黄河流域土壤侵蚀时空演变与格局特征

doi:10.7522/j.issn.1000-694X.2023.00062

黄河流域土壤侵蚀时空演变与格局特征

迟文峰^,¹, 王月甜¹, 党晓宏², 吴晓光³^,⁴, 罗前程^,¹

1.内蒙古财经大学资源与环境经济学院/祖国北疆资源利用与环境保护协调发展院士专家工作站，内蒙古呼和浩特 010070

2.包头市林业和草原局，内蒙古包头 014030

3.内蒙古自治区国土空间规划院，内蒙古呼和浩特 010010

4.内蒙古自治区土地储备中心，内蒙古呼和浩特 010041

Temporal variation and spatial pattern of soil erosion in the Yellow River Basin

Chi Wenfeng^,¹, Wang Yuetian¹, Dang Xiaohong², Wu Xiaoguang³^,⁴, Luo Qiancheng^,¹

1.College of Resources and Environmental Economics / Academician Expert Workstation for the Coordinated Development of Resources Utilization and Environmental Protection in Northern Xinjiang，Inner Mongolia University of Finance and Economics，Hohhot 010070，China

2.Baotou Forestry and Grassland Bureau，Baotou 014030，Inner Mongolia，China

3.Inner Mongolia Autonomous Region Institute of Land and Spatial Planning，Hohhot 010010，China

4.Land Reserve Center of Inner Mongolia Autonomous Region，Hohhot 010041，China

通讯作者: 罗前程（E-mail： luohao961021@163.com）

收稿日期: 2023-03-12 修回日期: 2023-05-11

基金资助:

国家自然科学基金项目. 42061069

内蒙古自治区自然资源厅科创项目（内蒙古黄河流域国土空间“韧性”格局与实现路径应用研究）

内蒙古自治区科技计划项目. 2019GG010

2021年内蒙古自治区人才开发基金高层次人才个人项目

2022年度内蒙古自治区“草原英才”工程青年创新创业人才资助项目

Received: 2023-03-12 Revised: 2023-05-11

作者简介 About authors

迟文峰（1984—），男，内蒙古通辽人，副教授，主要从事LUCC及生态环境效应研究E-mail：chiwenfeng2005@126.com , E-mail：chiwenfeng2005@126.com

摘要

中国土壤侵蚀类型多样、过程复杂，精准量化流域土壤风蚀和水蚀强度状况，掌握流域土壤侵蚀时空分布格局并辨识区域主导侵蚀类型，对统筹相应的水土保持工作具有重要意义。综合遥感监测、地面调查、模型模拟等手段，定量刻画黄河流域2000—2020年土壤风蚀和水蚀强度的时空格局与演变规律，开展土壤侵蚀类型分区，讨论不同土壤侵蚀分区治理措施的重要作用。结果表明：黄河流域土壤风蚀、水蚀强度均整体呈下降趋势，土壤风蚀、水蚀分别呈波动降低、持续降低态势。以土壤风蚀和土壤水蚀为主的区域分别占区域总面积的16.35%、83.65%，土壤侵蚀类型分区自北向南总体表现为从土壤风蚀为主向水蚀为主过渡。土壤风蚀为主的区域分布在黄河干流上游水系、鄂尔多斯内流区，分别占土壤风蚀区面积的41.53%和28.57%。土壤风蚀中度侵蚀强度所占比例最大，为24.72%。土壤水蚀为主的区域主要分布在黄河中游水系（25.04%）、渭河-伊洛河水系（22.06%）、黄河源头水系（18.60%）、黄河干流上游水系（15.49%）、湟水-洮河水系（13.35%）。土壤水蚀以微度侵蚀强度为主，占土壤水蚀区面积的49.30%，轻度（17.28%）、中度（14.98%）、强烈（11.95%）侵蚀强度交错分布。针对土壤侵蚀类型分区特点，提出了土壤风蚀区以植被恢复、农业绿洲等措施为主，土壤水蚀区以农业耕作措施、林草措施及工程措施为主进行防护和治理的方案，为黄河流域生态系统的高质量发展提供科学指导。

