硕士学位论文

中图分类号 学校代码 10224 .

密 级 公开 学 号 S190201183

硕士学位论文

基于RUSLE和物元模型的宾县土壤侵蚀特征分析

作 者 周 杰 导 师 宁静 副教授

学位类别 管理学 所在学院 公共管理与法学院

一级学科 公共管理 二级学科 土地资源管理

二○二二年六月

Classified Index： Code：10224

Confidential (yes/no)：no No.S190201183

Dissertation for the Master Degree

Analysis of soil erosion characteristics in Bin County Based on RUSLE and matter element model

Candidate:Zhou Jie

Supervisor:A. Prof.Ning Jing

Degree Category: Master of Management

College: School of public administration and law

Research Field:Land resources management

Study Mode:S190201183

Harbin China

June 2022

目 录

摘 要 I

英文摘要 II

1 引言 1

1.1 选题背景 1

1.1.1 课题来源 1

1.1.2 研究背景 1

1.1.3 研究意义 2

1.2 国内外研究进展 3

1.2.1 土壤侵蚀研究方法的国内外研究进展 3

1.2.2 土壤侵蚀影响因素的研究进展 5

1.2.3 土壤侵蚀风险评价的研究进展 7

1.2.4 当前研究的特点及不足 8

1.3 研究主要内容 9

1.3.1 研究内容 9

1.3.2 研究目的 10

1.3.3 研究重难点与创新点 10

1.4 研究方法与技术路线 10

1.4.1 研究方法 10

1.4.2 技术路线 14

2 相关概念以及理论基础 16

2.1 相关概念 16

2.1.1 土壤侵蚀 16

2.1.2 土壤侵蚀模数 16

2.1.3 土壤侵蚀风险 16

2.2 理论基础 16

2.2.1 土地可持续利用理论 16

2.2.2 变权理论 17

2.2.3 水土保持学理论 17

3 研究区概况及数据处理 18

3.1 研究区概况 18

3.1.1 区位概况 18

3.1.2地质地貌 18

3.1.3气候水文 19

3.1.4土壤植被 19

3.1.5社会经济 20

3.2研究数据及处理 20

3.2.1数据来源 20

3.2.2 数据处理 22

4 宾县土壤侵蚀时空特征 23

4.1 RUSLE模型因子提取与计算 23

4.1.1 降雨侵蚀力 23

4.1.2 土壤可蚀性 26

4.1.3 坡度坡长 28

4.1.4 植被覆盖与管理 29

4.1.5 水土保持措施 32

4.2土壤侵蚀模数分析 36

4.2.1宾县土壤侵蚀时间变化特征 39

4.2.2宾县土壤侵蚀空间变化特征 42

4.2.3土壤侵蚀强度面积转移特征 46

5 宾县土壤养分流失空间特征分析 51

5.1土壤样品与采集 51

5.2土壤养分空间分布特征 52

5.2.1数据正态性检验和趋势分析 52

5.2.2土壤养分空间分布特征分析 54

5.3 土壤养分流失空间分布特征 56

6宾县土壤侵蚀风险评价 60

6.1土壤侵蚀风险物元模型及指标体系的构建 60

6.1.1物元的概念 60

6.1.2 物元的性质 61

6.1.3土壤侵蚀风险物元模型的构建 61

6.1.4土壤侵蚀风险评价指标 64

6.1.5 各因子权重计算结果 65

6.2土壤侵蚀风险评价结果与分析 67

6.2.1各评价指标的风险空间分析 67

6.2.2土壤侵蚀综合风险空间分析 68

6.3基于土壤侵蚀风险等级的乡镇水土保持优先排序 71

7土壤侵蚀防治政策建议 74

7.1 加强小流域治理 74

7.2 保持土壤养分含量 74

7.3 进行水土流失防治优先排序 74

7.4 建设水保示范园 75

8结论与讨论 76

8.1 结论 76

8.2 讨论 76

致 谢 78

参考文献 79

攻读硕士学位期间发表的学术论文 91

CONTENTS

独 创 声 明

本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含未获得

（注：如没有其他需要特别声明的，本栏可空）或其他教育机构的学位或证书使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。

学位论文作者签名： 日期： 年 月 日

学位论文版权使用授权书

本学位论文作者完全了解学校有关保留、使用学位论文的规定，学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权学校可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书）

学位论文作者签名： 日期： 年 月 日

导 师 签 名： 日期： 年 月 日

摘 要

土壤侵蚀是在外营力作用下的土壤迁移过程，不仅使得土地资源遭到破坏、还造成养分下降、制约粮食生产、生态环境恶化。近年来，东北黑土区在在长时间的重用轻养掠夺式开垦，高强度的连作使得黑土结构被破坏，水土流失速度加快，土壤侵蚀问题逐渐受到国家层面上的关注。2020年中国水土保持公报显示：2020年东北黑土区土壤侵蚀面积达21.60万km2，占东北黑土区土地总面积的19.86%，其中中度及以上侵蚀等级面积比例超过四分之一，土壤侵蚀程度较为严重。分析土壤侵蚀时空规律有利于精准防治水土流失、治理土壤侵蚀，在充分了解典型黑土区宾县的自然、经济以及社会状况的基础之上，以研究区遥感影像、降雨和土壤等数据为基础，利用通用土壤流失方程RUSLE分析了宾县过去二十年的土壤侵蚀时空分布格局以及变化特征，并将研究结果与中国水土流失公报对黑土区的监测结果进行对比；以实地取样以及养分流失计算模型的方式评估并分析了宾县养分流失空间分布特征；利用物元模型以及变权理论，以主客观赋权的方式评价了宾县的土壤侵蚀风险并分析了其空间规律；利用复合因子模型，以土壤侵蚀风险为基础将研究区以乡镇尺度进行水土流失防治优先性排序，并提出了针对性的土壤侵蚀防治措施。研究得到的主要结论如下：

（1）从土壤侵蚀的时空特征来看，宾县的土壤侵蚀总体上经历了一个从增强到减弱再增强的变化过程。2000-2020年年均侵蚀模数分别为405.04 t·km-2·a-1、512.43 t·km-2·a-1、325.08 t·km-2·a-1、462.07 t·km-2·a-1、636.42 t·km-2·a-1。宾县约有78.98%的区域未产生明显的等级改变，6.48%的地区出现侵蚀等级下降的变化趋势，约14.53%的地区侵蚀等级强度升高，其中侵蚀等级上升的区域主要集中在研究区中部，大部分以耕地为主；侵蚀等级下降的区域主要集中在宾西镇西北、宾州镇中部以及胜利镇。

（2）从土壤侵蚀的养分流失特征来看，宾县土壤养分流失量与土壤侵蚀强度空间格局相似，呈中间高四周低、漫川漫岗以及丘陵区高于平原区的格局。全县土壤有机质、全氮、速效钾、有效磷单位面积平均流失量分别为2.7917 t·km-2·a-1、0.1868 t·km-2·a-1、0.0142 t·km-2·a-1、0.0027 t·km-2·a-1；全县因土壤侵蚀而产生的有机质、全氮、速效钾、有效磷流失量分别为623.70 t、41.6447 t、3.0457 t、0.5889 t，合计养分流失总量671.97 t。其中宁远镇养分流失最为严重。

（3）从土壤侵蚀的风险程度来看，宾县土壤侵蚀综合风险较高，其中微度、轻度、中度、重度、剧烈侵蚀风险所占比例分别为：14.82%、24.30%、31.76%、18.00%、11.13%，可知宾县土壤侵蚀综合风险较大，水土防治刻不容缓。对于土壤侵蚀风险性高的乡镇主要受植被覆盖、土地利用的影响，经济开发强度在一定程度上能够降低土壤侵蚀的风险。

（4）从土壤侵蚀的防治治理来看，宾县水土流失防治治理优先性排序为经建乡、永和乡、糖坊镇、鸟河乡、宾安镇、满井镇、民和乡、居仁镇、宁远镇、新甸镇、常安镇、宾州镇、平坊镇、宾西镇、胜利镇、三宝乡、摆渡镇，在研究区内实施水土保持工程可参照这一顺序。

关键词：土壤侵蚀；东北黑土区；养分流失；土壤侵蚀风险评价；物元模型；

Analysis of soil erosion characteristics in Bin County Based on RUSLE and matter element model

Abstract

Soil erosion is the root cause of land degradation. In recent years, the northeast black soil region has been reclaimed for a long time, and high-intensity continuous cropping has destroyed the black soil structure and accelerated soil erosion. In 2020, the soil erosion area reached 216000 km2, accounting for 19.86% of the total land area of the northeast black soil region. The degree of soil erosion is the most serious in the three black soil areas, and the problem of soil erosion is concerned by the national level. The analysis of the temporal and spatial law of soil erosion is beneficial to the accurate prevention and control of soil erosion and soil erosion. On the basis of fully understanding the natural, economic and social conditions of Binxian County, a typical black soil region, and based on remote sensing images, rainfall and soil data in the study area, the temporal and spatial distribution pattern and change characteristics of soil erosion in Binxian County in the past two decades were analyzed by using the general soil loss equation RUSLE. And the relationship between different slope, land use and soil erosion, and compared the research results with the monitoring results of soil and water loss bulletin in China. The spatial distribution characteristics of nutrient loss in Binxian County were evaluated and analyzed by field sampling and nutrient loss calculation model, and the soil erosion risk in Binxian County was evaluated and its spatial law was analyzed by means of subjective and objective weight by using matter element model and variable weight theory. Using the compound factor model, based on the risk of soil erosion, the priority of soil erosion prevention and control in the study area is ranked at the township scale, and the targeted soil erosion prevention and control measures are put forward. The main conclusions of the study are as follows:

(1) From the temporal and spatial characteristics of soil erosion, soil erosion in Binxian County has experienced a change process from strengthening to weakening and then strengthening. From 2000 to 2020, the average annual erosion modulus was 405.04t km- 2 a-1, 512.43t km- 2 a-1, 325.08t km- 2 a-1, 462.07t km- 2 a-1, 636.42t km- 2 a-1, respectively. About 78.98% of the areas in Binxian County did not produce obvious grade change, 6.48% of the areas showed a downward trend of erosion grade, and about 14.53% of the areas showed an increase in erosion grade intensity, in which the rising erosion grade was mainly concentrated in the middle of the study area. most of the areas are cultivated land; the areas of erosion grade decline are mainly concentrated in the northwest of Binxi town, the middle of Pennsylvania town and Shengli town.

(2) According to the characteristics of nutrient loss of soil erosion, the spatial pattern of soil nutrient loss in Binxian County is similar to that of soil erosion intensity, which is high in the middle and low around the river, and the pattern in the hilly area is higher than that in the plain area. The average loss of soil organic matter, total nitrogen, available potassium and available phosphorus per unit area in the county was 2.7917 t km- 2 a-1, 0.1868 t km- 2 a-1, 0.0142 t km- 2 a-1, 0.0027 t km- 2 a-1, respectively. The losses of organic matter, total nitrogen, available potassium and available phosphorus caused by soil erosion in the county were 623.70 t, 41.6447 t, 3.0457 t and 0.5889 t respectively, with a total nutrient loss of 671.97 t. Among them, the nutrient loss in Ningyuan town is the most serious.

(3) From the risk degree of soil erosion, the comprehensive risk of soil erosion in Binxian County is relatively high, in which the proportion of micro, mild, moderate, severe and severe erosion is 14.82%, 24.30%, 31.76%, 18.00% and 11.13%, respectively. It can be known that the comprehensive risk of soil erosion in Binxian County is high, and soil and water control Brooks no delay. The villages and towns with high risk of soil erosion are mainly affected by vegetation cover and land use, and the intensity of economic development can reduce the risk of soil erosion to a certain extent.

(4) From the point of view of the prevention and control of soil erosion, the priority of soil erosion prevention and control in Binxian County is Jingjian Township, Yonghe Township, Tangfang Town, Binhe Township, Binan Town, Manjing Town, Minhe Township, Juren Town, Ningyuan Town, Xindian Town, Chang'an Town, Binzhou Town, Pingfang Town, Binxi Town, Shengli Town, Sanbao Township and Ferry Town. The implementation of soil and water conservation projects in the study area can refer to this order.

Key Words：Soil erosion; Northeast black soil region; Nutrient loss; Soil erosion risk assessment; Matter element model

Candidate：Zhou Jie

Speciality：Land Resources Management

Supervisior：A.P. Ning Jing

1 引言

1.1 选题背景

1.1.1 课题来源

国家自然科学基金面上项目，项目编号：41971217。这个用标吗大论文一般不用吧

1.1.2 研究背景

土壤侵蚀是土地退化的一种表现，是土地退化的根本原因，是导致生态环境恶化的重要原因[1]；土壤侵蚀是水力和风力等外营力带来的土壤消损使得土壤质量下降并流失严重的情况[2]；土壤侵蚀是土地系统对于人类干扰活动的一种响应，其不仅会导致土地资源的破坏、土地提供生态系统服务能力下降，土壤资源的过度开发，还可能导致生态系统生产力的丧失、植被组成的变化和农村生计的丧失[3]。当前，全球土壤侵蚀状况较为严重，据联合国粮农组织的专家估算，全球约有2500万km2土地遭受水土流失，占陆地总面积的16.7%，每年流失土壤260亿吨。土壤侵蚀作为全球性的生态环境问题之一，已经引起了世界各国的高度关注。全球环境变化人文因素计划（IHDP）、世界气候研究计划（WCRP）、国际地圈生物圈计划（IGBP）、和生物多样性计划（DIVERSITAS）已将土壤侵蚀研究列为重要研究内容。中国是世界上水土流失最严重的国家之一，水土流失面广量大，每年由水土流失造成氮，磷，钾肥流失量可达4000万吨，折合经济损失达24亿元。由中国2020年水土保持公报可知，我国水土流失面积仍有269.27万km2，跟第一次全国水利普查成果对比可知，10年来，共治理土壤侵蚀面积25.64万km2，我国水土保持工作取得了可喜的成绩，但水土流失仍很严重，侵蚀面积占据我国国土面积的28.24%。严重的水土流失，反映我国生态环境的恶化，威胁国家粮食安全，生态安全和社会稳定，制约乡村发展，影响乡村振兴建设进程，阻碍社会主义现代化国家的建设。

东北黑土区作为世界三大黑土分布区之一，是我国重要的粮食主产区和商品粮生产基地，别称“粮食市场稳压器”，作为支撑东北粮仓的根基，在长时间的重用轻养掠夺式开垦，高强度的连作使得黑土结构被破坏，水土流失速度加快，2020年土壤侵蚀面积达21.60万km2, 占东北黑土区土地总面积的19.86%，在三大黑土区范围内土壤侵蚀程度最为严重，现已成为我国土壤侵蚀潜在危险性较大的地区之一，影响东北黑土区农业经济的可持续发展[4]-[6]。从2003开始至今，国家实施一系列水土流失防治工程，累计治理水土流失面积约7850km2[7]。2020年中央一号文件，政府提出实施黑土地保护工程，农业农村部等七部门联合印发了《国家黑土地保护工程实施方案（2021—2025年）》，将黑土地保护上升为国家战略，可见黑土地保护的重要意义。在此背景下，为有的放矢的提出黑土地保护建议及针对措施，分析土壤侵蚀强度的时空分布格局和动态变化特征、土壤养分的六十特种以及评价土壤侵蚀的风险，并在此基础上进行有针对性的防治措施，对于当地土壤侵蚀防治以及进行生态恢复和重建具有重要理论指导意义，成为科学决策东北黑土区土壤侵蚀防治与黑土健康管理的科学需求。

宾县地处典型黑土区东部边缘，黑土为主要土种，全县土地面积为3843km2，漫川漫岗占据主要地位，土地利用类型主要为耕地，多为坡耕地，耕作方式为旋垄起耕。黑土抗蚀能力较差、降雨集中在夏季、冻融交替明显，自然因子的交互作用构造了宾县发生土壤侵蚀的自然地理条件。自1986年以来，该地区被确定为水土保持重点县以来，宾县把治理水土作为主要工作之一，在水土流失治理方面取得了显著成绩，共治理了86个重点小流域，实行保护性耕作面积累计50万亩，年均治理水土流失76.2km2，侵蚀沟282条，同时对流域内进行“山水林田湖草”综合配套，促进了黑土资源的保护，有效改善生态环境，为建设高标准商品粮基地做出贡献。因此，本文选择宾县作为研究区域，以宾县2000-2020年的自然、社会经济数据为支撑，研究宾县土壤侵蚀情况下的时空特征、土壤养分流失特征以及土壤侵蚀风险特征并进行水土流失防治排序。

1.1.3 研究意义

（1）理论意义

土地作为人类赖以生存的资源，土壤则作为土地最基础的要素之一，土壤侵蚀在本质上是土地系统提供生态系统系统服务能力的下降，并可能导致土壤资源的过度开发、生态系统生产力丧失等一系列生态环境问题。目前对于土壤侵蚀进行时空特征分析是当前的研究热点，且对黑土区的研究少有，且全面认识土壤侵蚀的时空变化特征，有利于针对研究区提出精准防治措施，对于保护黑土资源有重要理论意义。风险评价是在当前土壤侵蚀现状情况下融入社会经济指标，并将评价权重由恒权转换为变权，能够更精确的体现各个评价指标对于土壤侵蚀风险的贡献，能够为土壤侵蚀风险评价方法的完善提供参考。

（2）实践意义

东北黑土区作为珍贵的资源，被称为“土地中的大熊猫”，但目前黑土区土壤侵蚀严重,

生态环境越来越脆弱。解决水土流失的关键在于跳出生态环境不断恶化的循环，确保在发展经济的同时保护生态，走绿色、可持续发展的道路。东北黑土区的水土流失防治是一项重大的系统工程，在水土流失严重，侵蚀沟密集的背景下，当地生态平衡与保护的首要问题就是防治土壤侵蚀。而有效的防治土壤侵蚀需要对东北黑土区的土壤侵蚀规律和机制具有深刻的了解和把握。这就需要我们了解过去土壤侵蚀变化的时空特征，以及预判未来的土壤侵蚀风险区域，分析并评价土壤侵蚀强度的时空分布格局，以及评价土壤侵蚀未来发生的风险程度，在此基础之上进行地区的水土流失防治优先性排序，并“因区制宜”的采取针对性防治措施。因此东北黑土区的土壤侵蚀时空变化特征研究以及土壤侵蚀风险评价对加强水土保护，防治土壤侵蚀有紧迫的现实意义，为东北黑土区制定更为合理的防治措施和实现土地资源的可持续利用提供科学依据。

本研究将RUSLE模型、物元模型与GIS结合，以具有典型黑土特征的宾县为研究区，研究该研究区过去二十年土壤侵蚀强度的时空分布格局和动态变化特征；分级与评价土壤侵蚀风险性并作出水土防治优先性排序；根据研究区的土壤侵蚀强度和风险性特征提出针对性的土壤侵蚀防治建议。为该区域土壤侵蚀的防治提供可靠依据，防治防止盲目和无根据的治理，为政府部门对生态环境建设的宏观管理提供现实依据，为黑土区土地利用的可持续性提供可能，对研究区减少水土流失乃至整个东北黑土区都具有普遍的现实意义。

1.2 国内外研究进展

1.2.1 土壤侵蚀研究方法的国内外研究进展

19世纪末以来，国内外土壤侵蚀研究发展十分迅速，研究成果甚为丰硕，学者们从不同角度，应用不同研究方法对土壤侵蚀的发展规律以及预报进行研究。

（1）国外土壤侵蚀研究方法

国外土壤侵蚀研究方法主要可分为模型法和元素示踪法。模型法大致上分为经验统计模型和物理过程模型两种。经验统计模型中以通用流失方程（USLE）和修正土壤流失方程（RUSLE）应用最为广泛。USLE模型是Wischmeier等分析以及研究国家水土流失中心收集的实验小区降雨、径流、泥沙等数据的基础之上提出来的，该模型综合以往研究因子，考虑因素较为全面，解决了以往研究处于单因子研究的困境，故在世界上产生巨大影响并进行了广泛应用[8]。Joris de Vente等评估了14个土壤侵蚀模型，指出土壤侵蚀模型的准确性依赖于时空尺度，在未来的土地利用和气候条件下应重点关注流域产沙量对土地利用和管理的变化反应[9]。Pasquale Borrelli等基于RUSLE模型，利用卫星成像测量的全球农田和森林的范围、类型和空间分布与农业调查数据对全球尺度的土壤侵蚀进行了定量评估，阐述全球土地利用变化对土壤侵蚀的影响[10]。Panos Panagos等利用RUSLE模型（2015版）估算了欧洲土壤侵蚀量，该修正模型纳入了最新的欧洲数据集，还可以结合土地利用变化下的政策情景，证明RUSLE2015是欧洲尺度上估算土壤流失的最优建模方法[11]。Li Zhiying等注意到气候变化对于水蚀有一定影响作用，指出未来土壤侵蚀研究应加强对受到气候变化具体的影响机制，提出应将沟壑侵蚀纳入侵蚀模型，未来应该构建一种多模型、多场景和混合降尺度的方法[12]。

物理过程模型中，C. LR等提出了RUROSEM（欧洲土壤侵蚀模型）并给出了模型输出的实例，解释了其在动态侵蚀模拟方面的独特作用[13]。Stdphane C等建立了沙尘产生模型（DPM），以此来计算气溶胶的释放量及其大小分布[14]。Kristof等提出了考虑景观结构的空间分布水力侵蚀耕作模型，指出景观结构是影响比利时土壤侵蚀的重要因素[15]。Joseph M等利用Nimbus 7号卫星上的臭氧总测绘光谱仪(TOMS)传感器绘制主要大气尘埃源的全球分布图用于改进全球沙尘模型[16]。D.Vente等阐述了流域尺度下侵蚀过程和产沙量的关系，指出产沙量数据受尺度影响较大，比较了不同侵蚀产沙半定量模型的优缺点，指出流域尺度模型建立结合侵蚀和泥沙运至关重要[17]在此基础之上，D.Vente等指出面积和输沙量的三种典型关系[18]。

