黄土高原典型区土壤保持服务效应研究

图1 黄土高原生态屏障区研究范围

Fig.1 Scope of the typical area of the Loess Plateau

该地区地处黄河中游丘陵沟壑地带,境内有黄河穿流而过,支流交错,沟壑纵横,地形破碎,平均海拔为1 400 m,年均降雨量为400776 mm,年内降雨分布不均,60%70%的降雨量集中在6—9月份,且以暴雨为主; 土地类型以黄绵土为主,土质疏松,易于侵蚀,是我国水土流失的严重地区之一,也是退耕还林还草的主要地区。该区地带性植被类型是森林草原带,分布有黄龙山和子午岭等森林,是我国土壤保持重要功能区。

1.2 数据来源及预处理

采用的气象数据是来自中国国家气象信息中心(https: //data.cma.cn/)的2000—2010年全中国776个气象站点年、月平均降雨量,该数据用于计算降雨侵蚀力因子; 土壤类型数据为来自国家土壤信息服务平台(http://www.soil.csdb.cn)的中国1∶100万土壤数据集,该数据用于计算土壤可蚀性因子; 地形数据是来自中国科学院数据云(http://www.csdb.cn/n)的中国30 m SRTM-DEM数据产品,该数据用于提取坡长和坡度因子; 采用的遥感影像数据为2000—2010年间MODIS月最大合成数据产品,空间分辨率为250 m,本文对该数据进行了几何精纠正、辐射校正和大气校正等预处理,主要用于提取植被覆盖因子; 土地覆被数据为2000年、2005年和2010年3期30 m空间分辨率栅格数据,来自中国生态系统评估与生态安全格局数据库(http://www.ecosystem.csdb.cn/ecogj/index.jsp)。采用的数据投影为Albers投影,地球椭球体采用Krasovsky 1940。为了进一步提高评估精度,本研究采用最高精度原则,将所有栅格数据重采样到30 m空间分辨率。

2 研究方法

RUSLE是目前应用广泛、具有较好实用性的土壤流失定量评价模型^[28],并且在我国黄土高原地区应用广泛。土壤侵蚀量是考虑任何植被覆盖和水土保持措施条件下的土壤侵蚀量,其计算公式为

(1)

A₁=R·K·LS·C·P ,

(2)

A₂=1-R·K·LS·C·P ,

式中: A₁和A₂分别为土壤侵蚀量和保持量,t·hm²·a^-1; R为降雨侵蚀力因子,MJ·mm/(hm²·h·a); K为土壤可蚀性因子,t·hm²·h/(MJ·hm·mm); L和S分别为坡长和坡度因子,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。

2.1 降雨侵蚀力因子

降雨侵蚀力因子采用Wischmeier等^[16]提出的利用各月降雨量推求的经验公式计算。经验证明该模型在黄土高原地区具有较好的适宜性,其计算公式为

(3)

R= $\sum_{i}^{=}$ 1.735×1 $0^{1.5 \lg [(p_{i}^{2} / p) - 0.08188]}$ ,

式中: p为年降雨量,mm; p_i为月降雨量,mm; i为月份。

2.2 土壤可蚀性因子

RUSLE模型中土壤可蚀性因子是经过试验获得的定量数值,通常从标准小区单位降雨侵蚀力所造成的土壤流失量获得,因此计算的最好方法是通过天然小区直接测定,而在研究区大规模布设天然小区很难做到,故采用Williams等^[29]在EPIC模型中土壤可蚀性因子的计算方法。该方法由蔡崇法等^[30]在小流域进行应用研究,利用该公式计算的结果与实测值基本无差异,且方法更简便,其计算公式为

(4)

K= $\{0.2 + 0.3 \exp [- 0.0256 SAN (1 - \frac{SIL}{100})]\}$ × ${(\frac{SIL}{CLA + SIL})}^{0.3}$ × $[1 - \frac{0.25 Q}{Q + \exp (3.72 - 2.95 Q)}]$ ×[1- $\frac{0.7 SNI}{SNI + \exp (- 5.51 + 22.9 SNI)}$ ]×0.131 7 ,

(5)

SNI=1-SAN/100 ,

式中: SAN,SIL和CLA分别为砂粒、粉粒和黏粒含量,%; Q为土壤有机碳含量,%。

2.3 坡长和坡度因子

在区域尺度上基于GIS提取坡长和坡度因子是应用RUSLE模型的难点问题之一^[31]。本研究采用Van Remortel开发的模型RUSLE_PC.AML提取坡长,该模型坡度的提取采用栅格累积法^[21],即

(6)

L= ${(\frac{λ}{22.13})}^{m}$ ,

(7)

m= $\{\begin{array}{l} \begin{array}{l} 10.8 \sin θ + 0.03 \\ 16.8 \sin θ - 0.50 \\ 21.9 \sin θ - 0.96 \end{array} & \begin{array}{l} θ < 5 ° \\ 5 ° \leq θ < 10 ° \\ θ \geq 10 ° \end{array} \end{array}$ ,

