基于RUSLE模型的浙江省土壤侵蚀风险时空演变与驱动力分析.pdf

doi:10.3969/j.issn.2095-1329.2023.02.008基于 RUSLE 模型的浙江省土壤侵蚀风险时空演变与驱动力分析张 驰，冯秀丽*（宁波大学地理与空间信息技术系，浙江宁波 315211）摘 要：土壤侵蚀是浙江省重要生态问题之一，掌握浙江省土壤侵蚀风险的时空演变特征及其驱动力是水土保持工作开展的基础。本研究在省域尺度上基于多源数据和 RUSLE 模型定量评估 2000 年、2010 年以及 2020 年浙江省土壤侵蚀风险，并结合地理探测器对六大自然区内土壤侵蚀风险驱动力进行定量分析，填补了当前浙江省内土壤侵蚀研究的空白。结果表明：20002020 年间浙江省水土保持工作成果显著，土壤侵蚀风险等级以微度侵蚀为主且微度侵蚀面积比例逐年增加，同时微度侵蚀以及剧烈侵蚀风险地区较稳定，不易发生等级转变。浙江省各自然区内土壤侵蚀等级变化情况不同，地形相对平坦地区普遍存在土壤侵蚀轻度恶化的情况，与当地密集的人类活动密切相关；西北中山丘陵区以及南部中山区内的土壤侵蚀好转明显。坡度对对土壤侵蚀的影响十分显著，解释力 q 值最高为 0.2668；坡度与植被覆盖度的双因子协同作用具有较高的解释力，q 值最高为0.3816，其次为坡度与土地利用，q 值为 0.2869。因此，浙江省的土壤侵蚀治理应当考虑各自然区内的主导因子以及多因子协同作用的影响。关键词：土壤侵蚀；时空演变；RUSLE；地理探测器；GIS中图分类号：S157 文献标志码：A 文章编号：2095-1329(2023)02-0046-07土壤侵蚀作为一种危害深远的生态环境问题广泛分布于全球。土壤侵蚀的加剧将对地表水质量1、水体生态环境2、水利工程效益3、耕地质量4等产生不利影响，成为自然资源和环境可持续发展的重大阻碍；其引发的洪涝灾害5以及地质灾害则严重威胁着人民生命财产安全。因此对土壤侵蚀风险进行定量评估并掌握其时空演变规律对水土保持工作的宏观决策以及实际开展具有重要意义。土壤侵蚀的评估方法经历了从小范围定位监测到大范围定量评估的发展过程。作为大范围定量评估土壤侵蚀风险的代表方法，修正通用土壤流失方程6（Revised Universal Soil Loss Equation，RUSLE）实现了土壤侵蚀风险定量评估的准确性和易用性的良好折中，在全球各地7-10和国内的诸多地区11-15都展现出了良好的适用性和准确性。随着 GIS技术和 RS 技术的发展，将 RUSLE 与 GIS、RS 技术结合使用可以充分挖掘土壤侵蚀的空间信息和规律，为研究土壤侵蚀时空变化规律从技术上提供了可能。由于土壤侵蚀过程受土壤质地、土壤类型、气候、地形、土地利用方式等自然因素和人为因素共同影响，不同地区的土壤侵蚀主导因素不同，因此探索并定量分析土壤侵蚀主导因素对于因地制宜地制定土壤侵蚀治理方案具有重要意义。以往的相关研究通常采用传统的相关或回归统计方法来检测驱动因素，在多因子及其交互影响方面的定量归因分析方面较薄弱，而地理探测器可以通过探测地理要素的空间分层异质性来实现多因子交互作用下地理要素的定量归因分析，在自然科学16和社会科学17领域都得到了广泛的应用。地理探测器建立的主要依据：对因变量具有重要影响的自变量，其空间分布与因变量的空间分布必然具有较高的一致性。当前浙江省内的土壤侵蚀定量模拟研究主要基于小流域或县域尺度18-19，而基于全省宏观视角的土壤侵蚀风险定量评估并定量考量浙江省六大自然区内的土壤侵蚀风险驱动力的研究尚为空白，本文针对这两个方面开展的研究可以充实浙江省土壤侵蚀研究现状体系，可为因地制宜地开展水土保持工作提供科学依据。综上所述，本研究基于收稿日期：2023-03-29修回日期：2023-05-30作者简介：张驰，1998 年生，女，硕士生，主要研究方向为土壤侵蚀遥感应用。电子邮箱：personalmail_基金项目：国家自然科学基金(41976209)*通信作者：冯秀丽(博士/副教授)，上海国土资源 Shanghai Land&Resources46 2023Vol.44.2 RUSLE模型定量评估浙江省20002020年土壤侵蚀风险，并基于地理探测器方法开展土壤侵蚀风险驱动力定量分析，并对比分析六大自然区内不同影响因子及其相互作用对土壤侵蚀风险的贡献，探究六大自然区内土壤侵蚀驱动因子的差异。本文研究结果可为水土保持工作重点布局以及生态安全建设提供理论依据和科学参考。