2. 西安理工大学水利水电学院, 710048, 西安;
3. 长安大学地球科学与资源学院, 710054, 西安
中国水土保持科学 2018, Vol. 16 Issue (4): 56-65. DOI: 10.16843/j.sswc.2018.04.008 |
黄土高原是中国土壤侵蚀最为严重的地区, 总面积64万km2, 土壤侵蚀面积达39万km2, 土壤侵蚀模数≥1万5 000 t/(km2·a)的剧烈水蚀面积3.67万km2, 占全国同类面积的89%[1]。陕北风沙区位于毛乌素沙漠和黄土高原的过渡地带, 植被破坏比较严重, 水土流失加剧, 为了治理水土流失, 改善自然环境, 国家从1999年开始试行退耕还林生态工程, 陕北地区植被指数(NDVI)有了明显提高[2]。秃尾河是黄河中游陕北风沙区的典型流域之一, 因此该流域的土壤侵蚀时空变化能代表风沙区的总体趋势, 有着重要的意义。土壤侵蚀的时空变化是水土保持综合治理成果体现, 传统的统计方法难以及时掌握水土治理工作的成效, 有一定的滞后性。为了及时掌握土壤侵蚀变化的时空分布, 笔者解译3景不同时期秃尾河流域Landsat卫星TM影像, 与USLE土壤侵蚀模型结合, 估算该流域25年以来的土壤侵蚀变化情况, 为陕北风沙区水土流失治理提供参考。
1 研究区域概况秃尾河是黄河一级支流, 发源地于陕西省神木县瑶镇乡宫泊海子, 秃尾河全长140.0 km, 流域面积3 294.0 km, 河道平均比降3.87‰, 流域面积为3 295 km2, 自西北向东南分别流经神木、榆林、佳县等3个县16个乡(镇)。流域内地貌类型可分为草滩区、流动风沙区、盖沙区和黄土丘陵区4个区。大陆性季风半干旱气候区, 多年平均降水量394.5 mm, 降水总体上由西北向东南递增, 年蒸发能力1 500 mm[3]。截至2011年9月, 流域水土保持措施面积为2 137.56 km2, 占流域总面积的64.9%。上游为风沙区, 地表植被稀疏, 主要植物有沙竹(Phyllostachys propinqua)、沙芥(Pugionium cornutum)、沙蓬(Agriophyllum squarrosum)、沙蒿(Artemisia desertorum)、沙柳(Salix cheilophila)、沙棘(Hippophae rhamnoides)等; 中下游为黄土丘陵沟壑区, 面积为1 121.95 km2, 植被侧柏(Platycladus orientalis)、刺槐(Robinia pseudoacacia)、人工乔木和柠条(Caragana korshinskii)、沙棘、草地主要有紫花苜蓿(Medicago sativa)等, 天然草以蒿类为主[4]。
笔者研究使用的数据有:1)1988年8月29号, 2000年8月24号的landsat 5的TM影像, 2013年8月6号landsat 8的TM影像, 空间分辨率为30 m, 来源于中科院遥感与地球研究所下载地址(http://ids.ceode.ac.cn/Index.aspx); 2)土壤数据来源于陕西省第2次土壤普查数据集、陕西土壤和南京土壤所的土壤类型图(shp格式), 土壤属性数据和空间数据在ArcGIS中关联后, 得到土壤属性空间数据集; 3)1:1万DEM数据用于计算SL因子; 4)高家川站、高家堡站、榆林、神木等6个气象站点日降雨资料来源于黄土高原科学数据中心和中国气象共享网。2000年和2013年影像在ENVI解译后, 土地利用类型和Googlearth典型地物对比精度符合要求。
2.2 研究方法随着GIS技术的发展, USLE通用土壤侵蚀模型逐渐和GIS、RS融合, 学者们在黄土高原地区利用该模型在小流域[5-6]和大流域[7-9]对土壤侵蚀进行了估算。由于黄土高原地区细沟侵蚀比较严重, 该模型估算出来的侵蚀模数比真实值偏小, 在延河流域的估算值在82%~92%之间[7]; 但该方法仍是区域尺度下土壤定量侵蚀估算的最佳选择之一。USLE土壤侵蚀模型如下:
$ A = RLSKCP。$ | (1) |
