基于InVEST模型的祖厉河流域土壤保持研究

doi:10.7522/j.issn.1000-694X.2025.00143

基于InVEST模型的祖厉河流域土壤保持研究

李彤^,¹, 朱睿^,¹, 李晓光², 康健², 山建安¹, 李榕¹, 尹振良^,³

1.兰州交通大学测绘与地理信息学院/地理国情监测技术应用国家地方联合工程研究中心/甘肃省地理国情监测工程实验室，甘肃兰州 730070

2.黄河水利委员会上游水文水资源局，甘肃兰州 730030

3.中国科学院西北生态环境资源研究院干旱区生态安全与可持续发展全国重点实验室/国家冰川冻土沙漠科学数据中心，甘肃兰州 730000

Research on soil and water conservation in the Zuli River Basin based on the InVEST model

Li Tong^,¹, Zhu Rui^,¹, Li Xiaoguang², Kang Jian², Shan Jian'an¹, Li Rong¹, Yin Zhenliang^,³

1.College of Surveying and Geo-Informatics / National and Local Joint Engineering Research Center for Geographic Condition Monitoring Technology Application / Gansu Provincial Geographic Condition Monitoring Engineering Laboratory，Lanzhou Jiaotong University，Lanzhou 730070，China

2.Upstream Hydrology and Water Resources Bureau of the Yellow River Conservancy Commission，Lanzhou 730030，China

3.State Key Laboratory of Ecological Security and Sustainable Development in Arid Areas / National Glacier，Frozen Soil，and Desert Science Data Center，Northwest Institute of Eco-Environment and Resources，Chinese Academy of Sciences，Lanzhou 730000，China

通讯作者: 朱睿（E-mail： zhur@mail.lzjtu.cn）尹振良（E-mail： yinzhenliang@lzb.ac.cn）

收稿日期: 2025-09-17 修回日期: 2025-10-09

基金资助:

国家自然科学基金项目.  42161018
中国科学院青年创新促进会会员项目.  2021424
甘肃省重大科技项目.  23ZDKA017
甘肃省重大科技项目.  23ZDFA018
黄河流域生态保护和高质量发展联合研究一期项目.  2022-YRUC-01-0601

Received: 2025-09-17 Revised: 2025-10-09

作者简介 About authors

李彤（2002—），女，甘肃酒泉人，硕士研究生，主要从事水土保持方面的研究E-mail：12242145@stu.lzjtu.edu.cn , E-mail：12242145@stu.lzjtu.edu.cn

摘要

祖厉河流域水土保持状况影响黄河流域生态安全与可持续发展。本文基于InVEST模型评估2000、2010、2020年祖厉河流域土壤保持服务功能，并结合地理探测器分析土壤保持影响因子。结果表明：（1）祖厉河流域土壤侵蚀与土壤保持空间分布格局均呈现南高北低的分布特征；2000、2010、2020年平均土壤侵蚀（保持）模数分别为1 352.89（3 690.78）、968.73（4 743.01）、728.03（5 685.43） t·km^-2·a^-1，逐年代减小（增加）。（2）2000—2020年各土地利用类型的土壤保持量均有不同程度增加；土壤保持量和土壤保持模数随海拔升高呈先增加后减小特征；随坡度增加，土壤保持量先增加后减小，而土壤保持模数不断增加。（3）土壤保持能力影响因子平均q值由强至弱依次为：坡度>年降水量>海拔>强降水（R95pTOT）>土地利用>植被覆盖度>土壤属性，其中，排名前3的影响因子平均q值分别为0.606、0.083、0.076；因子交互作用均大于单因子影响作用，坡度与其余各因子交互探测的结果最强。建议加强祖厉河流域北部地区水土流失治理，同时重点关注植被稀疏、高海拔和人类活动较密集区域。

关键词： InVEST模型 ; 祖厉河流域 ; 土壤保持服务 ; 地理探测器

PDF (4126KB) 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

李彤, 朱睿, 李晓光, 康健, 山建安, 李榕, 尹振良. 基于InVEST模型的祖厉河流域土壤保持研究. 中国沙漠[J], 2025, 45(6): 312-322 doi:10.7522/j.issn.1000-694X.2025.00143