式中: λ为坡长; m为坡长指数; θ为坡度值。

2.4 植被覆盖因子

植被覆盖因子的计算目前主要有3种方法: 人工赋值法、小区实验法和基于植被覆盖度的遥感数据定量估算法^[32]。通过建立植被指数与植被覆盖因子的关系式可以更精确地估算植被覆盖度^[33]。本文采用蔡崇法等^[30]的植被覆盖因子计算公式,即

(8)

C= $\{\begin{array}{l} \begin{array}{l} 1 & f = 0 \end{array} \\ \begin{array}{l} 0.6508 - 0.3436 \lg f & 0 < f \leq 78.3 % \end{array} \\ \begin{array}{l} 0 & f > 78.3 % \end{array} \end{array}$ ,

(9)

f= $\frac{NDVI - NDV I_{\min}}{NDV I_{\max} - NDV I_{\min}}$ ,

式中: f为植被覆盖度; NDVI为归一化差值植被指数; NDVI_max和NDVI_min分别为NDVI的最大值和最小值。

2.5 水土保持措施因子

由于黄土高原主要的管理因子是淤地坝和梯田,遥感数据的尺度分析很难反映出来^[33],故在计算中不予考虑,取值为1。

3 结果与分析

3.1 土地覆盖变化分析

3.1.1 土地利用变化分析

2000—2010年间黄土高原生态屏障区土地类型发生了显著变化。其中草地和林地面积增加幅度较大,面积占比分别由2000年23.56%和40.69%增加到2010年的26.46%和41.16%,其面积分别增加了3 342.19 km²和896.98 km²; 耕地呈现下降态势,面积由2000年的39 934.27 km²降低到2010年的35 575.34 km²,10 a间减少了4 358.93 km²,所占比例由2000年的34.21%降低到2010年的30.48%,降低了3.73%。黄土高原屏障区是重点退耕还林还草区域,按照退耕还林还草方式,可分为退耕还草、退耕还林以及草地转林地3种类型,经统计分析,在2000—2010年间,研究区退耕还林还草总面积为4 238.07 km²,占研究区总面积的3.63%,其中退耕还草面积为3 287.01 km²,退耕还林面积为211.22 km²和草地转林地面积为739.31 km²,分别占研究区总面积的2.82%,0.18%和0.63%。

3.1.2 植被覆盖度变化分析

2000—2010年间,黄土高原生态屏障区植被覆盖度呈上升趋势,由2000年的55.05%增加至2010年的69.26%,增速为1.29%/a,如图2所示。按照等值划分,将植被覆盖度划分为5个等级,即[0,20),[20,40),[40,60),[60,80)和[80,100],分别为低、中低、中、中高和高覆盖度。结果表明,2000—2010年间,植被在中低覆盖度区间的覆盖面积明显减少,低覆盖度和中低覆盖度面积所占比例分别由2000年的1%和28.79%降低到2010年的0.1%和1.8%,主要集中在退耕还林还草区域; 中等覆盖度比例基本保持平衡; 而中高覆盖度和高覆盖度比例均在增加,其面积比例分别由2000年的17.74%和19.67%增加到36.60%和28.52%。研究区植被覆盖整体在好转。

图2

图2 2000—2010年植被覆盖度变化

Fig.2 Vegetation coverage changes from 2000 to 2010

3.2 生态屏障区土壤侵蚀特征

3.2.1 土壤侵蚀时间变化特征

2000—2010年间黄土高原生态屏障区土壤侵蚀模数减少趋势明显,2000年土壤侵蚀模数为6 579.55 t·km^-2·a^-1,2010年土壤侵蚀模数降低到1 986.66 t·km^-2·a^-1,降低了69.8%。但2003年,土壤侵蚀模数呈现较大幅度的增长,这与降雨密切相关。降雨是影响土壤侵蚀动态变化的主要因素之一^[15]。20世纪90年代开始,黄土高原广泛开展了退耕还林还草工程,研究区植被覆盖度得到明显改善,尽管黄土高原降雨量呈现明显增长态势,年平均降雨量由2000年的455.41 mm增加到2010年的573.1 mm,降雨侵蚀力在增强,但由于良好的植被覆盖,土壤侵蚀出现明显降低,可见植被起到了良好的防治水土流失的作用。但在极端年份,土壤侵蚀仍然非常严重。如2003年研究区降雨量为704.14 mm,高出研究时段的平均降雨量182 mm,土壤侵蚀模数高达5 633.82 t·km^-2·a^-1。根据相关分析表明^[27],植被覆盖度的提高,可有效地阻止84%的水土流失,而降雨对土壤侵蚀的影响仅占21.8%。经统计,2000—2010年间黄土高原生态屏障区土壤侵蚀强度变化情况如表1所示。

