陜西省榆林市土壤侵蝕動態演變及預測

徐云環　李景宜　任沖　同英杰　白星亮　馬力　馬曉武

摘要 為了研究退耕還林后黃土高原地域土壤侵蝕的變化，在ArcGIS和ENVI軟件中，利用土地利用、降雨、地形和植被覆蓋度數據，在通用的土壤侵蝕模型的基礎上，結合中國土壤流失方程，計算出陜西省榆林市1988—2013年土壤侵蝕模數，運用馬爾科夫轉移矩陣對1988—2013年土壤侵蝕變化趨勢進行了預測分析，并利用空間分析方法進一步探討了土壤侵蝕強度空間變化與坡度、土地利用類型等地形因子間的關系。結果表明：1988—2013年榆林市總體土壤侵蝕平均模數穩定，但在2000年和2001年出現明顯差異，2000年土壤侵蝕平均模數達到最小值，2001年土壤侵蝕平均模數達到最大值。1988—2013年榆林市土壤侵蝕狀況明顯改善，平均土壤侵蝕由1988年4 368.83 t/（km2·a）減少為2013年2 345.97 t/（km2·a），相應的土壤流失總量從175.94×106 t減少到68.96×106 t。全市微度侵蝕面積增加，其他侵蝕等級轉移到劇烈侵蝕的百分比均不足1%。根據馬爾科夫模型預測，未來40年榆林市土壤侵蝕狀況逐漸減輕，微度土壤侵蝕面積逐漸增加，其他侵蝕等級的面積持續減少。

關鍵詞 RUSLE;土壤侵蝕;馬爾科夫模型;動態變化;榆林市

中圖分類號 S157文獻標識碼 A文章編號 0517-6611（2020）13-0063-07

Abstract In order to study the changes of soil erosion in the Loess Plateau Region after returning farmland to forest project， using the rainfall， land use， topography and vegetation coverage data to combine Chinese Soil Loss Equation based on the general soil erosion model RUSLE. The loss equation was used to calculate soil erosion modulus from 1988 to 2013 in Yulin City， Shaanxi Province. The Markov transition matrix was used to predict the soil erosion trends from 1988 to 2013， using GIS spatial analysis method to further explore relationship between spatial variation of soil erosion intensity and topographic factors such as slope and land use type. The research showed that the soil erosion average module was generally smooth in Yulin City from 1988 to 2013，but there were jumpy inflection points in 2000 and 2001，the minimum value in 2000 and the maximum value in 2001. The soil erosion situation was improved significantly from 1988 to 2013 in Yulin City， the average soil erosion was decreased from 4 368.83 t/（km2·a） in 1988 to 2 345.97 t/（km2·a） in 2013， and the corresponding total soil loss was reduced from 175.94×106 tons to 68.96×106 tons. The citys slightly eroded area increased， and the percentage of other erosion levels shifted to severe erosion was less than 1%. ?According to the Markov model， soil erosion in Yulin City will gradually decrease in the next 40 years， the area of ?slightly soil erosion will gradually increase， and the area of other erosion grades will continue to decrease.

Key words RUSLE;Soil erosion;Markov Model;Dynamic change;Yulin City

黃土高原是全國土壤侵蝕最為嚴重的地區，總面積64萬km2，土壤侵蝕面積39萬km2，土壤侵蝕模數≥15 000 t/（km2·a）的劇烈水蝕面積3.67萬km2，占全國同類面積的89%[1]。陜西省榆林市是黃土高原水土流失核心地區，嚴重的土壤侵蝕使降水流失、土壤干旱，加劇生態環境惡化;環境日益惡化，植被成長不良，土壤失去保護，侵蝕加劇，如此重復惡性循環[2]。為了治理水土流失，改善自然環境，近年來許多學者做了大量相關研究。江忠善等[3]根據我國土壤侵蝕的適應性，在加入淺溝侵蝕因子的基礎上，利用土壤侵蝕模型對中國坡面水蝕預報模型進行研究;張巖等[4]研究了不同植被類型對水土流失的影響;Wu等[5]對中國黃土高原易侵蝕流域的土壤侵蝕變化進行追蹤研究。