Li Tong, Zhu Rui, Li Xiaoguang, Kang Jian, Shan Jian'an, Li Rong, Yin Zhenliang. Research on soil and water conservation in the Zuli River Basin based on the InVEST model. Journal of Desert Research[J], 2025, 45(6): 312-322 doi:10.7522/j.issn.1000-694X.2025.00143

0 引言

水土流失作为当前全球性突出的生态治理难题^［1-2］，是中国长期面临的重大生态挑战，其引发的土地退化与生态功能衰退直接危及区域生态安全屏障的稳定性，加剧生态系统失衡。水土流失造成的一系列生态环境问题受到人们的广泛关注^［3-4］。水土保持可有效削弱因水土流失而造成的土壤肥力下降、农业水源污染等生态环境问题^［5-6］。

土壤保持能力的强弱受多种自然与人为因素共同影响^［7］。自然因素主要包括地形条件（如坡度、高程）、气候特征（如年降水量、强降水）^［8］、土壤属性以及植被覆盖状况^［9］等；人为因素则主要体现在土地利用变化（如耕地开垦、过度放牧导致草地退化）、生态建设等方面^{［8，10-11］}。这些因素通过复杂的作用机制共同影响土壤保持能力，其空间分异性也直接决定水土保持服务的分布格局。

随着科学技术的进步，尤其是遥感技术和地理信息系统（GIS）的广泛应用为水土保持研究提供了有力支持。InVEST（Integrated Valuation of Ecosystem Services and Tradeoffs）模型能够量化分析不同土地利用和管理方式对生态系统服务功能的影响，为水土保持研究提供了新的方法和思路^［12］。InVEST模型的土壤保持模块（Sediment Delivery Ratio Model， SDR）在土壤保持服务功能评价方面应用较广^［13-14］。Wischmeier等^［15］提出的通用水土流失方程（Universal Soil Loss Equation，USLE）只考虑了坡面侵蚀，而InVEST模型同时考虑了坡面侵蚀和地块本身拦截上游沉积物的能力，土壤保持服务评估得出的量化结果也较USLE更为准确^［16］。利用GIS平台，对生态系统服务功能进行量化分析，并能可视化展示评估结果^［17］，对生态系统服务模拟与评价具有重要应用价值^［18］。

根据2023年水利部发布的《全国水土流失动态监测报告》，全国水土流失面积较20世纪80年代峰值减少约100万km²，但仍有265万km²（占国土面积27.6%）。黄土高原地区作为中国三大核心治理区域之一，由于特殊的地质条件和自然因素，水土流失问题十分严重^［19］。祖厉河流域作为黄河重要支流，其水土保持状况直接关系到黄河流域的生态安全和经济社会可持续发展^［20］。该流域已有的研究侧重于分析土壤侵蚀的时空变化规律及其影响因素^［21］，缺少从不同方面对该流域土壤保持量的定量估算和分布特征评估。鉴于此，本文以祖厉河流域作为研究区，基于InVEST模型，定量估算2000、2010、2020年的土壤保持服务功能，并从海拔、坡度和土地利用3个方面评估土壤保持的分布特征，为祖厉河流域水土流失治理提供科学依据。

1 研究区概况

祖厉河位于甘肃省中部，是黄河流域重要的一级支流，流经甘肃省定西市、白银市、兰州市（图1）。祖厉河流域属典型黄土高原地貌，以丘陵、沟壑为主，黄土覆盖深厚，土壤质地疏松易受侵蚀^［22］。祖厉河流域属温带半干旱型气候，四季分明，降水集中在夏季，年降水量为300~500 mm，年蒸发量为1 500 mm以上，形成了明显的水分亏缺^［23］。由于恶劣的自然条件、植被覆盖率低、不合理的土地利用和气候变化等因素综合影响，祖厉河流域水土流失问题十分严重。沟壑地形加剧了雨水径流集中，导致土壤流失和肥力下降，其水土保持状况直接关系到区域生态安全和高质量发展。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 祖厉河流域概况