1 研究区概况浙江省是我国东南沿海地区经济发展强省，但其省内土壤侵蚀问题频发，由此导致的河床淤积、洪涝灾害以及泥石流山体滑坡等地质灾害问题严重威胁着人民的生命财产安全以及生态环境安全。受亚热带季风的影响，全省雨量丰沛，降水有明显的季节变化，5 月、6 月为集中降雨期。全省的地形地貌复杂，呈现西南高东北低的特点，其中东北部主要为冲积平原，东部以丘陵和沿海平原为主，中部为丘陵和盆地，南部和西北部大部分为中山和丘陵，依照浙江省的地形地貌特征可将浙江省划分为北部平原区、东部丘陵区、中部盆地区、西北中山丘陵区、南部中山区以及滨海区六大自然区划20，六大区划内土壤侵蚀的主导因素不尽相同（图 1）。2 数据与方法2.1 数据来源本研究所使用的原始数据均为公开免费下载数据，数据来源见表 1。对影像进行初步的拼接、裁剪等操作后，将各栅格数据统一重采样至 30 m。本文所采用的投影坐标为 WGS1984_UTM_51N。2.2 RUSLE 模型鉴于 RUSLE 模型在土壤侵蚀风险定量评估方面具备良好的准确性和易用性，本研究将其用来定量评估 2000年、2010 年和 2020 年三个时间点的浙江省土壤侵蚀风险。该模型的计算方程如下：=ARKLSCP（1）式中：A 为土壤侵蚀模数()/tha a，R 为降雨侵蚀力因 子()/MJ mmha hr a，K 是 土 壤 可 蚀 性 因 子()/t hrMJ mm。LS、C 和 P 是无量纲因子，分别代表地形因子、植被覆盖与管理因子和水土保持措施因子。（1）降雨侵蚀力因子（R）：本研究采用最初由Wischmeier 和 Smith 提出，后被 Arnoldus 修改的基于月度和年度降雨数据计算 R 因子的方法21。（2）土壤可蚀性因子（K）：主要反映土壤本身对土壤侵蚀的抵抗能力。EPIC（Environmental Policy Integrated Climate）模型是经典的作物生长模型，主要用于农作物产量的评估，在全球范围内广泛应用，其中涉及的对于土壤可蚀性定量计算方法在中国应用十分广泛，表现出良好的适用性和准确性。因此本研究采用 EPIC 模型中土壤可蚀性定量计算方法22计算土壤可蚀性因子 K。采用该方式计算的 K 值与实测值基本无差异，且简单易实现。（3）地形因子（LS）：包括坡长因子 L 和坡度因子 S，二者共同影响着径流流速、流量以及水流的挟沙力，长坡漫流和短坡急流都会增加溢流，减少入渗。本研究中LS 因子的计算方法参考刘宝元等23的研究结果，此方法更适用于中国的情况。（4）植被覆盖管理因子（C）：此因子可以反映植被覆盖对土壤侵蚀的抑制作用程度，有研究表明其数值大小取决于当地的植被覆盖度24。本研究以 MOD13A1 产品作为归一化植被指数(NDVI)的数据源，采用蔡崇法等24提出的基于植被覆盖度的 C 因子计算公式获得 C 因子的值。（5）水土保持措施因子（P）：该因子可以衡量采取水土保持措施后的土壤侵蚀改善情况，取值范围为 0,1，其中P 值越接近 1，说明水土流失治理措施对水土流失过程的影表 1 RUSLE 各因子数据来源Table1 Data sources for each factor in RUSLE因子数据分辨率数据源R月度降水量30m美国国家海洋和大气管理局（https:/www.ncei.noaa.gov/）K土壤有机质含量、土壤机械组成约 1000m世界土壤数据库（HWSD）LSDEM30mASTGTMv003CNDVI250mMOD13Q1 P土地利用/土地覆盖30mGLC_FCS30图 1 浙江省六大自然地理区地形示意图Fig.1 DEM of six major natural geographical areas in Zhejiang Provincemkm上海国土资源Shanghai Land&Resources 2023Vol.44.2 47响越小。目前，国内外关于P值的计算方法没有统一的标准，绝大多数学者主要依照土地利用现状来赋值。本研究参考蔡崇法等的研究24，设定耕地中旱地的 P 值为 0.25，水田的 P值为 0.01；林地，0.5；草地、不透水面、未利用地的P 值设为 1；水体的 P 值设为 0。需要说明的是，不同学者对不透水面的 P 值赋值情况不同，一般为 1 或者 0，本文选择 1 是为了保留城市建设用地的不透水面风险的信息。2.3 地理探测器地理探测器通过检测数据的空间分异性和耦合性来探测数据之间的因果关系25，空间异质性主要表现为数据层内方差之和小于层间总方差。