土壤侵蝕一般使用經驗和物理模型，物理模型參數較多，但適用范圍有限[6]。隨著學科的發展，處理土壤侵蝕模型問題常常借助GIS技術，學者們對黃土高原王家溝、陽溝小流域[7-8]和延河大流域[9]進行了土壤侵蝕的研究。

我國黃土高原地區考慮淺溝侵蝕對坡面侵蝕產沙的重要影響，而模型不太適用于黃土高原地區坡面侵蝕的研究。該研究引入淺溝侵蝕因子G[3]，建立基于RUSLE模型的坡面土壤流失預報模型A=f·R·L·S·K·C·P·G[3]，結合RS、GIS技術計算了陜西省榆林市1988、2000、2013年土壤侵蝕模數，并利用馬爾科夫模型預測了未來土壤侵蝕變化趨勢。

1 材料與方法

1.1 研究區概況

榆林市地處于陜西省最北部，西鄰甘肅、寧夏，北連內蒙古，東隔黃河與山西相望，南與陜西省延安市接壤，地跨36°57′～ 39°36′N，107°28′～ 110°25′E，處于黃土高原和毛烏素沙地交界處，是黃土高原與內蒙古高原的過渡區。榆林市行政區劃圖形似三角形，總面積43 578 km2，約占陜西省21%。地貌大致分為風沙草灘區、黃土丘陵溝壑區、梁狀低山丘陵區三大類。該區域氣候屬暖溫帶半干旱大陸性季風氣候，年平均氣溫10 ℃，年平均降水量400 mm左右[11]，境內不但有強烈的水蝕，而且有著劇烈的風蝕，因此是黃河中游土壤侵蝕最為嚴重的地域[12]。

1.2 數據與方法

1.2.1 數據來源。

①陜西省1988、2000和2013年1∶10萬土地利用類型數據;②土壤數據來源于陜西省第二次土壤普查數據集和世界土壤數據庫的中國土壤數據集（v1.1）（http：∥westdc.westgis.ac.cn）;③來源于中國氣象共享網（http：∥cdc.cma.gov.cn/）的榆林、神木、靖邊、綏德、橫山日降雨數據，黃土高原科學數據中心（http：∥loess.data.ac.cn）的其余20個氣象站點日降雨資料;④來源于地理空間數據云的分辨率為30 m的DEM數據和2000—2013年分辨率為250 m的NDVI數據。

1.2.2 研究方法。

基于GIS平臺，采用坡面土壤流失預報模型A=f·R·L·S·K·C·P·G[3]進行榆林市1988—2013年土壤侵蝕強度動態分析研究，模型中各因子的確定如下。

1.2.2.5 植被覆蓋與管理C因子的確定。

植被覆蓋與管理C因子反映了植被、作物等覆蓋與管理方法對土壤侵蝕的影響。在黃土高原地區，由于黃土的易蝕性，在裸露的地區極易發生土壤流失，因此，植被覆蓋成為預測和評價土壤流失中必不可少的因子[18]。當C=0時，表示沒有發生土壤侵蝕，當C=1時，表示抑制作用完全失效。該研究根據馬超飛等[19]、蔡崇法等[20]計算獲得的成果，匯總黃土高原各類土地植被覆蓋度，具體如下：耕地為0.31，林地為0.006，草地為006，水域、城鄉、工礦、居民用地為0，未利用地、裸地為0，2000年以前均按此賦值求得。2000年以后C采用的算法是參考蔡崇法等[20]研究提出的計算因子的算法，即與植被、作物覆蓋度有關：

1.2.2.6 水土保持措施P因子的確定。

水土保持措施因子P是指特定水土保持措施下的土壤流失量與相應未實施該措施的順坡種植時的土壤流失量的比值[22]，P因子的變化值域在0～1，值的大小表示植被覆蓋與水土保持措施對土壤侵蝕的抑制作用強弱。當P=0時，表示采取水土措施后沒有土壤侵蝕;當P=1時，表示未采取任何水保措施的地區。P因子的取值情況：林地、草地、未利用土地為1，水域、建筑用地、居民用地為0、>0°～5°、>5°～10°、>10°～15°、>15°～20°、>20°～25°、>25°坡度下的耕地P分別為0.100、0.221、0305、0.575、0705、0.800，P取值參照文獻[23-24]。分別對1988、2000和2013年的水土保持措施因子計算得出結果（圖3）。