表1 2000—2010年黄土高原生态屏障区土壤侵蚀强度面积百分比变化

Tab.1 Variation of the area ration of each soil erosion intensity in Loess Plateau from 2000 to 2010(%)

侵蚀强度	2000年	2005年	2010年	2000—2010变化率
微度	50.57	67.12	72.54	43.44
轻度	6.26	6.84	6.62	5.75
中度	10.09	9.60	8.77	-13.08
强度	7.85	6.01	5.08	-35.29
极强	10.84	6.11	4.64	-57.20
剧烈	14.39	4.31	2.35	-83.67

从表1可以看出,2010年黄土高原生态屏障区微度土壤侵蚀占研究区总面积的72.54%,其次是中度、轻度、强度和极强侵蚀,分别占8.77%,6.62%,5.08%和4.64%; 而剧烈侵蚀仅占2.35%。2010年与2000年相比较,土壤侵蚀状况得到了明显改善,其中微度和轻度面积比例分别提高了43.44%和5.75%,但中度、强度、极强和剧烈侵蚀类型的面积分别降低了13.08%,35.29%,57.20%和83.67%,并且以剧烈侵蚀强度减小幅度最大。

3.2.2 土壤侵蚀类型变化特征

2000—2005年和2005—2010年间黄土高原生态屏障区土壤侵蚀强度转移矩阵分别如表2—3所示。

表2 2000—2005年黄土高原生态屏障区土壤侵蚀强度转移矩阵

Tab.2 Transfer matrix of soil intensity in Loess Plateau from 2000 to 2005(%)

年份	侵蚀强度	2005年
年份	侵蚀强度	微度	轻度	中度	强度	极强	剧烈
2000年	微度	65.46	9.07	11.80	6.22	5.07	2.36
	轻度	60.84	10.02	13.22	7.13	6.07	2.73
	中度	54.21	11.16	15.34	8.66	7.30	3.32
	强度	47.01	11.99	17.52	10.40	8.89	4.18
	极强	40.45	12.41	19.12	11.93	10.87	5.22
	剧烈	32.33	11.58	19.10	13.38	14.21	9.39

表3 2005—2010年黄土高原生态屏障区土壤侵蚀强度转移矩阵

Tab.3 Transfer matrix of soil intensity in Loess Plateau from 2005 to 2010(%)

年份	侵蚀强度	2010年
年份	侵蚀强度	微度	轻度	中度	强度	极强	剧烈
2005年	微度	77.32	10.95	7.63	2.28	1.39	0.44
	轻度	47.31	21.30	21.97	6.13	2.64	0.65
	中度	29.14	16.96	30.78	14.60	7.07	1.45
	强度	17.06	10.36	27.54	23.67	17.30	4.06
	极强	10.35	5.79	18.75	22.81	30.48	11.82
	剧烈	4.39	2.36	7.90	12.33	31.90	41.12

由表2可知,2000—2005年间,土壤侵蚀剧烈、极强、强度、中度和轻度向微度转化明显,其面积比例分别为32.33%,40.45%,47.01%,54.21%和60.84%,其次是各类型向中度转移幅度较大,其中剧烈、极强和强度分别转移了19.10%,19.12%和17.52%。但不可忽视的是,各较低侵蚀类型均有不同程度向更强一级侵蚀转移的现象,说明黄土高原生态屏障区水土流失治理任重道远。由表3可知,2005—2010年间,土壤侵蚀在中度和轻度土壤侵蚀等级上的转化比较明显。轻度和中度分别有47.31%和29.14%转化为微度侵蚀,强度侵蚀中有27.54%转化为中度侵蚀、极强侵蚀中有22.81%转化为强度侵蚀,剧烈侵蚀中31.90%转为极强侵蚀。研究区内土壤侵蚀是由剧烈侵蚀向微度侵蚀转变,侵蚀等级在逐渐降低。

3.3 植被梯度土壤侵蚀特征

分区统计2000—2010年间黄土高原生态屏障区不同植被覆盖度级别的土壤侵蚀强度变化百分比如图3所示。

图3

图3 2000—2010年黄土高原生态屏障区不同植被覆盖度土壤侵蚀强度变化百分比

Fig.3 Variation of each soil erosion intensity of different vegetation coverage in the Loess Plateau from 2000 to 2010

从图3中可以看出,在不同植被覆盖度下,微度侵蚀面积在逐渐扩大,其他各侵蚀类型面积在减少。剧烈侵蚀在低、中低、中、中高和高覆盖度的土壤侵蚀面积分别由2000年的77.93 km²,2 001.53 km²,7.06 km²和0.27 km²降低到2010年的3.19 km²,98.63 km²,335.47 km²和0.01 km²,且高覆盖度区域内不存在剧烈土壤侵蚀。2000年,在低、中低、中、中高和高覆盖度区域内,微度侵蚀的面积分别为21.52 km²,611.88 km²,2 402.24 km²,2 989.17 km²和3 384.42 km²; 2010年,其对应的微度侵蚀面积分别变化为3.50 km²,57.37 km²,2 009.74 km²,6 138.44 km²和5 306.62 km²。经过10 a的生态恢复,研究区内低覆盖度-剧烈土壤侵蚀面积在大幅度降低,而高覆盖度-微度土壤侵蚀类型面积在大幅度提升。