式中:A为土壤流失量, t/(km2·a); R为降雨侵蚀力因子, MJ/(mm·hm2·h); L为坡长因子; S为坡度因子; K为土壤可蚀性因子, t·hm2·h/(hm2·MJ·mm); C为植被覆盖和管理因子; P为水土保持措施因子。
2.2.1 降雨侵蚀力R因子的确定日降雨量超过12 mm会产生土壤侵蚀, 被称为侵蚀性降雨[9]。运用公式计算降雨侵蚀力
$ {M_i} = \alpha \sum\limits_{j = 1}^k {{{({D_j})}^\beta }} 。$ | (2) |
式中:Mi为第i个半月的降雨侵蚀力[MJ/(mm·hm2·h)]; Dj是半个月内第j天降雨量, mm。这里的降雨量为侵蚀性降雨的降雨量, 谢云等[10]在对降雨标准的研究中, 要求使Dj≥12 mm, 若<12 mm计为0。k是研究期内半月的时段数, 将每个月前15 d视为一个半月时段, 剩下为另一个半月时段, 全年共计24个时段; α和β为模型参数[11], 其计算公式为:
$ \beta = 0.836\;3 + \frac{{18.144}}{{{P_{d12}}}} + \frac{{24.455}}{{{P_{y12}}}};$ | (3) |
$ \alpha = 21.586{\beta ^{-7.189\;1}}。$ | (4) |
式中:Pd12为日降雨量≥12 mm的日平均雨量, mm; Py12为年平均降雨量, mm。
2.2.2 坡长L因子与坡度S因子的确定LS因子是地形对土壤侵蚀的影响, 在区域尺度下, 一般SL因子利用DEM计算。汪帮稳等[12]利用修正算法在黄土高原地区通过DEM提取LS因子值, 并对其准确性进行了验证, 因此, 本文将采用该算法。
坡度S因子修正后的算法为:
$ S = \left\{ \begin{array}{l} 10.8{\rm{sin}}\left( {\left[{{\rm{slope}}} \right]} \right) + 0.036, \;\;\;\;\left[{{\rm{slope}}} \right] < 5.1428\\ 16.8{\rm{sin}}\left( {\left[{{\rm{slope}}} \right]} \right) - 0.5, \;\;\;\;\;\;\;\;5.1428 \le \left[{{\rm{slope}}} \right] < 14.0362\\ 21.9{\rm{sin}}\left( {\left[{{\rm{slope}}} \right]} \right) - 0.96, \;\;\;\;\;\;\left[{{\rm{slope}}} \right] \ge 14.0362 \end{array} \right. 。$ | (5) |
式中:S为坡度因子; [slope]为坡度的弧度形式。
坡长L因子的算法为:
$ \left\{ \begin{array}{l} L = {\left( {\lambda /22.1} \right)^m}\\ m = \beta /\left( {\beta + 1} \right)\\ \beta = ({\rm{sin}}([{\rm{slope}}])/0.089{\rm{ }}6)/(3.0 \times \\ \;\;\;\;\;\;\;{\rm{sin}}\left( {\left[{{\rm{slope}}} \right]} \right){)^{0.8}} + 0.56 \end{array} \right. $ | (6) |
式中:L为坡长因子; m为坡长指数; λ为水平坡长, m; β为细沟和细沟间侵蚀的比率。
2.2.3 土壤可蚀性K因子的确定土壤可蚀性是土壤自身的抗冲蚀能力[13]。经过研究发现, 几何平均粒径结合有机质模型最接近陕西地区真实K值。计算公式为:
$ {D_{\rm{g}}} = {\rm{exp}}\left( {0.01\sum {{f_i}{\rm{ln}}{m_i}} } \right); $ | (7) |