Fig.1 General map of the Zuli River Basin

2 数据来源与研究方法

2.1　数据来源

InVEST模型土壤保持模块所需数据以及地理探测器因子分析所选数据如表1所列。数据分辨率统一重采样为30 m，坐标统一为WGS_1984_UTM_Zone_48N。其中，气象数据为2000、2010、2020年逐月、逐日降水量数据，土壤属性数据包括砂粒、黏粒、粉粒和有机碳含量。

表1 数据来源

Table 1 Data sources required for the model

数据类型	数据来源	分辨率/m
DEM数据	地理空间数据云(https://www.gscloud.cn/)	30
气象数据	国家青藏高原科学数据中心(https://data.tpdc.ac.cn/)	1 000
土壤数据	世界土壤数据库(HWSD)(http://www.fao.org/soils-portal/soil-survey//en/)	1 000
土地利用数据	中国科学院资源环境科学数据中心(http://www.resdc.cn)	30
植被覆盖度数据	国家青藏高原科学数据中心(https://data.tpdc.ac.cn/)	1 000

新窗口打开| 下载CSV

2.2　研究方法

2.2.1　InVEST模型原理及参数计算方法

InVEST模型中的土壤保持模块（SDR）是评估生态系统在减少土壤侵蚀和沉积物运移方面功能的重要工具，主要基于通用土壤流失方程（USLE）或其修订版（RUSLE）^［24］，在优化改进基础上，以像元尺度计算土壤侵蚀量，以此评估和预测土壤侵蚀风险和土壤保持服务功能^［25］。具体公式如下^［26］：

U S L E = R \times K \times L S \times C \times P

（1）

R K L S = R \times K \times L S

（2）

S D R = R K L S - U S L E

（3）

式中：RKLS为潜在土壤侵蚀量（t·km^-2·a^-1）；USLE为实际土壤侵蚀量（t·km^-2·a^-1）； $S D R$ 为土壤保持量，即潜在土壤侵蚀量与实际土壤侵蚀量之差；R、K、LS、C、P分别为降雨侵蚀力因子（MJ·mm·km^-2·a^-1·h^-1）、土壤可蚀性因子（hm²·t·h·km^-2·MJ^-1·mm^-1）、坡度坡长因子、植被覆盖因子以及水土保持因子。

降雨侵蚀力因子（R），利用选取的2000、2010、2020年逐月降水量数据计算得到^［27］。土壤可蚀性因子（K）采用Williams等提出的EPIC模型计算^［28］。坡度坡长因子（LS）为将获取到的DEM数据经过填洼处理后加入InVEST模型自动计算^［29］。植被覆盖因子（C）采用蔡崇法等^［30］提出的植被覆盖因子计算不同土地利用类型下的C值。水土保持因子（P）采用石建丽等^［31］相关研究成果，结合研究区土地利用情况，确定不同土地利用类型所对应的P值。

2.2.2　土壤侵蚀强度分级

根据中华人民共和国水利部颁布的《土壤侵蚀分类分级标准》（SL190-2007）划分土壤侵蚀强度等级，以年均侵蚀模数作为核心判别指标，分为微度侵蚀、轻度侵蚀、中度侵蚀、强烈侵蚀、极强烈侵蚀和剧烈侵蚀6类（表2）。

表2 土壤侵蚀强度分级标准

Table 2 Classification standards for soil erosion intensity

土壤侵蚀强度	土壤侵蚀模数/(t·km^-2·a^-1)
微度侵蚀	<500
轻度侵蚀	500~2 500
中度侵蚀	2 500~5 000
强烈侵蚀	5 000~8 000
极强烈侵蚀	8 000~15 000
剧烈侵蚀	>15 000

新窗口打开| 下载CSV

2.2.3　地理探测器

地理探测器是探测空间分异性以及揭示其驱动力，分析自变量和因变量之间相互作用的数学模型，包括因子探测、交互作用探测、风险探测和生态探测4个模块^［32-33］，本文利用因子探测和交互探测2个模块对研究区土壤保持服务功能的主要影响因子进行定量探测。因子探测主要用于评估各自变量X对因变量Y空间分异的影响程度^［34-35］，q值越大，X对Y的影响力越明显；P<0.05即表示其对应的自变量通过显著性检验。交互作用探测器主要用于探测两个因子共同作用对因变量的影响程度，首先分别计算X₁和X₂对Y的解释力q（X₁）和q（X₂），其次计算q（X₁∩X₂），最后比较3个变量的q值，从而确定交互影响作用^［36］。