关于元素示踪法的应用中，可用来进行元素示踪的放射性同位素包括7Be、137Cs、210Pb、226Ra、228Ra等，其中137Cs由于操作简单，适用尺度范围大，应用最为广泛。A.QUINE等提出了通过137Cs测量地貌变化的速率，以此来研究侵蚀过程对农用地貌演变的影响[19]。在此基础上，D.E.Walling等提出了该方法的改进模型[20]，该方法将137Cs测量转换为水分和耕作引起的土壤再分配速率估计进行计算。Jerry C. Ritchie等在小农业流域尺度，确立了137Cs与土壤侵蚀以及土壤碳之间的关系，其有助于理解耕地表层土壤中的碳分布模式[21]。Poesen J等指出土壤退化过程中沉积物估算过程中应将土壤质地、土壤水分和技术纳入模型计算中[22]。Shuguang Liu和Norman Bliss建立EDCM（侵蚀沉积碳模型），评估了密西西比州纳尔逊农场侵蚀部位的有机碳储量，指出土壤侵蚀和沉积通过在侵蚀地点暴露低碳土壤和在沉积地点掩埋有机碳，减少了土壤中的二氧化碳排放，其会影响陆地生态系统和大气之间的碳净交换[23]。同年，R. Lal等提出侵蚀导致的碳排放对全球气候具有重要性，在全球碳预算计算中必须将此纳入计算范围[24]。3C等元素也用于识别土壤侵蚀的泥沙来源区、监测半干旱农田生态系统土壤侵蚀过程沉积物中的土壤碳损失，从而推断土壤有机碳的再分配情况[25]-[27]。

（2）国内土壤侵蚀研究方法

20世纪40年代初，刘善建拉开了我国定量研究土壤侵蚀的序幕[28]。后来土壤侵蚀定量研究逐渐从野外径流小区实验转变为室内模拟研究，其主要研究内容为雨滴溅蚀、坡面因素以及侵蚀产沙方面。20世纪80年代，美国USLE模型被引入我国，极大地推动了我国土壤侵蚀预报模型的发展，也促进了我国学者对土壤侵蚀预报模型的系统化研究。学者们将USLE方程本土化，出现了不同版本的变式。马志尊对海河流域太行山区土壤侵蚀进行预报[29]；杨艳生计算泥沙输移比值，进而推导出三峡区土壤侵蚀预报模型，该模型适用于中小比例尺[30]；黄炎和等建立了赤红壤坡地的闽东南土壤流失预报方程，包括顺坡撂荒区和工程生物措施区两类[31]；林素兰等建立了辽北低山丘陵区坡耕地的土壤侵蚀预报方程[32]；杨子生等建立了滇东北山区的土壤侵蚀预报方程，该方程考虑因素较为周全，能够推广应用[33]；2001年，刘宝元建立了中国土壤流失方程(CSLE—— Chinese Soil Loss Equation)，该方程将USLE模型中的植被覆盖与作物管理因子和水土保持措施因子修正为生物，工程和水土保持耕作措施三个因子，可以用于计算坡面的多年平均年土壤流失量，且形式简单实用，能够在不同地区推广应用[34]。近年来，众多学者将USLE或RUSLE模型与GIS技术结合，模拟土壤侵蚀的时空演变[35]-[38]，评价土壤侵蚀所引起的生态服务功能的变化[39]-[41]。

我国物理成因模型的研究时间可以追溯到1993年，谢树楠等基于泥沙动力学基本理论和九个基本假定建立了黄河中游丘陵沟壑区暴雨产沙模型，但是该模型不能很好的反映大流域内的侵蚀产沙的空间变异[42]；王礼先等基于侵蚀的水动力学原理和一维水流模型，把坡面流近似模型求导与侵蚀基本方程联合求解，得到坡地侵蚀的数学模型[43]；包为民等根据黄河中游、北方干旱地区流域的超渗产流水文特征和冬季积雪的累积及融化机制,提出了大流域水沙耦合模拟物理概念模型，该模型分为产流、汇流、产沙和汇沙四个部分，较好的处理了在地面径流资料缺乏，处理量大的问题，考虑了大流域气候、下垫面因素空间的不均匀性和雨洪径流产沙与融雪径流产沙间的差异，模型精度也较高[44]；蔡强国考虑了降雨入渗、径流分散、重力侵蚀、洞穴侵蚀及泥沙输移等侵蚀过程，建立了能表示侵蚀-输移-产沙过程的次降雨侵蚀产沙模型，该方程是对侵蚀产沙过程进行量化研究的较为成功的尝试[45]；段建南利用微机技术，结合我国干旱，半干旱地区的实际情况，在晋西北砖窑沟试验区建立并验证了坡耕地土壤侵蚀过程数学模型SLEMSEP，该方程可定量评价人类活动对土壤侵蚀过程的影响，也能进行长期模拟，能应用于土壤变化和可持续利用的研究[46]。

元素示踪法中，万国江等利用137Cs在沉积物中的分布及其计年研究[47]；王红亚等利用沉积物矿物磁性参数研究土壤侵蚀；邵全琴等在植被覆盖度>60%的典型高寒草甸坡面上进行土壤侵蚀137Cs核素示踪研究，发现具有完整草皮层且植被覆盖度较高的高寒草甸对于防治水土流失效果较为显著[48]。杨维鸽等利用137Cs探索了不同坡度、坡长和坡形对于坡面侵蚀-沉积空间分布特征的影响[49]。何彦星等用137Cs定量分析了东北黑土区坡面土壤侵蚀特征以及强度分布，表明坡耕地侵蚀中中粗颗粒有机碳与矿质有机碳的变化幅度存在不同关系[50]。

我国东北黑土区土壤肥沃，但由于长期开垦，过度使用导致土壤侵蚀情况越发严重，目前，黑土区的侵蚀问题越来越受到学者们的关注。学者们从黑土侵蚀机理研究、侵蚀效应评价、侵蚀预测预报方法以及防治措施进行研究。吴发启等在土壤侵蚀学一书中指出雨滴击溅为土壤面侵和沟蚀的发生提供了条件，量化了黑土坡面溅蚀发生过程[51]。张宪奎等在大量分析资料的基础上，对USLE模型进行修正，指出黑龙江省侵蚀性降雨量标准为9.8mm[52]。徐晓鸿等指出沟壑密度与集水面积呈现倒U型关系，临界值为29.39m2[53]。乔治等指出农林交错区林地、草地、湿地以及农地面积的变化与土壤侵蚀相互联系，人类活动是影响土壤侵蚀的主要因子[54]。方海燕[55]等以及张孝存[56]等指出东北黑土区坡耕地侵蚀会影响有机碳、有机质以及氮的含量。在此基础上，杨子等通过对不同垄向的土壤侵蚀特征进行分析，指出斜垄最具水土保持作用以及沟蚀对土壤养分影响较大，但对速效钾以及全磷含量影响不大[57]。刘远利等通过侵蚀产沙数据指出WEPP模型适合于黑土区水力侵蚀预报，在免耕、少耕以及落地条件下的模拟效果好于坡面[58]。孙莉英等以通双小流域近50年水土保持综合治理和数据为基础，指出三道防线适合于东北漫川漫岗水力侵蚀的防治[59]。徐晓鸿等通过对比留茬、轮作以及秸秆还田三种耕作措施对于减缓土壤侵蚀的效果，发现秸秆还田减水减沙效果最佳[60]。

1.2.2 土壤侵蚀影响因素的研究进展

影响土壤侵蚀的因素有自然因素和人为因素。自然因素是土壤侵蚀发生和发展的潜在条件，主要包括气候、土壤、地形地貌、植被等。人为因素包括人类活动对侵蚀的促进作用和抑制作用。

（1）国外土壤侵蚀影响因素研究动态

关于自然因素的研究中，Nash等利用水平衡模型对影响科罗拉多河径流量的水文要素进行了分析，结果表明降水是影响径流变化的最主要因素[61]。Mueller等通过研究土地利用及气候变化对庇里牛斯山产流产沙的影响，得出降水的增减对流域水沙变化的作用明显的结论[62]。Duran等[63]通过对果园种植区土壤侵蚀进行分析，表明降雨强度是导致梯田侵蚀的主要因素。Anache等利用WEPP模型分析巴西塞拉多地区气候变化对径流和土壤侵蚀的影响，结果发现降雨强度和深度的增加可能会增加土壤侵蚀的变异性和速率[64]。Mandal等估算了Khadokola流域潜在和实际土壤流失量，统计可知侵蚀速率与土地系统单元的坡度高度相关[65]。Jesús等分析不同农作物在弃耕之后的土壤侵蚀率后，指出土壤侵蚀率差别大，为了避免土地退化，弃耕地应采用土壤侵蚀控制策略规划和管理若干年[66]。

由于土壤侵蚀是一个综合性的活动，人类活动在其中的作用不可忽视，甚至能够改变土壤侵蚀的进程。Saskia D.Keesstra等指出土壤侵蚀与粮食安全、缺水、气候变化、生物多样性丧失和健康威胁有关的可持续发展目标密切相关[67]。Pietola等在研究中发现放牧家畜对土壤侵蚀加剧起关键作用[68]。A.Novara等在西西里葡萄园对比了7种土地管理措施的径流和侵蚀量，指出传统耕作和蚕豆覆盖作物对于减缓土壤侵蚀量和径流量最无效[69]。Saskia Keesstra等利用模拟降雨实验和土壤分析，对比了耕作、除草剂、植被覆盖三种农用地管理策略对果园土壤性质（土壤容重、土壤有机质、土壤水分)对土壤水蚀和径流的影响，指出为保护果园农用地，应避免耕作和除草剂处理[70]。O.Cerdan等基于CORINE数据库计算欧洲地表和细沟侵蚀的平均侵蚀速率，指出以葡萄园为主的地区侵蚀率最高[71]。Massimo Prosdocimi等建立了地中海葡萄园飞溅、片层和细沟侵蚀速率的文献数据库，识别了地中海葡萄园发生土壤侵蚀的关键因素，并提出应该加强遥感数据在土壤侵蚀评价种的应用，以此为葡萄园栽培规划合适的土壤和水资源管理技术[72]。José M.García-Ruiz等论述了西班牙的人类活动导致了其侵蚀景观的出现，废弃农田在半干旱环境下沦为边缘土地，旱作方式和灌溉系统影响了土壤保持措施的实施，进一步导致侵蚀加剧[73]。

（2）国内土壤侵蚀影响因素研究动态

关于自然因素的研究中，孙家振等[74]、李瑞等[75]、吴凤至等[76]、范昊明[77]等通过利用不同的气温数据，利用遥感反演、建立数学模型以及室内模拟实验等方法，指出气候变化中降雨量是影响土壤侵蚀的关键因素。代军等[78]、赵洋舒等[79]、张相等[80]通过对不同土地利用方式下的不同种类土壤进行研究，指出土壤的力学性质是影响土壤抗蚀性的重要因素，侵蚀区的土壤结构则受到地形以及植被的支配。何福红等[81]、王恒松等[82]分别用实验对比以及数理统计方法，指出地形因子与土壤侵蚀之间呈交互作用。王晗生等[83]、薛萐等[84]、陈涛等[85]、李彦等[86]利用对照实验、RS-GIS集成技术以及统计分析方法探索不同植被覆盖度对于土壤侵蚀的影响，指出植被覆盖能够减缓输沙量，为防治水土流失应该进行草灌复合种植。

除了自然因素研究以外，我国在人为因素对土壤侵蚀的影响研究中，主要集中于农业生产活动以及人类活动方面。在20世纪90年代，李有利等[87]就指出人类活动会加速土壤侵蚀的进程。郭跃提出合理的农业耕作措施能够将对土地的干扰降到最低[88]。朱高宏等[89]通过建立模型，评估了中国1990、2000年由水土流失造成的直接损失，指出水土流失阻碍我国经济增长。张肖林等[90]通过对比退耕放牧、退耕不放牧以及传统农业耕作在减少土壤CO2排放和土壤侵蚀的作用中指出，退耕还草放牧不仅能够控制土壤侵蚀侵蚀，还能促进当地畜牧业的发展从而发展经济。李景保等[91]以农村人口密度、降水侵蚀率、森林覆盖的百分比、平均坡度、易蚀岩类的比例、农村人均收入等6个因素作自变量，建立与土壤侵蚀面积的多元回归方程，指出人类是保护和改善自然环境的积极主动因素。王昱程[92]指出玉米秸秆覆盖能够大幅降低降雨产生的溅蚀作用，抵消降雨对于表层土壤容重变化的影响，从而减缓水土流失，是黑土区坡耕地的有效防治措施。盘礼东等[93]在对黔西喀斯特地区的研究中也指出玉米秸秆能够有效降低地表产沙流沙量，可见秸秆覆盖是一种能够有效抵抗水土流失的措施。胡贵锋等[94]对天山北坡牧场的研究表明，放牧干扰是影响该区土壤侵蚀的主要原因。贾振宇等[95]通过对辽河保护区的研究指出，人为因素是影响其区域土壤保持能力的主导因素。陈劲丰等[96]应用反硝化分解模型探讨不同田间管理措施对于土壤侵蚀的效应，指出农田土壤侵蚀会影响土壤固碳作用及增加N2O的排放量。王永平等[97]通过对比不同坡度以及植被覆盖率下的土壤侵蚀强度，指出坡度及植被覆盖率对土壤侵蚀影响明显，退耕还林工程能产生较好的防治效益。

1.2.3 土壤侵蚀风险评价的研究进展

土壤侵蚀评价能够分析和评价土壤侵蚀的现状，为防治土壤侵蚀提供科学依据。目前，学者们对土壤侵蚀风险性评价有两种理解，一种是认为土壤侵蚀风险性评价是对土壤侵蚀产生的结果所作出的评价[98]-[99]；另一种种是认为土壤侵蚀风险性评价是综合考虑潜在侵蚀、现状侵蚀和社会经济背景的情况下所做出的会对未来土壤侵蚀造成的影响[100]。

（1）国外土壤侵蚀风险评价

Jean Poesen等利用RUSLE模型、SDR经验关系式计算流域产沙量，引入水文响应单元（HRU）作为各土地单元，以农业生态、坡度、土地利用、土壤四个子因子进行综合打分以此评判各土地单元对流域土壤侵蚀变化的相对重要性，研究指出农业生态变异和坡度是造成土壤侵蚀风险的最主要因素，描述现状以及模拟未来青尼罗河上游的土壤侵蚀风险[101]。Panos Panagos等利用RUSLE模型计算水蚀风险，利用模糊逻辑技术计算风蚀指数，综合水蚀以及风蚀进行建模评价东非地区的组合侵蚀风险，指出东非地区未来土地管理工作应着重关注农田区域的保护[102]；使用回归克里金估测瑞士降雨侵蚀力的时空变异，生成逐月降雨侵蚀力因子图R，以评价季节性R因子的时空格局以及确定时空侵蚀力密度[103]，该研究成果为农业管理、生态系统服务评估以及季节性、区域性侵蚀风险预测提供可能；同样，在瑞士中部地区基于耕地地块识别系统（LPIS）数据和Landsat8遥感图像，以空间可视化的方式展示农民的土地利用活动，并生成逐月的植被覆盖因子C[104]，有助于潜在土壤侵蚀风险评估向实际土壤侵蚀风险评估转变。Panos Panagos评价土壤侵蚀风险主要以RUSLE模型为基础，侧重各因子评估精度的提升。Volker Prasuhn等利用2m分辨率的数字地形模型（DEM）评估瑞士农业区土壤侵蚀潜在风险，并制作土壤侵蚀风险图，为农民和当局提供决策依据，以精准进行防治，降低耕地侵蚀风险以提高作物产出[105]；为评估未来土地利用和作物轮作情景对水土流失的影响，Panos Panagos等基于遥感数据集计算了欧盟不同土地利用类型的植被覆盖因子[106]；同年，为探索土壤侵蚀与土壤有机碳和土壤结构的关系，Pasquale Borrelli等结合RUSLE模型以及CENTURY生物地球化学模型，在意大利整个耕地范围内对比研究良好的农业和环境条件（GAEC）对水土流失防治的效果，结果指出较高的残留量、土壤覆盖度以及较低的耕作干扰能够增加土壤有机碳，减少土壤侵蚀[107]。他们比较关注农业管理以及不同的土地利用类型与土壤侵蚀之间的互动关系。

随着近年来3S技术的发展，利用RUSLE模型以及结合GIS-RS手段对土壤侵蚀风险进行评估应用广泛。Tung Gia Pham等在越南顺化省阿萨普河流域[108]，Naqvi H R等在印度乌特拉坎德邦努纳迪流域[109]，Pooja Koirala等在尼泊尔[110]，利用RUSLE模型和GIS手段估算了各自研究区的土壤侵蚀量，评估了土壤侵蚀风险，并分析坡度、土地覆盖与土壤侵蚀的关系，指出RUSLE模型与GIS集合是评价土壤侵蚀风险的一个可行方案，针对各自研究区的侵蚀特点，提出不同的防治措施。Soyoung Park等基于RUSLE模型因子，利用频率比(FR)、层次分析法(AHP)和Logistic回归(LR)方法，结合韩国已经建立的环境保护价值评估图(ECVAM)，开发了2020年的土地适宜性指数(LSI)图，并预测2020年的水土流失[111]。基于样本选择和训练，选择四个主要地形属性（高程范围、坡度角、平面和剖面曲率）和三个次要属性（河势指数、地形湿润指数、长度-坡度系数）从栅格单元和坡度单元建立逻辑回归模型，结果指出地形属性对沟蚀有控制作用，并决定其空间分布[112]。以风化程度、坡度、结构层密度、排水密度、地面覆盖、流力指数(SPI)和剖面曲率7个指标通过模糊逻辑回归建立土壤侵蚀与其的关系方程式，得到土壤侵蚀风险空间分布并分级[113]。还有以ICONA模型为基础进行评价[114]。自然因子对土壤侵蚀风险的影响毋庸置疑，但要实现水土系统的可持续利用和管理，应从环境、社会和经济的角度出发[115]。故评价土壤侵蚀风险，指标体系的构建，需从社会、经济、自然三方面考虑。

（2）国内土壤侵蚀风险评价

张志国[116]将风险评价的概念引入水土保持学科，并提出了土壤侵蚀风险评价模型框架。王宁等[117]通过建立评价指标体系，结合AHP确定权重，评价了杜孟县的土壤侵蚀程度。孙希华根据土壤侵蚀潜在危险度评价标准选取坡度、降雨、植被、土层厚度、土壤可蚀性、岩性及人口七个指标，通过专家打分法赋予权重进行土壤侵蚀风险评价，分析济南市土壤侵蚀潜在危险度的空间分布特征[118]以及为济南山丘是否退耕还林还草提供决策依据[119]；选取景观多样性指数、景观优势度指数、景观均匀度指数、景观破碎度指数四个指标分析景观空间格局与土壤侵蚀潜在危险度的关系[120]；分析不同坡度、坡向、地貌类型以及不同土地利用类型下土壤侵蚀潜在危险都的分布规律[121]；在之前研究基础之上增加土壤可蚀性、岩性、人口环境容量、坡耕地面积比例等指标进行专家打分，评价青岛市土壤侵蚀潜在危险度的空间分[122]。谢云等[123]利用土壤层厚度及土壤容重进行土壤抗蚀年限计算，以此作为评价土壤侵蚀风险的基础。陈志坤等[124]利用前人研究成果基于USLE模型直接进行分级评价。戴露莹等[125]、巩杰等[126]利用RUSLE模型以及GIS-RS技术，评价了流域尺度下的风险性。

1.2.4 当前研究的特点及不足

土壤侵蚀是制约经济发展的重要因素[127]-[128]，已成为全世界关注的生态环境问题[129]-[130]。国内外研究从侵蚀过程、机理以及土壤侵蚀模型角度出发，从微观到宏观，从土壤单一物质到景观结构、生态系统服务功能，从野外径流实验建立模型到本土化RUSLE模型进行大尺度下的时空变化分析，获得了大量的研究成果。随着研究的深入，国内外均重视对土壤侵蚀模型的进一步修正研究，学科交叉越来越密切，随着3S技术的发展以及广泛应用，未来土壤侵蚀特征的时空差异研究会将成为一大热点；在国家重视粮食安全的情况下，黑土区的土壤侵蚀问题研究会将成为研究重点。

当前国内外土壤侵蚀风险评价研究方法大致可以分为三种。一是利用土壤层厚度及土壤容重进行土壤抗蚀年限计算，以此作为评价基础，该方法简单、直接，但忽略了每类土壤其能进行作物生产的临界有效土壤层厚度不同，且在评价过程中忽略了人类活动及社会经济活动带来的影响。二是依据影响土壤侵蚀的因子设计评价指标体系，进行单因子的分级评价或多因子综合评价，这种评价方法考虑了能够对土壤侵蚀产生影响的不同因素，综合性较强，也能满足各种尺度的评价要求，但在评价过程中由于研究区的特殊性，在指标选取、权重赋值方面不具有普遍性；三是构建土壤侵蚀风险评价模型，从土壤侵蚀风险性概念出发，充分考虑自然条件、人类活动影响，不仅能够定性描述各个单因子与土壤侵蚀风险性的关系，还能定量找出在影响因素中进行主导的因子，但由于权重是某一常值使得模型的准确性不够。

1.3 研究主要内容

1.3.1 研究内容

选取典型黑土区东部边缘宾县为研究区域，以该县土壤侵蚀为主要研究内容，利用RUSLE模型计算宾县土壤侵蚀模数并分析宾县土壤侵蚀模数的时空变化特征；基于变权理论和物元分析，在GIS技术的支持下，建立土壤侵蚀风险评价模型，对2020年的土壤侵蚀风险进行评价，具体内容包括以下几个方面：

（1）以日降雨量为数据源，对宾县2000-2020年的年降水侵蚀力及其年际变化进行分析，获得降雨侵蚀力因子R值；根据实地采样的土壤，进行室内试验，得到宾县土壤理化性质和空间特征，得到土壤可蚀性因子K值；利用30m空间分辨率的DEM数据，得到宾县的坡度坡长因子LS值；利用ENVI5.3计算植被的归一化植被指数（NDVI），得到植被与覆盖因子C值。根据GLOBELAND30提供的土地覆盖数据以及解译得到的土地利用数据，结合坡度赋予相应的水土保持措施因子P值。

（2）宾县2000-2020年土壤侵蚀模数的时空变化分析及结果对比。

利用RUSLE模型计算2000年、2005年、2010年、2015年、2020年的土壤侵蚀模数并依据标准进行分级；分析2000-2020年期间宾县土壤侵蚀模数的时空变化特征；并利用土壤侵蚀强度的转移矩阵分析宾县侵蚀等级的变化趋势；将宾县的土壤侵蚀强度变化趋势与国家水土保持公报的数据进行对比。