1.2.2.7

淺溝侵蝕因子G的確定。

淺溝侵蝕G[3]是一種重要類型的邊坡土壤侵蝕過程，反映了淺水溝侵蝕對流域的影響和泥沙產量，尤其在我國黃土高原坡面的土壤侵蝕中起著重要作用。據Jiang等[25]研究發現，淺溝侵蝕因子主要受到降水、收斂強度和土壤屬性的影響。當沒有淺溝侵蝕時，G=1。

G=1+（α-θc）[1.003（R·I30）0.103-1]/（30-θc）（11）

式（11）中，G是淺溝侵蝕因子;α是表面坡度（°）;R是單個降雨量（mm）;I30是最大30 min雨強（mm/min）。

1.2.3 馬爾科夫模型。

馬爾科夫模型是一種關于事件發生概率的具有“無后效性”的研究方法，在地理預測中經常被使用[26]。用該模型模擬土壤侵蝕動態變化是可行的，因為在某一研究區域中，各種侵蝕強度之間是可以相互轉化的，而且在不同時段，其轉移過程受前一時刻狀態的影響。在生成榆林市土壤侵蝕轉移矩陣的基礎上，用該模型對榆林市的土壤侵蝕演變作出預測。

運用馬爾科夫模型預測土壤侵蝕動態變化趨勢最重要的是確立土壤侵蝕強度轉移矩陣P，數學表達式如下：2 結果與分析

2.1 土壤侵蝕變化分析

RUSLE模型中，計算A值時，將最終得到的土壤侵蝕強度按以下標準分6級：微度侵蝕（015 000），單位為t/（km2·a）。各級侵蝕面積占榆林市總面積的比例見表1、2。

1988—2013年降雨侵蝕力年際差異較大。2000、2001年是降雨侵蝕力最小年和最大年，分別為439.55、2 405.39 MJ·mm/（hm2·h），其余各年份為550～2 350 MJ·mm/（hm2·h）。2002年和2007年相比，劇烈侵蝕百分比減少了4.2%，約1 891.25 km2;極強烈侵蝕百分比減少了0.5%，約225.17 km2。在降雨侵蝕力相近的年份，侵蝕強度百分比具有差異性，主要是不同地區的降雨強度不同引起的。

2.2 1988—2013年不同侵蝕強度轉置分析

根據侵蝕強度的不同，分為微度侵蝕、輕度侵蝕、中度侵蝕、強烈侵蝕、極強烈侵蝕和劇烈侵蝕六類。1988和2000年，2000和2013年的土壤侵蝕程度用馬爾科夫轉移矩陣進行轉置分析（表3、4）。

1988—2000年不同侵蝕強度轉置中，侵蝕程度未轉移情況：微度52.29%、輕度22.32%、中度7.56%、強烈6.42%、極強烈9.37%、劇烈12.66%。1988年的降雨侵蝕力為2 055.26 MJ·mm/（hm2·h），2000年的降雨侵蝕力為43955 MJ·mm/（hm2·h），可見降雨侵蝕力明顯急劇成倍數減少，整體侵蝕程度明顯降低。1988—2000年，劇烈到劇烈以下程度轉移87.34%，微度、輕度、中度、強烈、極強烈程度向劇烈程度轉移6.08%，明顯侵蝕程度好轉。

2000—2013年不同侵蝕強度轉置中，侵蝕程度未轉移情況：微度78.75%、輕度57.98%、中度31.17%、強烈17.34%、極強烈16.25%、劇烈19.55%。2000年的降雨侵蝕力為43955 MJ·mm/（hm2·h），2013年的降雨侵蝕力為1 790.23 MJ·mm/（hm2·h），可見降雨侵蝕力明顯增大，相對于1988—2000年，整體的侵蝕程度加劇，中度轉置到強烈、極強烈和劇烈4.02%;2000—2013年，中度轉置到強烈、極強烈和劇烈10.59%，侵蝕程度加劇;1988—2000年，極強烈轉置成強烈、中度、輕度和微度87.18%;2000—2013年，極強烈轉置成強烈、中度、輕度和微度80.92%，侵蝕程度相對于1988—2000年是加劇的。