关键词： 土壤风蚀 ; 土壤水蚀 ; 时空演变 ; 侵蚀类型分区 ; 黄河流域

Abstract

The soil erosion in China was characterized by various types and complicated processes. It is of great significance to accurately quantify the temporal variation and spatial patterns of soil wind erosion and water erosion intensity in watersheds， to identify regional dominant erosion types for reasonable arrangement of soil and water conservation measures. This study quantified the temporal and spatial patterns and evolution of soil wind erosion and water erosion intensity in the Yellow River Basin from 2000 to 2020 combined remote sensing monitoring， field survey， and model simulation， revealed soil erosion type area， and its significance to zoning control of soil erosion. The results showed that：（1） The intensity of soil wind erosion and water erosion in the region showed a downward trend as a whole， while the wind erosion and water erosion showed a fluctuation and continuous decrease， respectively. In the past 20 years， the modulus of soil wind erosion and soil water erosion have respectively decreased at a rate of 18.88 t·km^-2·a^-1 and 34.98 t·km^-2·a^-1. （2） The type zones dominated by soil wind erosion and soil water erosion accounted for 16.35% and 83.65% of the total land area of the region， respectively， and the overall performance of soil erosion type zoning from north to south was the transition from soil wind erosion to water erosion. The areas dominated by soil wind erosion were distributed in the upper reaches of the main stream of the Yellow River and the Ordos inland flow area， accounting for 41.53% and 28.57% of the area of soil wind erosion area， respectively. Moderate erosion intensity of soil wind erosion accounted for the largest proportion， 24.72%. The areas dominated by soil water erosion were distributed in the middle reaches of the Yellow River （25.04%）， the Wei River-Yiluo River system （22.06%）， the source water system of the Yellow River （18.60%）， the upper reaches of the Yellow River （15.49%）， Huangshui-Taohe River System （13.35%）. Soil water erosion was mainly micro-erosion intensity， accounting for 49.30% of the soil water erosion area， and light （17.28%）， moderate （14.98%） and strong erosion intensity （11.95%） were widely staggered. （3） Desertification control project and soil and water conservation engineering made soil erosion modulus and erosion intensity decrease significantly in areas with strong wind and water erosion. According to the zoning characteristics of soil erosion types， the measures of vegetation restoration and agricultural oases in the soil wind erosion area were discussed. Agricultural cultivation measures， forest and grass measures and engineering measures are used to protect and control soil water erosion areas， in order to provide scientific guidance for the high-quality development of the ecosystem in the Yellow River Basin.

Keywords： soil wind erosion ; soil water erosion ; spatio-temporal evolution ; dominant erosion type ; Yellow River Basin

PDF (10740KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

迟文峰, 王月甜, 党晓宏, 吴晓光, 罗前程. 黄河流域土壤侵蚀时空演变与格局特征. 中国沙漠[J], 2023, 43(3): 305-317 doi:10.7522/j.issn.1000-694X.2023.00062

Chi Wenfeng, Wang Yuetian, Dang Xiaohong, Wu Xiaoguang, Luo Qiancheng. Temporal variation and spatial pattern of soil erosion in the Yellow River Basin. Journal of Desert Research[J], 2023, 43(3): 305-317 doi:10.7522/j.issn.1000-694X.2023.00062

0 引言

伴随着全球气候变化和人类活动的加剧，土壤侵蚀及其对资源环境的影响^［1］，如对粮食安全^［2］、生态安全^［3］、城市宜居^［4］等的影响严重威胁全球可持续发展目标的实现^［1，5］。土壤侵蚀是全球最大的生态环境难题之一，引起的土地资源减少、土壤质量下降等问题严重制约着社会经济发展^［6-7］。联合国可持续发展目标（SDGs 2030）更加强调防治土壤侵蚀、制止和扭转土地退化现象在可持续发展目标中的实现^［8-10］。“未来地球”（Future Earth）科学计划中土地可持续利用是全球发展（Global Development）关注的重要问题^［11］。中国的新时代发展强调绘制未来2035年和2050年“美丽中国”愿景目标，其中全面提升水土保持功能、统筹推进山水林田湖草沙综合治理工程，在建设美丽中国中发挥至关重要的作用^［12］。不同气候区表现出的侵蚀类型差异性较大，在干旱与半干旱区域，土壤风蚀和水蚀是土壤侵蚀的两个主要类型^{［3，13-14］}。因此，分析区域土壤风蚀和水蚀的时空格局，开展土壤侵蚀类型分区^［15-17］，对制定水土保持规划，因地制宜拟定土壤侵蚀综合防治措施具有重要的理论与实践意义。

