳定率分别为83.97%、51.94%、38.31%、33.76%、32.43%和17.58%。在此期间微度侵蚀有16.03%向高强度侵蚀转移, 轻度侵蚀有39.94%向微度侵蚀等级转移, 中度侵蚀有54.79%向低强度侵蚀转移, 强度侵蚀有63.21%向低强度侵蚀转移, 极强度和剧烈侵蚀分别有67.23%和82.42%向低强度侵蚀转移。
从研究区的总体特征来看, 土壤侵蚀状况由先升高后减低并持续下降, 土壤侵蚀状况得到明显改善。
3.3 侵蚀景观格局 3.3.1 景观格局指数变化研究区1987和2015年景观尺度上不同土壤侵蚀强度区域景观格局指数见表 4。1987—2015年斑块总数(NP)总体呈减少趋势, 斑块平均面积(MPS)有所增加, 但在1995年后又有减小趋势, 说明研究区景观异质性先减小后又稍有增加。边缘密度(ED)变小, 破碎度指数减小, 平均斑块形状指数(MSI)增大, 说明研究区极强度侵蚀区域景观形状趋于规则。景观临近程度的景观破碎度值(MPI)越大表示同类型景观的邻近度和连接性好, 景观破碎度低。面积加权平均分维数(AWMPFD)变化不明显, Shannon多样性指数(SHDI)变小, 说明土壤侵蚀景观的异质性减小。Shannon均匀度指数(SHEI)减小, 即SHEI值较小时优势度较高, 可以反映出景观受到一种或少数几种优势拼块类型的支配, SHEI趋近1时优势度较低, 景观中没有明显的优势类型且各种拼块类型在景观中均匀分布。上述结果表明研究区的土壤侵蚀状况越来越受微度侵蚀和轻度侵蚀景观类型的支配。
在类型尺度上对各侵蚀等级进行景观格局分析(表 5)。
1987年景观斑块数微度、中度、强度等级最多, 而1995年微度侵蚀的斑块数量明显下降, 剧烈侵蚀斑块显著上升; 2000年中微度、中度、强度等级的斑块数量较多, 2015年轻度、中度、强度等级的斑块数量较多, 其中剧烈侵蚀斑块数量显著下降, 在这4个时期中数量最少。
微度和轻度侵蚀景观是整个土壤侵蚀景观中反映区域的土壤侵蚀状况优良的体现, 破碎度指数减小, 斑块数增大, 平均斑块面积增大, 都表明微度侵蚀景观连接性好, 反映出研究区整体的侵蚀状况呈好转。
中度侵蚀、强度侵蚀2种景观斑块数减少较多, 而平均斑块面积变化较大, 说明侵蚀景观整体转化为其他强度侵蚀的景观, 而不是内部合并。ED从大到小的变化也体现了斑块离散程度下降, 斑块受到各种干扰减弱的特征。
极强度侵蚀景观的面积比重增加, 斑块数减小, 平均斑块形状指数(MSI)增大, ED变小, 破碎度指数减小, 说明研究区极强度侵蚀景观形状趋于规则, 面积加权斑块分维数变小, 说明人类对于该类型景观的影响在加强。
剧烈侵蚀景观的面积比重和斑块平均面积MPS以及斑块数量变化从1987到1995年上升, 而1995年后呈下降趋势, 景观破碎度MPI从1987到1995年先升高, 2000年起降低, 2015年后持续降低,说明剧烈景观破碎化程度这4个时期先升高后降低, 景观类型趋于简单化, 土壤剧烈侵蚀状况在减缓; 平均形状(MSI)和平均加权斑块分维数变化幅度较小, 说明人类活动对剧烈侵蚀景观的影响维持在一定水平。
3.4 铜仁地区土壤侵蚀时空演变驱动因素研究区土壤侵蚀由众多影响因素造成, 是人类活动和喀斯特槽谷地区自然背景要素综合影响的结果, 但自然背景在长时间序列中趋于稳定状态, 而人类活动对土壤侵蚀的影响是长期、相互的; 并且铜仁地区多数城镇沿河及槽谷地带分布, 因此在整个社会经济发展过程中研究区及其槽谷区的土壤侵蚀强度的变化特征与各时间点的重大历史事件有着必然的联系(图 4)。20世纪80年代, 当地居民生态意识普遍不强, 毁林开荒现象严重; 在铜仁地区喀斯特广泛分布、土层较薄的区域,地表植被破坏后水土极易流失, 岩石裸露形成石漠化景观[31-32]。
研究区保水保土的能力极差, 导致处于亚热带季风气候的铜仁地区同样面临干旱的威胁, 多槽谷的地势地貌使得雨水充沛年洪灾频发; 尤其在1992和1995年发生特大洪涝灾害[33], 使得这期间的土壤侵蚀状况加重。从整个研究期来看, 1995年前后变化尤其明显。因此在整个时间轴的前半段, 人为破坏明显及自然灾害频发使这一阶段土壤侵蚀状况较为严重。1999年后在贵州省实施退耕还林还草、西部大开发、石漠化综合治理工程等一系列生态恢复工程的大背景下[34], 铜仁地区的土壤侵蚀状况得到明显改善。另一方面, 随着城镇化的发展, 农民通过外出务工对土地的依附性明显下降[35], 退耕地及撂荒地现象增多, 生态恢复状况明显, 土壤侵蚀状况得到明显改善。从土壤侵蚀的整体状况来看, 20世纪80年代末期到21世纪初叶, 研究区土壤侵蚀等级变化十分明显, 土壤侵蚀状况呈先恶化再好转的趋势; 而2000年以后土壤侵蚀状况得到明显改善。因此从整个30 a的时间轴来看, 人为活动作用对研究区的土壤侵蚀起到主要控制作用, 当人们能动、有意识地去改善生态环境时, 土壤侵蚀状况得到明显改善, 而后随着时间的发展, 人类活动对改善土壤侵蚀状况的效用也会越来越低, 并维持在一定水平。
4 结论利用RS和GIS技术, 以贵州铜仁地区为研究区, 结合修正后的土壤侵蚀分析模型(RUSLE)和景观格局方法分析了1987、2015、2000和2015年土壤侵蚀时空变化特征, 探讨岩溶槽谷区的土壤侵蚀时空变化, 并得出以下结论:
(1) 1987年土壤侵蚀以轻度侵蚀为主, 1995年以强度和极强度侵蚀为主, 2000年以轻度侵蚀为主, 2015年以微度侵蚀为主。总体上来说,20世纪80年代末至90年代末期土壤侵蚀比较严重。随着时间推移, 这种情况得到有效缓解。
(2) 土壤侵蚀强度等级转移矩阵表明,除1987—1995年微度和轻度侵蚀向强度和极强侵蚀等级转移较多外,大部分地区及岩溶槽谷区的土壤侵蚀强度向低一级转移, 其中剧烈和极强等级侵蚀向中度等级和轻度等级侵蚀转移的现象较明显。
(3) 在对研究区的土壤侵蚀的景观格局进行分析时发现,研究区土壤侵蚀状况越来越受微度和轻度侵蚀优势景观类型支配, 各类型景观破碎化程度先在这4个时期中呈先升高后降低趋势, 景观类型趋于简单化, 研究区侵蚀状况减缓; 且剧烈侵蚀景观平均形状和平均加权斑块分维数变化幅度较小, 说明人类活动对剧烈侵蚀景观的影响维持在一定水平。
[1] |
QIAO Y L, QIAO Y. Fast Soil Erosion Investigation and Dynamic Analysis in the Loess Plateau of China by Using Information Composite Technique[J]. Advances in Space Research, 2002, 29(1): 85-88. (0) |
[2] |
林晨, 周生路, 吴绍华. 30年来东南红壤丘陵区土壤侵蚀度时空演变研究:以长汀县为例[J]. 地理科学, 2011, 31(10): 1235-1241. [ LIN Chen, ZHOU Sheng-lu, WU Shao-hua. Evolution of Soil Erosion Degree in 30 Years in Granite Hills, Southeastern of China:A Case Study of Changting County, Fujian[J]. Scientia Geographical Science, 2011, 31(10): 1235-1241.] (0) |
[3] |
GUPTA S, KUMAR S. Simulating Climate Change Impact on Soil Erosion Using RUSLE Model:A Case Study in a Watershed of Mid-Himalayan Landscape[J]. Journal of Earth System Science, 2017, 126(4): 43. (0) |
[4] |
XIAO L L, YANG X H, CHEN S X, et al. An Assessment of Erosivity Distribution and Its Influence on the Effectiveness of Land Use Conversion for Reducing Soil Erosion in Jiangxi, China[J]. Catena, 2015, 125: 50-60. DOI:10.1016/j.catena.2014.10.016 (0) |
[5] |
许月卿, 冯艳, 周东, 等. 贵州省猫跳河流域土壤侵蚀动态变化分析[J]. 水土保持通报, 2011, 31(1): 186-190. [ XU Yue-qing, FENG Yan, ZHOU Dong, et al. Soil Erosion Dynamics in Maotiao River Watershed of Guizhou Province[J]. Bulletin of Soil and Water Conservation, 2011, 31(1): 186-190.] (0) |
[6] |
王尧, 蔡运龙, 潘懋. 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 Yao, CAI Yun-long, PAN Mao. Soil Erosion Simulation of the Wujiang River Basin of Guizhou Province Based on GIS, RUSLE and ANN[J]. Geology in China, 2014, 41(5): 1735-1747. DOI:10.3969/j.issn.1000-3657.2014.05.027] (0) |
[7] |
PARK S Y, OH C, JEON S, et al. Soil Erosion Risk in Korean Watersheds, Assessed Using the Revised Universal Soil Loss Equation[J]. Journal of Hydrology, 2011, 399(3/4): 263-273. (0) |
[8] |