$ \begin{array}{l} K = 0.036\;4- 0.001\;3{\left[{{\rm{ln}}\left( {{O_{\rm{M}}}/{D_{\rm{g}}}} \right)-5.670{\rm{ }}6} \right]^2} - \\ \;\;\;\;\;\;\;0.015{\rm{exp}}[-28.9589{({\rm{log}}({D_{\rm{g}}}) + 1.827)^2}] 。\end{array} $ | (8) |
式中:Dg为平均几何粒径, mm; fi为第i粒径等级的比例; mi为该粒径等级中粒径最大值和粒径最小值的算数平均值, mm; OM为有机质比例。
2.2.4 植被覆盖与管理C因子的确定植被覆盖与管理C因子被定义为在土地植被、作物覆盖的特定条件下土壤的侵蚀量与土地无作物、连续休憩条件下土壤的侵蚀量的比值, 反映植被、作物等覆盖与管理措施对土壤侵蚀的影响。C因子量纲为1, 取值范围为[0, 1]。归一化植被指数(NDVI)是能够很好的反映植被、作物覆盖度的指数。本文采用的算法是参考蔡崇法等[14]研究提出的计算C因子的算法, 即与植被、作物覆盖度有关:
$ C = \left\{ \begin{array}{l} 1\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;c = 0\\ 0.650{\rm{ }}8-0.343{\rm{ }}6{\rm{lg}} \;c\;\;\;\;\;\;0 < c \le 78.3\% \\ 0\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;c > 78.3\% \end{array} \right. 。$ | (9) |
式中c为植被覆盖度, 公式为
$ c = ({\rm{NDVI}}-{\rm{NDV}}{{\rm{I}}_{{\rm{min}}}})/({\rm{NDV}}{{\rm{I}}_{{\rm{max}}}}-{\rm{NDV}}{{\rm{I}}_{{\rm{min}}}})。$ | (10) |
式中:NDVI为归一化植被指数; NDVImin和NDVImax分别为研究区域NDVI的最小值和最大值。
2.2.5 水土保持措施P因子的确定水土保持措施P因子, 是指采用特殊侵蚀控制措施后的土壤侵蚀量与采用顺坡种植时土壤侵蚀量的比值, 取值在[0, 1]之间[15], 文中P因子的取值主要参照傅伯杰等[8]对黄土高原地区的研究成果, 并在对黄土高原地区调查的基础上, 结合坡度确定P值因子。坡耕地P因子的赋值为:0°~5°是0.100、5°~10°是0.221、10°~15°是0.305、15°~20°是0.575、20°~25°是0.705, 在>25°是0.800。
3 结果与分析 3.1 主要因子结果 3.1.1 降雨侵蚀力动态变化分析用秃尾河流域气象站日降雨数据, 计算1988—2013年降雨侵蚀力, 如图 2所示:25年来, 降雨侵蚀力最大和最小出现在2012和1991年, 分别是2 849.53和254.46 MJ·mm/(hm2·h)。2013年和1988年降雨侵蚀力比较接近, 分别为2 050.31和2 047.00 MJ·mm/(hm2·h)。1988—2000年, 12年来多年平均降雨侵蚀力为779.55 MJ·mm/(hm2·h), 2001—2013年, 13年来多年平均降雨侵蚀力为1 479.70 MJ·mm/(hm2·h), 1988—2000年和2001—2013年相比, 降雨侵蚀力明显增加。
1999—2010年神木县累计实施退耕还林还草造林78.52万亩[16](1 hm2=15亩)。1988、2000和2013年平均NDVI值分别为0.09、0.11和0.15。退耕还林的水土保持效益在USLE模型中直接表现在C因子上。利用蔡崇法模型计算的C因子1988、2000和2013年的值分别为0.4、0.34和0.11。2013比1988年C因子的值减少0.29。