区域尺度的土壤侵蚀强度信息提取、制图及产品共享正成为当前的研究热点，尤其模型方法的可靠性及产品精度成为关键^{［14，18］}。目前，修正的风蚀方程（RWEQ）和修正的通用水土流失方程（RUSLE）广泛应用于土壤风蚀和水蚀模拟研究^{［1-2，14，19］}，上述模型结合遥感监测和地面调查，依靠其全面性、时效性、可操作性等特点成为获取土壤风蚀和土壤水蚀数据最主要和高效的手段之一。Chi等^［2，14］采用RWEQ模型，并采用地面调查和¹³⁷Cs示踪技术进行参数本地化和结果验证，揭示了中国1990—2015年土壤风蚀强度时空演变及生态工程建设对风蚀过程的影响。Liu等^［19］采用RUSLE模型，通过水土保持措施因子参数改进，并利用水文站点、遥感分类结果等数据进行修正和验证，尤其针对梯田数据指标进行了参数本地化处理，构建了陕北地区2000、2010、2013年数据集，分析了2000—2013年地区水土流失变化量，揭示了陕北退耕还林还草工程的土壤保护效应。Borrelli等^［1］采用RUSLE模型和流域尺度的实验校正，揭示了全球2001—2012年土壤在水蚀中的流失量变化以及土地利用/覆盖变化对其的影响。由此可以看出，当前研究仍侧重对风蚀或水蚀进行单独定量研究，少有分析风蚀和水蚀的时空变化特征。因此，加强土壤风蚀和水蚀综合研究，将治沙与治水放在同等重要的位置，辨析以土壤风蚀或土壤水蚀为主导的侵蚀类型^［20-21］的空间分异，对区域生态系统综合治理具有重要的意义。

黄河流域是中华文明的主要发祥地和重要生态带，在中国发展中具有重要的战略地位^［22］，水资源匮乏和生态环境脆弱导致区域农村严重贫困、环境变化和生态安全问题突出^［23］。黄河流域沙地分布广、丘陵沟壑地带多，加之气候干旱频繁、降水高度集中等，水土流失成为该区域最为严重的环境问题之一^［24-25］，不合理的土地利用方式是造成土壤侵蚀的重要因子^［26］。20世纪90年代末，国家实施的退耕还林（草）政策作为国家全面整治和绿化国土的一项重大战略决策，对区域生态恢复及可持续发展产生了深远的影响，生态环境质量得到了明显改善^［27-28］。2019年，黄河流域生态保护和高质量发展已经上升为国家重大战略。土壤风蚀和土壤水蚀在时间和空间上如何演变是践行高质量发展的基本科学问题。

总结以往的研究，大多数研究成果集中在黄河上游^［29-30］、黄土高原^［31-33］、黄河三角洲^［34-35］等部分地区，缺乏对整个黄河流域土壤风、水蚀动态与格局特征的综合认识，亟须从子流域尺度聚焦土壤侵蚀演变规律、不同类型区治理模式等开展理论和关键技术研究。黄河流域特别是中游地区水土流失严重^［31-33］，加强全域监测评价对构建流域综合联防与治理体系，形成全域系统治理、规模治理、分区治理布局具有重要的作用。因此，本研究协同遥感监测、地面调查、模型模拟等手段，分析了黄河流域2000—2020年土壤风蚀和水蚀强度的时空格局，识别区域风蚀、水蚀主导类型区，讨论生态工程的实施对流域土壤风蚀和水蚀的影响，以期为黄河流域生态保护和高质量发展提供科学依据。

1 研究区

黄河是中国第二大河，全长约5 500 km，发源于青海省巴颜喀拉山，流经9个省域，最后入渤海。黄河流域跨域较大（32°—42°N、96°—119°E），东西长约1 900 km，南北宽约1 100 km，划分为黄河源头水系、湟水-洮河水系、黄河干流上游水系、黄河中游水系、渭河-伊洛河水系、黄河下游水系、鄂尔多斯内流区7个区域（图1）^［36］，流域总面积为79.50万km²^［37］。黄河流域地势西高东低，最高处海拔约6 000 m，最低海拔在100 m以下，自西向东呈干旱、半干旱及湿润气候。降水和气温空间分布均呈现自东向西、自南向北减少或降低的特征^［38］。黄河流域是世界上最早出现农业生产活动的地方之一，集中分布于引黄灌区、汾渭盆地及河套平原。2020年，全域涉及的9个省区总人口约4.18亿，约占全国的30%；GDP约221 218.93亿元，约占全国的26%。黄河流域的土地利用/覆盖类型以草地为主，占土地总面积的46.26%，其次为耕地（25.46%），未利用地所占比例较大（8.45%），主要分布在鄂尔多斯高原区域（图1）。全域自然和社会经济状况复杂，在气候变化和人类高强度扰动下土地利用/覆盖变化剧烈，水土流失问题突出，生态环境脆弱。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 黄河流域2020年土地利用/覆盖结构及流域分区

Fig.1 The land use/cover structure and watershed area of 2020 in the Yellow River Basin

2 材料与方法

2.1　技术方法

本研究数据获取与处理涉及遥感影像分类数据、野外调查数据、辅助数据和验证数据等（表1）；模型方法和精度验证涉及修正的风蚀方程（RWEQ，图2A）和修正的通用水土流失方程（RUSLE，图2B），并采用野外调查方式（图2C）与已有发表研究成果进行精度验证（图2D~F）；风、水蚀空间分异特征提取依据土壤侵蚀分类分级标准^［39］进行综合信息处理与集成。