（3）宾县土壤养分流失特征分析

土壤养分能够在一定程度上指示（表示或者反映是不好些）土壤质量的好坏。本文利用宾县土壤采样数据，通过GIS空间分析以及统计分析，分析宾县土壤养分空间分布特征并利用养分流失计算模型计算宾县土壤有机质、全氮、速效钾、有效磷4种养分单位面积上的流失量以及流失总量，从而对比分析各乡镇的养分流失情况，识别宾县土壤养分流失较为严重的区域。

（4）宾县土壤侵蚀风险评价。

结合宾县的社会经济背景，综合考虑潜在侵蚀、现状侵蚀以及数据的可获得性，以降雨侵蚀力、坡度、土壤可蚀性、植被覆盖度、土地利用、经济开发强度为评价指标，利用物元分析方法和变权理论建立宾县土壤侵蚀风险评价物元模型，对宾县土壤侵蚀风险性进行评价，分析宾县土壤侵蚀风险的空间分布特征；结合复合因子模型和土壤侵蚀风险评价结果，以宾县各乡镇为统计单位进行水土流失防治的优先性排序，并针对性提出宾县土壤侵蚀防治措施。

1.3.2 研究目的

（1）根据宾县的自然特征，分析研究区土壤侵蚀敏感性的时空特征。

（2）分析土壤侵蚀模数的时空动态变化以及各土壤侵蚀等级下的的变化趋势。

（3）揭示土壤侵蚀影响下的土壤养分流失特征。

（4）评价研究区土壤侵蚀风险，进行水土流失防治的优先性排序。

1.3.3 研究重难点与创新点

（1）研究重点

本文的研究重点在于分析研究区土壤侵蚀影响下的时空变化特征，包括分析2000-2020年土壤侵蚀模数的时空变化特征，以及各土壤侵蚀等级间的变化趋势；探究研究区土壤养分流失的空间特征以及评价研究区的土壤侵蚀风险。

（2）研究难点

土壤采样数据是研究土壤侵蚀影响下土壤养分流失特征的关键，如何使得采样点分布合理是本文的难点。此外，本文通过建立研究区的土壤侵蚀风险评价物元模型，从而得到研究区土壤侵蚀风险空间分布，由于影响土壤侵蚀的因素较多，且不同因素，其作用大小、强度以及方向各不相同，所以在建立评价模型中指标的选取，以及评价权重的确立也是本文的难点。

（3）研究创新点

本文的创新点在于以往土壤侵蚀风险评价，使用常权进行指标权重的确定，不同区域不具有普适性，利用物元理论和变权理论对宾县土壤侵蚀风险进行评价，以主客观结合的方式确定因子权重，以此来弥补以往评价中权重非此即彼的不足，使得评价更为科学、合理。

1.4 研究方法与技术路线

1.4.1 研究方法

（1）RUSLE模型

1997年，美国农业部在通用流失方程（USLE）的基础上提出了修正通用土壤流失方程（RUSLE）。其广泛应用于计算土壤侵蚀模数，分析研究区土壤侵蚀总体状况，其计算公式为：

$$A=R\ast K\ast L\ast S\ast C\ast P$$

其中：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·hm2·h/(MJ·hm2·mm）；L为坡长因子，S为坡度因子，C为植被覆盖与管理因子，P为水土保持措施因子（四个因子均无量纲）。

其中降雨因子R作为侵蚀产沙的驱动因子，其强度、历时、时空分布等特征对流域侵蚀产沙具有决定性作用[131]-[132]。本研究选择基于日降雨量的方式来估算降雨侵蚀力[133]。公式如下：

$$\mathit{Mi}=\alpha \sum _{j=1}^k(\mathit{Dj})\beta$$

式中：Mi为第i个半月时段的侵蚀力值(MJ.mm.hm-2.h-1);K为该半月时段内的天数,Dj为半月时段内第j天的侵蚀性日雨量,侵蚀性日降雨量>9.8mm[52],否则以0计算;时段以每月15日为界进行划分，每月前15天作为一个半月，剩下的天数作为另一个半月，全年依次划分为24个时段。α，β参考章文波的研究为2.492，1.339。

土壤可蚀性因子K可通过Williams等在EPIC模型构建中提出的方法[134],该方法资料易于获取，且蔡崇法等的研究证明该公式计算所得K因子精度较高，故本研究采取具体公式见4-2。该方法被广泛应用，其中蔡崇法证明该公式计算所得的K因子[135]，故本研究采取EPIC模型中土壤可蚀性因子K的计算方法，公式如下：

$$K=\left\{0.2+0.3\exp \left[-0.0256\mathit{Sa}(1-\mathit{Si}/100)\right]\right\}\times {\left[\frac{\mathit{Si}}{\mathit{Cl}+\mathit{Si}}\right]}^{0.3}\times \left\{1-\frac{0.25C}{C+\exp \left(3.72-2.95C\right)}\right\}\times \left\{1-\frac{0.7\mathit{Sn}}{\mathit{Sn}+\exp \left(-5.51+22.9\mathit{Sn}\right)}\right\}$$

$$\mathit{Sn}=1-\frac{Sa}{100}$$

式中：Sa是砂粒含量（%）；Si是粉粒含量（%）；Cl是粘粒含量（%）；C是有机碳含量（%），Sn由公式（4-3）求得。

坡度因子S是指：某一坡度土壤流失量与标准小区（坡度为5.13°、其他条件一致的坡面）产生土壤流失量的比率；坡长因子L是指：某一坡面土壤流失量与标准小区（坡长为22.13m、其他条件一致的坡面）产生土壤流失量的比率。本研究采取全国第一次水利普查中所使用的地形因子计算公式[136]，并结合张宪奎在黑龙江省对于地形因子的研究[52]。公式如下：

$$L={(\lambda /22.1)}^m$$

$$M=\{\begin{array}{cc}0.2& \theta \le 1°\\ 0.3& 1°<\theta \le 3°\\ 0.4& 3°<\theta \le 5°\\ 0.5& \theta <5°\end{array}$$

$$\mathit{LS}=0.07197L^{0.8}{\theta }^{1.3}$$

式中：λ为坡长，M，θ为坡度（°），m为坡长指数，量纲为1。

植被覆盖和管理措施因子C是指：在某一时段下，有一定地表覆盖和管理措施下土壤流失量与同等条件下适时翻耕，连续休闲对照地上土壤流失量的比值，它反映的不同植被盖度程度对土壤侵蚀的影响，表示的是植被覆盖和管理措施对土壤侵蚀的共同作用，无量纲，取值范围为0~1，其值越大，则受土壤侵蚀的潜在威胁越大。C因子是RUSLE模型中人为影响最大的一个因子。求取C值的方法大致可分为9种，分别是（1）手册查询法，具体是通过模型手册直接查询相应的参数来获取C值[137]；（2）标准小区法，是确定不同作物C值的基础方法，是通过建设坡长水平投影为22.1m，坡度9%，适时翻耕、连续休闲小区来进行观测从而获得C值[138]，得到不同作物及管理措施下C因子值；（3）次因子法，是通过次因子计算公式以及相应参数数据求取[139]；（4）USLE模型反用法，即直接利用方程求取C因子：C=A/（RKLSP）[140]；（5）C因子与盖度关系式法，通过标准小区得到的实验数据推导关系式，然后利用关系式测定植被盖度求取C因子[141]；（6）直接赋值法，是借鉴相似地区记载的C值，直接赋予土地利用类型[142]；（7）利用遥感影像波段组合或植被指数直接估算[143]；（8）基于光谱混合分析的C因子估算[144]；（9）实地测算与地理统计学方法结合进行插值[145]。

本研究采取利用遥感影像基于NDVI植被指数的像元二分模型估算C因子，该方法可结合遥感数据获得C因子的时间与空间变异信息，提高了土壤侵蚀的预测效果，弥补了直接赋值的单一取值，考虑了植被覆盖度的空间变化，公式如下：

$$c=\frac{N-N_{\mathit{soil}}}{N_{\mathit{veg}}-N_{\mathit{soil}}}$$

本文采用蔡崇法等提出的植被覆盖度经验模型：

$$C=\{\begin{array}{c}1\\ 0.6508-0.3436\mathit{lgc}\\ 0\end{array}\begin{array}{c}c<0.1\\ 0.1<c<0.783\\ c>0.783\end{array}$$

水土保持措施因子P是指在特定水土保持措施下的土壤流失量与相应为实施保持措施的顺坡耕作地块的土壤流失量的比值，取值范围为0~1，一般没有采取任何措施的土地P值取1，根本不发生土壤侵蚀的土地p值取0。求取水土保持措施因子的方法总的来说有两类：一是通过设定实验小区进行连续观测获得[146]；二是通过参考其他学者的研究成果对土地利用图直接赋值[147]-[148]。

（2）转移矩阵法

转移矩阵是国内外通用的一种揭示土地利用变化方向的方法，能够全面而具体的反应变化的结构特征和各类型之间转移的方向[149]。本文借用该方法利用GIS的空间叠置功能以及EXCEL的数据透视表得到5个时期的土壤侵蚀强度变化转移矩阵，分析五个研究期初、研究期末的土壤侵蚀强度分布，研究时段内各土壤侵蚀等级的转移变化情况，便于了解各等级土壤侵蚀的变化方向以及最后土壤侵蚀等级的来源和构成。

（3） 养分流失估算模型

养分估算模型是基于USLE/RUSLE模型研究流域或区域尺度下土壤养分流失规律的一种方法[150]。该模型能够定量化分析区域土壤养分流失特征，研究结果能够为水土保持规划与水土流失生态环境建设提供科学依据[151]-[152]。

$$N_i=E{R}_i·A·W_i$$

(1-10)

式中：Ni为第i种养分物质流失量；ERi为第i种养分的侵蚀泥沙富集系数；A为侵蚀模数（t·km-2·a-1）；Wi为第i种养分在土壤中的含量（其中土壤有机质（SOM）的含量单位为g/kg，全氮（TN）的含量单位为g/kg，速效钾（AK）的含量单位为mg/kg，有效磷（AP）的含量单位为mg/kg。）

参考已有研究[153]-[154]，土壤有机质的侵蚀泥沙富集系数为1.64、全氮的侵蚀泥沙富集系数为1.95，速效钾的的侵蚀泥沙富集系数为1.67，有效磷的的侵蚀泥沙富集系数为1.34。

（4）物元分析法

可拓学研究事物发生的量变和质变及其关系，并能将两者结合起来。以物元理论为基础的物元分析方法能够将可拓学的研究思维应用于其他学科，其能提供一种全新的研究视角研究物元变化，提供解决矛盾问题的方法并总结规律。物元分析将事物与特征之间的模糊关系转换为一种数学关系（即关联度函数），关联度函数能够判断事物是否属于特征并细化之间的关系，在经典域与节域重合的情况下，可用隶属度函数代替关联度函数[155]，隶属度函数计算公式如下：

$$r_{\text{ng}}=\{\begin{array}{cc}\frac{x_i-a_{g-1}}{a_g-a_{g-1}}& a_{g-1}<x_i\le a_g\\ \frac{a_{g+1}-x_i}{a_{g+1}-a_g}& a_g<x_i\le a_{g+1}\\ 0& x_i\ge a_{g+1}{\mathit{或x}}_i\le a_{g-1}\end{array}$$

（1-11）

式中，n为第n个；g为各评价指标的第n级；评价指标xi为各个评价指标栅格图层的值；ɑ1是微度侵蚀量值上下限的中值；ɑ2是轻度侵蚀量值上下限的中值；ɑ3是中度风险侵蚀量值上下限的中值；ɑ4是重度风险侵蚀量值上下限的中值；ɑ5是剧烈风险侵蚀等级临界值的中值。

（5） 层次分析法

层次分析法是一种能够进行定性和定量分析的决策方法。该方法广泛应用于风险、适宜性、承载力评价中[156]-[158]，其计算基本步骤如下：

（1）建立层次结构模型。

（2）构建成对判断矩阵，并邀请相关专家对其相对重要性进行评分，通过9标度法，将指标之间两两相互比较。

（3）一致性检验，由于本文构建的是单层次模型，故只需要进行单层次一次性检验，计算如公式所示：

$${\lambda }_{\text{max}}=\frac{1}{n}\sum _{i=1}^n\frac{\sum _{j=1}^n{a}_{\text{ij}}{W}_j}{W_i}$$

（ i，j=1，2，...，n ） （1-12）

$$\text{CI}=\frac{{{\lambda }_{\text{max}}-n}_{}}{n-1}$$

（1-13）

$$\text{CR}=\frac{\text{CI}}{\text{RI}}$$

（1-14）

式中：CI为判断矩阵的一致性指标；λmax为最大特征向量，可通过方根法求解；CR为判断矩阵的随机一致性比率；RI为判断矩阵的平均随机一致性指标，查表可知本文的CI为1.24。当CR＜0.1时，认为判断矩阵具有满意一致性；当CR≥０.１时，认为判断矩阵不具有满意一致性，耑要进行修正，直到满足一致性检验为止,本文CR=0.09<0.1，可认为判断矩阵具有满意的一致性。

（6） 变权修正

变权理论由汪培庄学者提出，刘文奇、李德清等深入研究的涵盖奖励型状态、惩罚型状态、混合型状态、折中型状态变权的动态修正权重的方法，能够克服以往评价权重因子间互相干扰，以“不变”应“万变”的缺点[159]，将因子本身引入评价中，使得综合评价更加客观、科学。本文采用惩罚性状态变权对权重进行修正，公式如下：

$$W（I）=\frac{\left(w_1{S}_1(I),w_2{S}_2(I),\text{.}\text{.}\text{.},w_n{S}_n(I)\right)}{\sum _{j=1}^n{w}_j{S}_j(I)}$$

$$S_j(I)=\frac{b-a}{(\alpha -\beta )}\ast {\left(x_i-\alpha \right)}^2+a$$

其中，变权向量W（I）可由常权向量w和状态变权向量S（I）的归一化的Hadamard 乘积求取。S（I）本文借鉴朱翊对太行山的土壤侵蚀危险性评价的相关变权函数[160]，考虑对整个研究区进行权重修正，本文将a=max(X),β=min(X)；a=0.2，b=0.4。

1.4.2 技术路线

根据本文研究方法以及研究内容等设计了研究的技术路线，如图1-1所示。

图1-1 技术路线

Fig 1-1 technical route

2 相关概念以及理论基础

2.1 相关概念

2.1.1 土壤侵蚀

土壤侵蚀（soil erosion）是土地退化的一种表现，是土地退化的根本原因，是导致生态环境恶化的重要原因[1]；土壤侵蚀是水力和风力等外营力带来的土壤消损使得土壤质量下降并流失严重的情况[2]；土壤侵蚀是土地系统对于人类干扰活动的一种响应，其不仅会导致土地资源的破坏、土地提供生态系统服务能力下降，土壤资源的过度开发，还可能导致生态系统生产力的丧失、植被组成的变化和农村生计的丧失[3]。所以时空尺度下的土壤侵蚀规律对于精准防治土壤侵蚀有一定的指导意义，本文以RUSLE模型为基础，用土壤侵蚀模数的特征代替土壤侵蚀特征。

2.1.2 土壤侵蚀模数

土壤侵蚀模数是单位面积和单位时段内的土壤侵蚀量，它是表征土壤侵蚀强度的指标，可以反映某区域单位时间内侵蚀强度的大小[160]-[161]。其可以用土壤侵蚀预报模型求取，也可以利用流域中河流输沙量，按照适当的泥沙输移比计算求得，受资料获取的限制，本文利用修正通用土壤流失方程（RUSLE）计算土壤侵蚀模数，跟水土流失公报对于东北黑土区的监测进行对比，以验证本文求取结果的精度。

2.1.3 土壤侵蚀风险

土壤侵蚀风险是指土壤在遭受外营力侵蚀作用时发生侵蚀的危险性和脆弱性程度。自然环境、社会经济以及人类活动都会对土壤侵蚀风险产生影响，其能够反映生态环境的健康程度[162]。对典型黑土区宾县的土壤侵蚀进行风险评价，评价结果能够为有的放矢的精准防治提供参考。

2.2 理论基础

2.2.1 土地可持续利用理论

土地作为最基本的资源，在可持续发展中有着不可或缺的地位。早在1993年的“21世纪可持续土地利用管理国际研讨会”上，就对土地可持续利用进行了定义并提出其对于社会、经济、资源以及环境的意义[163]。其中，最重要的一条指出在土地利用过程中，需保持土地资源的质与量以供后代利用。现在，宾县侵蚀沟量多而分布广且有不断加深加宽的趋势，严重阻碍土地可持续利用目标的实现。有人认为经济技术的发展，通过一定的手段能够遏制甚至扭转自然资源耗竭的状态，比如认为可无止境的增加化肥投入可以提高农产品的产量，可殊不知农药化肥在提高产量的同时也污染着土壤和水。故而，我们在评价一种土地利用方式是否可持续应从是否有助于保护土地资源和环境、是否破坏后代赖以生存的资源基础等角度考虑，才能够有助于实现土地生产、生活以及生态功能的可持续利用[164]。

2.2.2 变权理论

变权理论反映了综合决策中各项指标的均衡性，它会根据指标的劣化度对常权权重进行修正。其中心思想是权重随指标状态值的变化而变化，以使得相应指标在综合评估中的作用能够被合理的反映。在对复杂系统进行多属性评估时，对随着指标状态变化而变化的权重值进行研究是非常有必要的。采用变权理论确定各评价指标的权重可以在体现待估物元的主观参与性的同时有效的减轻主观因素对评价结果的影响。因此在本文研究过程中引入变权理论确定各评价指标的常权权重并对其进行修正，进而确定其变权权重。使得各评价指标对待估物元的作用能够被有效反映。

2.2.3 水土保持学理论

水土保持学理论由生态学原理、系统科学原理等基础理论构成，是水土保持的基本理论，目标是通过采取综合措施防治水土流失，保持和改善水土资源和土地生产力，合理利用水土资源。通常山地向平原过渡的生态环境脆弱地带具有敏感、抗蚀能力弱等特点，极易发生水土流失问题。宾县地处张广才岭与松嫩平原东部的过渡地带，生态环境脆弱，极易发生土壤侵蚀。水土保持理论能够根据宾县生态环境的现实状况，更具针对性的对其水土保持建设提供理论指导。

3 研究区概况及数据处理

3.1 研究区概况

3.1.1 区位概况

宾县位于东北黑土区典型黑土带的东部边缘，属于黑龙江省哈尔滨市，地处黑龙江省南部，张广才岭与松辽盆地过渡地带，北与巴彦县、木兰县、通河县隔松花江相望，东南与方正县、延寿县、尚志县接壤，西与以蜚克图河为界与阿城区为邻。境内地形多为漫川、漫岗，地理坐标为北纬45°30′37″－46°01′20″，东经126°55′41″－128°19′17″，县域总面积为3843.2km2，是黑龙江省五个国家级黑土区水土流失治理工程重点县之一。

图3-1 研究区位置图

Fig.3-1 Map of study area

3.1.2地质地貌

宾县地势为南高北低，南部山地呈条状沿东南县境延伸，中部为丘陵地带，北部沿江为河谷平原区。

宾县大地构成位置属于新华夏系第二隆起带，与第二沉降带松辽平原呈过度地带，南部为玉泉组地形，分布在弓棚子、李家店、隋家店、石灰窑，直至驼腰岭。地层主要包括厚层大理岩、灰角岩薄层、中酸性火山碎屑岩、砂板岩层、第四系冲积层等，其中北部出露地层较全，从古生界到新生界都有出露，第四系广泛出露于南部低山丘陵区，主要分布于河谷平原，上部为亚粘土或黄土状亚粘土，下部为砂、砂砾或不稳定的砂、砂砾石层，在新构造运动的影响下，例如如蜚克图河以东与涛淇河之间无砂砾层，黄土状亚粘土直接与基岩接触，而大团山、小团山、宾安等地基岩呈浅丘状出露地表，松花江南岸基岩呈条带状分布，形成陡峭地形。

宾县地处松辽盆地和张广才岭两大构造单元之间的过渡地带，海拔高度在105-952m之间。地势东南部高，西北部低，东南以海拔高度为952m的大青山为全县海拔最高，北部以海拔105m的摆渡乡东方村黄鱼圈沟入松花江口处为全县最低，高差达847m。主要有侵蚀剥蚀地形，侵蚀、堆积及冲积、洪积地形，堆积地形。侵蚀剥蚀形又分为尖顶与圆顶状低山和浑圆状丘陵两类地貌，其中尖顶与圆顶状低山较多，分布在县域南部，东南部，海拔最高为952m，最低为500m，多为火成岩和悬崖峭壁组成；浑圆状丘陵，多分布在低山北侧，海拔最高为500m，最低为300m，多为花岗岩及部分古生界变质岩组成。侵蚀、堆积及冲积、洪积地形是低山丘到平原的过渡区也就是俗称的漫岗地，海拔最高300m，最低180m，为浅丘，河谷，平原山前盆地组成。堆积地形海拔最高180m，最低100m，由一级阶地，高、低、河漫滩组成。

3.1.3气候水文

宾县属于寒温带大陆性季风气候，具有明显的季节性气候特征，常年受东南季风和西伯利亚环流的影响，从而造成夏季温热多雨而短促，冬季严寒干燥。宾县年均气温为4.4℃，降水量为571mm，年≥10℃的积温为 2500℃至 3100℃，无霜期为145天。

表3-1 宾县河流分布

Table 3-1 River Distribution in Bin County

宾县水资源较为丰富，河流交错，主要有松花江，县境流长为146km，其它主要河流有蜚克图河、摆渡河、鸟河、枷板河、淘气河、涛淇河、海涅浑河等，境内河流总长度为 325 km，河流多年平均过流总量为 39.4 亿m3，年末水量总计为73.9亿m3。河流分布见表3-1。

3.1.4土壤植被

宾县地处典型东北黑土区，境内以黑土为主，除此之外还分布着暗棕壤、白浆土、草甸土等8类土壤，其中黑土为境内分布最广的土壤资源，占流域面积的65%。宾县山地为森林植被，多为次生林，主要树种有杨、桦、柞、松、椴及榛柴等阔叶和针叶混交林；平原区为“五花草塘”的草原草甸植被，开垦后为农田，种植农作物，沿河低洼土地带多生长苔草、小叶樟、芦苇等喜湿的植物群落。