地理探测器主要包括 4 个模块：因子探测器、交互探测器、风险探测器、生态探测器。本研究中，因子探测器用于探测土壤侵蚀模数（A）分别与坡度、土地利用类型（LU）、海拔和植被覆盖度（Fc）的空间分异性，以 q 值衡量 4 个影响因子对 A 的决定程度，q 值的计算方法参考王劲峰等的研究成果25，q 值的取值范围为 0,1，某影响因子的 q 值越接近 1，表明该因子对因变量的解释力越强，各影响因子中 q 值最高即为主导影响因子；交互作用探测器是地理探测器最突出的优势，可以解释任意 2 个影响因子的共同作用是否会加强对 A 的解释力；风险探测器可以识别各个影响因子中土壤侵蚀高风险区域。而生态探测器主要用于比较影响因子对土壤侵蚀空间分布的影响差异性，上述三个探测器模块已满足本研究所需，因此本研究不再继续运行生态探测器。由于地理探测器模型有数据类型要求，因此需将自变量的连续型变量转为离散型变量，因此将 LU 按类型分类，结合王劲峰等提出的数据离散化方法及先验知识，将 Fc 按 照 0.6 分为 5 类，海拔数据按照自然断点法分成 6 类，坡度按照2、26、615、1525、2555、5590 分为 6 类。利用 ArcGIS10.2 生成渔网点对 A 和分类后的各影响因子进行采样，采样间距为 1 km。为保证不同自然区之间结果的可比较性，不同自然区内 4 个影响因子采取一致的分层方法。采样后的数据导出为 csv 文件，在 R 语言环境下分别运行地理探测器工具包中的因子探测器、交互作用探测器以及风险探测器，得到 4 个因子各自对土壤侵蚀模数 A 的解释力 q 值、双因子交互作用解释力 q 值和各因子中土壤侵蚀高风险区域。2.4 方法验证RUSLE 模型的计算结果是对研究区土壤侵蚀情况的估算而非实测值，为了验证本方法的准确性，本文选择宁波市作为验证区域，以宁波市 2015 年发布的宁波市水土保持规划中的水土流失现状图作为宁波市 2015 年土壤侵蚀情况的参考真实值。为了对应宁波市水土保持规划中的数据年份以及数据类型，本研究额外计算 2015 年的土壤侵蚀模数并分类。首先在宁波市域范围内随机生成采样点 1000个，再对格式转换后的宁波市水土保持规划中的水土流失现状图以及通过 RUSLE 模型得到的宁波市 2015 年土壤侵蚀模数进行采样，归一化后计算二者的均方根误差（Root Mean Square Error，RMSE），计算结果显示 RMSE 为 0.159，说明本文所采用方法计算结果可靠，可用于进一步分析。3 结果分析3.1 浙江省土壤侵蚀风险时空演变总体来看，浙江省 20002020 年平均土壤侵蚀模数明显减少，水土保持工作初见成效，但局部地区仍面临较严重的土壤侵蚀风险。时间演变特征。RUSLE 模型运行结果表明：2000 年浙江省平均土壤侵蚀模数为 213.64()/tha a；2010 年，浙江省平均土壤侵蚀模数为 102.23()/tha a，较 2000 年下降52.15%；2020 年 浙 江 省 平 均 土 壤 侵 蚀 模 数 为 149.25()/tha a，较 2000 年下降了 30.14%，但较 2010 年上升了45.99%。根据水利部颁布的土壤侵蚀分类分级标准（SL 1902007），将土壤侵蚀模数计算结果划分为六个等级（图2），统计了各等级土壤侵蚀的面积比例（表 2）并制作土壤侵蚀风险等级转移桑基图（图 3）。结果显示，浙江省图 2 不同时期浙江省土壤侵蚀风险等级空间分布Fig.2 Spatial distribution of soil erosion risk level in different periods(a)2000 年(b)2010 年(c)2020 年km上海国土资源 Shanghai Land&Resources48 2023Vol.44.2 土壤侵蚀风险等级主要为微度侵蚀，土壤侵蚀风险等级变化复杂，但总体上呈现减缓趋势，微度侵蚀风险等级比例增长显著。20002010 年间，最突出的转变是有 32%的剧烈侵蚀风险地区风险等级转化为微度侵蚀风险。但风险上升的现象仍然存在，大约6%的微度侵蚀区转变为严重侵蚀。20102020 年间，全省土壤侵蚀风险降级面积仍然大于其升级面积，34%的剧烈侵蚀区域显著下降，转变为微度侵蚀风险。相比之下，只有 14%的微度侵蚀区风险等级上升，其中 6%升级到轻度侵蚀，5%升级到剧烈侵蚀。