表1 数据来源及参数

Table 1 Data sources and paranmeters

数据类型	空间分辨率/比例尺	时间分辨率	格式
遥感影像	2~15 m	年	Raster
土地利用/覆盖数据	1∶10万	年	shpfile
气象数据	监测站点（311个）	日	Txt
植被覆盖度（NDVI）数据	250 m	8 d	Raster
土壤类型（含养分）数据	1∶100万	N/A	shpfile
雪覆盖数据	1 km	16 d	Raster
植被覆盖度样方数据	样点	2010、2015、2020年	shpfile
土壤表层/剖面样点数据	样点	2010、2015、2020年	shpfile
数字高程（DEM）数据	30 m	N/A	Raster
基础地理数据	1∶25万	N/A	shpfile
地貌类型数据	1∶25万	N/A	shpfile

N/A代表不存在。

新窗口打开| 下载CSV

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 研究技术流程^{［2，14，19］}

Fig.2 The technical flowchart of this study^{［2，14，19］}

2.2　土壤风蚀模数测度

土壤风蚀模数数据来源于结果验证后的RWEQ模型反演数据^{［14，40-41］}，在充分考虑气候条件、地表粗糙度、植被覆盖状况、土壤可蚀性、土壤结皮因子的情况下，利用修正的风蚀方程（RWEQ）定量评估土壤风蚀模数（图2A）^［42］。

Q_{w i n d} = \frac{2 x}{s^{2}} Q_{m a x} e^{- {(\frac{x}{s})}^{2}}

（1）

Q_max=109.8（WF×EF×SCF×K′×COG）（2）

s=150.71（WF×EF×SCF×K′×COG）^-0.3711（3）

式中：Q_wind代表土壤风蚀模数（t·km^-2·a^-1），反映土壤风蚀强度；x为实际地块长度（m）^［2，42］；s为关键地块长度（m）^［42-45］；Q_max为风沙最大转运容量（kg·m^-1）；WF为气候因子（kg·m^-1），是风速、降水、温度、雪盖等因子的函数；EF为土壤可蚀性因子（无量纲），SCF为土壤结皮因子（无量纲），两者主要受土壤质地和有机质含量影响；K′为地表粗糙度因子（无量纲）；COG为植被因子（无量纲），包括生长植被、作物枯萎、直立作物残留物和植被冠层^［43］。气候因子中的风速和土壤湿度根据从中国气象科学数据共享服务网（http：//cdc.cma.gov.cn）下载311个气象站点（图1）日均风速、降水、温度、日照时数等计算；雪盖因子利用从中国西部环境与生态科学数据中心（http：//westdc.westgis.ac.cn）下载的中国雪深长时间序列数据集计算。土壤可蚀性因子根据Fryrear等^［42］的方程计算。土壤数据来源于西部环境与生态科学数据中心1∶100万土壤类型图所附的土壤属性表和空间数据。根据文献收集和地面测定的中国不同地区的风蚀模数结果对本估算结果进行验证，精度R²=0.89^［14］（图2E），模型模拟结果总体精度较高。

气象因子WF基于风速、温度、降水、雪盖因子计算^［42］：

W F = W f \cdot \frac{ρ}{g} \cdot S W \cdot S D

（4）

W f = u_{2} (u_{2} - u_{1})^{2} \cdot N_{d}

（5）

式中：WF为气象因子（kg·m^-1）；Wf为风因子（m³·s^-3）；g为重力加速度（m·s^-2）；SW为土壤湿度因子；ρ为空气密度（kg·m^-3）；SD为雪盖因子；u₁为起沙风速（m·s^-1）；u₂为气象站月均风速（m·s^-1）；N_d 为逐月风速大于5 m·s^-1时间（d）。

土壤可蚀性因子（EF）主要受土壤理化、机械组成等因素影响^［15］：

E F = \frac{29.09 + 0.31 S a + 0.17 S i + 0.33 \frac{S a}{C l} - 2.59 O M - 0.95 C a C O_{3}}{100}

（6）

式中：EF为土壤可蚀性因子（无量纲）；Sa为土壤沙粒含量（%）；Si为土壤粉砂含量（%）； $\frac{S a}{C l}$ 为土壤沙粒和黏土含量比；OM为有机质含量（%）；CaCO₃为碳酸钙含量（%）。