3.1.5社会经济

宾县下辖17个乡镇，总人口为56.36万人，其中男性人口为28.89万人，女性人口为27.47万人，人口性别比1.05，平均家庭人口数为2.53，人口密度不均衡，低至17.00，高至353.16，使得宾县人地矛盾也日益加剧，给环境和资源带来较大压力，土壤侵蚀风险较大。

宾县的粮食作物为一年两熟，以水稻、玉米、大豆等为主，宾县宾西镇是国家级经济开发区，现已基本形成了“一个基地”、“三个专项工业园”、“四个主导产业”的产业格局。“一个基地”即对俄贸易出口加工基地；“三个专项工业园”即LED光电园、数码焊接园、玉米产业园；“四个主导产业”即高新技术产业、先进制造产业、农副产品加工产业、现代服务产业。开发区的发展使得宾西镇从事第三产业的人数增加较多，对耕地的依赖性降低，一定程度减缓了宾西镇的土壤侵蚀压力。

但宾县其他乡镇主要还是以农业为主，土壤侵蚀较为严重，近年来，虽然一系列水土流失治理工程的实施，一定程度上减缓了宾县土壤侵蚀的速度，但由于宾县仍是由农业为主的县，对耕地依赖较大，加上自然条件的叠加，宾县土壤侵蚀情况仍然不可乐观。

3.2研究数据及处理

3.2.1数据来源

（1）影像数据

在地理空间数据云（http://www.gscloud.cn/search）官网下载包含整个研究区且云量较少的Landsat5TM、Landsat8OLI影像。为保证5期数据的准确性和一致性，选取的卫星成像时间大都在6月份，云量<5%，由于2015年6月份数据质量不好，故寻找差异时间最短的遥感影像代替，数据源信息见表3-2。

表3-2遥感数据基础信息

Table 3-2 basic information of remote sensing data

（2）DEM数据

DEM数据是一种表示地面高程的模型。研究区的DEM数据来自地理空间数据云网站，数据集是GDEMV2 30M 分辨率数字高程数据，空间分辨率为30m，覆盖整个宾县的DEM数据需要5景。数据信息见表3-3

表3-3 DEM数据信息

Table 3-3 DEM data information

（3）降雨数据

研究区降雨数据来自中国气象科学数据共享服务网（http://data.cma.cn/site/index.html）。本研究利用宾县周围分布较为均匀的28个站点，2000、2005、2010、2015、2020年的逐日降雨量。选择的气象站点信息见表3-4。

表3-4 气象站点

Table 3-4 meteorological stations

（4）土壤类型空间数据

土壤数据为基于世界土壤数据库（HWSD）的中国土壤数据集(v1.1)，由“黑河计划数据管理中心”(http://westdc.westgis.ac.cn/zh-hans/)提供。数据来源于联合国粮农组织（FAO）和维也纳国际应用系统研究所(IIASA)所构建的世界土壤数据库(Harmonized World Soil Database version 1.1)(HWSD)，中国境内数据源来源于南京土壤所所提供的第二次全国土地调查 1:100 万土壤数据。数据的空间分辨率为1km，数据格式为 grid 栅格格式，投影为 WGS84，主要分类系统为FAO-90。

（5）社会经济数据

本文所需的社会经济数据主要来源于《宾县统计年鉴（2000-2020）》，来源于宾县同计局；宾县国民经济与社会统计公报（2000-2020）以及其他公开发表的研究报告、相关学术论文。

3.2.2 数据处理

（1）首先对研究五期遥感影像进行光谱增强和几何纠正等初步处理。为统一遥感影像、DEM数据、土壤类型图、降雨数据的分辨率，统一将分辨率设为30m。

（2）将五幅DEM数据进行拼接，在ArcGIS10.3中利用宾县行政边界进行裁剪，得到宾县DEM数据，然后利用3D分析工具，提取研究区坡度、坡长。

（3）将土壤数据集中的HWSD-China-Geo.img和HWSD.mdb进行连接，连接字段为图层的VALUE和HWSD-DATA中的MU-GLOBAL，将宾县行政边界与土壤数据集叠加进行裁剪，得到宾县土壤数据。

（4）利用ENVI4.1的NDVI计算工具提取宾县五期NDVI图像。

（5）将所有图像数据统一转为高斯克吕格投影。

（6）对降雨和土壤含量等数据用EXCEL进行初步整理。

4 宾县土壤侵蚀时空特征

4.1 RUSLE模型因子提取与计算

4.1.1 降雨侵蚀力

据中国水土保持公报（2020年）数据显示，全国共有水土流失面积269.27万km2，其中，水力侵蚀面积为112.00万km2，占据全年侵蚀面积41.59%。水力侵蚀过程中最为主要的影响因素为降雨。降雨在降雨过程中，通过雨滴打击分散土壤颗粒，产生剥蚀现象，在土壤表面通过汇流，改变径流能量，形成地表径流影响土壤分离过程，在一定程度上反映对土壤侵蚀的潜在影响。在所有强度的降雨中，只有部分降雨会引发地表径流，学者们将能引起侵蚀的降雨临界值称为侵蚀性降雨[165]。张宪奎等[166]通过在黑龙江的研究指出黑龙江省侵蚀性降雨量为 > 9.8mm。章文波[133]通过对比不同降雨模型的计算精度，指出基于日降雨量数据估计模型精度最高，故本文使用章文波提出的基于日降雨量的计算模型，公式见1-2。

本研究利用来源于国家气象科学数据中心的中国地面气象日值数据集（V3.0），由于宾县没有气象站点，故本文选取宾县周边28个气象站点的降水量资料，统计其降水量> 9.8mm的数据，根据公式1-2计算得到宾县周边28个气象站的降雨侵蚀力因子R值，并利用普通克里金插值，得到宾县2000、2005、2010、2015以及2020年的降雨侵蚀力空间分布，为便于比较2000-2020年降雨的时间变化特征，将降雨侵蚀力进行分级，得到结果见图4-1。殷水清等[167]计算中国降雨侵蚀力多年平均结果中表明东北大部分地区降雨侵蚀力值域范围为（1000，5000）MJ.mm/（hm2.h.a），本文2000、2005、2010、2015年计算结果在其值域范围内，说明计算结果较为可靠，有一定的参考价值，本文2020年计算结果稍高，可能主要是因为2020是异常丰水年，降雨量大，达到侵蚀性降雨量的天数远多于2000、2005、2010、2015年。

图4-1 2000-2020宾县降雨侵蚀力

Fig 4-1 rainfall erosivity of Bin County from 2000 to 2020

从空间上来看，2000年、2010年从西北向东南逐渐递增，西北部地区小于东部地区。摆渡镇、胜利镇、宁远镇的降雨侵蚀力较强，R值 > 2500 MJ.mm/（hm2.h.a）；20005、2015、2020年，降雨侵蚀力西北部大于中部以及东部地区，呈现递减的趋势，出现该现象的原因主要是由于距离宾县较近的东北部的通河县、东南部的尚志市降雨侵蚀力下降明显，从而导致插值出现该种相反的趋势，糖坊镇、永和乡、满井镇的降雨侵蚀力较强。

从时间上来看，总体上降雨侵蚀力是呈现降低的趋势，但由于2020年是异常丰水年，不管是从日降雨量 > 9.8mm的天数以及侵蚀性降雨量比往年高，故而2020年降雨侵蚀力较大。由图1-4可知，宾县东部以及中部地区的降雨侵蚀力变化很小，但位于东北部的糖坊镇降雨侵蚀力变化明显，糖坊镇降雨侵蚀力从2572.25 MJ.mm/（hm2.h.a）增高至5788.16 MJ.mm/（hm2.h.a），因降雨侵蚀力在一定程度上指示土壤潜在侵蚀，故而糖坊镇可能具有较高的土壤侵蚀敏感性。

4.1.2 土壤可蚀性

土壤可蚀性指土壤自身对侵蚀产生变异性，是衡量土壤内在属性对侵蚀敏感程度的重要指标[168]，是影响土壤侵蚀的内在因素。土壤可蚀性的大小受诸多因素影响，其中土壤颗粒结构组成对土壤侵蚀会产生直接影响[169]，一般来说土壤可蚀性K值越大，土壤受侵蚀的可能性就越大[170]。谢云等[170]在东北黑土区的研究指出当前黑土区的土层厚度抗蚀年限为2000年，由于本文研究时限为20年，时间跨度较短，故而可将土壤可蚀性视作不变。

本文利用世界土壤数据库（HWSD）的中国土壤数据集(v1.1)，该数据土壤分类系统为FAO-90，利用ArcGIS对该数据进行裁剪，得到宾县土壤类型图（图4-2）。利用公式1-3以及1-4计算宾县各土壤类型的土壤可蚀性因子K，将K值赋予各土壤类型，得到宾县土壤可蚀性空间分布（图4-3）。宾县土壤可蚀性值域为（0.029，0.055）t.hm2.h/(hm2.MJ.mm)，本文将河流的土壤可蚀性赋为0，故图中显示宾县土壤可蚀性值域为（0，0.055）t.hm2.h/(hm2.MJ.mm)。宾州镇、摆渡镇以及胜利镇的K值较大，是因为这三个镇有石灰性冲积土、漂白高活性淋溶土、简育高活性淋溶土，这三种类型土壤的粉粒含量较高，而黏粒含量较低，有研究指出[172]土壤粉粒含量与土壤可蚀性呈正相关，与黏粒含量呈负相关，所以这三个镇的土壤侵蚀敏感性也较高。

图4-2 宾县土壤类型

Fig 4-2 soil types in Bin County

图4-3 宾县土壤可蚀性

Fig 4-3 soil erodibility in Bin County

图4-4宾县土壤侵蚀分区

Fig 4-4 soil erosion zoning in Bin County

宾县土壤类型以黑土为主，占65%。有研究指出土壤可蚀性 ≥ 0.04 t·hm2·h/(MJ·hm2·mm)的土壤易产生侵蚀[173]，因此将宾县土壤可蚀性因子分为两级，以0.04为界限，≥0.04 t·hm2·h/(MJ·hm2·mm)为易受侵蚀区域，＜0.04 t·hm2·h/(MJ·hm2·mm)为相对较不易受侵蚀区域。

从空间分布来看宾县土壤不易受侵蚀的区域主要分布在中北区域，是因为这些地方的土壤类型有较强的抗蚀能力。经过统计宾县易受侵蚀的面积占比为34.23%，多分布于宾县南部以及东南部山地与丘陵过渡地带，在糖坊镇沿江平地也有少量分布。可知，从土壤自身性质来说，宾县土壤侵蚀敏感性较高。

4.1.3 坡度坡长

坡度坡长因子又统称为地形因子，其控制着土壤侵蚀的面积、强度以及空间分布[174]。地形因子通过改变土壤水分、土壤有机质空间分布以及影响土壤稳定性和地表径流的流量、流速影响着水土流失，从而造成土壤侵蚀[175]-[176]。地形变化是地壳运动、褶皱、风化等地质作用造成的结果，在短时间内不会产生较大变化。故本文利用来自地理空间数据云网站30m的DEM数据，根据公式1-5、1-6、1-7计算宾县坡度坡长因子，得到宾县地形因子空间分布（图4-3）

图4-3 宾县地形因子空间分布

Fig 4-3 Spatial distribution of topographic factors

宾县坡度坡长因子最小值为0，最大值为14.81。从空间上看，宾县坡度坡长因子呈现东南高西北低的趋势，跟宾县东南高、西北部低的地势相符合。常安镇、三宝乡、宾州镇坡度坡长因子较高，相关研究指出[177]随着坡度坡长的增长，地表径流产生的势能也会增长，在相同的降雨条件下，其土壤侵蚀的敏感性会更高，从而使得大坡度、长坡长地区的土壤产生更为强烈的侵蚀作用。

4.1.4 植被覆盖与管理

植被覆盖能够拦截降雨，改变降雨动能，降低径流速度、增加水分入渗从而减少雨滴击溅侵蚀，保护土壤，是最为敏感的土壤侵蚀影响因素[178]。有研究指出[179]，植被覆盖度与土壤侵蚀控制效率呈正相关的关系，对减缓土壤侵蚀有着显著效果。本文利用像元二分模型计算归一化植被指数（NDVI），再利用蔡崇法建立的C值模型计算植被覆盖与管理因子C，得到宾县2000-2020年的植被覆盖与管理因子空间分布（图4-4），植被覆盖与管理因子的值域为（0，1），数值越大，表明植被覆盖度越低，对土壤侵蚀的减缓作用越小。

从空间分布上看，2000-2020年宾县植被覆盖与管理因子呈现中部往北高，南部以及东部低的趋势。出现该现象的原因可能是因为宾县中部往北土地利用类型以耕地为主，植被覆盖较低；南部和东南部以林地为主，植被覆盖度高。其中摆渡镇、宁远镇、平坊镇植被覆盖与管理因子较高，一定程度上能降低土壤侵蚀的敏感性。

从时间上来看，2000-2020年宾县的植被覆盖与管理因子呈下降趋势。2000-2005年，中部地区植被覆盖与管理因子有明显上升，这可能与耕地的开垦有关。2005-2010年，中部地区植被覆盖与管理因子有下降趋势，这与2006年宾县实施水土流失工程有关，在坡耕地上修建地梗，在侵蚀沟旁修建谷坊并种植紫穗槐等数树木，扶持农民承包治理小流域，缓解了水土流失，从而为植被生长创造了条件。2010-2015年，在丘陵与山区过渡地带植被覆盖与管理因子降低，说明植被覆盖度上升，这与十八大以来大力推进生态文明建设有关，在不适宜种植的坡耕地上进行退耕还林还草，影响了宾县植被覆盖分布。2015-2020年，宾县西北部沿江平川地的植被覆盖与管理因子显著下降，这与糖坊镇遥感影像分布少量云有关，而该区域为松花江经过地带，植被覆盖基本无变化，故该变化不是植被覆盖管理与措施因子的变化。

图4-4 2000-2020年C因子空间分布

Fig 4-4 spatial distribution of factor C from 2000 to 2020

4.1.5 水土保持措施

水土保持措施是人为为防治水土流失进行的一系列活动，是影响土壤侵蚀的正面因子。宾县是国家级水土流失重点治理区之一，主要的水土保持措施修地梗，修筑水平梯田，横坡垄改为顺坡垄，鱼鳞坑整地等措施，具体的对坡耕地的措施有坡度范围在3~5°的耕地修地梗，坡度范围在5~8°的耕地修水平梯田，坡度范围在8~15°的耕地种植生物防冲带，坡度范围大于15°的全部退耕还林还果，以此来达到保持土壤的目的[180]。本研究的水土保持措施因子P主要参考张宪奎对黑龙江省土壤流失方程的研究[52]以及范建荣对东北地区水土保持因子的研究[181]对土地利用图直接赋值。宾县耕地多为坡耕地，所以将土地利用类型图与坡度图叠加，将坡耕地分为5个等级，即坡度小于3°，3°~5°，5°~8°，8°~15°，大于15°。不同土地利用类型赋值见表4-1。以宾县2000-2020年土地利用现状图为基础，将P值赋予不同的土地利用类型，获得研究区水土保持措施因子P因子的空间分布（图4-5）。

水土保持措施因子的值域为（0，1），反映水土保持措施对土壤侵蚀的削弱作用。从空间上来看，宾县水土保持因子中间低，南部、东部高，主要是因为中部多为耕地，为可持续利用耕地，人类对耕地采取的防护措施较多。从时间上来看，由于本文的水土保持措施因子是根据土地利用类型进行赋值，在2000-2020年宾县土地利用类型变化较小，故水土保持措施因子也变化不大。

图4-5 2000-2020年P因子空间分布

Fig 4-5 spatial distribution of Pf actor from 2000 to 2020

表4-1水土保持措施因子P值

Table 4-1 p value of water and soil conservation measures

4.2土壤侵蚀模数分析

通用修正水土流失方程（RUSLE）是美国农业部颁布的用于土壤流失预报的方法。我国学者利用该方程进行了土壤侵蚀动态变化分析，结果表明该方程能够为掌握土壤侵蚀的动态变化提供依据[182]-[183]。本研究采用RUSLE模型对典型黑土区宾县土壤侵蚀模数进行估算，其公式为：

$$A=R·K·\mathit{LS}·C·P$$

式中：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·hm2·h/(MJ·hm2·mm）；L为坡长因子，S为坡度因子，C为植被覆盖与管理因子，P为水土保持措施因子（四个因子均无量纲）。

利用公式4-1计算宾县2000-2020年土壤侵蚀模数，得到宾县2000-2020年土壤侵蚀模数空间分布（图4-6）。宾县2000、2005、2010、2015以及2020年的最大侵蚀模数分别为130766.20 t·km-2·a-1、149315.73 t·km-2·a-1、129678.40t·km-2·a-1、112832.08 t·km-2·a-1、286208.44 t·km-2·a-1，说明从2000-2020年有局部地区土壤侵蚀模数变化剧烈。

宾县2000-2020年的平均土壤侵蚀模数分别为2643.43t·km-2·a-1、2720.64 t·km-2·a-1、2388.25 t·km-2·a-1、1818.82 t·km-2·a-1以及3175.96 t·km-2·a-1，其中，2005年、2020年侵蚀相对强烈，平均侵蚀模数分别达到了2720.64 t·km-2·a-1，4344.25 t·km-2·a-1，其最大侵蚀模数也是相对较高的。对比2010年和2015年，2010年最大侵蚀模数、平均侵蚀模数均大于2015年，说明2015年土壤侵蚀总体比2010有所减缓，这与宾县实行小流域承包密不可分，落实主体责任能够有效防治水土流失。2000-2020年平均侵蚀模数呈波浪形趋势变化。总体上来看，宾县2000-2020年的土壤侵蚀强度属于中度侵蚀。

从空间上来看，2000-2020年，土壤侵蚀模数值较高者有宾西镇南部、常安镇南部、宁远镇中部以及摆渡镇与胜利镇交界处。由前面单因素敏感性分析可知这些地方处于丘陵与山地过渡地带，该区域土壤可蚀性也大多 > 0.04 t·hm2·h/(MJ·hm2·mm)，土壤易于发生侵蚀，再加上坡度大、坡长长，降雨侵蚀力也为县域内较高值，使得由降雨侵蚀引起的地表径流势能增大，土壤侵蚀作用增强，故而土壤侵蚀模数较高值分布在该区域。

表4-2 宾县2000-2020年土壤侵蚀量统计

Table 4-2 statistics of soil erosion in Bin County from 2000 to 2020

图4-6 宾县2000-2020年土壤侵蚀模数空间分布

Figure 4-6 spatial distribution of soil erosion modulus in Bin County from 2000 to 2020

4.2.1宾县土壤侵蚀时间变化特征

根据宾县土壤侵蚀模数的空间分布数据（图4-6），按照2008年水利部出台的《土壤侵蚀分类分级标准》[29]，东北黑土区土壤侵蚀强度分级标准为微度侵蚀（0，200］（t·km-2·a-1）、轻度侵蚀（200，2500］（t·km-2·a-1）、中度侵蚀( 2 500，5 000］（t·km-2·a-1）、强烈侵蚀( 5000，8 000］（t·km-2·a-1）、极强烈侵蚀( 8000，15000］ （t·km-2·a-1）、剧烈侵蚀 ＞15000（t·km-2·a-1）。根据标准进行分类后得到宾县2000-2020年土壤侵蚀强度分级图（图4-7），表4-3是宾县2000-2020年土壤侵蚀等级分布状况。

据2015年国家水土保持公报对东北黑土区的水土流失面积统计（其中监测区域包括宾县），东北黑土区微度、中度侵蚀面积占比为87.3%，与模型计算结果（87.71%）相比差距较小，说明本文计算结果可用于分析，数据较为精确。

从土壤侵蚀强度的面积分布来看，微度侵蚀占据的面积比例最高，2000-2020年分别占据宾县面积的50.87%、51.69%、51.70%、53.86%、52.93%；其次是轻度侵蚀，占30%左右；强烈侵蚀等级面积占1.5%左右。中度、极强烈、剧烈侵蚀面积波动较大，其中中度侵蚀面积比例最低为2015年（0.31%），最高为2020（8.98%）；极强烈侵蚀面积比例最低为2020年（1.64%），最高为2005年（6.96%）；剧烈侵蚀面积比例最低为2015年（2.88%），最高为2020年（9.83%）。

图4-7 宾县2000-2020土壤侵蚀强度分级图

Fig 4-7 classification of soil erosion intensity in Bin County from 2000 to 2020

表4-3 宾县2000-2020年土壤侵蚀等级分布状况

Table 4.3 distribution of soil erosion grades in Bin County from 2000 to 2020

4.2.2宾县土壤侵蚀空间变化特征

为进一步探索宾县2000-2020年土壤侵蚀各强度等级间的空间变化规律，利ArcGIS10.2的地图代数功能实现2000-2005年，2005-2010年，2010-2015年，2015-2020、2000-2020年土壤侵蚀强度变化图的制作（图4-8）。

图4-8 2000-2020土壤侵蚀强度等级变化

Fig 4-8 change of soil erosion intensity grade from 2000 to 2020

2000-2020整个研究时间段内，宾县约有73.46%的区域侵蚀强度等级未发生变化，主要集中在松花江松花江沿岸平川地、居仁镇中部以及南部林地区域。松花江沿岸以及居仁镇中部为平原地带，土壤类型也相对来说抗蚀性强，所以这些区域土壤侵蚀强度较为稳定。在南部山区大部分为林地，这些地方虽然坡度较大，土壤较为敏感，但是由于植被覆盖度较高，能有效降低雨滴击溅的动能，同时加大水分入渗使得植被根系更为稳固。2000-2020年宾西镇土壤侵蚀强度降低的面积较大，这是因为宾西镇被评为国家经济技术开发区以后，县政府加大对环境的治理，使得宾西镇的生态环境逐渐变好。从图中也可看出，中部往北土壤侵蚀强度有加深的趋势，这是因为这些地方土地利用方式主要为耕地，在经济利益与人口的双重推动下，为了增加土地资源和提高经济收入，当地居民因粗放开垦山坡和森林而造成不合理的土地利用，破坏了植被分布格局、土壤结构，造成土壤侵蚀且土壤侵蚀强度增加，以人为因素为主导；研究表明在20年来，研究区土壤侵蚀强度整体较为稳定，但整体呈现侵蚀加剧的趋势变化。