本研究还发现，在土壤侵蚀风险等级介于“微度”和“剧烈”之间的地区，出现土壤侵蚀风险等级波动的可能性较大。相反，风险等级为“微度”或“剧烈”的地区更稳定，表明土壤侵蚀剧烈的剧烈地区的治理难度较大，应加强防范。空间演变特征。结合图 3 和表 3 发现，20002020 年北部平原区的平均土壤侵蚀风险有所上升，表现为轻度侵蚀占比显著增加 7.96%，同时微度侵蚀比例减少 9.06%，剧烈侵蚀比例轻微上升 0.04%；东部丘陵区、中部盆地区和滨海区内土壤侵蚀风险等级变化较为复杂，土壤侵蚀恶化与好转同步进行，具体表现为轻度侵蚀比例小幅上升，同时，微度侵蚀的比例也有较大增长，剧烈侵蚀比例显著下降，降幅均不低于 6.8%，最高为中部盆地区，剧烈侵蚀比例下降9.13%。南部中山区和西北中山丘陵区好转显著，水土保持工作成果显著：南部中山区土壤侵蚀明显好转，表现为剧烈侵蚀比例显著下降了 16.86%，微度侵蚀比例显著增加了 17.05%；西北中山丘陵区剧烈侵蚀比例下降了12.57%，微度侵蚀比例增加了 17.59%。3.2 土壤侵蚀风险定量驱动分析因子探测器结果显示，坡度、土地利用方式、海拔和植被覆盖度四个因子的 q 值在各个自然区内均通过了显著性检验（P15029.1418.4219.62表 3 各自然区土壤侵蚀风险等级结构Table 3 Soil erosion risk level structure of each natural area区域年份微度侵蚀轻度侵蚀中度侵蚀强度侵蚀极强度侵蚀剧烈侵蚀北部平原区200071.89%6.54%4.31%3.53%4.54%9.19%202062.83%14.50%4.30%3.79%5.35%9.23%东部丘陵区200049.78%3.49%3.40%3.54%7.51%32.27%202059.30%4.30%2.88%3.00%5.85%24.66%中部盆地区200043.33%6.23%3.29%3.70%7.20%36.26%202052.97%8.35%2.45%3.02%6.08%27.13%西北中山丘陵区200039.83%2.91%2.59%2.73%6.46%45.47%202057.42%2.98%1.58%1.71%3.41%32.90%南部中山区200058.02%1.64%1.50%1.73%4.17%32.94%202075.08%1.70%1.60%1.78%3.75%16.09%滨海区200052.06%4.47%4.06%4.04%7.68%27.68%202057.10%6.36%4.39%4.19%7.11%20.85%上海国土资源Shanghai Land&Resources 2023Vol.44.2 49植被覆盖度因子的高风险区域在各个自然区内表现不同，但普遍存在拐点，其中值得注意的是南部中山区 2000 年的植被覆盖度对土壤侵蚀风险起到重要影响作用，二者成反比关系，土壤侵蚀高风险主要分布在植被覆盖度小于 10%的地区，而 2020 年植被覆盖度对土壤侵蚀的影响力减弱，表明南部中山区 20 年来随着退耕还林等措施的推进，植被覆盖度提升明显，空间差异减小，进而对土壤侵蚀的空间差异解释力下降。海拔与土壤侵蚀风险的空间分布在不同自然区和不同时间点不具备显著的正相关或负相关关系，土壤侵蚀高风险区域的海拔区间亦不相同。4 讨论与结论4.1 讨论地貌形态对于土壤侵蚀程度及其空间分异具有重要影响作用。六大自然区中，除南部中山区外，坡度是土壤侵蚀最为显著的主导因子，影响着整个中北部浙江的土壤侵蚀；而南部中山区在 2000 年左右由于该地区经历了较为严重的滥砍滥伐，植被覆盖度成为该地区的土壤侵蚀主导因子，而随着 20 年间该地区的退耕还林还草措施在土壤侵蚀治理方面取得较大成效，海拔的解释力成为最高，这可能是由于该地区相对高差较大，存在明显的植被垂直分异性，以往相关研究也表明海拔的分层可以综合体现植被覆盖、气候条件和地形地貌的差异26。土壤侵蚀过程往往是非单一驱动力的，各类影响因子共同作用，共同影响着土壤侵蚀的动态变化和空间分布，但其相互作用的详细机理仍然是学界内未来需要努力的方向。本文利用地理探测器进行的交互因子探测可以揭示影响因子两两作用的规律。