本文选取海拔（X₁）、坡度（X₂）、年降水量（X₃）、植被覆盖度（X₄）、土地利用（X₅）、土壤属性（X₆）和强降水（R95pTOT，X₇）共7个因子作为自变量，土壤保持量为因变量（Y），对以上数据进行预处理，并创建2 000 m×2 000 m格网，生成2 661个网格单元。通过逐日降水数据计算3年的强降水量R95pTOT（年降水量≥95百分位阈值的降水总量），并根据王劲峰等^［32］提出的数据离散化方法和先验知识，在参考现有研究成果的基础上，采用自然断点法将海拔、坡度、年降水量和植被覆盖度以及R95pTOT分为6级；土地利用类型按照《全国土地利用动态遥感监测分类系统及代码》分为6个一级类；土壤属性根据《1∶100万中华人民共和国土壤图》划分为17类。

3 结果与分析

3.1　土壤侵蚀变化

从空间分布上看，祖厉河流域2000—2020年土壤侵蚀空间分布格局大致相似，西北地区较东南地区整体侵蚀程度较低，以轻度侵蚀为主（3个年份中所占比例均超过50%），除河道区域侵蚀程度较轻外，其他区域侵蚀程度大致相同，强烈侵蚀及以上侵蚀等级所在区域所占面积极小，零星分布于研究区西南侧（图2，表3）。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 2000—2020年祖厉河流域土壤侵蚀强度等级空间分布

Fig.2 Spatial distribution of soil erosion intensity grades in the Zuli River Basin from 2000 to 2020

表3 2000—2020年祖厉河流域土壤侵蚀强度等级变化

Table 3 Changes in soil erosion intensity grades in the Zuli River Basin from 2000 to 2020

土壤侵蚀强度	2000年		2010年		2020年
土壤侵蚀强度	面积/km²	占比/%	面积/km²	占比/%	面积/km²	占比/%
微度侵蚀	1 989.59	18.66	2 786.97	26.14	5 020.38	45.89
轻度侵蚀	7 594.71	71.23	7 592.44	71.21	5 654.39	51.69
中度侵蚀	1 062.05	9.96	272.62	2.55	252.57	2.30
强烈侵蚀	12.29	0.11	7.05	0.06	7.66	0.07
极强烈侵蚀	2.99	0.02	2.55	0.02	3.71	0.03
剧烈侵蚀	0.01	0.00	0.01	0.00	0.00	0.00

新窗口打开| 下载CSV

2000—2020年平均土壤侵蚀模数分别为1 352.89、968.73、728.03 t·km^-2·a^-1，土壤侵蚀量持续下降，20年间祖厉河流域大部分地区由中度侵蚀和轻度侵蚀转为微度侵蚀，平均土壤侵蚀模数下降了46.19%，到2020年微度侵蚀与轻度侵蚀所占比例已基本持平，共占研究区总面积的97%。具体而言，20年间微度侵蚀面积增加到原来的2.5倍，轻度侵蚀和中度侵蚀面积分别减少了25.55%和76.22%，强烈侵蚀、极强烈侵蚀与剧烈侵蚀面积变化不大。总之，祖厉河流域20年来土壤侵蚀程度逐渐减轻。

3.2　土壤保持变化

3.2.1　土壤保持空间分布格局

2000、2010、2020年研究区平均土壤保持模数分别为3 690.78、4 743.01、5 685.43 t·km^-2·a^-1，土壤保持量呈增加趋势。2000—2020年祖厉河流域土壤保持空间分布格局较为相似，河道和周围的河岸、河床区域土壤保持水平基本不变，西北地区土壤保持水平总体低于东南地区，呈现出南高北低的分布特征（图3）。这是由于南部区域降水量较高，且降水强度适中，有利于植被生长和水土保持，而北部区域集中分布有祖厉河干流及多条支流，作为地表径流集中通道，水流速度较快，对河岸和河床区域土壤的冲击力较强。总体而言，20年来祖厉河流域土壤保持也不断提升。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 2000—2020年祖厉河流域土壤保持模数空间分布