3.4 退耕还林还草区域土壤侵蚀特征

退耕还林还草区域土壤侵蚀强度面积统计结果如表4所示。

表4 2000—2010年黄土高原退耕还林还草区域土壤侵蚀强度面积统计

Tab.4 Area of different soil erosion intensity in Loess Plateau from 2000 to 2010(km²)

区域	类型	2000年	2001年	2002年	2003年	2004年	2005年	2006年	2007年	2008年	2009年	2010年
退耕还草	剧烈	150.29	71.55	81.56	122.59	28.48	32.63	27.56	27.00	20.96	14.24	16.77
	极强	98.74	67.37	88.40	93.84	49.60	52.36	56.96	47.59	43.98	32.68	39.45
	重度	63.51	55.31	69.04	66.40	51.17	54.31	58.19	51.22	47.88	37.47	44.24
	中度	71.20	79.41	88.04	81.94	82.38	85.28	91.81	86.30	81.14	70.48	76.76
	轻度	38.06	51.84	51.42	43.98	58.72	60.21	62.81	61.08	59.42	56.41	58.44
	微度	103.83	200.75	148.75	118.46	256.86	242.42	229.88	254.01	273.83	315.93	291.05
退耕还林	剧烈	5.02	0.63	2.33	2.49	0.08	0.20	0.11	0.11	0	0.02	0.04
	极强	4.23	1.04	3.22	3.24	0.55	0.72	0.37	0.26	0.12	0.05	0.07
	重度	3.41	1.62	2.68	2.93	0.86	1.08	0.70	0.51	0.21	0.16	0.13
	中度	4.08	2.86	4.56	4.27	2.21	2.64	1.73	1.59	0.64	0.73	0.51
	轻度	2.58	2.19	2.90	2.82	2.07	2.13	1.69	1.85	0.83	0.82	0.53
	微度	15.06	26.24	18.87	18.81	28.79	27.79	29.96	30.22	32.76	32.78	33.08
草地转林地	剧烈	20.57	6.79	9.31	12.55	2.37	3.06	1.34	1.91	1.02	0.57	0.68
	极强	15.89	6.94	11.03	11.46	4.22	4.66	3.43	3.27	2.23	1.36	1.94
	重度	11.10	6.49	9.35	10.04	5.12	5.90	4.79	4.03	3.02	2.14	2.99
	中度	15.70	11.13	15.10	15.02	10.04	11.16	9.97	7.52	6.44	5.45	6.09
	轻度	9.95	8.54	9.40	10.48	8.13	8.96	9.05	6.55	5.47	4.83	5.63
	微度	46.45	79.09	64.77	59.41	89.07	85.21	90.38	95.65	100.78	104.61	102.32

从表4可以看出,在2000—2010年间,黄土高原生态屏障区退耕还林还草区域土壤侵蚀基本呈现直线下降态势。在退耕还草区域,剧烈、极强和重度侵蚀面积均在下降,下降速率分别为12.14 km²/a,5.39 km²/a和1.75 km²/a; 而中度、轻度和微度侵蚀面积均在扩大,扩张速率分别为0.51 km²/a,1.85 km²/a和17.02 km²/a; 退耕还林区域和草地转林地区域各侵蚀面积变化基本相似,除微度侵蚀面积增加外,其余各类型面积均在下降。

3.5 区域土壤保持与观测站点泥沙关联分析

根据地理学第一定律及时空邻近度等概念^[34,35],区域土壤侵蚀与相邻站点泥沙观测数量应存在一定的关联性。本研究收集了距离研究区最近的华县和龙门站点泥沙数据,其中华县观测站点接收了泾河和渭河水量,土壤侵蚀主要集中在泾河和渭河流经的六盘山黄土丘陵沟壑地带; 而关中平原地形平坦,随着河流比降的下降,泥沙呈现大幅度的沉积,土壤侵蚀微弱,可忽略不计。龙门站点主要接收了来自窟野河、秃尾河、延河以及汾河流域水量,晋陕峡谷和白于山的黄土丘陵沟壑地带土壤侵蚀严重,是黄河泥沙(特别是粗泥沙)的主要来源,据统计,黄河干流56%的泥沙主要来源于此区间。同时本研究收集了各子流域2000—2010年间河流泥沙监测站点数据,并将该监测数据和对应的子流域土壤侵蚀量和保持量进行相关分析,发现二者之间存在较弱的相关性,主要是因为该区域地形平坦,土壤侵蚀微乎其微; 相反,将站点数据和研究区土壤侵蚀强度进行Persion相关分析,得出该区域站点监测数据和研究区土壤侵蚀强度具有较高的相关性。