3.2 土壤侵蚀时间动态变化分析按照水利部土壤侵蚀分类标准将土壤侵蚀强度划分为微度(0<A≤500)、轻度(500<A≤2 500)、中度(2 500<A≤5 000)、强烈(5 000<A≤8 000)、极强烈(8 000<A≤15 000)和剧烈(A>15 000)6级[17], 单位为t/(km2·a)。1988、2000和2013年不同等级侵蚀强度占流域面积比例见(表 1)。2013年8—9月野外采集样本35个, 微度6个、轻度8个、中度9个、强烈及以上12个, 2013年计算结果进行对比检验, 估算正确个数为:微度5个, 轻度7个, 中度7个, 强烈及以上8个, 正确率为77.14%。
1988和2013年降雨侵蚀力分别2 050.31和2 047.00 MJ·mm/(hm2·h), 降雨侵蚀力相似, 土壤侵蚀模数分别为12 434.47 t/(km2·a)和3 721.08 t/(km2·a), 相差8 713.39 t/(km2·a)。2000年的降雨侵蚀力是25年最低的, 仅有332.77 MJ·mm/(hm2·h), 土壤侵蚀模数为1 776.70 t/(km2·a)。从侵蚀的空间分布(图 3)来看, 1988年中度及以上侵蚀占70.47%约2 479.84 km2, 在整个流域内呈现面状和带状连续分布, 轻度和微度侵蚀呈零星分布, 强烈及以上侵蚀在整个流域的上中下游普遍分布。2000年, 全流域中度以及上侵蚀占21.13%, 约694.36 km2。2013年, 中度及以上侵蚀占到42.14%约1 483.53 km2, 中度及以下侵蚀占总面积的76.71%, 约2 700.34 km2。在流域的分布特征为, 中上游地区以中度及以下侵蚀为主, 成面状分布, 强烈及以上侵蚀为主要分在中下游地区, 以零星或线状分布。其余各等级侵蚀呈现零星交错分布。总体相比1988年等级减弱, 中度及以上侵蚀减少28.33%, 约996.31 km2。总侵蚀量1988年和2013年分别为4 376万t和1 310万t, 退耕还林14年以来该流域土壤侵蚀无论从面积还是强度上都有大幅下降。将1988年和2013年的土壤侵蚀强度等级图做差运算后。土壤侵蚀模数减少8 713.39 t/(km2·a), 总侵蚀量减少3 066万t, 2013年相比1988年总侵蚀量减少68.33%。整个流域土壤侵蚀模数大幅减少。尤其是中度以上侵蚀由1988年的面状分布, 变成2013年的线状和星状分布。
为了进一步分析秃尾河流域上中下游的土壤侵蚀变化情况, 在ArcGIS水文分析模块中, 将秃尾河进一步细分为17个子流域(图 4), 1988年编号为1, 5, 11的子流域是强烈侵蚀, 编号为6的子流域是剧烈侵蚀, 其余13个子流域均为极强烈侵蚀, 2000年由于降雨偏少, 流域内均为轻度侵蚀, 2013年流域内编号为1, 2, 3, 4, 5, 7的子流域均为轻度侵蚀, 编号为6, 7, 8, 9, 10, 11, 12, 13, 14, 15的子流域均为中度侵蚀, 编号为16, 17的子流域为强烈侵蚀。秃尾河流域土壤侵蚀强度从上游向下游逐渐增加的特征。
利用1988年和2013年土壤侵蚀强度等级图, 绘制土壤侵蚀等级转移矩阵(表 2), 25年来微度侵蚀25.94%的面积增加为轻度侵蚀; 轻度侵蚀35.79%转变成微度侵蚀; 中度侵蚀中68.09%转为轻度及以下侵蚀; 强烈侵蚀中82.33%转为中度及以下侵蚀; 极强烈侵蚀中88.87%转为强烈及以下侵蚀; 剧烈侵蚀中89.06%转变为极强烈及以下侵蚀。1988—2013年秃尾河流域微度、轻度、中度、强度侵、极强和剧烈侵蚀的稳定率分别为57.07%、37.65%、16.10%、8.33%、7.60%和10.94%。中度及以上侵蚀的稳定率较低, 是因为该等级土壤侵蚀强度大部分转换为更低一级侵蚀等级, 从土壤侵蚀转移矩阵来看, 强度侵、极强和剧烈侵蚀的面积在不断下降。