Fig.3 Spatial distribution map of soil conservation in the Zuli River Basin from 2000 to 2020

3.2.2　土壤保持变化量空间变化格局

2000—2010年，土壤保持总量由3.93×10⁷ t增加至5.06×10⁷ t，2020年增加至6.06×10⁷ t，20年间祖厉河流域土壤保持总量共增加了54.04%，土壤保持量增加的区域占流域总面积的99.8%，仅有0.2%的区域呈现降低趋势。由图4可知，祖厉河南部区域土壤保持量增加较多且集中，该地区土壤保持模数的增加普遍超过1 000 t·km^-2·a^-1。北部区域土壤保持模数呈轻微增加趋势，增加量为0~500 t·km^-2·a^-1。从间隔10年的阶段性变化来看，2000—2010年祖厉河流域土壤保持量增加了1.13×10⁷ t。2010—2020年土壤保持量增加了1.00×10⁷ t，增加区域主要分布在祖厉河流域南部。此变化与同期实施的退耕还林还草政策以及气候变化导致的降水变化密切相关^［37］，南部地区降水相对丰沛，以及政策引导的植被恢复措施，显著提升了土壤保持能力。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 2000—2020年祖厉河流域土壤保持模数变化量空间分布

Fig.4 Spatial change map of soil conservation in the Zuli River Basin from 2000 to 2020

3.3　不同土地利用土壤保持量分布特征

表4、图5结果表明，祖厉河流域以耕地和草地为主，耕地的土壤保持总量从1.33×10⁷ t增加到1.81×10⁷ t，草地的土壤保持总量从2.46×10⁷ t增加到4.01×10⁷ t，是土壤保持总量增加的主要贡献者。此外，2000—2020年各土地利用类型的土壤保持量都有不同程度的增加，其中草地的土壤保持量增加最显著，占比从62.48%增加到66.23%。20年间除水体外的其他土地利用类型对应的土壤保持模数也有不同程度的增加，其中未利用地和草地增加最为显著，2020年比2000年分别增加了152%和63%，此外，林地的土壤保持模数最大，3期土壤保持模数均超过5 000 t·km^-2·a^-1。总之，不同土地利用类型的土壤保持能力存在明显差异，但在此20年间总体都呈现出增长趋势，说明各土地利用类型的土壤侵蚀情况均得到了改善，祖厉河流域整体的土壤保持能力不断提升。

表4 2000—2020年不同土地利用类型的土壤保持量和土壤保持模数

Table 4 Soil conservation amount and soil conservation intensity under different land use types from 2000 to 2020

土地利用类型	2000年		2010年		2020年
土地利用类型	土壤保持总量/×10⁵ t	土壤保持模数/（t·km^-2·a^-1）	土壤保持总量/×10⁵ t	土壤保持模数/（t·km^-2·a^-1）	土壤保持总量/×10⁵ t	土壤保持模数/（t·km^-2·a^-1）
耕地	133.38	3 162.14	157.39	3 748.88	181.47	4 398.97
林地	10.07	5 937.19	14.38	6 767.82	16.42	7 721.52
草地	245.78	4 036.87	328.23	5 428.32	401.27	6 580.01
水体	0.14	3 087.90	0.27	2 783.64	0.31	2 888.39
建设用地	3.81	2 422.98	4.92	2 845.93	5.87	3 107.09
未利用地	0.19	969.71	0.33	1 881.04	0.51	2 446.35

新窗口打开| 下载CSV

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 2000—2020年不同土地利用类型的土壤保持量和土壤保持模数

Fig.5 Soil conservation amount and soil conservation intensity under different land use types from 2000 to 2020