分区统计研究区泾河—渭河流域和晋陕黄河峡谷流域土壤侵蚀量,并将其分别与华县和龙门站点的含沙量及输沙量进行相关分析,结果如图4—5所示。

图4

图4 2000—2010年子流域土壤侵蚀量与含沙量对比

Fig.4 Contrast among soil erosion and sediment concentration in sub basin from 2000 to 2010

图5

图5 2000—2010年子流域土壤侵蚀量与输沙量对比

Fig.5 Contrast among soil erosion and sediment discharge in sub basin from 2000 to 2010

分析结果表明: 研究区泾河—渭河流域和晋陕黄河峡谷流域土壤侵蚀变化趋势基本一致。相比较,晋陕黄河峡谷流域土壤侵蚀量明显大于泾河—渭河流域。2000年华县和龙门站点含沙量分别为41.9 kg/m³和13.9 kg/m³,由于降雨量增加,2003年华县和龙门站点含沙量分别增加至89.6 kg/m³和21.4 kg/m³。2000—2010年华县和龙门站点含沙量随土壤侵蚀减弱而降低,10 a间分别下降了41.5%和73%。华县和龙门2个站点输沙量变化和含沙量变化规律基本相同。2000—2010年间华县和龙门站点输沙量分别降低了70.1%和64.47%。利用SPSS软件统计流域土壤侵蚀量与观测站点含沙量和输沙量之间的Person相关系数,结果表明,子流域土壤侵蚀强度与相关站点含沙量和输沙量均呈正相关,泾河—渭河流域和晋陕黄河峡谷流域土壤侵蚀量与站点含沙量的相关系数分别为0.34和0.60。泾河—渭河流域和晋陕黄河峡谷流域土壤侵蚀量与站点输沙量的相关系数分别为0.51和0.58。

4 结论与讨论

本研究通过应用修正的通用土壤流失方程,以黄土高原典型生态屏障区域为研究区,定量评估了2000—2010年间实施退耕还林还草生态工程后研究区的土壤侵蚀空间分异特征,得到以下结论:

1)尽管黄土高原降雨量呈现明显的增长态势,降雨侵蚀力在增强,但由于良好的植被覆盖,2000—2010年间黄土高原生态屏障区土壤侵蚀模数由2000年的6 579.55 t·km^-2·a^-1降低到2010年的1 986.66 t·km^-2·a^-1,降低了69.8%,并且低覆盖度-剧烈土壤侵蚀面积在大幅度降低,而高覆盖度-微度土壤侵蚀类型面积在大幅度提升。可见植被的恢复起到了良好的防治水土流失的作用。

2)土壤侵蚀状况发生了明显的改善,其中微度侵蚀面积提高了43.44%,而中度、强度、极强和剧烈侵蚀类型的面积比例在降低,其中剧烈侵蚀强度减小幅度最大,降低了83.67%。研究区内土壤侵蚀是由剧烈侵蚀向微度侵蚀转变,侵蚀等级在逐渐降低。

3)研究区以退耕还草为主,退耕还草面积为3 287.01 km²,占研究区总面积的2.82%。相比较,退耕还草区域土壤侵蚀变化较大,剧烈、极强和重度侵蚀以12.14 km²/a,5.39 km²/a和1.75 km²/a速率下降; 而中、轻度和微度侵蚀面积均在扩大。按照汇水面统计,晋陕黄河峡谷流域土壤侵蚀强度大于泾河—渭河流域,并且晋陕黄河峡谷流域与相关站点含沙量和输沙量Person相关系数均大于泾河—渭河流域。

由于本研究所用模型中地形因子是作为不变因子的,但实际上地形因子一直处在微小的变化中,而这种变化利用宏观遥感数据很难探测出来,故研究结果存在一定的偏差。在今后的研究中,需要进一步考虑模型的反演精度和在地形变化环境下的土壤侵蚀状况。

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]

张科利, 刘宝元, 蔡永明 .

土壤侵蚀预报研究中的标准小区问题论证

[J]. 地理研究, 2000,19(3):297-302.

Zhang K

, Liu B

, Cai Y

The standard of unit plot in soil loss prediction of China

[J]. Geographical Research, 2000,19(3):297-302.

[2]

傅伯杰, 徐延达, 吕一河 .

景观格局与水土流失的尺度特征与耦合方法

[J]. 地球科学进展, 2010,25(7):673-681.