土壤结皮因子（SCF）主要考虑物理结皮的影响：

S C F = \frac{1}{1 + 0.0066 C l^{2} + 0.021 O M^{2}}

（7）

式中：Cl为黏土含量（%）；OM为有机质含量（%）。

地表粗糙度因子（ $K'$ ）在本研究中主要是地形引起的土地表面粗糙程度对土壤风蚀的影响^［16］：

K^{'} = e^{1.86 K_{r} - 2.4 {K_{r}}^{0.934} - 0.124 C_{r r}}

（8）

K_{r} = 0.2 \frac{{(△ H)}^{2}}{L}

（9）

式中：C_rr为随机糙度因子（cm），本次计算暂未考虑；K_r为地形糙度因子（cm）；L为地势起伏参数；ΔH为离L范围内的海拔差。

植被因子（COG）表示一定植被覆盖条件下对土壤风蚀的抑制程度^［16］：

C O G = e^{- 0.0483 S C}

（10）

式中：SC为植被覆盖度（%）。

2.3　土壤水蚀模数测度

本研究采用RUSLE模型对黄河流域地区土壤水蚀量（水土流失量）进行估算。

A=R×K×L×S×C×P（11）

式中：A为单位面积的土壤侵蚀量（t·km^-2·a^-1）；R为降雨侵蚀力因子（MJ·mm·hm^-2·h^-1·a^-1）；K为土壤可蚀性因子（t·h·hm^-2·MJ^-1·mm^-1）；L为坡长因子（无量纲）；S为坡度因子（无量纲）；C为植被覆盖因子（无量纲）；P为水土保持措施因子（无量纲）。本研究利用从中国气象科学数据共享服务网（http：//cdc.cma.gov.cn）获取的相关数据，采用章文波等^［46］发展的日雨量估算降雨侵蚀力模型计算降雨侵蚀力因子；基于1∶100万土壤类型图所附的土壤属性表和空间数据，采用Nomo图法^［47］计算土壤可蚀性因子；利用USGS（https：//www.usgs.gov/）获取90 m分辨率数字高程数据（DEM），采用McCool等^［48］和刘宝元等^［49］的方法获取坡度和坡长因子；采用蔡崇法等^［50］的方法计算植被覆盖因子；采用基于坡度^［19］的计算方法获取水土保持措施因子。基于水文站点与已有研究成果^［19］对本研究结果进行验证，采用随机采样的方式获取陕北地区274个验证点进行验证，精度R²=0.85（图2F）。

降雨侵蚀力（R）是土壤侵蚀的驱动因子，基于日降雨量资料和半月降雨侵蚀力模型，来估算降雨侵蚀力^［46］：

M_{i} = α \sum_{j = 1}^{k} D_{j}^{β}

（12）

式中：M_i 为某半月时段的降雨侵蚀力值（MJ·mm·hm^-2·h^-1·a^-1）；D_j 表示半月时段内第j天的侵蚀性日雨量（要求日雨量≥12 mm，否则以0计算，阈值12 mm与中国侵蚀性降雨标准一致）；k表示半月时段内的天数，半月时段的划分以每月第15日为界，每月前15天作为一个半月时段，该月剩下部分作为另一个半月时段，将全年依次划分为24个时段。

α、β是模型待定参数：

β = 0.8363 + \frac{18.144}{P_{d 12}} + \frac{24.455}{P_{y 12}}

（13）

α=21.586β^-^7.1891（14）

式中：P_d12表示日雨量12 mm以上（包括等于12 mm）的日平均雨量；P_y12表示日雨量12 mm以上（包括12 mm）的年雨量。

土壤可蚀性（K）的计算采用Nomo图法^［47］，分析了55种土壤性质指标，筛选出粉粒+极细砂粒含量、砂粒含量、有机质含量、结构和入渗5项土壤特性指标，建立了K值与土壤性质之间的诺谟图Nomo模型：

K = \frac{2.1 \times 10^{- 4} (12 - O M) M^{1.14} + 3.25 (S - 2) + 2.5 (P - 3)}{100} \times R a t i o

（15）

式中：K为土壤可蚀性值；OM为土壤有机质含量百分比；M为土壤颗粒级配参数，为美国粒径分级制中（粉粒+极细砂）与（100-黏粒）百分比之积；S为土壤结构系数；P为渗透等级；Ratio为美国制单位转换为国际制单位的转换系数，取值为0.1317。

坡度坡长因子（L、S）反映了地形坡度和坡长对土壤侵蚀的影响。本研究坡度坡长因子的算法建立在McCool等^［48］和刘宝元等^［49］的研究基础之上：

L = {(\frac{γ}{22.13})}^{m} \{\begin{matrix} m = 0.5 & θ \geq 9 % \\ m = 0.4 & 9 % > θ \geq 3 % \\ m = 0.3 & 3 % > θ \geq 1 % \\ m = 0.2 & θ < 0 % \end{matrix}

（16）

S = \{\begin{matrix} 10.8 s i n θ + 0.03, & θ < 9 % \\ 16.8 s i n θ - 0.5, & 9 % \leq θ \leq 18 % \\ 21.91 s i n θ - 0.96, & θ > 18 % \end{matrix}