结果表明，坡度与植被覆盖度的交互作用在浙江全省均为主导解释因子，随着时间的推移，这一情况在北部平原区发生了变化，2020 年北部平原区的主导交互因子为坡度与土地利用类型，这表 4 各自然区各影响因子 q 值及交互作用 q 值Table 4 The q value of each influence factor and q value of factor interaction in each natural area区域2000 年2020 年因子海拔FcLU坡度因子海拔FcLU坡度北部平原区海拔0.1182 海拔0.0220 Fc0.2546 0.0073 Fc0.0545 0.0142 LU0.2050 0.2417 0.1962 LU0.1420 0.1449 0.1043 坡度0.2730 0.3816 0.2769 0.2628 坡度0.1544 0.1945 0.1959 0.1198 东部丘陵区海拔0.0394 海拔0.0129 Fc0.0778 0.0114 Fc0.0276 0.0087 LU0.0760 0.1129 0.0692 LU0.0441 0.0555 0.0332 坡度0.1485 0.2345 0.1398 0.1340 坡度0.0839 0.1033 0.0665 0.0565 中部盆地区海拔0.1420 海拔0.0453 Fc0.1602 0.0148 Fc0.0566 0.0259 LU0.2053 0.1924 0.1864 LU0.0817 0.0787 0.0697 坡度0.2908 0.3048 0.2869 0.2668 坡度0.1146 0.1237 0.1216 0.0898 西北中山丘陵区海拔0.0458 海拔0.0304 Fc0.0802 0.0094 Fc0.0740 0.0137 LU0.0680 0.0814 0.0562 LU0.0411 0.0688 0.0213 坡度0.1510 0.1917 0.1451 0.1414 坡度0.0746 0.1339 0.0629 0.0594 南部中山区海拔0.0063 海拔0.0209 Fc0.1692 0.1181 Fc0.0393 0.0127 LU0.0232 0.1772 0.0135 LU0.0339 0.0398 0.0027 坡度0.0546 0.2670 0.0392 0.0380 坡度0.0474 0.0615 0.0102 0.0079 滨海区海拔0.0752 海拔0.0082 Fc0.1264 0.0038 Fc0.0390 0.0096 LU0.1598 0.2081 0.1533 LU0.1069 0.1480 0.0724 坡度0.2674 0.3559 0.2703 0.2604 坡度0.1729 0.2164 0.1351 0.1163 表 5 各因子内土壤侵蚀高风险区域Table 5 High-risk areas for soil erosion for each factor因子年份北部平原区东部丘陵区中部盆地区西北中山丘陵区南部中山区滨海区坡度200025552555615559055905590202055902555LU2000林地草地林地林地林地林地2020草地草地草地草地Fc20000.30.450.10.30.10.10.30.10.10.320200.30.45海拔2000114 295 m1005 1927 m295 499 m1005 1927 m114 295 m725 1005 m2020725 1005 m1005 1927 m114 295 m上海国土资源 Shanghai Land&Resources50 2023Vol.44.2 与当地密集的人类活动密切相关，进一步说明了退耕还林和禁止坡耕地的重要性。有研究表明，在南方山区坡度对土壤侵蚀的影响存在“倒 V 形”拐点27，本文也呈现了类似的结果。本文结果显示，2020 年在南部中山区坡度对土壤侵蚀的影响存在拐点，拐点之前土壤侵蚀风险与坡度成正比，其后成反比。林地和草地成为解释力较高的地类可能是由于全省单一经济作物林的林下管理方式不到位，加上林地草地所处的坡度较大，容易产生土壤侵蚀。综上所述，在地形相对平坦的人类活动频繁地区，应当进一步警惕防范城市开发建设造成的土壤侵蚀问题，注意坡度与土地利用类型的适配度，增加城市植被覆盖度，减小荒地裸地覆盖率；在城郊地区，科学指导农林业发展，减少由于不合理的耕作及林地管理方式导致的土壤侵蚀问题。