3.4　不同海拔土壤保持量的分布特征

由表5、图6可知，随着海拔的升高，土壤保持量呈先增加后减小的趋势，研究区海拔在1 700~2 300 m，该海拔区间的土壤保持量占总量的90%以上。2000—2020年，1 700~2 000 m海拔的土壤保持总量从1.91×10⁷ t增加到2.92×10 t，2 000~2 300 m海拔的土壤保持总量从1.69×10⁷ t增加到2.62×10⁷ t，是土壤保持总量变化的主要部分。除海拔高于2 600 m的区域外，研究区土壤保持模数随海拔的升高而增加，2 300~2 600 m海拔的土壤保持模数最大，20年间，其土壤保持模数从4 250.63 t·km^-2·a^-1增加到6 828.92 t·km^-2·a^-1，海拔为2 000~2 300 m的区域次之，土壤保持模数从4 096.22 t·km^-2·a^-1增加到6 351.16 t·km^-2·a^-1，2000—2020年其他各海拔的土壤保持模数均有不同程度的增加。

表5 2000—2020年不同海拔的土壤保持量和土壤保持模数

Table 5 Soil conservation amount and soil conservation intensity at different altitudes from 2000 to 2020

海拔/m	2000年		2010年		2020年
海拔/m	土壤保持总量/×10⁵ t	土壤保持模数/（t·km^-2·a^-1）	土壤保持总量/×10⁵ t	土壤保持模数/（t·km^-2·a^-1）	土壤保持总量/×10⁵ t	土壤保持模数/（t·km^-2·a^-1）
<1 700	18.42	2 042.66	23.63	2 620.39	27.59	3 059.71
1 700~2 000	190.84	3 619.97	244.78	4 643.15	292.07	5 540.26
2 000~2 300	168.99	4 096.22	217.37	5 269.01	262.01	6 351.16
2 300~2 600	14.92	4 250.63	19.46	5 543.63	23.97	6 828.92
>2 600	0.20	2 487.88	0.28	3 389.52	0.31	3 780.75

新窗口打开| 下载CSV

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 2000—2020年不同海拔的土壤保持量和土壤保持模数

Fig.6 Soil conservation amount and soil conservation intensity at different altitudes from 2000 to 2020

3.5　不同坡度土壤保持量的分布特征

2000—2020年，各坡度区间的土壤保持总量都有不同程度的增加（表6、图7），15°~25°的区域土壤保持总量最大，从1.65×10⁷ t增加到2.56×10⁷ t，该坡度区域在祖厉河流域面积占比最大，是土壤保持量集中区域，8°~15°和25°~35°的区域土壤保持总量次之，变化分别为1.00×10⁷~1.53×10⁷ t和0.728×10⁷~1.13×10⁷ t，0°~5°和>35°区域土壤保持总量最低。随坡度的增加，土壤保持模数也不断增加，坡度>35°的区域土壤保持模数最高，至2020年，该坡度区间土壤保持模数达到了12 777.69 t·km^-2·a^-1，其次为25°~35°区域，2000—2020年土壤保持模数从6 728.70 t·km^-2·a^-1增加到10 491.32 t·km^-2·a^-1，其余坡度区间在2000—2020年土壤保持模数也有一定程度的增加。

表6 2000—2020年不同坡度的土壤保持量和土壤保持模数

Table 6 Soil conservation amount and soil conservation intensity under different slopes from 2000 to 2020

坡度/(°)	2000年		2010年		2020年
坡度/(°)	土壤保持总量/×10⁵ t	土壤保持模数/（t·km^-2·a^-1）	土壤保持总量/×10⁵ t	土壤保持模数/（t·km^-2·a^-1）	土壤保持总量/×10⁵ t	土壤保持模数/（t·km^-2·a^-1）
0~5	16.71	1 067.14	21.09	1 347.10	24.96	1 594.14
5~8	19.71	1 635.85	24.94	2 070.03	29.58	2 454.62
8~15	99.96	3 081.09	127.61	3 933.07	152.66	4 705.41
15~25	165.19	4 975.20	212.65	6 404.58	255.50	7 695.21
25~35	72.78	6 728.70	94.43	8 730.09	113.48	10 491.32
>35	18.50	8 160.91	24.13	10 642.53	28.97	12 777.69

新窗口打开| 下载CSV

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 2000—2020年不同坡度的土壤保持量和土壤保持模数

Fig.7 Soil conservation amount and soil conservation intensity under different slopes from 2000 to 2020