（17）

式中： $γ$ 为坡长（m）；m为无量纲常数，取决于坡度百分比值 $θ$ 。

植被覆盖因子（C）采用蔡崇法等^［50］提出的C值计算方法：

C = \{\begin{array}{l} 1, & f_{v c} = 0 \\ - 0.3436 l g f_{v c} + 0.6508, & 0 < f_{v c} \leq 78.3 % \\ 0, & f_{v c} > 78.3 % \end{array}

（18）

f_{v c} = \frac{N D V I - N D V I_{s o i l}}{N D V I_{m a x} - N D V I_{s o i l}}

（19）

式中： $f_{v c}$ 为植被覆盖度；NDVI_soil为纯裸土像元的NDVI值；NDVI_max为植被像元的NDVI值。

水土保持措施因子（P）重点考虑梯田和等高耕作措施，通过遥感监测手段获取30 m×30 m空间分辨率的梯田分布数据，逐个栅格确定农田P因子赋值，并经升尺度处理后输入RUSLE模型，有效实现了RUSEL模型参数本地化改进^［19］。

2.4　土壤风、水蚀分异特征分类标准及主导分区规则

依据土壤侵蚀分类分级标准（SL190—2007）^［39］，区域土壤侵蚀强度分为6个等级，分别为微度、轻度、中度、强烈、极强烈、剧烈（表2）。在获取土壤风蚀模数和土壤水蚀模数的基础上，采用空间叠加的方式将区域分为不同侵蚀强度风蚀与水蚀主导区。为消除异常值和保证风、水蚀强度集中连片，本研究采用4×4窗口邻域分析^［19］对风、水蚀图层进行处理。

表2 土壤侵蚀分级标准及主导类型判断规则^［39］

Table 2 Classification criterion of soil erosion^［39］

分级	平均侵蚀模数/（t·km^-2·a^-1）	土壤风蚀与水蚀主导区判断规则
1 微度侵蚀	<200	土壤风蚀和水蚀模数< 200 t·km^-2·a^-1叠加，风、水蚀均可
2轻度侵蚀	200~2 500	土壤风蚀和水蚀模数200~2 500 t·km^-2·a^-1叠加，大者赋主导类型（例如；风蚀模数≥水蚀模数，赋值为风蚀轻度侵蚀区；否则反之，以下分级分类标准一致）
3 中度侵蚀	2 500~5 000	土壤风蚀和水蚀模数2 500~5 000 t·km^-2·a^-1叠加，值大者赋主导类型
4 强烈侵蚀	5 000~8 000	土壤风蚀和水蚀模数5 000~8 000 t·km^-2·a^-1叠加，值大者赋主导类型
5 极强烈侵蚀	8 000~15 000	土壤风蚀和水蚀模数8 000~15 000 t·km^-2·a^-1叠加，值大者赋主导类型
6 剧烈侵蚀	≥15 000	土壤风蚀和水蚀模数≥15 000 t·km^-2·a^-1叠加，值大者赋主导类型

新窗口打开| 下载CSV

3 结果与分析

3.1　土壤风蚀强度时空变化

2000年以来，土壤风蚀模数总体呈下降趋势（图3）。从2000年的1 543.09 t·km^-2·a^-1下降到2020年的925.13 t·km^-2·a^-1，年际变化总体上呈现波动降低的态势。研究区90.63%的区域土壤风蚀模数降低，局部区域土壤风蚀量降低幅度较大。2000—2020年，土壤风蚀侵蚀强度空间分布特征基本不变（图4），但土壤风蚀强度区域差异明显。鄂尔多斯内流区多年平均风蚀模数为4 350.16 t·km^-2·a^-1，中度以上风蚀强度区域所占比重较大；其次为黄河干流上游水系（3 871.33 t·km^-2·a^-1）；黄河中游水系多年平均风蚀模数为221.17 t·km^-2·a^-1；黄河源头水系（153.46 t·km^-2·a^-1）、湟水-洮河水系（114.78 t·km^-2·a^-1）、黄河下游水系（39.30 t·km^-2·a^-1）、渭河-伊洛河水系（18.07 t·km^-2·a^-1）区域以轻度以下风蚀类型为主。2000—2020年，各区域的风蚀模数均有下降，并表现出不同的变化特点。其中，鄂尔多斯内流区、黄河干流上游水系、黄河中游水系及黄河下游水系区域风蚀模数明显下降，风蚀侵蚀强度降低显著。鄂尔多斯内流区及黄河干流上游水系区域演变规律与全域土壤风蚀模数变化较一致，均呈现先降低后增加然后持续降低趋势；黄河中游水系与湟水-洮河水系区域土壤风蚀模数波动较大，但总体下降趋势明显。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 2000—2020年黄河流域土壤风蚀模数变化