2000-2005年内，宾县约有83.93%的区域侵蚀强度等级未发生改变，空间分布跟2000-2020年相似。通过实地调查知道民和乡从开始农耕以来就有在侵蚀沟边种植被以防治侵蚀沟加大加深的措施，所以这些区域土壤侵蚀强度等级相对稳定；约有8.15%的区域强度等级降低，大部分集中在常安镇、宁远镇的南部，宾西镇的西部；有7.92%的地区侵蚀强度等级升高，都零星分布在宾县各地，其中糖坊镇西北部有较为集中的区域侵蚀强度等级升高，在这五年里降雨侵蚀力变化明显达1000 MJ.mm/（hm2.h.a），可知在其它条件不变的情况下，降雨侵蚀力会使得土壤更为敏感，更易产生侵蚀。宾西镇的中部地区有较为集中的区域侵蚀等级上升，其原因为2002年宾西建立经济开发区，期间对土地开发程度有加强，所以造成该区域土壤侵蚀强度等级上升。

图4-9 2000-2005土壤侵蚀强度等级变化

Fig. 4-9 change of soil erosion intensity grade from 2000 to 2005

图4-10 2005-2010土壤侵蚀强度等级变化

Fig 4-10 change of soil erosion intensity grade from 2005 to 2010

2005-2010年内，宾县侵蚀强度等级未发生改变的面积比例为86.10%，与上一阶段相似；约有7.54%的区域侵蚀强度等级降低，这些区域主要在宾县中部地区和东南处的林地区域，在这期间，宾县施行一系列水土流失治理工程，对坡耕地进行修筑地梗，减少径流量，且加大种植植被，故这段时间耕地部分的土壤侵蚀强度等级有下降；但仍有6.36%的地区侵蚀强度等级升高，出现在糖坊镇的北部以及摆渡镇、胜利镇的东南部，究其原因为糖坊镇东部为张广才岭余脉形成的丘陵，再加上顺垄起坡的耕作方式造成土壤侵蚀严重程度进一步加深；摆渡镇、胜利镇东南部多为高山峻岭，坡度大，再加上降雨的冲刷，故导致该地区侵蚀进一步加深。

图4-11 2010-2015年土壤侵蚀强度等级变化

Fig 4-11 change of soil erosion intensity grade from 2010 to 2015

2010-2015年内，宾县侵蚀等级面积未变化的面积比例跟前两个时间段相差无几，为85.54%，侵蚀强度等级下降的比例为10.57%，仅有3.89%的地区侵蚀强度等级上升。主要集中在宾县南部、东南部，少量分布在糖坊镇北部，宾县南部地势较高，加上夏季集中的降雨，易引起岩石风化和地貌剥蚀，再加上该地区坡度较大，有效的人工干预也难以达到可观的效果，故该地区土壤侵蚀等级升高，土壤侵蚀强度增强。

图4-12 2015-2020年土壤侵蚀强度等级变化

Fig 4-12 change of soil erosion intensity grade from 2015 to 2020

2015-2020年内，宾县仅有70.92%的区域侵蚀等级未发生变化，比前三个时间段的比例都低，说明2015-2020年宾县土壤侵蚀状况不太稳定；约有8.22%的区域侵蚀等级下降；约有20.86%的区域侵蚀等级升高。2015-2020年宾县侵蚀等级上升的程度多为上升一级，且多分布在中部往北区域，该区域多为耕地，结合降雨来看2015-2020年宾县降雨侵蚀力比上一时段增加一倍，又因为宾县降雨较为集中，所以在降雨冲刷下大量土壤抗蚀性弱，土壤侵蚀等级上升。

4.2.3土壤侵蚀强度面积转移特征

为分析宾县土壤侵蚀强度面积转移特征，利用ArcGIS10.2的空间分析功能，得到2000-2005、2005-2010、2010-2015、2015-2020以及2000-2020年各侵蚀等级的变化面积并进行统计分析，得到土壤侵蚀强度转移弦图。

2000-2005年土壤微度侵蚀不变的面积为1801.70 km2，向轻度、中度、强烈、极强烈、剧烈转移的面积分别为77.25、1.57、1.50、9.76、18.50 km2；2000-2005年土壤轻度侵蚀不变的面积为1074.87 km2，向微度、中度、强烈、极强烈、剧烈转移的面积分别为76.01、48.91、3.50、69.91、16.56 km2；2000-2005年土壤中度侵蚀不变的面积为8.17 km2，向微度、轻度、强烈、极强烈、剧烈转移的面积分别为5.17、61.56、0.55、10.27、2.64 km2；2000-2005年土壤强烈侵蚀不变的面积为3.30 km2，向微度、轻度、中度、极强烈、剧烈转移的面积分别为5.52、36.77、2.11、5.31、1.84 km2；2000-2005年土壤极强烈侵蚀不变的面积为139.21 km2，向微度、轻度、中度、强烈、剧烈转移的面积分别为17.77、41.22、0.60、2.21、39.53 km2；2000-2005年土壤剧烈侵蚀不变的面积为119.15 km2，向微度、轻度、中度、强烈、极强烈转移的面积分别为43.37、6.95、0.35、0.30、18.52 km2。

注：A：微度侵蚀；B：轻度侵蚀；C：中度侵蚀；D：强烈侵蚀；E:极强烈侵蚀；F：剧烈侵蚀

图4-13 2000-2005宾县土壤侵蚀强度转移弦图

Fig 4-13 chord diagram of soil erosion intensity transfer in Bin County from 2000 to 2005

2005-2010年土壤微度侵蚀不变的面积为1805.70 km2，向轻度、中度、强烈、极强烈、剧烈转移的面积分别为78.85、4.40、5.11、16.18、29.81 km2；2000-2005年土壤轻度侵蚀不变的面积为1086.58 km2，向微度、中度、强烈、极强烈、剧烈转移的面积分别为84.61、52.88、35.43、41.48、3.24 km2；2000-2005年土壤中度侵蚀不变的面积为7.71 km2，向微度、轻度、强烈、极强烈、剧烈转移的面积分别为1.93、49.03、1.72、1.31、0.27 km2；2000-2005年土壤强烈侵蚀不变的面积为3.94 km2，向微度、轻度、中度、极强烈、剧烈转移的面积分别为2.04、2.55、0.86、1.79、0.36 km2；2000-2005年土壤极强烈侵蚀不变的面积为142.35km2，向微度、轻度、中度、强烈、剧烈转移的面积分别为11.92、68.50、11.13、9.28、11.61km2；2000-2005年土壤剧烈侵蚀不变的面积为118.17 km2，向微度、轻度、中度、强烈、极强烈转移的面积分别为29.80、10.54、3.00、1.93、37.17 km2。究其原因为2006年宾县启动一系列水土流失治理工程，水土防治效果较为显著，剧烈侵蚀面积大幅度的减少直接造成土壤侵蚀强度减弱。

注：A：微度侵蚀；B：轻度侵蚀；C：中度侵蚀；D：强烈侵蚀；E:极强烈侵蚀；F：剧烈侵蚀

图4-14 2005-2010年宾县土壤侵蚀强度转移弦图

Fig 4-14 chord diagram of soil erosion intensity transfer in Bin County from 2005 to 2010

2010-2015年土壤微度侵蚀不变的面积为1849.36 km2，向轻度、中度、强烈、极强烈、剧烈转移的面积分别为61.65、2.46、6.00、13.19、17.23 km2；2010-2015年土壤轻度侵蚀不变的面积为1099.70 km2，向微度、中度、强烈、极强烈、剧烈转移的面积分别为115.91、2.29、37.86、38.37、2.40 km2；2010-2015年土壤中度侵蚀不变的面积为2.52 km2，向微度、轻度、强烈、极强烈、剧烈转移的面积分别为4.43、59.21、5.57、7.37、0.90 km2；2010-2015年土壤强烈侵蚀不变的面积为7.46 km2，向微度、轻度、中度、极强烈、剧烈转移的面积分别为6.30、36.63、2.54、3.75、0.76 km2；2010-2015年土壤极强烈侵蚀不变的面积为115.76km2，向微度、轻度、中度、强烈、剧烈转移的面积分别为20.44、42.67、0.86、54.83、5.77km2；2010-2015年土壤剧烈侵蚀不变的面积为78.07 km2，向微度、轻度、中度、强烈、极强烈转移的面积分别为39.87、3.78、0.25、2.15、39.41 km2。

注：A：微度侵蚀；B：轻度侵蚀；C：中度侵蚀；D：强烈侵蚀；E:极强烈侵蚀；F：剧烈侵蚀

图4-15 2010-2015年宾县土壤侵蚀强度转移弦图

Fig 4-15 chord diagram of soil erosion intensity transfer in Bin County from 2010 to 2015

2015-2020年土壤微度侵蚀不变的面积为1852.59km2，向轻度、中度、强烈、极强烈、剧烈转移的面积分别为127.11、6.31、1.37、4.54、27.63 km2；2015-2020年土壤轻度侵蚀不变的面积为771.25km2，向微度、中度、强烈、极强烈、剧烈转移的面积分别为130.33、289.08、29.06、47.77、29.08 km2；2015-2020年土壤中度侵蚀不变的面积为0.91 km2，向微度、轻度、强烈、极强烈、剧烈转移的面积分别为4.95、1.18、1.25、2.23、0.30 km2；2015-2020年土壤强烈侵蚀不变的面积为4.23 km2，向微度、轻度、中度、极强烈、剧烈转移的面积分别为22.43、30.10、2.59、13.73、39.95 km2；2015-2020年土壤极强烈侵蚀不变的面积为3.45km2，向微度、轻度、中度、强烈、剧烈转移的面积分别为39.15、31.64、2.51、4.71、134.77km2；2015-2020年土壤剧烈侵蚀不变的面积为59.38 km2，向微度、轻度、中度、强烈、极强烈转移的面积分别为42.16、1.45、0.32、0.22、0.46 km2。

注：A：微度侵蚀；B：轻度侵蚀；C：中度侵蚀；D：强烈侵蚀；E:极强烈侵蚀；F：剧烈侵蚀

图4-16 2015-2020年宾县土壤侵蚀强度转移弦图

Fig 4-16 chord diagram of soil erosion intensity transfer in Bin County from 2015 to 2020

2000-2020年土壤微度侵蚀不变的面积为1757.41km2，向轻度、中度、强烈、极强烈、剧烈转移的面积分别为100.05、7.80、1.40、4.68、31.69 km2；2000-2020年土壤轻度侵蚀不变的面积为844.45km2，向微度、中度、强烈、极强烈、剧烈转移的面积分别为159.91、255.89、8.76、5.13、13.31 km2；2000-2020年土壤中度侵蚀不变的面积为35.98 km2，向微度、轻度、强烈、极强烈、剧烈转移的面积分别为13.59、5.04、29.70、2.77、1.04 km2；2000-2020年土壤强烈侵蚀不变的面积为0.71 km2，向微度、轻度、中度、极强烈、剧烈转移的面积分别为12.64、2.26、0.03、23.08、3.50 km2；2000-2020年土壤极强烈侵蚀不变的面积为23.08km2，向微度、轻度、中度、强烈、剧烈转移的面积分别为52.17、7.16、0.90、0.05、156.22km2；2000-2020年土壤剧烈侵蚀不变的面积为84.20 km2，向微度、轻度、中度、强烈、极强烈转移的面积分别为97.85、2.99、0.96、0.24、0.80km2。

注：A：微度侵蚀；B：轻度侵蚀；C：中度侵蚀；D：强烈侵蚀；E:极强烈侵蚀；F：剧烈侵蚀

图4-17 2000-2020年宾县土壤侵蚀强度转移弦图

Fig 4-17 chord diagram of soil erosion intensity transfer in Bin County from 2000 to 2020

5 宾县土壤养分流失空间特征分析

土壤侵蚀使得表土层变薄、养分含量降低，造成土壤退化、生产力降低[184]。在土壤质量评价中，土壤有机质和养分含量大小是衡量土壤质量高低的重要指标[185]。土壤侵蚀过程中，有机质和养分在侵蚀泥沙和地表径流的带动下富集，其不仅会造成农业面源污染[186]，还会使得土壤养分含量降低，质量下降[187]。土壤有机质是维持土壤物理、化学和生物学特征中的关键[188]，在土壤侵蚀的过程中，土壤有机质在泥沙和地表径流的作用下，其物理、化学和生物结构性能受到破坏，进而造成土壤质量下降。氮、磷、钾等养分含量则直接影响着土壤质量[189]。养分流失使得表层土壤氮、磷、钾等养分含量减少，最终导致土壤质量降低，发生侵蚀性退化，最终制约区域社会、经济发展和生态环境保护。因此本章研究选取有机质（Organic Matter）、全氮（Total Nitrogen）、速效钾(Available Potassium)、有效磷(Available Phosphorus)四个指标探讨宾县土壤养分流失空间特征。

5.1土壤样品与采集

根据《全国耕地地力调查与质量评价技术规程》，以宾县地形和土壤侵蚀现状为基础制定采样方案，在各乡镇共设置180个土壤采样点，于2019年10月获取宾县土壤耕作层土壤样本（如图5-1）。

图5-1 宾县土壤采样分布图

Fig 5-1 distribution of soil sampling in Bin County

具体采样方法如下：以宾县垄作区域作为采样区，在耕作层20cm以内，采用采用LDSF（Land Degradation Surveillance Framework）中的采样分析方法[190]，在室内预先布设样点180个，平均分布于研究区土壤侵蚀区域，野外取样时利用GPS空间定位并进行编号，使得实际采样点与室内布设点尽可能一致，并记录采样点环境信息。在室内将土壤样品进行烘干、称重等处理后，过筛并除杂。有机质含量利用重铬酸钾外加热的手段进行测量；全氮含量使用半微量开氏法测算；速效钾含量使用乙酸铵浸-提火焰光度计法测算；有效磷含量用浸提-钼锑抗比色法确定。

5.2土壤养分空间分布特征

克里金空间插值方法要求在对数据进行空间插值前必须对数据进行正态分布检验，如果数据符合正态分布则可进行空间插值，若不符合要将数据进行转换才可使之进行插值。

5.2.1数据正态性检验和趋势分析

目前，检验数据正态性分布主要分为两种方法，一是图示法（包括P-P图、Q-Q图、直方图等），二是计算法（偏度峰度联合检验法、Kolmogorov-Smirnov检验法、Shaprio-Wilk检验法等）。因此在本文利用ArcGIS软件中的地统计学模块对数据进行检验，利用直方图从直观上检验是否符合正态分布，再利用非参数K-S（Kolmogorov-Sminov）进行定量检验。在直方图中，若柱状图越对称，其越符合正态分布；在正太QQPlot图中，数据分布越接近一条直线，其越符合正态分布。对四种土壤养分进行正态性检验，结果表明，土壤有机质（SOM）、全氮（TN）、速效钾（AK）、有效磷（AP）在经过一次对数变换后基本符合正态分布，养分直方图见图5-2。

SOM（a） TN（b）

AK（c） AP（d）

图5-2 宾县土壤养分直方图

Fig 5-2 histogram of soil nutrients in Bin County

受到地形、成土因素等的影响，区域内土壤养分的空间分布通常会产生明显的趋势特征和异向分布，其能反映土壤养分含量在空间区域上的总体变化，揭示土壤养分的空间分布规律[191]。ArcGIS软件的地统计模块可以进行空间趋势分析，从而得到土壤养分含量在空间上的趋势分布特征。为了提高土壤养分含量插值的精度，应剔除土壤养分的空间趋势效应。趋势分析主要是根据空间采样数值，用一个拟合的数学曲面反映数据在空间上的总体趋势变化。趋势效应一般可分为零阶（没有趋势效应）、常量（研究变量沿一定方向呈常量增加或减少）、一阶（研究变量沿一定方向呈直线变化）、二阶（研究变量沿一定方向呈多项式变化）等。宾县土壤养分的趋势分析见图5-3。

（a）SOM （b）TN

（c）AK （d）AP

图5-3 宾县土壤养分含量趋势分析

Fig 5-3 trend analysis of soil nutrient content in Bin County

图5-3中X轴为地图上的东西方向，Y轴为南北方向，z轴为各样点属性值在空间分布上的大小。从图中可知，在结果所示三维图中，所测样点的空间分布位置被投影到 XY平面上；左后平面是将土壤变量的测量值大小投影到一个东-西平面上并反映此方向上的全局趋势效应；右后平面是将其测量值大小投影到此平面上并反映土壤变量在南北方向上的全局趋势效应。若图中所示拟合线是平的，则不存在趋势，若拟合线倾斜或弯曲说明存在一阶或二阶趋势。宾西土壤养分含量正态性检验与趋势分析结果见表5-1。

表5-1 宾县土壤养分正态性检验与趋势分析结果

Table 5-1 results of soil nutrient normality test and trend analysis in Bin County

结果分析可知，宾县土壤有机质、全氮、速效钾、有效磷均存在一定的二阶趋势。其中土壤有机质、全氮趋势相似，在东西方向为自西向东表现出递增趋势，南北方向表现出明显的U型曲线，南边高于北边的趋势。速效钾在东西方向表现为倾斜直线，由西向东有递增趋势，在南北方向上呈现不明显的倒U型，北边高于南边。有效磷在东西方向上表现为不明显的倒U型，东边高于西边的趋势，南北方向上为北边高于南边的倾斜直线。因此，为了保证插值结果的精度，在拟合半方差函数中需剔除趋势效应。

5.2.2土壤养分空间分布特征分析

利用ArcGIS的地统计学模块，利用普通克里金工具进行空间插值，插值精度见表5-2，并得到宾县土壤养分的空间分布图。宾县土壤养分空间分布图见图5-4、5-5、5-6、5-7。插值精度主要通过平均误差、均方根误差、平均标准误差、标准预测误差、均方根标准误差这5个标准进行判断。一般来说，均方根误差与平均标准误差数值需接近且达到最小值，精度越高，均方根标准误差与1越接近表明预测值与实测值的相关性越大，平均误差与标准预测误差越接近0精度越高。

表5-2 宾县土壤养分克里金插值精度

Table 5-2 Kriging interpolation accuracy of soil nutrients in Bin County

图5-4 宾县有机质含量空间分布

Fig 5-4 spatial distribution of organic matter content in Bin County

由图5-4可知，宾县有机质含量在24.64-72.06 g/kg 之间，从空间上来看，呈现出南部高于北部的趋势；从行政区划来看，平坊镇、三宝乡以及宁远镇的有机质含量相对较高，糖坊镇和满井镇有机质含量相对偏低。有研究指出[192]，在同一地形位置上，耕地上由于人类活动频繁造成土壤有机质的损失会高于林地，本文南部多为林地，有机质含量偏高，这与前人研究状况较为符合。由图5-5可知，宾县全氮含量在1.39-4.68 g/kg 之间，从空间上来看，土壤全氮的分布情况与有机质空间分布类似，全氮含量高的区域在南部林地。从行政区域来看，平坊镇、宾西镇以及宁远镇的全氮含量相对较高，而宾县北部区域的全氮含量整体偏低。由图5-6可知，宾县速效钾含量在84.10-214.64 mg/kg 之间，从空间分布来看，南部以及东南部速效钾含量偏低；从行政区域来看，宾西镇、满井镇、宾安镇以及宁远镇的速效钾含量相对较高，摆渡镇的速效钾含量最低。由图5-7可知，宾县有效磷含量在15.89-68.18 mg/kg 之间，从空间上来看，从西至东，有效磷含量呈现交替增减的规律。从行政区域来看，新甸镇的有效磷含量最高，摆渡镇的有效磷含量最低。

图5-5 宾县全氮含量空间分布

Fig 5-5 spatial distribution of total nitrogen content in Bin County

图5-6宾县速效钾含量空间分布

Fig 5-6 spatial distribution of available potassium content in Bin County

图5-7宾县有效磷含量空间分布

Fig 5-7 spatial distribution of available phosphorus content in Bin County

5.3 土壤养分流失空间分布特征

土壤侵蚀过程中，养分元素在地表径流的作用下发生迁移、沉积，成为农业面源污染的来源以及造成耕地养分含量降低，产生侵蚀性退化。宾县作为以农业生产为主的县，耕地是其赖以生存的资源，研究县域养分流失空间分布对制定针对性措施有重要的指导意义。养分流失估算模型用以评价宾县土壤养分流失规律，方法见第一章公式1-11。图5-8、5-9、5-10、5-11为宾县2020年因土壤侵蚀引起的土壤养分空间分布图。表5-3为全县不同乡镇的土壤养分流失量统计。宾县土壤养分流失量与土壤侵蚀强度空间格局相似，呈中间高四周低、漫川漫岗以及丘陵区高于平原区的格局。全县土壤有机质单位面积平均流失量为2.7917 t·km-2·a-1，值域范围为0-15.9537 t·km-2·a-1。全氮和速效钾单位面积平均流失量为0.1868、0.0142 t·km-2·a-1，值域范围为0-1.1022 t·km-2·a-1、0-0.0743 t·km-2·a-1。有效磷单位面积平均流失量为0.0027 t·km-2·a-1，值域为0.0111 t·km-2·a-1，其空间分布格局均与有机质流失量空间格局相似。

图5-8 有机质流失空间分布图

Fig 5-8 spatial distribution of organic matter loss

图5-9 宾县全氮流失空间分布图

Fig 5-9 spatial distribution of total nitrogen loss in Bin County

图5-10 宾县速效钾流失空间分布图

Fig 5-10 spatial distribution of available potassium loss in Bin County

图5-11 宾县有效磷流失空间分布图

Fig 5-11 spatial distribution of available phosphorus loss in Bin County

表5-3 宾县各乡镇养分流失量统计

Table 5-3 statistics of nutrient diversion loss of towns and townships in Bin County