而在丘陵山地地区，多年来浙江省积极开展小流域综合治理，充分利用当地的自然条件，因地制宜，布置合理有效的水土保持措施，如封山育林涵养水源、布设小型蓄排工程与补种植被共同作用，有效拦截径流含沙量、减缓污染物聚散28；此外，建设拦沙堰可以有效防治溪沟下切，是浙江具地方特色的小流域水土流失治理措施29，在浙江西北部及南部各重点防治小流域中展现了显著成效。尽管使用 RUSLE 模型获得的结果在国内外均取得普遍认可，但本文仍存在一些不足之处，本文所使用的土壤数据来源于世界土壤数据库，其数据获取时间较为久远，且空间分辨率相对较低，未来可依据最新的第三次全国土壤普查数据进行分析，以进一步提升模型的结果精度。4.2 结论本文利用 RUSLE 模型探索了浙江省土壤侵蚀风险时空演变特征，使用地理探测器对全省各自然区土壤侵蚀风险的驱动因素进行了定量分析，结果表明：（1）20002020 年浙江省土壤侵蚀整体状况好转明显，但好转与恶化同时存在。土壤侵蚀风险等级主要为微度侵蚀，且微度侵蚀所占比例在研究期内持续增加，剧烈侵蚀所占比例整体减小。同时微度侵蚀以及剧烈侵蚀风险地区较稳定，不易发生等级转变。（2）浙江省各自然区内土壤侵蚀风险等级变化情况不同，北部平原区、中部盆地区以及滨海区等人类活动较为频繁地区普遍存在土壤侵蚀轻度恶化的情况；西北中山丘陵区以及南部中山区内的土壤侵蚀好转明显。（3）单因子对土壤侵蚀的解释力在各个自然区内表现情况具有时空差异，南部中山区 2000 年的首要影响因子为植被覆盖度，2020 年则为海拔；其他地区 20 年间的首要影响因子均为坡度，q 值最高为 0.2668且土壤侵蚀风险与坡度成正相关。双因子协同作用的解释力普遍高于单因子，其中坡度与植被覆盖度的组合普遍具有较高的解释力，其 q 值最高为 0.3816，其次为坡度与土地利用类型，q 值最高为 0.2869。本研究可为同尺度土壤侵蚀研究以及浙江省水土流失防治提供方法参考。参考文献(References)1 MUNODAWAFA A.The effect of rainfall characteristics and tillage on sheet erosion and maize grain yield in semiarid conditions and granitic sandy soils of ZimbabweJ.Applied and Environmental Soil Science,2012,(5):1443-1446.2 BERENDSE F,VAN R J,JONGEJANS E,et al.Loss of plant species diversity reduces soil erosion resistanceJ.Ecosystems,2015,18:881-888.3 MONTGOMERY D R,HUANG M Y,HUANG A Y.Regional soil erosion in response to land use and increased typhoon frequency and intensity,TaiwanJ.Quaternary Research,2014,81(1):15-20.4 VAN Z R,VAN D V M,BALKOVIC J,et al.Spatially explicit life cycle impact assessment for soil erosion from global crop productionJ.Ecosystem Services,2018,30:220-227.5 KAURA M,ARIAS M E,BENJAMIN J A,et al.Benefits of forest conservation on riverine sediment and hydropower in the Tonle Sap Basin,CambodiaJ.Ecosystem Services,2019,39:101003.6 RENARD K G.Predicting soil erosion by water:A guide to conservation planning with the Revised Universal Soil Loss Equation(RUSLE)M.United States Government Printing,1997.7 MHASKE S N,PATHAK K,DASH S S,et al.Assessment