木独兔、边老楞、瑶镇、大保当处于流域上游地区, 地貌以沙漠为主平均坡度2.65°, 高佳堡镇, 大河塔, 安崖镇, 乔岔滩、上高寨乡, 刘国具乡处于中下游地区, 地貌以黄土沟壑为主, 平均坡度7.82°。将1988和2013年土壤侵蚀强度等级和坡度等级(0°~5°, 5°~8°, 8°~15°, 15°~20°, 20°~25°, >25°)做叠置分析(表 3)。2013比1988年坡度0°~5°强烈及以上减少38.81%, 5°~8°和8°~15°范围内, 极强烈侵蚀减少26.87%和23.36%;15°~20°、20°~25°, >25°剧烈侵蚀分别减少32.34%、32.52%和31.46%。在相同坡度条件下, 中度及以上侵蚀在逐渐向中度及以下侵蚀转变趋势。
1988、2000、2013年侵蚀模数和坡度等级进行叠置分析(图 5), 得到不同坡度下的侵蚀模数变化。侵蚀模数随着坡度的增加而迅速增长。2013年相比1988年, 不同坡度下的土壤侵蚀模数迅速减少, 0°~5°减少6 712.31 t/(km2·a); 5°~8°减少7 668.51 t/(km2·a), 8°~15°减少8 885.27 t/(km2·a); 在20°~25°减少2万3 357.46 t/(km2·a); 15°~20°减少1万5 375.43 t/(km2·a); 20°~25°减少2万1 262.71 t/(km2·a); >25°减少2万3 357.46 t/(km2·a)。>25°的坡耕地退耕还林以后, 先种植了沙棘, 随后几年种适应性强的油松和樟子松, 随着树苗的生长, 根系加固了松散的地表土壤; 地表覆盖的枯枝落叶层避免了降雨对地面的直接冲刷, 有效的减少的坡地的土壤侵蚀量, 同时植被也起到了涵养水源的作用, 减少地表径流。
为分析秃尾河流域不同高程下的土壤侵蚀特征, DEM按照100 m的间隔分成7个等级。1988年, 2000年和2013年土壤侵蚀模数与高程等级进行叠置分析(图 6)。高程在677~900 m土壤侵蚀最为严重, 对应的地貌是黄土高原沟壑地区, 1988年土壤侵蚀模数达到2万2 146.6 t/(km2·a), 2013年降低为9 201.26 t/(km2·a)。降低58%。900~1 100 m区间土壤侵蚀模数, 1988和2013年土壤侵蚀模数为1万2 114.33 t/(km2·a)和4 589.55 t/(km2·a)。减少7 524.78, 减少62.12%。退耕还林在这一地区取得了明显的水土保持效益。1 100~1 385 m高程区间, 地貌逐渐向风沙区过渡, 地面起伏不大, 2013年土壤侵蚀模数降低到5 000 t/(km2·a)以下。其余高程区间内, 剧烈、极强烈、强烈侵蚀面积均减少, 侵蚀等级向低一级变化。
秃尾河流域1988—2013年土地利用类型发生了比较大的变化(表 4)。耕地由总面积的27.72%减少到19.52%, 减少面积为260.29 km2, 林地由总面积的4.02%增加到7.58%, 增加127.17 km2; 草地由总面积的33.96%增加到50.42%, 约552.56 km2; 未利用土地由34.31%减少到14.22%, 约649.05 km2。
耕地土壤侵蚀模数由1988年的4 019.02 t/(km2·a)减少为2013年的1 219.35 t/(km2·a), 总流失量减少78.41%, 284万t, 占总流失量的比例有27.72%减少到19.52%, 减少8.2%。林地土壤侵蚀模数由1988年的6 948.62 t/(km2·a)减少为2013年的2 784.82 t/(km2·a), 总流失量减少21%, 19.1万t, 占总流失量的比例由4.02%增加到7.85%, 增加3.83%。草地土壤侵蚀模数由1988年的12 675.15 t/(km2·a)减少为2013年的4 677.85 t/(km2·a), 总流失量减少44.65%, 626万t, 占总流失量的比例由33.96%增加到50.24%, 增加16.46%。未利用土地中95%为沙地, 土壤侵蚀模数由1988年的1.58万t/(km2·a)到2013年变为的4 021.07 t/(km2·a), 总流失量减少89.36%, 1 580万t, 占总流失量的比例由34.31%减少到14.22%, 减少20.09%, 在该流域的防风固沙措施取得明显的效果。在水土流失的结构变化中, 耕地所占比例迅速下降, 而林地和草地上升, 造成这一变化的是土壤侵蚀在大量减少过程中, 相对比重变化造成的。秃尾河流域沙漠近25年来, 荒漠化土地表现出向西北方向迁移趋势[18], 荒漠化程度减轻。