景观格局与生态过程的耦合研究是景观生态学研究的核心科学问题，也是综合自然地理学深化和发展的关键。尺度广泛存在于生态学现象中，尺度效应与尺度转换是景观生态学研究面临的挑战，探讨格局与过程之间相互作用机理与尺度特征是为解决尺度问题提供理论依据的必然途径。水土流失作为一种生态过程，是国内外颇为关注的生态问题。依据多种研究手段，在不同尺度上开展景观格局与水土流失的相互关系与尺度特征的研究，在分析景观格局的时空异质性、水土流失的影响因子与尺度效应的基础上，揭示流域景观格局与水土流失的耦合机理，发展尺度转换方法和景观格局—水土流失过程耦合模型，是完善景观生态学的理论基础,是为水土流失区生态建设提供科学依据的重要途径。

Fu B

, Xu Y

, Lyu Y

Scale characteristics and coupled research of landscape pattern and soil and water loss

[J]. Advances in Earth Science, 2010,25(7):673-681.

[3]

谢宝妮, 秦占飞, 王洋 , 等.

黄土高原植被净初级生产力时空变化及其影响因素

[J]. 农业工程学报, 2014,30(11):244-253.

为了探明黄土高原地区植被生产力变化的驱动机制，该文基于MODIS传感器获得的MOD17A3数据，分析了黄土高原2000－2010年间植被净初级生产力（net primary productivity, NPP）的时空变化及其主要影响因素，并借助多元统计分析方法对引起NPP变化的自然和人为因素进行量化分析。结果表明：黄土高原植被总NPP从2000年的119 Tg（以C计）增加到2010年的144 Tg（以C计），年增速4.57 g/(m2?a)（P＜0.05）（以C计）。黄土高原约91%的区域NPP呈增加趋势，37%的区域增加趋势显著，主要分布在陕西、青海大部分地区、甘肃南部及宁南山区。整个黄土高原近11 a间NPP变化受自然和人为因素共同影响，其中退耕还林还草累计面积、帕尔默干旱指数（palmer drought severity index, PDSI）、耕地面积和人口数量是影响NPP变化的主要因素。退耕还林还草累计面积占四者总贡献率的43%，PDSI占40%，耕地面积和人口数量分别占13%和4%。对区域而言，由退耕还林还草工程引起的土地利用覆被变化是退耕区（陕北、甘肃东南部等）NPP增加的主要因素，而近年来干旱情况的缓解（PDSI呈上升趋势）则是青海、内蒙古等地NPP增加的主要因素。该研究对于黄土高原各区域生态资源管理，以及生态系统的建设具有一定的指导和借鉴意义。

Xie B

, Qin Z

, Wang

, et al.

Spatial and temporal variation in terrestrial net primary productivity on Chinese Loess Plateau and its influential factors

[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014,30(11):244-253.

[4]

Pimentel

, Kounang

Ecology of soil erosion in ecosystems

[J]. Ecosystems, 1998,1(5):416-426.

DOI:10.1007/s100219900035 URL [本文引用: 1]

[5]

姚文艺, 肖培青 .

黄土高原土壤侵蚀规律研究方向与途径

[J]. 水利水电科技进展, 2012,32(2):73-78.

Yao W

, Xiao P

Research direction of the study of soil erosion in the Loess Plateau

[J]. Advances in Science and Technology of Water Resources, 2012,32(2):73-78.

[6]

Zhu T

X.Gully

and

tunnel erosion in the hilly Loess Plateau region, China

[J].Geomorphology, 2012,153-154:144-155.

DOI:10.1016/j.geomorph.2012.02.019 URL [本文引用: 1]

[7]

Bullock

, King

Evaluating China’s slope land conversion program as sustainable management in Tianquan and Wuqi Counties

[J]. Journal of Environmental Management, 2011,92(8):1916-1922.

[8]

Wang

, Mu X

, Li

, et al.

Co-evolution of soil and water conservation policy and human-environment linkages in the Yellow River Basin since 1949

[J]. Science of the Total Environment, 2015,508:166-177.

DOI:10.1016/j.scitotenv.2014.11.055 URL [本文引用: 1]

[9]

黄河上中游管理局. 黄河流域水土保持概论[M]. 郑州: 黄河水利出版社, 2011: 64-96.

Administration of the Upper and Middle Reaches of the Yellow River. Introduction to Soil and Water Conservation in the Yellow River Basin[M]. Zhengzhou: Yellow River Water Conservancy Press, 2011: 64-96.

[10]

Feng X

, Wang Y

, Chen L

, et al.

Modeling soil erosion and its response to land-use change in hilly catchments of the Chinese Loess Plateau

[J]. Geomorphology, 2010,118(3-4):239-248.

DOI:10.1016/j.geomorph.2010.01.004 URL [本文引用: 1]

[11]

高海东, 李占斌, 李鹏 , 等.

基于土壤侵蚀控制度的黄土高原水土流失治理潜力研究

[J]. 地理学报, 2015,70(9):1503-1515.

Gao H

, Li Z

, Li

, et al.

The capacity of soil loss control in the Loess Plateau based on soil erosion control degree

[J]. Acta Geographica Sinica, 2015,70(9):1503-1515.