3.6　基于地理探测器的土壤侵蚀影响因素

3.6.1　土壤保持影响因子

各驱动因子对土壤保持量空间异质性的解释力（q值）如图8，2000、2010、2020年7个土壤保持能力影响因子的q值坡度>年降水量>海拔>R95pTOT>植被覆盖度>土地利用>土壤属性、坡度>土地利用>海拔>年降水量>R95pTOT>植被覆盖度>土壤属性、坡度>土地利用>年降水量>R95pTOT>海拔>植被覆盖度>土壤属性；2000—2020年土壤保持能力影响因子平均q值由强至弱依次为坡度（0.606）、年降水量（0.083）、海拔（0.076）、R95pTOT（0.072）、土地利用（0.072）、植被覆盖度（0.042）和土壤属性（0.013）。总体而言，坡度对祖厉河流域土壤保持能力的影响占主导作用，q值明显高于其他因子；海拔q值没有明显变化；年降水量和R95pTOT的q值先降低后提高，总体变化幅度较小；土地利用q值稳定增长；植被覆盖度q值在2010年明显降低，在2020年出现回升并超过2000年q值；土壤属性q值一直维持较低水平，说明其对祖厉河流域土壤保持量的影响较小。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 2000—2020年祖厉河流域单因子对土壤保持量空间异质性的解释力（q）

Fig.8 Explanatory power （q） of single factors on the spatial heterogeneity of soil conservation amount in the Zuli River Basin from 2000 to 2020

3.6.2　土壤保持影响因子的交互作用

祖厉河流域土壤保持量影响因子交互作用探测结果表明（图9）：各影响因子间不存在相互独立作用，因子交互作用都表现为双因子增强和非线性增强。各因子间的交互作用表现为双向促进关系，即因子间的交互作用均大于单个因子对研究区土壤保持空间分布变化的影响作用。本文7个因子共构成21组交互组合。2000—2020年，单因子交互作用q值无明显变化。以2020年为例，21个组合中的6种组合的交互作用表现突出，按其对研究区土壤保持能力影响程度从高到低依次为坡度（X₂）∩年降水量（X₃）、坡度（X₂）∩R95pTOT（X₇）、坡度（X₂）∩植被覆盖度（X₄）、坡度（X₂）∩海拔（X₁）、坡度（X₂）∩土壤属性（X₆）和坡度（X₂）∩土地利用（X₅），6种组合交互作用的影响力分别为0.731、0.727、0.678、0.666、0.631以及0.627，均超过了0.6，客观表征了以上6种组合结果的交互作用对土壤保持分布格局变化产生影响的贡献作用最大，进一步说明坡度为影响祖厉河流域土壤保持的主导因子。土壤属性（X₆）∩植被覆盖度（X₄）、土壤属性（X₆）∩土地利用（X₅）对研究区土壤保持空间分布变化影响力分别为0.095、0.109，说明土壤属性对祖厉河流域土壤保持交互作用解释力最低，对祖厉河流域土壤侵蚀的影响较小。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 2000—2020年祖厉河流域土壤保持量影响因子交互作用探测结果

注：X₁为海拔；X₂为坡度；X₃为年降水量；X₄为植被覆盖度；X₅为土地利用；X₆为土壤属性；X₇为强降水（R95pTOT）

Fig.9 Detection results of interaction effects of influencing factors on soil conservation in the Zuli River Basin from 2000 to 2020