不同乡镇土壤养分流失量差异较大，其中宾西镇四种养分单位面积平均流失量均为最大；有机质和全氮单位面积平均流失量最小为新甸镇；速效钾单位面积平均流失量最小为民和乡；有效磷单位面积平均流失量差距不大。四种养分单位面积平均流失量差距在3-4倍之间（表5-3）。宁远镇的土壤土壤养分流失总量最大，四种养分的流失总量均占全省养分流失总量的10%以上；民和乡的养分流失总量均不足养分流失总量的3%。这主要与土壤侵蚀强度的差异相关，宁远镇的平均土壤侵蚀模数远高于民和乡土壤侵蚀模数；其次是土壤养分的空间差异所致，全县有机质和全氮总体上北低南高，速效钾和有效磷总体上是沿江平原高于南部山区，除个别乡镇含量出现较大值外，其余差距相对较小。2020年全县因土壤侵蚀导致土壤养分流失较为严重，有机质流失623.70 t，全氮流失41.6447 t，速效钾流失3.0457 t，有效磷流失0.5889 t，合计养分流失总量671.97 t。上述分析表明，宾县4种养分流失模数以及流失总量空间分布存在一定的集聚特征，总体上为中部耕地区大于边缘山地区以及沿江平原。

6宾县土壤侵蚀风险评价

6.1土壤侵蚀风险物元模型及指标体系的构建

通过第一章关于土壤侵蚀风险评价文献综述可知，土壤侵蚀风险不仅与自然因素有关，也与人类活动密不可分。土壤侵蚀风险评价需综合考虑潜在侵蚀、现状侵蚀以及社会经济背景，以往研究多以RUSLE模型为基础对相关因子的分等定级直接评价，或通过对土壤抗蚀年限以及土壤厚度来评判，忽略了社会经济因素对土壤侵蚀风险的影响；在对指标进行赋权时，往往以恒权的方式赋予权重，等级之间具有明显界限，使得评价结果往往具有主观性。物元分析将事物以“事物、特征、量值”三个要素进行描述，形成一个有序三元向量，在各类评价过程中，物元分析能形成一个评价指标物元和评价对象物元，通过对两者及其之间的关系进行分析，能够体现不同层次、不同评价对象之间的关系并直观表达出来，且动态可调[193]，且已有研究将其应用于土壤侵蚀风险性评价，证明其可用且科学[194]。目前我国研究主要集中于区域或省市尺度，在县域及以下更小尺度的研究还较少涉及，在乡村振兴背景下，县域经济的发展受到了国家层次的高度重视，故本文以宾县为研究区，以物元模型、RUSLE模型和变权理论为基础，以主客观结合的方式确定因子权重，建立基于物元分析的东北黑土区土壤侵蚀风险性评价模型并以宾县为例进行研究，旨在为土壤侵蚀风险性评价提供一种思路，从而为解决宾县水土流失综合治理和土壤侵蚀防止问题提供相关依据。希望为宾县水土保持、生态文明建设和土地可持续利用提供科学依据。

可拓学研究事物发生的量变和质变及其关系，并能将两者结合起来。以物元理论为基础的物元分析方法能够将可拓学的研究思维应用于其他学科，其能提供一种全新的研究视角研究物元变化，提供解决矛盾问题的方法并总结规律。这里主要介绍与本文应用相关的物元理论。

6.1.1物元的概念

任何事物都能够用“事物，特征，量值”这三个要素进行描述，并对事物作定性以及定量的分析与计算。其能组成一个有序三元组，是描述事物的基本物元，可记为R=（M，C，V）：

其中：M表示事物；C=（c1,c2,...,cn）表示事物M的n个特征；V=（v1,v2,...,vn）表示事物M关于特征C所取的量值，式6-1表示事物M的n维物元。

6.1.2 物元的性质

物元在处理不相容问题时，从事物本身、变通和组合分解等角度出发，为解决矛盾问题提供多角度的变换路径并提供依据。其主要包括物元三要素的发散性、可扩性、共轭性以及物元之间的相关性以及蕴含性。

（1）物元的发散性。发散性研究事物向外开拓的可能路径。一个事物在现实中往往具有多种特征，每个特征、特征元往往又是多种事物所具有，这类性质成为物元的发散性。在解决实际问题时，往往需要综合应用若干发散性才能找到物元外拓的可能方向以及解决问题的方案。

（2）物元的可扩性。可扩性研究物元三要素的可加性、可积性、可分性。一个事物可以与其他事物结合为新事物，从而为解决矛盾问题提供基础。在解决实际问题时，物元的可加性、可积性和可分性,提供了物元计算的基础。

（3）物元的共轭性。共轭性研究和描述事物的结构。事物的内部结构可以用虚实、软硬、潜显、负正等概念来描述和研究，我们通过内部结构的改变可以将矛盾问题转换为相容问题，为解决矛盾问题提供一种新途径。

（4）物元的相关性。相关性研究同一物元三要素以及不同物元之间的关系。事物与特征、特征与量值、事物与特征量值和事物、特征与特征量值之间都存在一定的依赖关系，其就是相关。物元之间的相关性影响事物的性质，是事物因果关系的形式表达。

6.1.3土壤侵蚀风险物元模型的构建

对研究区域的自然、经济等状况进行分析，确定评价指标；确定经典域、节域、待评物元；利用层次分析法确定常权，惩罚性变权函数修正权值，由常权和状态变权归一化的Hadamard 乘积确定权重；计算各个评价指标的单因素隶属度；经过模糊变换计算综合隶属度，并将其进行单值化，得到土壤侵蚀风险性评价的空间分布并分析。

1 确定经典域、节域，构建待评物元

可拓学研究事物发生的量变和质变及其关系，并能将两者结合起来。以物元理论为基础的物元分析方法能够将可拓学的研究思维应用于其他学科，其能提供一种全新的研究视角研究物元变化，提供解决矛盾问题的方法并总结规律。物元分析将事物与特征之间的模糊关系转换为一种数学关系（即关联度函数），关联度函数能够判断事物是否属于特征并细化之间的关系，在经典域与节域重合的情况下，可用隶属度函数代替关联度函数[155]。构建土壤侵蚀风险性评价物元模型的步骤如下：

（1）经典域物元为：

(6-2)

其中：Nj表示经典域所描述事物的特征或等级，下标j（j=1，2，…，n）表示类别数或分级数；Ci表示影响该事件的因素，下标i（i=1，2，…，n）表示影响因素的个数；Vij表示第i个影响因素相对于事件Nj的取值范围，Vij=（aij，bij）,aij表示取值的下限，bij表示取值的上限。在土壤侵蚀风险性评价中，经典域可解释为：Nj是土壤侵蚀风险性划分的j个（j=1，2，…，n）等级；Ci（i=1，2，…，n）表示土壤侵蚀风险性的第i个评价指标；Vij=（aij，bij）即是第i个评价指标对应第j个风险性等级的取值范围，实质就是土壤侵蚀风险性等级划分的标准。

（2）节域物元为：

(6-3)

式中：P表示一个物元，是事物所有特征及其量值的全体；Ci表示影响物元P的n个影响因素；Vip=（aip，bip）表示评价指标Ci关于物元P的量值取值范围。在本研究中，物元P表示土壤侵蚀风险性等级的全体，Vip表示评价指标Ci的值域，也就是土壤侵蚀风险性等级对应经典域的集合。

（3）待评物元为：

(6-4)

在土壤侵蚀风险性评价中，待评物元R（x）相当于等级待定的风险性，Vi相当于Ci的实际取值。

2 计算隶属度

本文选取的指标既有定性指标也有定量指标，对于定性指标（土地利用，n=5）采用专家打分法直接确定对各个风险等级的隶属度；对定量指标（降雨、坡度、土壤可蚀性、植被覆盖、经济开发强度，n分别为1，2，3，4，6）采用降半梯型隶属度函数[194]。针对（n=1，2，3，4，5）5个参评指标，当等级g=1时，隶属度函数为：

当g=2，3，4时，隶属度函数为：

当g=5时，隶属度函数为：

坡度（n=2）与土壤侵蚀的关系呈近似抛物线形，所以需对坡度的中度侵蚀（g=3）和剧烈侵蚀（g=5）进行修正，其余保持不变，最终当g=3时坡度的隶属度函数为：

当g=5时，坡度的隶属度函数为：

式中，xi为各个评价指标栅格图层的值，ɑ1是微度侵蚀量值上下限的中值；ɑ2是轻度侵蚀量值上下限的中值；ɑ3是中度风险侵蚀量值上下限的中值；ɑ4是重度风险侵蚀量值上下限的中值；ɑ5是剧烈风险侵蚀等级临界值的中值。

3 确定评价等级

（6-10）

式中，R表示模糊综合评价结果，rj（xi）表示各个参评因子栅格对于其风险等级的隶属度；Wi为指标权重。

（6-11）

为便于对研究区土壤侵蚀风险性进行空间分析，本文利用公式6-11将评价结果转化为单值，式中Wi是模糊综合评价隶属度栅格，Mj是土壤侵蚀风险性评价各等级所对应的分值，具体分值见表1，m为待定系数，为了对较大作用的隶属度进行控制，取m=2。

6.1.4土壤侵蚀风险评价指标

基于对土壤侵蚀风险性概念的理解，综合考虑潜在侵蚀、现状侵蚀和社会经济背景以及数据的可获得性，本文选取的土壤侵蚀风险性评价指标有：降雨侵蚀力、坡度、土壤可蚀性、植被覆盖度、土地利用、经济开发强度。其中经济开发强度在综合考虑研究区现行经济环境的基础上，选取五个指标：人口密度、农用化肥施用量、工业企业个数、耕地面积占比，农业从业人口占比这五项指标先进行极差标准化，再相加得到各乡镇的综合社会经济开发强度。这些指标有些可通过遥感数据直接提取计算，有的从统计年鉴中获取，最终都以栅格的形式展现。各个指标的权重以及分级标准间表6-1。

表6-1 评价指标及分级标准

Table 6-1 evaluation index and grading standard

注：由于计算降雨侵蚀力的时候已经设定阈值≥9.8mm会有侵蚀风险[52]，所以降雨侵蚀力分级直接采用自然断点法进行分级，土地利用类型中，10表示耕地，20表示林地，30表示草地，50表示其它用地，60表示水域，80表示建设用地。

6.1.5 各因子权重计算结果

依据收集到的自然以及经济数据，依据公式 得到以上各个指标的权重，权重结果见表6-2以及图6-1。由表6-2以及图6-1可知，层次分析法得到的常权分值为一固定值，而变权后的权重值是涵盖了原有常权的一个区间值，能够使得各个危险等级的过渡更自然，空间上更具有连续性，并且还考虑了各个评价指标栅格数值对土壤侵蚀危险性的影响，使得评价指标参与性更强。

表6-1 评价指标权重

Table 6-1 evaluation index weight

图6-1 各评价指标权重

Fig 6-1 weight of each evaluation index

6.2土壤侵蚀风险评价结果与分析

6.2.1各评价指标的风险空间分析

各评价指标的风险等级分级标准见表6-1，并按照20、40、60、80、100的分值赋予各风险等级，按照2.1的操作可得各评价指标的土壤侵蚀风险等级，如图6-2。

由表6-1和图6-2可知，研究区降雨侵蚀力的节域为（4373，4716），值域跨度较小，为343。降雨侵蚀力造成的土壤侵蚀风险等级的空间分布从西北到东南呈条带状分布，说明宾县西北部具有更强的降雨强度和频度，降雨侵蚀力的土壤侵蚀风险性等级以中度及以下风险等级为主，面积比例为68.83%。

坡度的节域为（0，47），可知，研究区的坡度较小，坡度造成的土壤侵蚀风险等级的空间分布是中部往北的土壤侵蚀风险等级为微度；南部及东南部土壤侵蚀风险等级为中度及以上，但面积占比仅为7.18%。结合降雨侵蚀力的空间分布可知：降雨侵蚀力较高的区域具有相对较低的地形侵蚀风险趋势。

土壤可蚀性的节域为（0.03，0.055），值域范围跨度很小，仅为0.025，这是因为土壤可蚀性跟土壤类型有关。黑土主要集中在研究区的中部往北，占到面积比例为65%，而土壤可蚀性造成的土壤侵蚀中度及以下风险性的面积占比为65.91%，基本与黑土的分布吻合；中度以上风险面积占比为34.09%，以粘土和白浆土为主。

植被覆盖度的节域为（0，1），可以看出植被覆盖的土壤侵蚀风险分布与土壤可蚀性的空间分布相似，但风险等级却相反，在中部往北方向以剧烈侵蚀风险为主，而在南部及东南部以微度、轻度侵蚀风险为主，这是因为在南部和东南部有大量的林、草地，其能够固土存水，对土壤侵蚀有阻碍作用，而在中部往北区域以耕地、建设用地为主，不科学以及掠夺式的耕作方式使得黑土厚度变薄，抵抗侵蚀的能力减弱。

图6-2 各评价指标风险等级

Fig. 6-2 risk level of each evaluation index

土地利用造成的土壤侵蚀风险等级分布与植被覆盖大致相同，微度侵蚀风险面积占比为5.27%，主要是水域和湿地；轻度侵蚀风险面积占比为30.33%，主要为林地、草地；中度侵蚀风险面积占比为2.97%，主要是建设用地、交通用地及其他工矿用地；重度侵蚀风险面积占比为11.39%，主要为平旱地、缓坡旱地；剧烈侵蚀风险面积占比为50.04%，主要是坡耕地。

经济开发强度表征一个地区的经济发展水平，与土壤侵蚀的关系为负相关[195]。研究区微度侵蚀风险乡镇是宾西镇、三宝乡；轻度侵蚀风险的有宾州镇、平坊镇、常安镇、摆渡镇；中度侵蚀风险的是鸟河乡、新甸镇、胜利镇；重度侵蚀风险的是糖坊镇、居仁镇、民和乡、宾安镇；剧烈侵蚀风险的是永和乡、宁远镇、经建乡。

6.2.2土壤侵蚀综合风险空间分析

由公式6-1到6-10，可得土壤侵蚀综合风险性分值图（见图6-3），对土壤侵蚀风险等级进行统计，可得各风险性等级的面积及占比（见表6-2），叠加行政区统计后，可得各乡镇的土壤侵蚀风险性空间分布（见图6-4）并进行分区统计（见表6-3）。

表6-2 土壤侵蚀风险性等级面积及占比

Table 6-2 area and proportion of soil erosion risk level

从空间分布来看，宾县微度侵蚀风险级别的面积为569.61km2，所占比例为14.82%，主要分布在松花江沿岸；轻度侵蚀风险的面积为934.03km2，所占比例为24.30%，多在南部、东部的林地区域；中度侵蚀风险的面积为1220.81km2，所占比例为31.76%，在整个研究区都有分布；重度侵蚀风险的面积为691.8km2，所占比例为18.00%，主要分布在东北部低山丘陵区；剧烈侵蚀风险的面积有427.95km2，所占比例为11.13%，主要分布在南部的坡耕地和西北部山区，与2019年对宾县的侵蚀沟解译相比较[196]，糖坊镇、满井镇、永和乡侵蚀沟的数量最多、分布最密集，与本文的土壤侵蚀风险性等级评价的空间分布符合，说明侵蚀沟的存在一定程度上会加剧土壤侵蚀的风险。

图6-3 土壤侵蚀风险性分值

Fig. 6-3 soil erosion risk score

图6-4 土壤侵蚀综合风险性评价结果

Fig. 6-4 results of soil erosion risk assessment

表6-3 各乡镇土壤侵蚀风险等级统计

Table 6-3 Statistics of soil erosion risk levels in each township

将微度、轻度、中度、重度、剧烈侵蚀风险分别赋值1、2、3、4、5。从各乡镇土壤侵蚀风险等级范围来看，微度、轻度、中度、重度、剧烈侵蚀风险各个乡镇均有涉及；结合图3和表4来看，宾县土壤侵蚀风险性等级高值聚集在糖坊镇、永和乡、经建乡、居仁镇、鸟河乡、宁远镇。与经济开发强度图对比发现，土壤侵蚀综合低风险位于宾西镇和三宝乡，该区域也是经济开发强度大的乡镇。高风险区有糖坊镇、永和乡、经建乡，其经济开发强度较小。由此可见：土壤侵蚀综合风险等级空间分布与经济开发强度空间分布基本一致，但趋势不同，说明说明人类活动不是导致这些乡镇综合土壤侵蚀风险的主要因素。究其原因可能是其经济发展的时候提供了较多的就业岗位，农民对耕地的依赖性减弱，耕地的利用强度降低能够相对减缓土壤自然侵蚀的速率，并且宾西镇、三宝乡林地、草地覆盖面积比糖坊镇、永和乡、经建乡大，植被较密集，属于植被覆盖高的地区。因此，针对糖坊镇、永和乡、经建乡来说，应加强乡镇林、草种植面积，加大对侵蚀沟的治理，防止侵蚀沟加宽、加深；减少对耕地的依赖性，实施轮作、间作及其他保护性耕作措施并大力发展第二、三产业。

其中，对于土壤侵蚀风险等级值综合高的宾州镇和胜利镇来说，土壤侵蚀风险等级虽然不高，但土壤侵蚀风险面积大，应严格控制林地和草地的面积，加大生态林和经济林建设，加大水土保持作用；减少利用坡耕地。

6.3基于土壤侵蚀风险等级的乡镇水土保持优先排序

研究区水土流失的主要原因之一是黑土在研究区占据主要地位，此外还有一些人为活动，如不科学的扩大农用地、施肥增产、种植结构不科学等造成研究区水土流失。同样，夏季降雨历时短、雨势急，使得在横垄、顺垄耕作为主的耕地上形成地表径流，冲刷黑土，带走土壤，使得土壤有机质降低[197]。因此，严重的土壤侵蚀使得优先进行可持续保护尤为重要。

复合因子（CF）模型是基于一定的目标对某些参数、对象或变量进行最终优先级排序的技术，它包括变量的排序，子研究区的分配排序的平均值决定了它在其他子研究区中的相对优先级[198]。计算公式如下：

$$\text{CF}=\frac{1}{n}\sum _{i=1}^{n}R$$

（6-11）

其中：CF是复合因子；R是参数的等级；n是变量的总数。

在本研究中，根据土壤侵蚀风险区的面积大小，对各乡镇进行了优先排序。将土壤侵蚀风险区划分为微度、轻度、中度、重度、剧烈5个等级。微度、轻度、中度等级面积较小的乡镇和重度、剧烈等级面积较大的乡镇，其排序更高，意味着更容易受到土壤侵蚀的影响。由于研究区分为17个乡镇，高值排序为17，次高值排序为16，依此类推。CF值越高，保持乡镇防止水土流失的优先顺序越高。

表6-4 水土流失防治优先性排序

Table 6-4 priority of water and soil loss control

研究区有13镇4乡。位于松花江畔的糖坊镇剧烈侵蚀面积最高（78.97km2），而位于西南部的宾西镇微度侵蚀面积最大（101.94km2）,该镇多植被覆盖，经济开发强度领先于其它乡镇。在本研究中，应用基于土壤侵蚀面积的CF模型对不同土壤侵蚀风险等级下的各乡镇进行了水土防治优先排序。其中，微度、轻度、中度侵蚀风险面积较小，重度、剧烈侵蚀等级面积较大的乡镇排序更高。在宾县，最高的值排在第17位，第二高为16并以此类推，CF值通过公式6-11计算，各乡镇水土防治优先性排序见表6-4。CF值越高，保护的优先级就越高。经建乡是研究区水土防治最应优先进行的乡镇，其次是永和乡、糖坊镇等；最后是摆渡镇。结果表明，经建乡、永和乡、糖坊镇、鸟河乡、宾安镇土壤侵蚀风险最为突出，需要更好的管理土壤、植被资源以及发展非农业。这些乡镇都分布在松花江南岸，多以黑土，土地利用为坡耕地，植被覆盖率较低，经济开发强度不是很高，这些乡镇地势低，易受到松花江河床上升带来的洪水灾害，加上夏季雨水的冲刷，使得土质疏松，抗冲刷性弱的黑土极易被带进松花江。此外，这些乡镇侵蚀沟数量显著多余其它乡镇，侵蚀沟是由于水土流失产生的，反过来侵蚀沟还会加速土壤侵蚀的速度；这些乡镇对耕地的依赖程度大于优先性排序低的乡镇，比如宾西镇。所以，该结果将有助于国家已确定的高度优先级乡镇采取有针对性的土壤侵蚀防治措施，防止土地资源进一步恶化。

7土壤侵蚀防治政策建议

7.1 加强小流域治理

宾县属于漫川漫岗区，坡多坡长是其显著特点，在进行水土流失治理时应充分利用该特征，从坡上、坡下、坡中,布设三道防线,形成梯级的综合防治体系,建立坡、水、田、林、路综合防治型生态农业模式。第一道防线是坡顶岗脊防护体系。即岗脊栽树戴帽,荒坡造林,在林缘与耕地接壤处开挖截流沟,控制坡水下山。第二道防线是坡面防护体系,对3°以下的坡耕地实行等高种植；3°-8°的坡耕地在改垄的基础上按照坡度和土层的差别,每隔一定的宽度种植生物防冲带,以截短坡长,分割水势；8°-15°的坡耕地修筑坡式或水平梯田,拦截径流,并修建水平地梗；对15°以上的坡耕地尽量退耕还林还草。第三道防线是侵蚀沟防护体系，对侵蚀沟采取工程和植物措施相结合的办法进行治理,明确不同乡镇，确各乡镇不同类型侵蚀沟数量、位置，建立基于发育程度和危害的侵蚀沟分级分类体系、制定不同类型沟蚀治沟措施以及防治规划，加大侵蚀沟分类精准化治理力度。

7.2 保持土壤养分含量

在养分流失严重区域要提高土壤养分含量，改善其理化性状，增加土壤有效肥力。保护性耕作是一项要求不翻耕土壤，有秸秆覆盖对土地直接进行免耕播种的技术。能够实现水土流失的防治，培肥地力以及蓄水保墒。在宾县已有保护性耕作试点的基础上，应加大推广。可借鉴其它示范性区域的成功经验，通过定期举办有关保护性耕作的讲座、培训，引导农民自觉实施保护性耕作。可以建立更多示范点，规范保护性耕作技术，进行试验示范，技术人员进行现场指导和服务，同时让农户参与管理，看到保护性耕作的效果，使保护性耕作技术的推广由政府的推行变为农民的自觉行动。保护性耕作需免耕播种机、深松联合整地机、苗带条耕机等配套机具，针对目前相关农机配套和技术服务政府提供不足的现状，可以通过发动社会资本来解决，例如大力发展农机服务合作社、农机服务公司等组织，为农户提供保护性耕作的农业机械和技术配套服务。