and management of soil erosion in the hilltop mining dominated catchment using GIS integrated RUSLE modelJ.Journal of Environmental Management,2021,294:112987.8 THOMAS J,JOSEPH S,THRIVIKRAMJI K P.Assessment of soil erosion in a tropical mountain river basin of the southern Western Ghats,India using RUSLE and GISJ.Geoscience Frontiers,2018,9(3):893-906.9 BIRCHER P,LINIGER H P,PRASUHN V.Comparison of long-term field-measured and RUSLE-based modelled soil loss in SwitzerlandJ.Geoderma Regional,2022,31:e00595.10 RSNEN T A,THTIKARHU M,UUSI-KMPP J,et al.Evaluation of RUSLE and spatial assessment of agricultural soil erosion in FinlandJ.Geoderma Regional,2023:e00610.11 穆兴民,李朋飞,刘斌涛,等.19012016 年黄土高原土壤侵蚀格局演变及其驱动机制 J.人民黄河,2022,44(9):36-45.MU X M,LI P F,LIU B T,et al.Spatial-temporal development and driving mechanisms of erosion on the Chinese loess plateau between 1901 and 2016J.Yellow River,2022,44(9):36-45.12 马悦,何洪鸣,赵宏飞.基于 GIS 和 RUSLE 的甘南州土壤侵蚀时空演变 J.水土保持研究,2023,30(3):37-46.MA Y,HE H M,ZHAO H F.Spatiotemporal change of soil erosion in Gannan Tibetan Autonomous Prefecture based on GIS and RUSLEJ.Research of Soil and Water Conservation,2023,30(3):37-46.13 PAN L,LI R,SHU D,et al.Effects of rainfall and rocky desertification on soil erosion in karst area of southwest ChinaJ.Journal of Mountain Science,2022,19(11):3118-3130.14 GONG W,LIU T,DUAN X,et al.Estimating the soil erosion response to land-use land-cover change using GIS-based RUSLE and remote sensing:A case study of Miyun reservoir,north ChinaJ.Water,2022,14(5):742.15 JIANG N,YAO F,LIU T,et al.Estimating the soil erosion response to land-use change using GIS-based RUSLE and remote sensing:上海国土资源Shanghai Land&Resources 2023Vol.44.2 51A case study of Heilongjiang Province,ChinaJ.Sustainability,2023,15(10):8004.16 LUO W,JASIEWICZ J,STEPINSKI T,et al.Spatial association between dissection density and environmental factors over the entire conterminous United StatesJ.Geophysical Research Letters,2015,43(2):692-700.17 李佳洺,陆大道,徐成东,等.