[12]

Milly P C

, Dunne K

, Vecchia A

Global pattern of trends in streamflow and water availability in a changing climate

[J]. Nature, 2005,438(7066):347-350.

DOI:10.1038/nature04312 [本文引用: 1]

[13]

穆兴民, 巴桑赤烈 Zhang

, 等.

黄河河口镇至龙门区间来水来沙变化及其对水利水保措施的响应

[J].泥沙研究, 2007 (2):36-41.

Mu X

, Chille

, Zhang

, et al.

Impact of soil conservation measures on runoff and sediment in Hekou-Longmen region of the Yellow River

[J].Journal of Sediment Research, 2007 (2):36-41.

[14]

姚文艺, 冉大川, 陈江南 .

黄河流域近期水沙变化及其趋势预测

[J]. 水科学进展, 2013,24(5):607-616.

针对黄河水沙近期发生显著变化的现象,利用黄河上中游干支流水文泥沙定位观测资料,综合"水文法"、"水保法"和数学模拟等多种方法,对黄河流域1997-2006年水沙变化情势进行了评估,分析了水沙变化机制,并预测了未来的变化趋势。分析表明,与多年平均相比,黄河河源区径流量年均减少43.90亿m3,其中降雨等自然因素的影响量占92.26%,人类活动影响量占7.74%;与1970年前相比,黄河实测径流量年均减少112.1亿m3,其中水利水土保持综合治理等人类活动作用占76.50%,因降雨影响占23.50%;实测输沙量较1970年以前年均减少11.80亿t,其中水利水土保持综合治理等人类活动的作用为49.75%,降雨的影响为50.25%;人类活动与降雨变化对水沙变化的影响差异较大,就黄河中游地区总体而言,人类活动的减水作用远大于降雨的影响,人类活动的减沙作用与降雨影响基本相当,不宜笼统说黄河中游水沙变化主要是人类活动所致或主要是降雨变化所致; 2050年以前黄河来水来沙量总体呈平偏枯趋势,但不排除个别年份或短时段仍会发生丰水丰沙的可能性。

Yao W

, Ran D

, Chen J

Recent changes in runoff and sediment regimes and future projections in the Yellow River Basin

[J]. Advances in Water Science, 2013,24(5):607-616.

[15]

李天宏, 郑丽娜 .

基于RUSLE模型的延河流域2001—2010年土壤侵蚀动态变化

[J]. 自然资源学报, 2012,27(7):1164-1175.

Li T

, Zheng L

Soil erosion changes in the Yanhe Watershed from 2001 to 2010 based on RUSLE model

[J]. Journal of Natural Resources, 2012,27(7):1164-1175.

[16]

Wischmeier W

, Smith D

Predicting rainfall erosion losses from cropland east of the Rocky Mountains:A guide for selection of practices for soil and water conservation

[M] //United States Department of Agriculture Handbook.Washington D C:United States Department of Agriculture, 1965.

[17]

Renard K

, Ferreira V

RUSLE model description and database sensity

[J]. Journal of Environment Quality, 1993,22(3):458-466.

[18]

Prasannakumar

, Vijith

, Abinod

, et al.

Estimation of soil erosion risk within a small mountainous sub-watershed in Kerala,India,using revised universal soil loss equation (RUSLE) and geo-information technology

[J]. Geoscience Frontiers, 2012,3(2):209-215.

DOI:10.1016/j.gsf.2011.11.003 URL [本文引用: 1]

[19]

Asis A M

, Omasa

Estimation of vegetation parameter for modeling soil erosion using linear spectral mixture analysis of Landsat ETM data

[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2007,62(4):309-324.

DOI:10.1016/j.isprsjprs.2007.05.013 URL [本文引用: 1]

[20]

卜兆宏, 孙金庄, 周伏建 , 等.

水土流失定量遥感方法及其应用的研究

[J]. 土壤学报, 1997,34(3):235-245.

Bu Z

, Sun J

, Zhou F

, et al.

A study on quantitative remote sensing method of soil erosion and its application

[J]. Acta Pedo-logica Sinica, 1997,34(3):235-245.

[21]

Liu B

, Zhang K

, Xie

An empirical soil loss equation

[C]//Proceedings 12th International Soil Conservation Organization Conference. Beijing: Tsinghua University Press, 2002: 490-494.

[22]

江忠善, 王志强, 刘志 .

黄土丘陵区小流域土壤侵蚀空间变化定量研究

[J].土壤侵蚀与水土保持学报, 1996 (1):1-9.

Jiang Z

, Wang Z

, Liu

Quantitative study on spatial variation of soil erosion in a small watershed in loess hilly region

[J].Journal of Soil Erosion and Soil and Water Conservation, 1996 (1):1-9.

[23]

Laflen J

, Lane L

, Foster G

WEPP:A new generation of erosion prediction technology

[J]. Journal of Soil and Water Conservation, 1991,46(1):34-38.