7.3 进行水土流失防治优先排序

通过第六章可知，影响宾县土壤侵蚀风险的主要因素坡度和经济开发强度是，为降低研究区土壤侵蚀风险、减少水土流失，可对水土流失防治进行优先序排序。研究区内水土流失防治治理优先性排序为经建乡、永和乡、糖坊镇、鸟河乡、宾安镇、满井镇、民和乡、居仁镇、宁远镇、新甸镇、常安镇、宾州镇、平坊镇、宾西镇、胜利镇、三宝乡、摆渡镇，在资金、治理紧急性的限制下研究区内实施水土保持工程可参照这一顺序。针对糖坊镇、永和乡、经建乡来说，应加强乡镇林、草种植面积，加大对侵蚀沟的治理，防止侵蚀沟加宽、加深；减少对耕地的依赖性，实施轮作、间作及其他保护性耕作措施并大力发展第二、三产业；对于土壤侵蚀风险等级值综合高的宾州镇和胜利镇来说，土壤侵蚀风险等级虽然不高，但土壤侵蚀风险面积大，应严格控制林地和草地的面积，加大生态林和经济林建设，加大水土保持作用；减少利用坡耕地。

7.4 建设水保示范园

通过工程措施与生物措施、农业耕作措施相结合，治山与治水相结合，坡面与沟壑治理相结合，建设经济果木林，实现生态和经济效益的有机统一；政府应高度重视水土保持示范园的建设，在政府治理主导的情况下可吸引大量民间资本以及广大群众参与；将示范园建设与生态旅游可有机结合，使水土资源得到最大程度的保护性开发。将水土流失治理与现代农业发展结合起来，把小流域治理同水保科技示范园建设结合起来，引导民间治理大户租用水土流失土地。

8结论与讨论

8.1 结论

本文以典型黑土区宾县作为研究区，通过探究研究区的土壤侵蚀时空特征以及不同坡度、不同土地利用对土壤侵蚀的影响，评价土壤侵蚀的风险并进行水土流失优先序排序，在此之上提出土壤侵蚀防治的相关建议，为做好黑土保护服务，研究结论如下：

（1）从土壤侵蚀的时空特征来看，宾县的土壤侵蚀总体上经历了一个从增强到减弱再增强的变化过程。2000-2020年年均侵蚀模数分别为405.04 t·km-2·a-1、512.43 t·km-2·a-1、325.08 t·km-2·a-1、462.07 t·km-2·a-1、636.42 t·km-2·a-1。宾县约有78.98%的区域未产生明显的等级改变，6.48%的地区出现侵蚀等级下降的变化趋势，约14.53%的地区侵蚀等级强度升高，其中侵蚀等级上升的区域主要集中在研究区中部，大部分以耕地为主；侵蚀等级下降的区域主要集中在宾西镇西北、宾州镇中部以及胜利镇。

（2）从土壤侵蚀的养分流失特征来看，宾县土壤养分流失量与土壤侵蚀强度空间格局相似，呈中间高四周低、漫川漫岗以及丘陵区高于平原区的格局。全县土壤有机质、全氮、速效钾、有效磷单位面积平均流失量分别为2.7917 t·km-2·a-1、0.1868 t·km-2·a-1、0.0142 t·km-2·a-1、0.0027 t·km-2·a-1；全县因土壤侵蚀而产生的有机质、全氮、速效钾、有效磷流失量分别为623.70 t、41.6447 t、3.0457 t、0.5889 t，合计养分流失总量671.97 t。其中宁远镇养分流失最为严重。

（3）从土壤侵蚀的风险程度来看，宾县土壤侵蚀综合风险较高，其中微度、轻度、中度、重度、剧烈侵蚀风险所占比例分别为：14.82%、24.30%、31.76%、18.00%、11.13%，可知宾县土壤侵蚀综合风险较大，水土防治刻不容缓。对于土壤侵蚀风险性高的乡镇主要受植被覆盖、土地利用的影响，经济开发强度在一定程度上能够降低土壤侵蚀的风险。

（4）从土壤侵蚀的防治治理来看，宾县水土流失防治治理优先性排序为经建乡、永和乡、糖坊镇、鸟河乡、宾安镇、满井镇、民和乡、居仁镇、宁远镇、新甸镇、常安镇、宾州镇、平坊镇、宾西镇、胜利镇、三宝乡、摆渡镇，在研究区内实施水土保持工程可参照这一顺序。

8.2 讨论

土壤侵蚀时空特征为水土流失防治提供基础，本文以RUSLE模型为基础，计算了宾县2000-2020年的土壤侵蚀模数，从不同坡度、不同土地利用方面分析了土壤侵蚀变化的时空特征，对宾县改善土壤侵蚀状况提供依据。在模型计算结果方面，本文计算结果与水土流失公报监测结果相较，各面积比例相对差异在8%，表明本文研究结果具有可信性。但在数据获取方面，由于DEM数据和土壤数据仅有一期，可能对计算结果产生影响，在以后的研究中应实地进行取样，提高计算精度。

大多数与土壤侵蚀风险相关研究都是应用基于经验的RUSLE、USLE模型[199]或基于土壤抗蚀指数分级[123]。这些类型的研究主要考虑了自然因素对于土壤侵蚀风险的严重程度。但是，现实世界里的土壤侵蚀除了受自然因素影响外，还受人类活动以及经济背景影响。故本研究除了考虑RUSLE研究中的基本因素外，本研究还考虑了人口密度、农用化肥施用量、工业企业个数、耕地面积占比，农业从业人口等相关经济指标。基于变权理论和物元分析，通过对黑土区宾县的研究，确定了研究区土壤侵蚀高度风险的区域。其中，坡度和经济开发强度权重高于其余四项指标，说明在研究区坡度和经济开发强度是影响土壤侵蚀风险的主要因素，这一结果跟许文旭的研究相符合[194]。但本文在考虑人类活动及经济背景相关指标时由于数据的可获性，仅选择了5个指标，忽略了其他人类获得及经济背景指标对土壤侵蚀风险的影响，因此，在下一步研究中，应该从不同层次、不同角度设计评价指标，寻求更为完整的评价指标体系。

致 谢

参考文献

[1]田光进,张增祥,赵晓丽,张国平,谭文彬.中国耕地土壤侵蚀空间分布特征及生态背景[J].生态学报,2002(01):10-16.

[2]何金龙,黄英,樊宇航.土壤侵蚀影响因素及研究方法分析[J].四川建筑科学研究,2015,41(01):130-134.

[3]Paolo D'Odorico, Sujith Ravi,2016. Land Degradation and Environmental Change. Biological and Environmental Hazards, Risks, and Disasters:219-227. https://doi.org/10.1016/C2011-0-07027-8

[4]范昊明,钱多,周丽丽,武敏.冻融作用对黑土力学性质的影响研究[J].水土保持通报,2011,31(03):81-84.

[5]张素梅,王宗明,闫百兴,张柏,宋开山,刘殿伟,李方,国志兴.辉发河流域景观格局与土壤侵蚀的关系研究[J].水土保持学报,2008(03):29-35.

[6]张孝存,郑粉莉,安娟,王彬.典型黑土区坡耕地土壤侵蚀对土壤有机质和氮的影响[J].干旱地区农业研究,2013,31(04):182-186.

[7]孟令钦.东北黑土区水土流失防治效果显著[J].中国水土保持,2013(11):2.

[8]Wischmeier W H, Smith D D. Predicting rainfall erosion losses - a guide to conservation planning[J]. Agric Handbook, 1978, 537.

[9]Vente J D , Poesen J , Verstraeten G , et al. Predicting soil erosion and sediment yield at regional scales: Where do we stand?[J]. Earth-Science Reviews, 2013, 127(2):16-29.

[10]asquale Borrelli,David A. Robinson,Larissa R. Fleischer,Emanuele Lugato,Cristiano Ballabio,Christine Alewell,Katrin Meusburger,Sirio Modugno,Brigitta Schütt,Vito Ferro,Vincenzo Bagarello,Kristof Van Oost,Luca Montanarella,Panos Panagos. An assessment of the global impact of 21st century land use change on soil erosion[J]. Nature Communications,2017,8(1):

[11]Meusburger, Katrin, Panagos, et al. The new assessment of soil loss by water erosion in Europe[J]. Environmental science & policy, 2015.

[12]Fang, Haiyan, Li, et al. Impacts of climate change on water erosion: A review[J]. EarthScience Reviews the International Geological Journal Bridging the Gap Between ResearchArticles & Textbooks, 2016.

[13]Morgan R P C , Quinton J N , Smith R E,et al. The European Soil Erosion Model (EUROSEM): A Dynamic Approach for Predicting Sediment Transport from Fields and Small Catchments[J]. Earth Surface Processes and Landforms, 1998, 23(6):527-544.

[14]Stéphane, C, Alfaro, et al. Modeling mineral aerosol production by wind erosion: Emission intensities and aerosol size distributions in source areas[J]. Journal of Geophysical Research, 2001.

[15]Kristof Van Oost,Gerard Govers,Phillipe Desmet. Evaluating the effects of changes in landscape structure on soil erosion by water and tillage[J]. Landscape Ecology,2000,15(6):

[16]Prospero J M , Ginoux P , Torres O , et al. ENVIRONMENTAL CHARACTERIZATION OF GLOBAL SOURCES OF ATMOSPHERIC SOIL DUST IDENTIFIED WITH THE NIMBUS 7 TOTAL OZONE MAPPING SPECTROMETER (TOMS) ABSORBING AEROSOL PRODUCT[J]. Reviews of Geophysics, 2002, 40(1).

[17]Vente J D , Poesen J . Predicting soil erosion and sediment yield at the basin scale: Scale issues and semi-quantitative models[J]. Earth Science Reviews, 2005, 71(1-2):95-125.

[18]Vente J D , Poesen J , Arabkhedri M , et al. The sediment delivery problem revisited[J]. Progress in Physical Geography, 2007, 31(2):155-178.

[19]Quine T A , Gerard G , Walling D E , et al. Erosion processes and landform evolution on agricultural land u2014 new perspectives from caesium-137 measurements and topographic-based erosion modelling[J]. Earth Surf. Process. Landforms, 1997.

[20]Improved Models for Estimating Soil Erosion Rates from Cesium-137 Measurement

[21]Ritchie J C , Mccarty G W . ja:math and soil carbon in a small agricultural watershed[J]. Soil & Tillage Research, 2003, 69(1-2):45-51.

[22]Poesen J , Verstraeten G , Soenens R , et al. Soil losses due to harvesting of chicory roots and sugar beet: an underrated geomorphic process?[J]. Catena, 2001, 43(1):35-47.

[23]Liu S , Bliss N , Sundquist E , et al. Modeling carbon dynamics in vegetation and soil under the impact of soil erosion and deposition[J]. Global Biogeochemical Cycles, 2003, 17(2):-.

[24]Lal R . Soil erosion and the global carbon budget[J]. Environment International, 2003, 29( 4):437-450.

[25]Gerald Matisoff. 210Pb as a tracer of soil erosion,sediment source area identification and particle transport in the terrestrial environment[J]. Journal of Environmental Radioactivity，2014,138(4)：343-354.

[26]Sanjay Kumar Mandal,Maarten Lupker,Jean-Pierre Burg,et al. Spatial variability of 10Be-derived erosion rates across the southern Peninsular Indian escarpment:A key to landscape evolution across passive margins[J]. Earth and Planetary Science Letters,2015,425:154-167.

[27]Agata Novara,Saskia Keesstra,Artemio Cerdà,et al. Understanding the role of soil erosion on co2-c loss using 13c isotopic signatures in abandoned Mediterranean agricultural land[J]. Science of The Total Environment,2016,553:330-336.

[28]刘善建.天水水土流失测验的初步分析[J].科学通报, 1953, 12: 59~65.

[29]马志尊.应用卫星影象估算通用土壤流失方程各因子值方法的探讨[J].中国水土保持,1989(03):26-29+65.

[30]杨艳生,史德明,吕喜玺.长江三峡区的坡面土壤流失量和入江泥沙量研究[J].水土保持学报,1991(03):22-28.

[31]黄炎和,卢程隆,付勤,施悦忠,许建金.闽东南土壤流失预报研究[J].水土保持学报,1993(04):13-18.

[32]林素兰,黄毅,聂振刚,孙景华.辽北低山丘陵区坡耕地土壤流失方程的建立[J].土壤通报,1997(06):12-14.

[33]杨子生.滇东北山区坡耕地土壤流失方程研究[J].水土保持通报,1999(01):3-5.

[34]符素华,张卫国,刘宝元,朱启疆,吴敬东,段淑怀,李永贵.北京山区小流域土壤侵蚀模型[J].水土保持研究,2001(04):114-120.

[35]彭双云,杨昆,洪亮,许泉立,黄雅君.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+305.

[36]苏布德,赵洋毅,王克勤,段旭,方斌.基于GIS的滇南踏青河源头小流域近20年土壤侵蚀变化[J].林业资源管理,2018(06):90-98.DOI:10.13466/j.cnki.lyzygl.2018.06.015.

[37]陈朝良,赵广举,穆兴民,田鹏,刘利昆.基于RUSLE模型的湟水流域土壤侵蚀时空变化[J].水土保持学报,2021,35(04):73-79.DOI:10.13870/j.cnki.stbcxb.2021.04.011.

[38]张玉,张用川,陈林.陕西省汉江流域2000-2015年土壤侵蚀时空分异特征研究[J].中国农村水利水电,2021(10):78-85+91.

[39]陈龙,谢高地,裴厦,张昌顺,范娜,张彩霞,李士美.澜沧江流域生态系统土壤保持功能及其空间分布[J].应用生态学报,2012,23(08):2249-2256.DOI:10.13287/j.1001-9332.2012.0308.

[40]刘晓娜,裴厦,陈龙,刘春兰.基于InVEST模型的门头沟区生态系统土壤保持功能研究[J].水土保持研究,2018,25(06):168-176.DOI:10.13869/j.cnki.rswc.2018.06.025.

[41]黄晋宇,王思,邓超,杨健,黄平.平武县生态系统服务价值时空动态分析[J].西南农业学报,2021,34(05):1113-1120.DOI:10.16213/j.cnki.scjas.2021.5.030.

[42]谢树楠,张仁,王孟楼.黄河中游黄土丘陵沟壑区暴雨产沙模型研究.黄河水沙变化研究论文集,第五卷,黄河水沙变化基金会,1993,238～ 274.

[43]王礼先,吴长文.陡坡林地坡面保土作用的机理[J].北京林业大学学报,1994(04):1-7.

[44]包为民,陈耀庭.中大流域水沙耦合模拟物理概念模型[J].水科学进展,1994(04):287-292.

[45]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(02):108-117.

[46]段建南,李保国,石元春,严泰来,朱德海.应用于土壤变化的坡面侵蚀过程模拟[J].土壤侵蚀与水土保持学报,1998(01):3-5.

[47]万国江,林文祝,黄荣贵,陈振楼.红枫湖沉积物~(137)Cs垂直剖面的计年特征及侵蚀示踪[J].科学通报,1990(19):1487-1490.

[48]邵全琴,肖桐,刘纪远,齐永青.三江源区典型高寒草甸土壤侵蚀的~(137)Cs定量分析[J].科学通报,2011,56(13):1019-1025.

[49]杨维鸽,郑粉莉,王占礼,韩勇.地形对黑土区典型坡面侵蚀—沉积空间分布特征的影响[J].土壤学报,2016,53(03):572-581.

[50]何彦星,张风宝,杨明义.~(137)Cs示踪分析东北黑土坡耕地土壤侵蚀对有机碳组分的影响[J].农业工程学报,2021,37(14):60-68.

[51]吴发启,张洪江.土壤侵蚀学[M]. 北京:科学出版社,2012. WU Fa-qi,ZHANG Hong-jiang. Soil erosion science[M]. Beijing:Science Press, 2012.

[52]张宪奎,许靖华,卢秀琴,邓育江,高德武.黑龙江省土壤流失方程的研究[J].水土保持通报,1992(04):1-9+18.DOI:10.13961/j.cnki.stbctb.1992.04.001.

[53]许晓鸿,隋媛媛,张瑜,欧洋,罗莉莉,李阳.东北丘陵区沟蚀发展现状及影响因素分析[J].土壤学报,2014,51(04):699-708.

[54]乔治,徐新良.东北林草交错区土壤侵蚀敏感性评价及关键因子识别[J].自然资源学报,2012,27(08):1349-1361.

[55]方海燕,盛美玲,孙莉英,蔡强国.~(137)Cs和~(210)Pb_(ex)示踪黑土区坡耕地土壤侵蚀对有机碳的影响[J].应用生态学报,2013,24(07):1856-1862.DOI:10.13287/j.1001-9332.2013.0438.

[56]张孝存,郑粉莉,安娟,王彬.典型黑土区坡耕地土壤侵蚀对土壤有机质和氮的影响[J].干旱地区农业研究,2013,31(04):182-186.

[57]杨子.宾县黑土区耕地垄向干扰下土壤侵蚀特征研究[D].东北农业大学,2017.

[58]刘远利,郑粉莉,王彬,王玉玺,解运杰,樊华.WEPP模型在东北黑土区的适用性评价——以坡度和水保措施为例[J].水土保持通报,2010,30(01):139-145.DOI:10.13961/j.cnki.stbctb.2010.01.028.

[59]孙莉英,蔡强国,陈生永,和继军.东北典型黑土区小流域水土流失综合防治体系[J].水土保持研究,2012,19(03):36-41+57.

[60]许晓鸿,隋媛媛,张 瑜,等.黑土区不同耕作措施的水土保持效益[J]. 中国水土保持科学,2013,11(3):12-16.

[61]Nash J E,Sutcliffe J V .River flow forecasting through conceptual models part I-A discussion of principles [J]. Journal of hydrology,1970,10(3):282-290

[62]Mueller E N,Francke T,Batalla R J, et al.Modelling the effects of land-use change on runoff and sediment yield for a meso-scale catchment in the Southern Pyreness [J]. Catena,2009,79(3):288-296.

[63]Dura´n ZVH，Aguilar RJ，Mart´ınez RA. Franco DT. Impact of erosion in the taluses of subtropicalorchard terraces[J]. Agriculture，Ecosystems and Environment，2005，107(2-3)：199-210.

[64]Anache J A A,Flanagan D C,Srivastava A,et al.Land use and climate change impact on runoff and soil erosion at the hillslope scale in the Brazilian Cerrado[J].Science of the Total Environment,2017,622-623:140-151.

[65]Mandal,U.K.Geo-information-Based Soil Erosion Modeling for Sustainable Agriculture Development in Khadokhola Watershed,Nepal[M].In Land Cover Change and Its Eco-environmental Responses in Nepal; Springer: Berlin,Germany,2017:pp.223–241.

[66]Jesús R, Carlos M, Thomas I,et al.Contrasted Impact of Land Abandonment on Soil Erosion in Mediterranean Agriculture Fields[J].Pedosphere,2018,28(4):617-631.

[67]Keesstra S D , Bouma J , Wallinga J , et al. The significance of soils and soil science towards realization of the United Nations Sustainable Development Goals. EGU General Assembly Conference Abstracts, 2016.

[68]Pietola L,Horn R, Yli-Halla M. Effects of trampling by cattle on the hydraulic and mechanical properties of soil[J].Soil and tillage research,2005,82(1):99-108.

[69]Novara A , Gristina L , Saladino S S , et al. Soil erosion assessment on tillage and alternative soil managements in a Sicilian vineyard[J]. Soil & Tillage Research, 2011, 117:140-147.

[70]Keesstra S , Pereira P , Novara A , et al. Effects of soil management techniques on soil water erosion in apricot orchards[J]. Science of The Total Environment, 2016, s 551–552:357-366.

[71]Rates and spatial variations of soil erosion in Europe: A study based on erosion plot data[J]. Geomorphology, 2010, 122(1-2):167-177.

[72]Cerda, Artemi, Tarolli, et al. Soil water erosion on Mediterranean vineyards: A review[J].Catena: An Interdisciplinary Journal of Soil Science Hydrology-Geomorphology Focusing on Geoecology and Landscape Evolution, 2016, 141:1-21.

[73]JM García-Ruiz. The effects of land uses on soil erosion in Spain: A review[J]. Catena, 2010, 81(1):1-11.

[74]孙家振,董召荣,赵波,周俊,聂刚.侵蚀性降雨与土壤侵蚀关系的研究[J].安徽农学通报(上半月刊),2011,17(13):133-136.

[75]李瑞,李勇,刘云芳.贵州喀斯特地区降雨与坡面土壤侵蚀关系研究[J].水土保持研究,2012,19(03):7-11.

[76]吴凤至,史志华,方怒放,岳本江.不同降雨条件下侵蚀泥沙黏粒含量的变化规律[J].环境科学,2012,33(07):2497-2502.

[77]范昊明,钱多,周丽丽,武敏.冻融作用对黑土力学性质的影响研究[J].水土保持通报,2011,31(03):81-84.

[78]代军,吕刚,杜昕鹏.辽西北风沙地土壤抗蚀性及其与力学性质关系[J].呼伦贝尔学院学报,2020,28(04):65-72.

[79]赵洋毅,舒树淼.滇中水源区典型林地土壤结构分形特征及其对土壤抗蚀、抗冲性的影响[J].水土保持学报,2014,28(05):6-11.DOI:10.13870/j.cnki.stbcxb.2014.05.002.

[80]张相,李肖,林杰,钱洲,曾广偌,崔琳琳.南方红壤丘陵区侵蚀沟道内土壤团聚体及有机碳特征[J].农业工程学报,2020,36(19):115-123.

[81]何福红,高丙舰,王焕芝,王瑞,赛莉莉.基于GIS的侵蚀冲沟与地貌因子的关系[J].地理研究,2013,32(10):1856-1864.

[82]王恒松,熊康宁,张芳美.地形因子对喀斯特坡面水土流失影响的机理研究[J].水土保持通报,2015,35(04):1-7.

[83]王晗生,刘国彬.植被结构及其防止土壤侵蚀作用分析[J].干旱区资源与环境,1999(02):3-5.

[84]薛萐,李占斌,李鹏,刘国彬,戴全厚.不同植被恢复模式对黄土丘陵区土壤抗蚀性的影响[J].农业工程学报,2009,25(S1):69-72.

[85]陈涛,牛瑞卿,李平湘,张良培.密云水库流域植被覆盖度变化对输沙量的影响[J].生态环境学报,2010,19(01):152-159.