4 结论与讨论秃尾河流域25年来土壤侵蚀从强度和面积上都有明显改善, 流域中下游侵蚀强度高于上游地区。土壤侵蚀模数随高程增加呈现递减趋势, 流域上游的木独兔镇、大保当镇侵蚀强度明显小于下游大河塔镇、安崖镇等地区。高程在677~900 m土壤侵蚀最为严重, 1988年土壤侵蚀模数达到2.21万t/(km2·a), 2013年变为为9 201.26 t/(km2·a), 降低了58%。各个高程区间内剧烈、极强烈、强烈侵蚀面积均减少, 侵蚀等级向低一级变化。高程和土壤侵蚀模数关系体现了地貌对土壤侵蚀的影响。在降雨侵蚀力相似的1988年和2013年, 土壤侵蚀模数分别为1.24万t/(km2·a)和3 721.08 t/(km2·a), 总侵蚀量分别为0.44亿t和0.13亿t, 减少了68.33%。25年以来该流域NDVI均值从0.09增加到0.15, 不同土地利用类型下土壤侵蚀强度大小依次是未利用土地、草地、林地和耕地。在水土流失治理后, 未利用土地和草地的水土保持效益最明显。退耕还林后14年风沙区典型流域的水土流失治理取得了明显效益。
在退耕还林前, 修建淤地坝是主要的水土流失治理方式, 20世纪90年代流域内开荒川的淤地坝拦截效益为达到了52.9%[19]。目前秃尾河流域现有淤地坝430座(其中风蚀区38座、水蚀区392座), 治理水土流失面积2 137.56 km2。占流域面积的64.9%[4]。由于未能收集到淤地坝数据, 故未做其拦截效益分析, 但魏艳红等[20]评估秃尾河临近皇甫川流域淤地坝泥沙拦截效益, 认为2000年后皇甫川流域输沙量减幅超过85%, 淤地坝拦沙已不是输沙量减少的主要原因, 而植被恢复等因素的作用已明显得以发挥。土壤侵蚀的减少是气候和植被变化共同影响的结果, 1966—2010年秃尾河流域年降雨在400 mm左右, 不同时段降雨量在流域内部自北向南表现出递增特征[21]。笔者计算流域内本世纪前13年和上世纪后12年相比, 降雨侵蚀力有所增加。气候变化对土壤侵蚀的贡献率在不同地区存在明显差异[22], 退耕还林对榆林市整体水土保持贡献率约为40%~50%左右[22]。但是黄土高原地区近年来局部出现土壤干化趋势[23], 径流明显减少[24], 在未干旱条件下可能威胁到草木生长。在后退耕还林时代的水土保持工作, 要统筹考虑该地区的水资源承载力, 在今后的生态治理中更加合理规划树草的种植品种和密度, 是今后研究的重要方向。
[1] |
高海东, 李占斌, 李鹏, 等. 基于土壤侵蚀控制度的黄土高原水土流失治理潜力研究[J].
地理学报, 2015, 70(9): 1053.
GAO Haidong, LI Zhanbin, LI Peng, et al. The capacity of soil loss control in the Loess Plateau based on soil erosion control degree[J]. Acta Geographica Sinica, 2015, 70(9): 1053. |
[2] |
宋富强, 邢开雄, 刘阳, 等. 基于MODIS/NDVI的陕北地区植被动态监测和评价[J].
生态学报, 2011, 31(2): 354.
SONG Fuqiang, XING Kaixiong, LIU Yang, et al. Monitoring and assessment of vegetation variation in Northern Shaanxi based on MODIS/NDVI[J]. Acta Ecologica Sinica, 2011, 31(2): 354. |
[3] |
孙兆峰, 王双银, 刘晶, 等. 秃尾河流域径流衰减驱动力因子分析[J].