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. [ YI Kai, WANG Shi-yang, WANG Xue, et al. The Characteristics of Spatial-Temporal Differentiation of Soil Erosion Based on RUSLE Model:A Case Study of Chaoyang City, Liaoning Province[J]. Scientia Geographical Science, 2015, 35(3): 365-372.] (0) |
[9] |
潘竟虎, 文岩. 基于RUSLE-SMA的黄土丘陵沟壑区土壤侵蚀评价及景观格局分析:以庆城县蔡家庙流域为例[J]. 生态学杂志, 2013, 32(2): 436-444. [ PAN Jing-hu, WEN Yan. Soil Erosion Evaluation and Landscape Pattern Analysis of Loess Hilly and Gully Area Based on RUSLE-SMA:A Case Study of Caijiamiao Watershed in Qingcheng County, Gansu Province of Northwest China[J]. Chinese Journal of Ecology, 2013, 32(2): 436-444.] (0) |
[10] |
向万丽, 高华端, 李兴春. 清镇市土壤侵蚀强度景观空间格局分析[J]. 中国水土保持, 2012(5): 40-43, 76. [ XIANG Wan-li, GAO Hua-duan, LI Xing-chun. Spatial Pattern of Landscape of Soil Erosion intensity of Qingzhen City[J]. Soil and Water Conservation in China, 2012(5): 40-43, 76. DOI:10.3969/j.issn.1000-0941.2012.05.017] (0) |
[11] |
刘宇, 吕一河, 傅伯杰. 景观格局-土壤侵蚀研究中景观指数的意义解释及局限性[J]. 生态学报, 2011, 31(1): 267-275. [ LIU Yu, LÜ Yi-he, FU Bo-jie. Interpretation and limitation of Landscape Metrics in Delineating Relationship between Landscape and Soil Ersion[J]. Acta Ecologica Sinica, 2011, 31(1): 267-275.] (0) |
[12] |
冯舒, 赵文武, 陈利顶, 等. 2010年来黄土高原景观生态研究进展[J]. 生态学报, 2017, 37(12): 3957-3966. [ FENG Shu, ZHAO Wen-wu, CHEN Li-ding, et al. Advances in Landscape Ecology in the Loess Plateau Since 2010 in China[J]. Acta Ecologica Sinica, 2017, 37(12): 3957-3966.] (0) |
[13] |
熊康宁, 胡顺光. 贵州喀斯特地区水土流失研究进展[J]. 贵州师范大学学报(自然科学版), 2011, 29(4): 106-110. [ XIONG Kang-ning, HU Shun-guang. Evolution of Soil and Water Loss in Guizhou Karst Area[J]. Journal of Guizhou Normal University (Natural Sciences), 2011, 29(4): 106-110. DOI:10.3969/j.issn.1004-5570.2011.04.026] (0) |
[14] |
谢云, 刘宝元, 章文波. 侵蚀性降雨标准研究[J]. 水土保持学报, 2000, 14(4): 6-11. [ XIE Yun, LIU Bao-yuan, ZHANG Wen-bo. Study on Standard of Erosive Rainfall[J]. Journal of Soil and Water Conservation, 2000, 14(4): 6-11. DOI:10.3321/j.issn:1009-2242.2000.04.002] (0) |
[15] |
魏兴萍, 谢世友, 张志伟, 等. 重庆南平镇岩溶槽谷区不同土地利用类型地表水土流失[J]. 农业工程学报, 2011, 27(6): 42-46. [ WEI Xing-ping, XIE Shi-you, ZHANG Zhi-wei, et al. Characteristics of Surface Soil Erosion of Karst Valley in Different Land Use Types at Nanping in Chongqing[J]. Transactions of the Chinese Society of Agricultural Engineering, 2011, 27(6): 42-46. DOI:10.3969/j.issn.1002-6819.2011.06.008] (0) |