[24]

Bathurst J

, Wicks J

, O’Connell

P E

The SHE/SHESED basin scale water flow and sediment transport modelling system

[J]. Computer Models of Watershed Hydrology, 1995: 563-594.

[25]

Meusburger

, Konz

, Schaub

, et al.

Soil erosion modelled with USLE and PESERA using QuickBird derived vegetation parameters in an alpine catchment

[J]. International Journal of Applied Earth Observation and Geoinformation, 2010,12(3):208-215.

DOI:10.1016/j.jag.2010.02.004 URL [本文引用: 1]

[26]

盛莉, 金艳, 黄敬峰 .

中国水土保持生态服务功能价值估算及其空间分布

[J]. 自然资源学报, 2010,25(7):1105-1113.

DOI:10.11849/zrzyxb.2010.07.006 Magsci [本文引用: 1]

水土资源是人类赖以生存的重要的物质基础,水土保持作为人类对生态系统干预的有效手段,其生态服务功能价值也受到越来越多的重视。论文选取土壤保持价值和涵养水源价值两项指标,结合遥感数据、气象数据以及地面数据,对原有的基于遥感的水土保持生态服务功能价值估算模型进行改进,以期更好地体现水土保持生态服务功能应有的价值。论文运用改进后的模型估算2001年全国水土保持生态服务功能价值达16 760.55×108元,基本呈自东南向西北递减趋势。

Sheng

, Jin

, Huang J

Value estimation of conserving water and soil of ecosystem in China

[J]. Journal of Natural Resources, 2010,25(7):1105-1113.

[27]

Feng X

, Wang Y

, Chen L

, et al.

Modeling soil erosion and its response to land-use change in hilly catchments of the Chinese Loess Plateau

[J]. Geomorphology, 2010,118(3-4):239-248.

DOI:10.1016/j.geomorph.2010.01.004 URL [本文引用: 2]

[28]

Renard K

, Foster G

, Weesies G

, et al.

Predicting soil erosion by water:A guide to conservation planning with the revised universal soil loss equation(RUSLE)

[M] //United States Department of Agriculture Handbook.Washington D C:United States Department of Agriculture, 1997.

DOI:10.1016/B978-0-444-42179-1.50065-1 URL [本文引用: 1]

[29]

Williams J

, Dyke P

, Jones C

EPIC:A model for assessing the effects of erosion on soil productivity

[J]. Developments in Environmental Modelling, 1983,5:553-572.

[30]

蔡崇法, 丁树文, 史志华 , 等.

应用USLE模型与地理信息系统IDRISI预测小流域土壤侵蚀量的研究

[J]. 水土保持学报, 2000,14(2):19-24.

Cai C

, Ding S

, Shi Z

, et al.

Study of applying USLE and geo-graphical information system IDRISI to predict soil erosion in small watershed

[J]. Journal of Soil and Water Conservation, 2000,14(2):19-24.

[31]

Remortel R D

, Maichle R

, Hickey R

Computing the LS factor for the revised universal soil loss equation through array-based slope processing of digital elevation data using a C++ executable

[J]. Computers and Geosciences, 2004,30(9-10):1043-1053.

DOI:10.1016/j.cageo.2004.08.001 URL [本文引用: 1]

[32]

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.

Feng

, Zhao W

The study on cover-management factor in USLE and RUSLE:A review

[J]. Acta Ecologica Sinica, 2014,34(16):4461-4472.

[33]

Fu B

, Liu

, Lyu Y

, et al.

Assessing the soil erosion control service of ecosystems change in the Loess Plateau of China

[J]. Eco-logical Complexity, 2011,8(4):284-293.

DOI:10.1016/j.ecocom.2011.07.003 URL [本文引用: 2]

[34]

李小文, 曹春香, 常超一 .

地理学第一定律与时空邻近度的提出

[J]. 自然杂志, 2007,29(2):69-71.

DOI: Magsci [本文引用: 1]

地理学第一定律（TFL）由美国地理学家Tobler提出。由于计算机和遥感的应用推动了传统地理学的革命，第一定律作为定量地理空间分析的基础概念，在地理学及相关学科引起巨大反响。但它关于距离的定义和空间邻近关系的描述是含糊的，这局限了它的进一步应用。为此，我们提出加入时间维，用“流”的概念来理解和表达传统应用中的“距离”，从而用“时空邻近度”来替代“空间邻近度”，以促进地理学第一定律的更广泛应用。

Li X

, Cao C

, Chang C

The first law of geography and spatial-temporal proximity

[J]. Chinese Journal of Nature, 2007,29(2):69-71.

[35]

Yang Q

, David

, Li

, et al.

Re-scaling lower resolution slope by histogram matching

[M] //Advances in Digital Terrain Analysis.Springer Berlin Heidelberg, 2008: 193-210.