胡焕庸线两侧人口的空间分异性及其变化 J.地理学报,2017,72(1):148-160.LI J M,LU D D,XU C D,et al.Spatial heterogeneity and its changes of population on the two sides of Hu LineJ.Acta Geographica Sinica,2017,72(1):148-160.18 高智,刘志强,李援农.浙江临安市水土流失现状及生态修复对策 J.水土保持研究,2014,21(5):327-331.GAO Z,LIU Z Q,LI Y N.Soil and water loss status and ecological restoration countermeasures in Linan City,Zhejiang ProvinceJ.Research of Soil and Water Conservation,2014,21(5):327-331.19 江振蓝.水土流失时空过程及其生态安全效应研究以浙江省安吉县为例 D.杭州:浙江大学,2013.JIANG Z L.Spatio-tempral dynamics of soil erosion and its impact on eco-security:A case study in Anji County,Zhejiang Province,ChinaD.Hangzhou:Zhejiang University,2013.20 单之蔷.浙江有个王士性 J.中国国家地理,2012(1):16-17.SHAN Z Q.There is a Wang Shixing in ZhejiangJ.Chinese National Geography,2012(1):16-17.21 ARNOLDUS H.An approximation of the rainfall factor in the universal soil loss equationJ.Journal of the Japanese Society of Irrigation Drainage&Rural Engineering,1980:127-132.22 WILLIAMS J R.The EPIC modelJ.Computer Models of Watershed Hydrology,1995:909-1000.23 LIU B Y,NEARING M A,RISSE L M.Slope gradient effects on soil loss for steep slopesJ.Transactions of the ASAE,1994,37(6):1835-1840.24 CAI C F,DING S W,SHI Z H,et al.Study of applying USLE and geographical information system IDRISI to predict soil erosion in small watershedJ.Journal of Soil Water Conservation,2000,14(2):19-24.25 王 劲 峰,徐 成 东.地 理 探 测 器:原 理 与 展 望 J.地 理 学报,2017,72(1):116-134.WANG J F,XU C D.Geo-detector:Principle and prospectiveJ.Acta Geo-graphica Sinica,2017,72(1):116-134.26 王欢,高江波,侯文娟.基于地理探测器的喀斯特不同地貌形态类型区土壤侵蚀定量归因 J.地理学报,2018,73(9):1674-1686.WANG H,GAO J B,HOU W J.Quantitative attribution analysis of soil erosion in different morphological types of geomorphology in karst areas:Based on t