2.3 1988—2013年不同土地利用類型轉置分析

榆林市1988、2000和2013年土地利用類型根據1∶10萬土地資源分類系統分為耕地、林地、草地、水域、建筑用地（居民地）、未利用土地六類。1988年和2000年，2000年和2013年的不同土地類型用馬爾科夫轉移矩陣進行轉置分析（表5、6）。自1988年以來，榆林市水土流失日益嚴重，土壤侵蝕程度逐年加劇，政府和相關單位積極采取水土保持措施，退耕還林，修建相應的水利工程，建立相關水保管理組織和規范等。近年來，隨著各種水保措施的實施，1988—2013年，耕地、草地和未利用土地面積減少，林地、建筑用地面積增加，榆林市近年來的土壤侵蝕呈現減輕趨勢。

2000—2013年不同土地類型轉置中，土地利用類型未轉移情況：耕地87.79%、林地92.39%、草地91.74%、水域8597%、建筑用地77.61%、未利用土地90.88%。耕地轉置為林地2.01%，草地轉置為林地0.94%，水域轉置為林地036%，建筑用地轉置為林地0.56%，未利用土地轉置為林地0.17%。表6與表5相比，2000—2013年耕地、草地、水域、建筑用地、未利用土地轉置成林地的百分比增加程度大于1988—2000年，表明經過數十年政府及相關水保單位的治理，榆林市的退耕還林項目有了很大成效，水土保持取得成效，土壤侵蝕也逐漸減輕。

2.4 不同坡度等級下土壤侵蝕變化特征

根據1988—2013年不同坡度下土壤侵蝕統計（表7），隨著坡度的增加，1988、2000和2013年的土壤侵蝕模數呈上升趨勢，總侵蝕量也是逐漸增加。0～5°一般是平原地區，土壤受人類活動的影響;0～25°平原或者坡度不大的地區，人為活動加劇侵蝕，>25°的地區，人類活動減少，耕地面積也減少，雖然林地、草地的面積大于耕地面積，但由于天氣等自然現象，造成風蝕、水蝕等自然災害，導致山體滑坡、泥石流、坍塌、山體切溝等后果，嚴重影響了地表的完好度，加劇了土壤侵蝕程度。近年來，由于政府及相關單位水保措施的實施，退耕還林已經取得了不錯的成效，所以2013年較1988年總侵蝕明顯減少。

總侵蝕量計算公式：

總侵蝕量 = 土壤侵蝕模數×面積/106

面積=像元數×像元大?。ǚ直媛剩?/p>

2.5 土壤侵蝕動態變化模擬預測 根據1988—2013年榆林市土壤侵蝕類型面積轉移矩陣（表8），計算出相應的土壤侵蝕強度轉移概率矩陣（表9），在此基礎上預測出2013年的土壤侵蝕面積百分比（表10）。

該研究引入模型效應系數W[27-29]判斷馬爾科夫模擬預測效果，公式如下：

W=1-（Qs-Qy）2（Qs-s）2（12）

式（12）中，Qs為實際面積比例;Qy為預測面積比例。W值反映了實際值與預測值的吻合程度，W越接近100%，說明模擬效果越好。通過計算，W值為80%。說明榆林市實際侵蝕等級面積對比預測侵蝕等級面積，一致性良好，進而說明馬爾科夫模擬和預測土壤侵蝕動態變化是可行的。

根據2000—2013年不同侵蝕強度轉移矩陣（表4）自乘3次可達穩定狀態（表11～13），也就是說從2000年起，經過14×3=42年，侵蝕強度轉移穩定下來。從整體上來看，到2055年乃至未來，榆林市微度侵蝕面積逐漸增加，輕度及以上面積持續減少，整體呈良性發展趨勢。

3 結論與討論

通過柵格數據來獲取區域內部差異，利用改進的RUSLE土壤侵蝕模型，計算降雨侵蝕R因子、土壤K因子、坡長坡度LS因子、植被覆蓋C因子、水土保持P因子、淺溝侵蝕G因子，估算1988—2013年土壤侵蝕模數，分析了1988—2013年侵蝕變化、地類面積變化和不同坡度下的土壤侵蝕變化情況，最后利用馬爾科夫轉移矩陣預測未來年份土壤侵蝕變化趨勢，得出以下結論。