Fig.3 The change of soil wind erosion modulus in the Yellow River Basin from 2000 to 2020

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 2000—2020年黄河流域土壤风蚀空间分布格局

Fig.4 Spatial distribution pattern of soil wind erosion in the Yellow River Basin from 2000 to 2020

3.2　土壤水蚀强度时空变化

2000年以来，土壤水蚀模数总体呈下降趋势（图5）。从2000年的1 684.91 t·km^-2·a^-1下降到2020年的877.93 t·km^-2·a^-1，年际变化总体上呈现持续下降态势。研究区91.95%的区域土壤水蚀模数降低，局部区域土壤水蚀量降低幅度较大。2000—2020年，土壤水蚀强度空间分布特征基本不变（图6），但土壤水蚀强度明显降低。黄河流域子流域土壤水蚀强度空间区域差异较大，渭河-伊洛河水系多年平均水蚀模数为1 654.88 t·km^-2·a^-1；其次为黄河中游水系（1 507.55 t·km^-2·a^-1）；黄河干流上游水系、湟水-洮河水系多年土壤水蚀模数分别为1 343.19、1 132.87 t·km^-2·a^-1；鄂尔多斯内流区、黄河下游水系土壤水蚀模数相对较低。近20年，各区域的水蚀模数均有下降，并表现出不同的变化特点。其中，黄河中游水系、渭河-伊洛河水系水蚀模数分别以每年69.36、61.99 t·km^-2·a^-1速率降低；黄河干流上游水系、湟水-洮河水系土壤水蚀强度降低明显。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 2000—2020年黄河流域土壤水蚀模数变化

Fig.5 The change of soil water erosion modulus in the Yellow River Basin from 2000 to 2020

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 2000—2020年黄河流域土壤水蚀空间分布格局

Fig.6 Spatial distribution pattern of soil water erosion in the Yellow River Basin from 2000 to 2020

3.3　土壤侵蚀类型分类分级特征

黄河流域以土壤水蚀为主，侵蚀类型格局自北向南总体表现为从风蚀主导向水蚀主导过渡（图7）。风蚀主导区面积为13.31万km²，占区域土地总面积的16.35%，主要分布在北部的黄河干流上游水系、鄂尔多斯内流区，分别占风蚀主导区面积的41.53%和28.57%；风蚀主导区中度侵蚀所占比例最大，占风蚀区总面积的24.72%，轻度和微度分别占19.55%、19.14%；库布齐沙漠区域强烈、极强烈、剧烈侵蚀分布较广泛（表3）。水蚀主导区面积为68.09万km²，占区域土地总面积的83.65%，黄河中游水系、渭河-伊洛河水系区域所占比重较大，分别占水蚀区总面积的25.04%和22.60%；黄河源头水系、黄河干流上游水系、湟水-洮河水系区域所占比重均在10%以上；黄河流域水蚀主导区以微度侵蚀为主，占水蚀区总面积的49.30%，轻度、中度、强烈、极强烈、剧烈分别占水蚀区面积的17.28%、14.98%、11.95%、3.46%和3.02%（表3）。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 黄河流域土壤风、水蚀主导类型和强度格局特征

Fig.7 Characteristics of dominant types and intensity pattern of soil wind and water erosion in the Yellow River Basin

表3 黄河流域二级流域不同强度土壤风蚀和水蚀主导类型区面积统计（km²）

Table 3 Areas of wind-dominated and water-dominated erosion region classified into different erosion intensity in the secondary basins of the Yellow River Basin（km²）

侵蚀类型分区	侵蚀强度	鄂尔多斯内流区	黄河干流上游水系	黄河源头水系	湟水-洮河水系	黄河下游水系	黄河中游水系	渭河-伊洛河水系
土壤风蚀	微度	8 887.45	7 886.54	5 936.91	0.20	80.33	2 681.95	0.00
	轻度	7 914.29	13 674.17	731.95	0.00	0.00	3 696.64	5.67
	中度	7 774.61	16 142.45	4 049.34	0.00	0.00	4 935.66	0.15
	强烈	4 467.64	7 006.11	114.08	4.08	0.00	6 620.02	0.00
	极强烈	3 916.47	3 910.87	3 215.53	42.54	0.00	3 060.93	0.00
	剧烈	5 064.67	6 654.55	40.82	0.00	0.00	45 94.53	0.00
土壤水蚀	微度	3 273.58	43 589.34	90 601.16	50 252.26	22 497.93	67 883.22	57 601.50
	轻度	1 172.81	24 995.75	25 000.09	17 936.13	715.75	20 749.71	27 131.17
	中度	1 777.32	20 317.38	10 531.54	12 591.47	2 532.20	25 982.12	28 285.32
	强烈	394.92	14 102.67	310.35	7 420.71	779.23	24 913.39	33 480.99
	极强烈	56.37	2 423.80	67.01	2 451.98	81.65	13 704.85	4 807.01
	剧烈	191.81	81.83	138.38	271.73	12.72	17 263.30	2 576.10