自然资源学报, 2017, 32(2): 310.
SUN Zhaofeng, WANG Shuangyin, LIU Jing, et al. Driving force analysis of runoff attenuation in tuwei river basin[J]. Journal of Natural Resources, 2017, 32(2): 310. |
[4] |
安乐平, 李雷, 王平平, 等. 基于航空影像的秃尾河流域土壤侵蚀评价[J].
人民黄河, 2015, 37(9): 85.
AN Leping, LI lei, WANG Pingping, et al. Assessment of soil erosion in Tuwei River watershed based on high resolution aerial images[J]. Yellow River, 2015, 37(9): 85. DOI: 10.3969/j.issn.1000-1379.2015.09.023. |
[5] |
TANG Qing, XU Yong, BENNETT Sean J, et al. Assessment of soil erosion using RUSLE and GIS:A case study of the Yangou watershed in the Loess Plateau, China[J].
Environmental Earth Sciences, 2015, 73(4): 1715.
DOI: 10.1007/s12665-014-3523-z. |
[6] |
LIU Yansui, GUO Yanjun, LI Yurui. GIS-based effect assessment of soil erosion before and after gully land consolidation:A case study of Wangjiagou project region, Loess Plateau[J].
Chinese Geographical Science, 2015, 25(2): 137.
DOI: 10.1007/s11769-015-0742-5. |
[7] |
李天宏, 郑丽娜. 基RUSLE模型的延河流域2001-2010年土壤侵蚀动态变化[J].
自然资源学报, 2012, 27(7): 1164.
LI Tianhong, ZHENG Lina. Soil erosion changes in the Yanhe Watershed from 2001 to 2010 based on RUSLE model[J]. Journal of natural resources, 2012, 27(7): 1164. |
[8] |
FU Bojie, ZHAO W W, CHEN L D, et al. Assessment of soil erosion at large watershed scale using RUSLE and GIS:A case study in the Loess Plateau of China[J].
Land Degradation and Development, 2005, 16(1): 73.
DOI: 10.1002/ldr.v16:1. |
[9] |
王万忠. 黄土地区降雨特性与土壤流失关系的研究Ⅲ:关于侵蚀性降雨标准的问题[J].
水土保持学报, 1984, 4(2): 58.
WANG Wanzhong. Study on the relations between rainfall characteristics and loss of soil in loess region[J]. Journal of soil and water conservation, 1984, 4(2): 58. |
[10] |
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.
XIE Yun, LIU Baoyuan, ZHANG Wenbo. Study on standard of erosive rainfall[J]. Journal of Soil and Water Conservation, 2000, 14(4): 6. DOI: 10.3321/j.issn:1009-2242.2000.04.002. |
[11] |
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): 705.
ZHANG Wenbo, XIE Yun, LIU Baoyuan. Rainfall erosivity estimation using daily rainfall amounts[J]. Scientia Geographica Sinica, 2002, 22(6): 705. DOI: 10.3969/j.issn.1000-0690.2002.06.012. |
[12] |
汪邦稳, 杨勤科, 刘志红, 等. 基于DEM和GIS的修正通用土壤流失方程地形因子值的提取[J].
中国水土保持科学, 2007, 5(2): 18.
WANG Bangwen, YANG Qinke, LIU Zhihong, et al. Extraction of RUSLE-LS factors using DEM data and GIS techniques[J]. Science of Soil and Water Conservation, 2007, 5(2): 18. DOI: 10.3969/j.issn.1672-3007.2007.02.004. |
[13] |
WANG B, ZHENG F L, MATHIAS J M, et al. Comparison of soil erodibility factors in USLE, RUSLE2, EPIC and Dg models based on a Chinese soil erodibility database[J].
Soil and Plant Science, 2013, 63(1): 69.
|
[14] |
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.