（1）榆林市土壤侵蝕平均模數總體較穩定。但在2000、2001年出現明顯差異，2000年達到歷年來最小值，因為2000年降雨侵蝕力最小，2001年土壤侵蝕平均模數達到歷年來最大值，其原因是2001年降雨侵蝕力最大。1988年的降雨侵蝕力為2 055.26 MJ·mm/（hm2·h），2000年的降雨侵蝕力為439.55 MJ·mm/（hm2·h），降雨侵蝕力急劇成倍數減少，所以整體侵蝕程度明顯降低，2013年的降雨侵蝕力為1 790.23 MJ·mm/（hm2·h），降雨侵蝕力明顯增大，相對于1988—2000年，整體的侵蝕程度加劇。

（2）1988—2013年榆林市土壤侵蝕狀況明顯改善，平均土壤侵蝕由1988年4 368.83 t/（km2·a）減少為2013年2 345.97 t/（km2·a），相應的土壤流失總量從175.94×106 t減少到68.96×106 t。1988—2013年，中度以上侵蝕全市微度侵蝕面積增加，其他侵蝕等級轉移到劇烈侵蝕的百分比均不足1。耕地、草地和未利用土地面積減少，林地、建筑用地面積增加，退耕還林，愛護自然等保護措施和意識得到加強和提升。隨著坡度增加，1988、2000和2013年的土壤侵蝕模數呈上升趨勢，總侵蝕量也是逐漸增加。

（3）根據馬爾科夫模型預測，未來40年榆林市土壤侵蝕狀況逐漸減輕，中度以上土壤侵蝕面積逐漸增加，微度侵蝕面積增加尤其顯著，其他侵蝕等級的面積持續減少。

參考文獻

[1] 高海東，李占斌，李鵬，等.基于土壤侵蝕控制度的黃土高原水土流失治理潛力研究[J].地理學報：英文版，2016，26（4）：457-472.

[2] 姜永清，王萬中，王占禮，等.陜北黃土高原的土壤侵蝕與綜合治理[J].水土保持研究，1999，6（2）：174-180.

[3] 江忠善，鄭粉莉，武敏.中國坡面水蝕預報模型研究[J].泥沙研究，2005（4）：1-6.

[4] 張巖，劉寶元，張清春，等.不同植被類型對土壤水蝕的影響[J].植物學報：英文版，2003，45（10）：1204-1209.

[5] WU L，LIU X，MA X Y.Tracking soil erosion changes in an easilyeroded watershed of the Chinese loess plateau[J].Polish journal of environmental studies，2016，25（1）：351-363.

[6] 李天宏，鄭麗娜.基于RUSLE模型的延河流域2001—2010年土壤侵蝕動態變化[J].自然資源學報，2012，27（7）：1164-1175.

[7] YODER D，LOWN J.The future of RUSLE：Inside the new revised universal soil loss equation[J].Journal of soil & water conservation，1995，50（5）：484-489.

[8] 陳云明，劉國彬，鄭粉莉，等.RUSLE侵蝕模型的應用及進展[J].水土保持研究，2004，11（4）：80-83.

[9] 江忠善，王志強，劉志.黃土丘陵區小流域土壤侵蝕空間變化定量研究[J].土壤侵蝕與水土保持學報，1996，2（1）：1-9.

[10] 符素華，劉寶元.土壤侵蝕量預報模型研究進展[J].地球科學進展，2002，17（1）：78-84.

[11] 劉新顏，曹曉儀，董治寶.基于T-S模糊神經網絡模型的榆林市土壤風蝕危險度評價[J].地理科學，2013，33（6）：741-747.

[12] 賈文錦，朱全有，陳有治，等.榆林專區的土壤侵蝕及其防治[J].土壤通報，1961（1）：35-42.

[13] 王萬忠.黃土地區降雨特性與土壤流失關系的研究 Ⅲ：關于侵蝕性降雨的標準問題[J].水土保持通報，1984（2）：58-63.