[16] |
彭旭东, 戴全厚, 李昌兰, 等. 模拟雨强和地下裂隙对喀斯特地区坡耕地养分流失的影响[J]. 农业工程学报, 2017, 33(2): 131-140. [ PENG XU-dong, DAI Quan-hou, LI Chang-lan, et al. Effects of Simulated Rainfall Intensities and Underground Pore Fissures Degrees on Soil Nutrient Loss from Slope Farmlands in Karst Region[J]. Transactions of the Chinese Society of Agricultural Engineering, 2017, 33(2): 131-140.] (0) |
[17] |
李阳兵, 王世杰, 魏朝富, 等. 贵州省碳酸盐岩地区土壤允许流失量的空间分布[J]. 地球与环境, 2006, 34(4): 36-40. [ LI Yang-bing, WANG Shi-jie, WEI Chao-fu, et al. The Spatial Distribution of Soil Loss Tolerarce in Carbonate Areas in Guizhou Province[J]. Earth and Environment, 2006, 34(4): 36-40.] (0) |
[18] |
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 Lu, YAN Qing-wu, BIAN Zheng-fu. Evaluation of Soil Erosion of Liupanshui City Based on Revised Universal Soil Loss Equation (RUSLE)[J]. Journal of Ecology and Rural Environment, 2016, 32(3): 389-396.] (0) |
[19] |
RENARD K G, FOSTER R, WEESIES G, et al. Predicting Soil Erosion by Water:A Guide to Conservation Planning With the Revised Universal Soil Loss Equation (RUSLE)[M]. Washington DC, USA: United States Department of Agriculture (USDA), 1997: 1-367.
(0) |
[20] |
WISCHMEIER W H, MANNERING J V. Relation of Soil Properties to its Erodibility[J]. Soil Science Society of America, 1969, 33(1): 131-137. (0) |
[21] |
SL 190-2007, 土壤侵蚀分类分级标准[S]. [SL 190-2007, Standards for Classification and Gradation of Soil Erosion.]
(0) |
[22] |
RICHARDSON C W, FOSTER G R, WRIGHT D A. Estimation of Erosion Index From Daily Rainfall Amount[J]. Transactions American Society of Agricultural Engineers, 1983, 26(1): 153-156. DOI:10.13031/2013.33893 (0) |
[23] |
胡续礼, 潘剑君, 杨树江, 等. 几种降雨侵蚀力模型的比较研究[J]. 水土保持通报, 2006, 26(1): 68-70. [ HU Xu-li, PAN Jian-jun, YANG Shu-jiang, et al. Comparative Study on Rainfall Erosivity Models Using Daily Rainfall Amounts[J]. Bulletin of Soil and Water Conservation, 2006, 26(1): 68-70. DOI:10.3969/j.issn.1000-288X.2006.01.016] (0) |
[24] |
SHARPLY A N, WILLIAMS J R. EPIC-Erosion/Produciviy Impact Calculator:1.Model Documentation[M]. Washington DC, USA: USDA Technical Bullletin, 1990: 3-9.