CAI Chongfa, DING Shuwen, SHI Zhihua, et al. Study of applying USLE and geographic information system IDRISI to predict soil erosion in small watershed[J]. Journal of Soil and Water Conservation, 2000, 14(2): 19. DOI: 10.3321/j.issn:1009-2242.2000.02.005. |
[15] |
WISCHMEIER W H, SMITH D D. Predicting rainfall erosion losses: A guide to conservation planning[G]//Agriculture Handbook NO.537.Washington DC: United States Department of Agriculture, 1978: 10(11), 28.
|
[16] |
王爱平, 刘娟, 刘美利. 关于神木县退耕还林还草工程实施情况现状调查及探讨[J].
农民致富之友, 2015, 10: 142.
WANG Aiping, LIU Juan, LIU Meili. On Shenmu county returning farmland to forest and grass project implementation present situation investigation and study[J]. Farmers Wealth Friends, 2015, 10: 142. |
[17] |
中华人民共和国水利部.土壤侵蚀分类标准: SL190. 2007[S].北京: 中国水利水电出版社, 2008: 8.
Ministry of Water Resources of the People Republic of China. The standard of soil erosion: SL190. 2007[S]. Beijing: China Water Power Press, 2008: 8. |
[18] |
冯淳, 张云峰, 焦超卫, 等. 秃尾河上游流域土地荒漠化遥感动态研究[J].
遥感信息, 2016, 31(1): 110.
FENG Chun, ZHANG Yunfeng, JIAO Chaowei, et al. Dynamic remote sensing research on land desertification in upper reaches of Tuwei River basin[J]. Remote Sensing Information, 2016, 31(1): 110. DOI: 10.3969/j.issn.1000-3177.2016.01.018. |
[19] |
焦菊英, 王万忠, 李靖, 等. 黄土高原丘陵沟壑区淤地坝的淤地拦沙效益分析[J].
农业工程学报, 2003, 19(6): 302.
JIAO Juying, WANG Wanzhong, LI Jing, et al. Silting land and sediment blocking benefit of check dam in hilly and gully region on the Loess Plateau[J]. Transactions of the Chinese Society of Agricultural Engineering, 2003, 19(6): 302. DOI: 10.3321/j.issn:1002-6819.2003.06.073. |
[20] |
魏艳红, 焦菊英, 张世杰. 黄土高原典型支流淤地坝拦沙对输沙量减少的贡献[J].
中国水土保持科学, 2017, 15(5): 16.
WEI Yanhong, JIAO Jüying, ZHANG Shijie. Contribution of sediment retention by check-dams to sediment discharge reduction of typical tributaries on the Loess Plateau[J]. Science of Soil and Water Conservation, 2017, 15(5): 16. |
[21] |
桑非凡, 宋孝玉, 王光社, 等. 窟野河、秃尾河、佳芦河流域1966-2010年降水变化特征分析[J].
水资源与水工程学报, 2015, 26(6): 35.
SANG Feifan, SONG Xiaoyü, WANG Guangshe, et al. Analysis of characteristics of precipitation variation for Kuye, Tuwei and Jialu River Basins from 1966 to 2010[J]. Journal of Water Resources and Water Engineering, 2015, 26(6): 35. |
[22] |
杨波, 王全九. 退耕还林后榆林市土壤侵蚀和养分流失功效研究[J].
水土保持学报, 2016, 30(4): 57.
YANG Bo, WANG Quanjiu. Research on soil erosion and nutrient loss in Yulin city after reforestation[J]. Journal of Soil and Water Conservation, 2016, 30(4): 57. |
[23] |
邵明安, 贾小旭, 王云强, 等. 黄土高原土壤干层研究进展与展望[J].
地球科学进展, 2016, 31(1): 14.
SHAO Ming'an, JIA Xiaoxu, WANG Yunqiang, et al. A review of studies on dried soil layers in the Loess Plateau[J]. Advances in Earth Science, 2016, 31(1): 14. |
[24] |
白桦, 穆兴民, 王双银. 水土保持措施对秃尾河径流的影响[J].
水土保持研究, 2010, 17(1): 40.
BAI Hua, MU Xingmin, WANG Shuangyin. Impact of soil and water conservation on river flow of Tuwei River[J]. Research of Soil and Water Conservation, 2010, 17(1): 40. |