新窗口打开| 下载CSV

4 讨论

本文采用RWEQ、RUSLE模型定量评估了2000—2020年黄河流域土壤风蚀模数、土壤水蚀模数，探究了风蚀与水蚀主导类型区。2020年土壤风蚀与水蚀强度测算结果显示，2020年全流域水土流失面积28.49万km²，土壤风蚀面积为8.23 km²，土壤水蚀面积为20.26万km²；《黄河流域水土保持公报（2020年）》显示，全流域水土流失面积26.27万km²，其中土壤水蚀面积19.14万km²，土壤风蚀面积7.13万km²；虽然基于RWEQ、RUSLE模型模拟结果较国家发布结果存在高估现象，但与土壤侵蚀主导类型区统计的结果规律较一致。2000—2020年，中国北方开展了一系列改善生态环境的措施，生态工程建设对区域荒漠化防治、水土保持及生态修复起到了一定的作用^{［14，51-52］}，提升了主要生态系统服务^{［41，53］}。有关学者研究发现，降水的变化并不是导致中国北方地区植被变绿的主要驱动力，国家大型生态工程建设是有效促进北方土地增绿的关键要素^{［51，54］}。植被覆盖的提升大幅度改善水土流失强度。例如，在黄土丘陵沟壑区的相关研究发现，流域坡耕地减少43%、林地增加42%、草地增加5%后，10年间土壤水蚀总量减少了24%^［55］。2000—2020年，黄河流域土地利用/覆盖变化方式以退耕还林和还草为主，主要分布在黄河中游水系及渭河-伊洛河水系区域^［56］，在这些退耕面积中，黄河中游水系、渭河-伊洛河水系及黄河干流上游水系区域约50%耕地转换为草地，约三分之一由林地改造工程贡献，大规模的植被恢复和坡耕地还林还草对于黄河流域土壤侵蚀的减缓和预防发挥着重要的作用。然而，研究区域仍然存在局部植被退化、部分沙地恢复的植被仍以低覆盖为主的现象^［57-58］。生态工程的实施已经在区域生态环境改善方面发挥了积极的影响，为了提高防治效率，建议针对侵蚀的主导类型区采取差别化的管理措施。在今后的工作中，还需要在风水复合侵蚀区进一步开展实验研究，深入探究风、水侵蚀作用机制，更准确地评估土壤风蚀和水蚀影响因子对于土壤侵蚀的贡献率。

5 结论

黄河流域土壤风蚀、水蚀强度年际变化虽有所差异，但整体均呈下降趋势。近20年，土壤风蚀、土壤水蚀模数分别以16.89、34.98 t·km^-2·a^-1速率下降。鄂尔多斯内流区、黄河干流上游水系风蚀侵蚀强度降低显著；黄河中游水系、渭河-伊洛河水系土壤水蚀强度降低明显。

黄河流域以土壤水蚀为主，侵蚀类型格局自北向南总体表现为从风蚀主导向水蚀主导过渡。土壤风蚀、土壤水蚀主导区分别占区域土地面积的16.35%、83.65%；风蚀主导区中度侵蚀所占比例最大，主要分布在北部的黄河干流上游水系、鄂尔多斯内流区。水蚀主导区以微度侵蚀为主，黄河中游水系、渭河-伊洛河水系区域所占比重较大。

荒漠化治理及水土保持工程建设使得黄河流域土壤风蚀、水蚀强区域侵蚀模数降低明显，且侵蚀强度降低显著。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Borrelli

， Robinson

D A

， Fleischer

L R

，et al.

An assessment of the global impact of 21st century land use change on soil erosion

［J］.Nature Communications，2017，8（1）：2013.

[本文引用: 4]

[2]

Chi

W F

， Zhao

Y Y

， Kuang

W H

，et al.

Impact of cropland evolution on soil wind erosion in Inner Mongolia of China

［J］.Land，2021，10（6）：583.

[本文引用: 6]

[3]

C J

， Fu

B J

， Wang

，et al.

Drivers and impacts of changes in China's drylands

［J］.Nature Reviews Earth and Environment，2021，2（12）：858-873.

[本文引用: 2]

[4]

Rolf

， Benbi

， Reichl

F X

，et al.

Soil-borne gases and their influence on environment and human health

［M］//Soil Components and Human Health.Berlin，Germany：Springer，2018：179-221.