(0) |
[25] |
LIU B Y, NEARING M A, RISSE L M. Slope Gradient Effects on Soil Loss for Steep Slopes[J]. Transactions of the ASABE, 1994, 37(6): 1835-1840. DOI:10.13031/2013.28273 (0) |
[26] |
MCCOOL D K, FOSTER G R, MUTCHLER C K, et al. Revised Slope Length Factor for the Universal Soil Loss Equation[J]. Transactions of the ASABE, 1989, 32(5): 1571-1576. DOI:10.13031/2013.31192 (0) |
[27] |
WISCHMEIER W H, SMITH D D. Prediction Rainfall Ersion Losses: A Guide to Conservation Planning[R]. Washington DC, USA: Depatrtment of Agriculture, 1978.
(0) |
[28] |
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. [ CAI Chong-fa, DING Shu-wen, SHI Zhi-hua, et al. Study of Applying USLE and Geographical information System IDRISI to Predict Soil Erosion in Small Watershed[J]. Journal of Soil and Water Conservation, 2000, 14(2): 19-24. DOI:10.3321/j.issn:1009-2242.2000.02.005] (0) |
[29] |
谭炳香, 李增元, 王彦辉, 等. 基于遥感数据的流域土壤侵蚀强度快速估测方法[J]. 遥感技术与应用, 2005, 20(2): 215-220. [ TAN Bing-xiang, LI Zeng-yuan, WANG Yan-hui, et al. Estimation of Vegetation Coverage and Analysis of Soil Erosion Using Remote Sensing Date for Guishuihe Drainage Basin[J]. Remote Sensing Technology and Application, 2005, 20(2): 215-220. DOI:10.3969/j.issn.1004-0323.2005.02.001] (0) |
[30] |
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[J]. 北京林业大学学报, 2006, 28(4): 67-71. [ XU Yue-qing, SHAO Xiao-mei. Estimation of Soil Ersion Supported by GIS and RUSLE:A Case Study of Maotiao Watershed, Guizhou Province[J]. Journal of Beijing Forestry University, 2006, 28(4): 67-71. DOI:10.3321/j.issn:1000-1522.2006.04.013] (0) |
[31] |
王世杰, 李阳兵, 李瑞玲. 喀斯特石漠化的形成背景、演化与治理[J]. 第四纪研究, 2003, 25(6): 657-666. [ WANG SHI-jie, LI Yang-bing, LI Rui-ling. Karst Rocky Desertification:Formation Background, Evolution and Comprehensive Taming[J]. Quaternary Sciences, 2003, 25(6): 657-666. DOI:10.3321/j.issn:1001-7410.2003.06.009] (0) |
[32] |
张惠远, 赵昕奕, 蔡运龙, 等. 喀斯特山区土地利用变化的人类驱动机制研究:以贵州省为例[J]. 地理研究, 1999, 18(2): 136-142. [ ZHANG Hui-yuan, ZHAO Wei, CAI Yun-long, et al. The Driving Mechanism of Human Forces to the Land-use Change in the Karst Mountain Area:The Case Study of Guizhou Province[J]. Geographical Research, 1999, 18(2): 136-142. DOI:10.3321/j.issn:1000-0585.1999.02.004] (0) |
[33] |
铜仁市人民政府办公室. 铜仁地区大事记[M]. 北京: 中国文史出版社, 2015: 203-276.
(0) |
[34] |
铜仁网. 铜仁大事记[EB/OL]//(2013-05-01)[2018-06-30]http://www.tongren.gov.cn/news/newsdata/tongrenzhi/.
(0) |
[35] |
贵州省统计局, 国家统计局贵州调查总队. 贵州统计年鉴[M]. 北京: 中国统计出版社, 2011: 21-80. [ Guizhou Provincial Bureau of Statistics, NBS Survey office in Guizhou. Guizhou Statistical Yearbook[M]. Beijing: China Statistics Press, 2011: 21-80.]
(0) |