[86]李彦,谷会岩,陈月明.植被细根对典型黑土土壤抗蚀性的影响[J].东北林业大学学报,2020,48(07):81-85.

[87]李有利,郑纲,杨景春.人类活动与土壤侵蚀[J].水土保持研究,1999(04):105-110

[88]郭跃.试论农业耕作对土壤侵蚀的影响[J].水土保持学报,1995(04):94-98.

[89]朱高洪,毛志锋.我国水土流失的经济影响评估[J].中国水土保持科学,2008(01):63-66.DOI:10.16843/j.sswc.2008.01.011.

[90]张肖林,李勇,于寒青,刘文祥.黄土区退耕草地合理放牧可减少土壤CO_2排放和土壤侵蚀[J].植物营养与肥料学报,2016,22(04):988-997.

[91]李景保,蔡炳华,李敏.论人类活动方式对土壤侵蚀的效应——以湖南省为例[J].热带地理,2001(02):108-112.

[92]王昱程. 黑土坡耕地玉米苗期耕作措施对土壤侵蚀和农业非点源污染物运移的影响[D].吉林大学,2015.

[93]盘礼东,李瑞,黎庆贵,黄凯,张琳卿.黔西喀斯特区秸秆覆盖对坡耕地产流产沙特征的响应[J].水土保持学报,2021,35(01):9-16.DOI:10.13870/j.cnki.stbcxb.2021.01.002.

[94]胡贵锋,王新军,常梦迪,闫立男,韩其飞,李菊艳,李永康.评估放牧干扰对天山北坡土壤侵蚀及空间特征的影响[J].水土保持研究,2021,28(05):13-21.DOI:10.13869/j.cnki.rswc.2021.05.002.

[95]贾振宇,王世曦,刘学,孙倩莹,杨春艳,冯朝阳.辽河保护区土壤保持功能时空变化及其影响因素分析[J].环境工程技术学报,2021,11(04):686-692.

[96]陈劲丰,岳遥.田间管理措施及土壤侵蚀对农田温室气体通量的影响[J].北京大学学报(自然科学版),2020,56(03):491-499.DOI:10.13209/j.0479-8023.2020.023.

[97]王永平,周子柯,滕昊蔚,牛晓音,马艳飞,李梦红,卢杰.东大河小流域林地土壤侵蚀及养分特征研究[J].核农学报,2021,35(07):1658-1667.

[98]赵国庆,韩凯莉,于颖,等.基于GIS的胶东半岛土壤侵蚀分析与治理策略[J].地理空间信息,2017,15(04):43-46+10.

[99]李益敏,朱军.基于GIS的区域土壤侵蚀敏感性评价——以怒江州为例[J].云南大学学报(自然科学版),2017,39(01):98-106.

[100]傅世锋,查轩.土壤侵蚀风险性综合评判的物元模型[J].中国水土保持科学,2005(03):82-86.

[101]B N H A , B A T A , C J P , et al.Comprehensive assessment of soil erosion risk for better land use planning in river basins: Case study of the Upper Blue Nile River[J]. Science of The Total Environment, 2017, 574:95-108.

[102]Aafa B , At A , Nh C , et al. Land susceptibility to water and wind erosion risks in the East Africa region[J]. Science of The Total Environment, 703.

[103]Schmidt, Simon, Panagos, et al. Regionalization of monthly rainfall erosivity patterns in Switzerland[J]. Hydrology & Earth System Sciences, 2016.

[104]Borrelli P , Meusburger K , Ballabio C , et al. Object‐oriented soil erosion modelling: A possible paradigm shift from potential to actual risk assessments in agricultural environments[J]. Land Degradation & Development, 2018, 29(4).

[105]A high-resolution soil erosion risk map of Switzerland as strategic policy support system[J]. Land Use Policy, 2013, 1560:706-708.

[106]Panos, Panagos, Pasquale, et al. Estimating the soil erosion cover-management factor at the European scale[J]. Land Use Policy, 2015.

[107]A P B , C K P B , A P P , et al. Effect of Good Agricultural and Environmental Conditions on erosion and soil organic carbon balance: A national case study[J]. Land Use Policy, 2016, 50:408-421.

[108]ung Gia Pham, Jan Degener and Martin Kappas,INTEGRATED UNIVERSAL SOIL LOSS EQUATION (USLE) AND GEOGRAPHICAL INFORMATION SYSTEM (GIS) FOR SOIL EROSION ESTIMATION IN A SAP BASIN; CENTRAL VIETNAM, International Soil and Water Conservation Research, https://doi.org/10.1016/j.iswcr.2018.01.001

[109]Naqvi H R , Mallick J , Laishram Mirana Devi…. Multi-temporal annual soil loss risk mapping employing Revised Universal Soil Loss Equation (RUSLE) model in Nun Nadi Watershed, Uttrakhand (India)[J]. Arabian Journal of Geosciences, 2013, 6(10):4045-4056.

[110]Koirala P , Thakuri S , Joshi S , et al. Estimation of Soil Erosion in Nepal Using a RUSLE Modeling and Geospatial Tool[J]. Geosciences (Switzerland), 2019, 9(147).

[111]Park S , 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.

[112]Christian Conoscenti and Silvia Angileri and Chiara Cappadonia and Edoardo Rotigliano and Valerio Agnesi and Michael Märker. Gully erosion susceptibility assessment by means of GIS-based logistic regression: A case of Sicily (Italy)[J]. Geomorphology, 2014.

[113]Akgun A , Turk N . Mapping erosion susceptibility by a multivariate statistical method: A case study from the Ayvalk region, NW Turkey[J]. Computers & Geosciences, 2011, 37(9):1515-1524.

[114]Gholzom H E , Ahmadi H , Moeini A , et al. Soil erosion risk assessment in the natural and planted forests using ICONA model and GIS technique.[J]. International Journal of Environmental Science and Technology,2021.https://doi.org/10.1007/s13762-021-03536-3.

[115]Keesstra S , Mol G , Leeuw J D , et al. Soil-Related Sustainable Development Goals: Four Concepts to Make Land Degradation Neutrality and Restoration Work[J]. Land, 2018, 7(4):133.

[116]张志国,李锐,王国梁.基于GIS的区域水土流失生态风险评价[J].中国水土保持科学,2007(05):98-101.DOI:10.16843/j.sswc.2007.05.019.

[117]王宁,刘迎春,富丰珍,王孟雪,陈宝政,张有利.杜蒙县山湾子小流域土壤侵蚀程度综合评价[J].黑龙江水利科技,2009,37(03):20-22.

[118]孙希华.基于GIS的济南市土壤侵蚀潜在危险度评价研究[J].水土保持学报,2003(06):47-50.

[119]孙希华.GIS在济南市山丘区退耕还林还草决策中的应用[J].水土保持学报,2003(05):85-87.

[120]孙希华,李伟,张玉堂,闫业超.济南山丘区土壤侵蚀潜在危险度景观格局分析[J].中国水土保持,2003(11):34-35+46.

[121]孙希华,闫业超.济南市土壤侵蚀潜在危险度分级及侵蚀背景的空间分析[J].水土保持研究,2003(04):80-83.

[122]孙希华,闫福江,王新华.青岛市土壤侵蚀潜在危险度评价研究[J].中国水土保持,2004(03):13-15+47.

[123]谢云,高燕,顾治家,等.东北黑土区坡耕地水土流失风险程度评价[J].中国水土保持科学(中英文),2020,18(06):105-114.

[124]陈志坤,邱悦,张士伦.基于USLE土壤侵蚀危险性评价——以钦州市城区为例[J].科技通报,2016,32(03):218-221+225.

[125]戴露莹,王飞儿,俞洁.基于GIS的东苕溪典型小流域土壤侵蚀风险评估[J].农业环境科学学报,2012,31(09):1777-1784.

[126]巩杰,赵彩霞,谢余初,高彦净.基于景观格局的甘肃白龙江流域生态风险评价与管理[J].应用生态学报,2014,25(07):2041-2048.DOI:10.13287/j.1001-9332.20140425.005.

[127]王红兵,许炯心,颜明.影响土壤侵蚀的社会经济因素研究进展[J].地理科学进展,2011,30(03):268-274.

[128]江睿聪,王震洪.贵州中部3个不同经济发展水平乡镇人地关系与土壤侵蚀[J].贵州农业科学,2014,42(07):236-238+243.

[129]刘军会,高吉喜,马苏,王文杰,邹长新.中国生态环境敏感区评价[J].自然资源学报,2015,30(10):1607-1616.

[130]王泽宇,陈旭阳,马彩诗,顾彤,张青峰.陕北榆林市退耕还林前后土壤侵蚀及生态服务价值变化[J].西北林学院学报,2021,36(03):59-67.

[131]Bangash R F, Passuello A, Sanchez-Canales M, et al. Ecosystem services in Mediterranean river basin: Climate change impact on water provisioning and erosion control[J]. Science of the Total Environment, 2013, 458/459/460: 246-255.

[132]Lu X X, Ran L S, Liu S, et al. Sediment loads response to climate change: A preliminary study of eight large Chinese Rivers[J]. International Journal of Sediment Research, 2013, 28(1): 1-14.

[133]章文波,付金生.不同类型雨量资料估算降雨侵蚀力[J].资源科学,2003(01):35-41.

[134]Williams J R, Rena rd. EPIC- A new method for assessing erosion 's effect on soil productivity. Journal of Soil and Water Conservation, 1983, 38: 381～383.

[135]蔡崇法,丁树文,史志华,黄丽,张光远.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(02):19-24.

[136]李智广,符素华,刘宝元.我国水力侵蚀抽样调查方法[J].中国水土保持科学,2012,10(01):77-81.

[137]Gabriels D,Ghekiere G, Schiettecattea W, Ｒottiersa I.Assessment of USLE cover-management C-factors for 40 crop rotation systems on arable farms in the Kemmelbeek watershed， Belgium．Soil and Tillage Ｒesearch，2003，74( 1):47-53．

[138]张雪花,侯文志,王宁.东北黑土区土壤侵蚀模型中植被因子C值的研究[J].农业环境科学学报,2006(03):797-801.

[139]Zhang H M，Wang Q L，Dai L M，Guofan S，Tang L N，Wang S Z，Gu H Y.Quantifying soil erosion with GIS-based ＲUSLE under different forest management options in Jianchang Forest Farm． Science in China: Series E Technological Sciences，2006， 49( S1) : 160-166．

[140]Cinnirella S，Iovino F，Porto P，Ferro V．Anti-erosive effectiveness of Eucalyptus coppices through the cover management factor estimate． Hydrological Processes，1998，12( 4) : 635-649．

[141]Liu B Y，Bi X G，Fu S H，Wei X，Li Y G，Duan S H，Yuan A P，Lu B J，Xie Y，Zhang W B，Ye Z H，Zeng X Q，Xu L． Beijing Soil Loss Equation． Beijing: Science Press， 2010: 72-77．

[142]Ranzi Ｒ，Le T B，Rulli M C. A RUSLE approach to model suspended sediment load in the Lo river ( Vietnam) : Effects of reservoirs and land use changes．Journal of Hydrology，2012， 422: 17-29．

[143]Yoshino K，Ishioka Y． Guidelines for soil conservation towards integrated basin management for sustainable development: A new approach based on the assessment of soil loss risk using remote sensing and GIS． Paddy and Water Environment，2005，3 ( 4) : 235-247．

[144]Lu D，Li G，Valladares G S，Batistella M． Mapping soil erosion risk in Ｒondǒnia，Brazilian Amazonia: using ＲUSLE，remote sensing and GIS． Land Degradation ＆ Development，2004，15 ( 5) : 499-512.

[145]Gertner G，Wang G，Fang S，Anderson A B． Mapping and uncertainty of predictions based on multiple primary variables from joint co- simulation with Landsat TM image and polynomial regression． Ｒemote Sensing of Environment，2002，83 ( 3 ) : 498-510.

[146]杨子生.滇东北山区坡耕地土壤侵蚀的水土保持措施因子[J].山地学报,1999(S1):3-5.

[147]蔡崇法,丁树文,史志华,黄丽,张光远.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(02):19-24.

[148]秦伟,朱清科,张岩.基于GIS和RUSLE的黄土高原小流域土壤侵蚀评估[J].农业工程学报,2009,25(08):157-163+4.

[149]郑买富, 张坤, 李艳梅, 等.勐海热带雨林地区土壤侵蚀动态变化研究 [J]. 西南林业大学学报（自然科学）,2020，40(6): 80–86.

[150]赵明松,李德成,张甘霖,程先富.基于RUSLE模型的安徽省土壤侵蚀及其养分流失评估[J].土壤学报,2016,53(01):28-38.

[151]邓威,汪晶晶,白云,李玉成,叶寅,张学胜.苦驴河上游小流域土壤侵蚀及其养分流失特征[J].水土保持通报,2020,40(01):85-90+2.DOI:10.13961/j.cnki.stbctb.2020.01.013.

[152]陈正发,龚爱民,宁东卫,张刘东,王建雄,相彪.基于RUSLE模型的云南省土壤侵蚀和养分流失特征分析[J].水土保持学报,2021,35(06):7-14.DOI:10.13870/j.cnki.stbcxb.2021.06.002.

[153]王宇,韩兴,赵占军,李明欢,房含,赵兰坡.垄沟秸秆覆盖对黑土顺坡耕地氮、磷养分阻控效果[J].水土保持学报,2016,30(01):137-140.DOI:10.13870/j.cnki.stbcxb.2016.01.026.

[154]郭新送,宋付朋,高杨,马富亮.模拟降雨下3种类型土壤坡面的泥沙流失特征及其养分富集效应[J].水土保持学报,2014,28(03):23-28.DOI:10.13870/j.cnki.stbcxb.2014.03.005.

[155]刘志峰. 绿色产品综合评价及模糊物元分析方法研究[D].合肥工业大学,2004.

[156]段怡青,解智强,林美娜,左小清,侯至群.基于指数标度AHP的地下空间开发适宜性评价[J].地下空间与工程学报,2021,17(S1):8-15.

[157]冯卫,唐亚明,马红娜,宿晓虹,陈新建.基于层次分析法的咸阳市多灾种自然灾害综合风险评价[J].西北地质,2021,54(02):282-288.

[158]赵增锋,石伟,邱小琮,王世强,欧阳虹,孙旭杨,杨子超.基于层次分析法的阅海湖水生态承载力评价[J].环境科学与技术,2020,43(02):213-219.

[159]牛强,揭巧,李县.变权栅格叠加方法研究——以生态敏感性评价为例[J].地理信息世界,2017,24(05):27-34.

[160]朱翊,王东兴.基于自适应权值的土壤侵蚀风险性模糊评价[J].地理信息世界,2017,24(06):57-60+69.

[161]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(04):67-71.

[162]张素,熊东红,吴汉,袁勇,李琬欣,张闻多.基于RUSLE模型的孙水河流域土壤侵蚀空间分异特征[J].水土保持学报,2021,35(05):24-30.DOI:10.13870/j.cnki.stbcxb.2021.05.004.

[163]陈世发.南方红壤区典型流域土壤侵蚀格局与风险评价[D].福建师范大学,2018.

[164]张凤荣.可持续土地利用与管理[J].中国土地,1998(04):23-25.DOI:10.13816/j.cnki.issn1002-9729.1998.04.006.

[165]叶艳妹,吴次芳.土地科学的基础理论、学科结构及其技术支持体系研究[J].中国土地科学,2002(04):4-9.

[166]孙泉忠,王朝军,赵佳,郑洁,陈菊艳.中国降雨侵蚀力R指标研究进展[J].中国农学通报,2011,27(04):1-5.

[167]张宪奎.黑龙江省土壤流失方程应用简介[J].国土与自然资源研究,1995(01):30-32.DOI:10.16202/j.cnki.tnrs.1995.01.008.

[168]殷水清,薛筱婵,岳天雨,谢云,高歌.中国降雨侵蚀力的时空分布及重现期研究[J].农业工程学报,2019,35(09):105-113.

[169]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(01):7-13.

[170]高睿瑜,李文龙,魏文杰,刘卓昊,袁利,张荣华,牛勇,张光灿.豫东北黄泛区易风蚀性土壤特征[J].水土保持学报,2021,35(06):55-61.DOI:10.13870/j.cnki.stbcxb.2021.06.008.

[171]张天宇,尚晨晨,韩笑.东北地区坡耕地主要土种土壤可蚀性估算[J].土壤通报,2020,51(03):529-537.DOI:10.19336/j.cnki.trtb.2020.03.04.

[172]谢云,高燕,顾治家,刘刚,高晓飞,魏欣,成聪聪,任霄玉,王思楚.东北黑土区坡耕地水土流失危险程度评价[J].中国水土保持科学(中英文),2020,18(06):105-114.DOI:10.16843/j.sswc.2020.06.013.

[173]鲍恩俣,熊康宁,刘子琦,李渊,王进.喀斯特不同侵蚀场地土壤颗粒分布及可蚀性特征[J].森林与环境学报,2020,40(02):156-163.DOI:10.13324/j.cnki.jfcf.2020.02.007.

[174]门明新,赵同科,彭正萍,宇振荣.基于土壤粒径分布模型的河北省土壤可蚀性研究[J].中国农业科学,2004(11):1647-1653.

[175]顾治家,谢云,李骜,刘刚,史燕东.利用CSLE模型的东北漫川漫岗区土壤侵蚀评价[J].农业工程学报,2020,36(11):49-56.

[176]靖亭亭,胡海棠,邱春霞,李存军,周静平,张巧玲,白翠.东北黑土漫岗区春耕期土壤水分空间变异及地形影响[J].水土保持研究,2022,29(01):58-65.DOI:10.13869/j.cnki.rswc.2022.01.005.

[177]李广月,毕如田,朱洪芬,陈卓.基于土壤-地形关系的合理样点对土壤有机质空间预测的影响[J].土壤通报,2021,52(03):515-526.DOI:10.19336/j.cnki.trtb.2020051901.

[178]王浩. 兰州市南北两山土壤侵蚀动态变化及生态安全评价[D].西北师范大学,2020.DOI:10.27410/d.cnki.gxbfu.2020.001419.

[179]冯强,赵文武.USLE/RUSLE中植被覆盖与管理因子研究进展[J].生态学报,2014,34(16):4461-4472.

[180]律可心,王子晔,姜群鸥,高峰,乔智.妫水河流域植被覆盖变化对土壤侵蚀控制效率的影响[J].中国水土保持科学(中英文),2021,19(04):69-77.DOI:10.16843/j.sswc.2021.04.008.

[181]姜威,勇丽波,屈远强.黑土区宾县水土流失治理配套技术措施[J].水土保持应用技术,2010(05):19-21.

[182]范建荣,王念忠,陈光,焦剑,谢云.东北地区水土保持措施因子研究[J].中国水土保持科学,2011,9(03):75-78+92.

[183]陈红,江旭聪,任磊,唐小倩,肖新.基于RUSLE模型的淮河流域土壤侵蚀定量评价[J].土壤通报,2021,52(01):165-176.DOI:10.19336/j.cnki.trtb.2020022602.

[184]王猛,王鹤松,姜超,孙建新.基于RUSLE和地理探测器模型的西南地区土壤侵蚀格局及定量归因[J].应用基础与工程科学学报,2021,29(06):1386-1402.DOI:10.16058/j.issn.1005-0930.2021.06.006.

[185]李海燕.土壤侵蚀危害及其防治措施研究现状[J].宁夏农林科技,2011,52(01):71-72+77.

[186]任艳芳,何俊瑜,张艳超,刘冬,王艳玲,陈会.贵州省开阳茶园土壤养分状况与肥力质量评价[J].土壤,2016,48(04):668-674.DOI:10.13758/j.cnki.tr.2016.04.007.

[187]李秀芬,朱金兆,顾晓君,朱建军.农业面源污染现状与防治进展[J].中国人口·资源与环境,2010,20(04):81-84.

[188]史东梅,蒋光毅,蒋平,娄义宝,丁文斌,金慧芳.土壤侵蚀因素对紫色丘陵区坡耕地耕层质量影响[J].农业工程学报,2017,33(13):270-279.

[189]杨长明,欧阳竹,杨林章,董玉红.农业土地利用方式对华北平原土壤有机碳组分和团聚体稳定性的影响[J].生态学报,2006(12):4148-4155.

[190]姜红梅. 半干旱黄土高原不同土地利用下土壤有机碳、养分及水分的动态变化[D].兰州大学,2006.

[191]Vagen，T.G.,Winowiecki，L.，Tamene，T.，et al. The Land Degradation Surveillance Framework (LDSF): Field Guide[M]. World Agroforestry Centre IC，2010.

[192]高一帆. 陕西省土壤养分空间变异及其耕地质量评价研究[D].西北农林科技大学,2019.

[193]关志新. 穆棱市土壤侵蚀及养分流失动态特征分析[D].东北农业大学,2016.

[194]刘志峰. 绿色产品综合评价及模糊物元分析方法研究[D].安徽:合肥工业大学,2004:53-55.

[195]庞国伟.区域水土流失人为因子的定量表征[D].陕西:西北农林科技大学,2009:43-45.

[196]宁静,王婷,刘佳会,等.东北典型黑土区土壤养分的空间分布特征及影响因素 ——以黑龙江省宾县为例[J/OL].西安理工大学学报:1-12[2021-10-04].http://h-s.kns.cnki.net.neau.vpn358.com/kcms/detail/61.1294.N.20210318.1249.002.html.

[197]杨子,刘晓光,宁静,董芳辰,于杰,张鹏,王赛.典型黑土垄作区耕地沟蚀对土壤养分的影响研究[J].土壤,2017,49(02):379-385.

[198]Paul Siddhartho Shekhar,Li Jianbing,Li Yubao,Shen Lei. Assessing land use–land cover change and soil erosion potential using a combined approach through remote sensing, RUSLE and random forest algorithm[J]. Geocarto International,2021,36(4):

[199]许文旭,杨献坤,崔斌,徐子棋.东北黑土区典型坡耕地土层厚度及退化程度分析[J].中国水土保持科学(中英文),2021,19(03):28-36.

攻读硕士学位期间发表的学术论文

[1]宁静,周杰,周芳琪.基于变权物元模型的黑土区土壤侵蚀风险评价[J].江苏农业科学。（已录用）

硕士学位论文

硕士学位论文

硕士学位论文开题报告

硕士学位论文开题报告

教育硕士学位论文开题报告