4 讨论

4.1　土壤保持时空变化

祖厉河流域2000—2020年土壤侵蚀模数分别为1 352.89、968.73、728.03 t·km^-2·a^-1，与廖洪圣等^［21］对祖厉河流域的研究结果基本一致；本文结果表明林地的土壤保持强度最大，其次是耕地和草地，与陶勤等^［29］的研究结果一致，这是由于林地植被根系较深，能够有效拦截降水、固定土壤，耕地受人类干扰多、草地因植被根系较浅和放牧破坏，土壤保持能力相对较弱；随着海拔升高，祖厉河流域土壤保持模数呈先增加后减小的趋势，与陈童尧等^［38］的研究结果基本一致，原因是随着海拔升高，降水量和湿度增加，植被根系能够有效地固定土壤，>2 600 m的高海拔地区，温度较低，植被生长缓慢，覆盖度较低；随着坡度增加，祖厉河流域土壤保持强度不断增加，与杨洁等^［39］的研究结果一致，这是由于陡坡地区人类活动少，根系固土能力强，而缓坡区多为耕地或放牧区，植被破坏导致土壤易流失。同时，不同土地利用、海拔和坡度的土壤保持能力变化与地理探测器得出的结论高度一致。这些空间分布特征共同表明，土壤保持能力与土地利用类型、海拔和地形条件密切相关，这些因素共同构成了该地区土壤保持服务功能的空间分异格局。

祖厉河流域土壤保持量的空间分布格局可以为该地区水土保持服务功能评价提供科学的理论依据。例如，海拔2 000~2 600 m区域，是提高土壤保持量的重点区域，需格外关注；海拔1 700~2 000 m区域在祖厉河流域的面积占比较大，是土壤保持量集中区域，也需重点关注；坡度为8°~15°和15°~25°的区域是土壤保持总量的主要贡献区域，该坡度范围是土壤保持的重点关注区域。

此外，植被覆盖度对土壤保持服务能力也有一定影响，参考相关文献将研究区植被覆盖分为5个等级^［40］，计算20年间植被覆盖度变化相对较大区域的土壤保持增加量（由低一级植被覆盖向高一级植被覆盖变化引起的土壤保持增加量，图10）。2000—2020年祖厉河流域植被覆盖度分别以中低等级、中等级和高等级为主；2000—2010年、2010—2020年，由较低等级的植被覆盖度转向较高等级时，土壤保持量约增加了3.79×10⁶、4.25×10⁶ t。总体而言，植被覆盖度变化对土壤保持能力有一定影响，这与前文提到的实施退耕还林还草政策、梯田改造等一系列措施相对应，有效提高了该流域的土壤保持能力，改善了当地水土流失状况。

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10 2000—2020年祖厉河流域植被覆盖度及土壤保持量变化

Fig.10 Changes in vegetation coverage and soil retention in the Zuli River Basin from 2000 to 2020

4.2　土壤保持量影响因素

坡度是影响土壤保持能力的决定性因子（平均q值0.606），与李曼等^［41］和常秀红等^［42］对黄土高原土壤保持驱动因子的研究结果一致；土地利用因子的解释力呈现稳定上升趋势，表明人类活动对土壤保持的影响日益显著。各影响因子间的交互作用主要表现为双因子增强效应，其中坡度因子与其他6个因子的交互作用尤为突出，特别是坡度与年降水量的交互解释力最高（3年q值均在0.73左右），与陈乐等^［43］的研究结果一致；土壤属性的独立解释力和交互解释力均最低（q值<0.1），这可能与研究区土壤类型相对单一有关。祖厉河流域的水土保持治理应重点考虑地形与降水的协同作用，同时加强耕地整治和植被恢复。

5 结论

2000—2020年祖厉河流域土壤侵蚀与土壤保持空间分布格局大致相似，呈现出南高北低的分布特征。土壤侵蚀总体以轻度侵蚀为主（占比超过50%），强烈侵蚀只在研究区西南侧零星分布。2000—2020年祖厉河流域大部分地区由中度侵蚀和轻度侵蚀转为微度侵蚀，平均土壤侵蚀模数下降了46.19%，土壤保持总量共增加了54.04%。草地的土壤保持量增加最为显著，林地的土壤保持模数最大；随着海拔的升高，土壤保持量呈先增加后减小，2 000~2 300 m海拔是土壤保持量变化的主要区域；15°~25°区域对土壤保持量变化贡献最大。坡度是影响祖厉河流域土壤保持服务功能的主导因子（平均q值0.606），年降水量（0.083）、海拔（0.076）、R95pTOT（0.072）和土地利用（0.072）的影响次之，土壤属性与其他因子的交互对土壤保持影响较低。

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]

谢高地，张彩霞，张昌顺，等.

中国生态系统服务的价值

［J］.资源科学，2015，37（9）：1740-1746.