[14] 謝云，劉寶元，章文波.侵蝕性降雨標準研究[J].水土保持學報，2000，14（4）：6-11.

[15] 章文波，謝云，劉寶元.利用日雨量計算降雨侵蝕力的方法研究[J].地理科學，2002，22（6）：705-711.

[16] WANG B，ZHENG F L，PMKENS M J M，et al.Comparison of soil erodibility factors in USLE，RUSLE2，EPIC and Dg models based on a Chinese soil erodibility database[J].Acta agriculturae scandinavica， Section BSoil and plant science，2013，63（1）：69-79.

[17] 汪邦穩，楊勤科，劉志紅，等.基于DEM和GIS的修正通用土壤流失方程地形因子值的提取[J].中國水土保持科學，2007，5（2）：18-23.

[18] 楊波，王全九.退耕還林后榆林市土壤侵蝕和養分流失功效研究[J].水土保持學報，2016，30（4）：57-63.

area in Anhui Province

3 安徽省生態安全格局

在ArcGIS中，疊加生態安全重要性和生態敏感性4幅格局圖（水源涵養生態安全格局、水土保持生態安全格局、生

物多樣性生態安全格局和生態敏感性格局），剔除圖中土地利用類型為建設用地和耕地的部分，形成生態安全重要性敏感性格局。疊加景觀破碎度高值區、景觀完整性低值區和蔓延度低值區3幅圖，剔除斑塊面積不足1 km2的區域形成景觀生態安全格局。融合生態安全重要性敏感性格局和景觀生態安全格局建立安徽省生態安全格局（圖10）。

圖10 安徽省生態安全格局

Fig.10 Ecological security pattern in Anhui Province

安徽省生態安全格局以西部大別山生態屏障和南部黃山生態屏障為框架，以長江干流水生態廊道為連接樞紐，融合以巢湖為首的中北部湖泊為濕地保護屏障，共同表現為“兩山一江，山環水繞”生態安全格局。

4 結論與討論

該研究基于GIS和Fragstats軟件，運用生態安全重要性與敏感性劃分生態安全高值區，使用景觀生態指數為參考基準劃分景觀生態極值區，構建了安徽省生態安全格局。研究表明，安徽省生態安全格局總面積41 083.46 km2，占全省面積的29.53%，整體主要格局以西部大別山生態屏障和南部黃山生態屏障為支撐，總面積分別為10 878.66、20 004.97 km2，長江干流水生態廊道為屏障鏈接，巢湖等湖泊濕地為生態格局重要組成成分，總面積1 130.74 km2。

該研究通過綜合生態安全重要性敏感性指數和景觀生態指數，構建了安徽省生態安全格局，改變了以往生態安全格局的單一評估指標情況，為安徽省生態保護提供了新的思路和參考。針對不同地區、不同指標類型使用了不同的等級進行分級處理，突破了以往全國使用統一分級標準造成的地區間生態格局差異性不明顯的情況，使生態安全的區域特殊性更加顯著。由于研究未統一各個指標的柵格分辨率大小，具體表現為生態安全重要性柵格分辨率低于景觀生態指數的分辨率，使得生態安全格局不同指數之間的精準性略有不足。如何更加科學地突出地區間生態安全格局的科學性和系統性，統一不同尺度下生態安全的地區性差異，開展區域生態安全動態評價和高效預警是今后亟待深入研究的部分?？梢赃M一步選擇更大尺度和更長時間跨度，從更微觀的評價單元角度，加強區域生態安全的時空分析，更好揭示生態安全的變化規律和驅動因子，提出更有針對性的決策建議。

參考文獻

[1]秦曉楠，盧小麗，武春友.國內生態安全研究知識圖譜：基于Citespace的計量分析[J].生態學報，2014，34（13）：3693-3703.

[2] 李宗堯，楊桂山，董雅文.經濟快速發展地區生態安全格局的構建：以安徽沿江地區為例[J].自然資源學報，2007，22（1）：106-113.

[3] 宋偉東.基于生態功能重要性和敏感性的安徽省生態安全格局構建[J].阜陽師范學院學報（自然科學版），2019，36（3）：103-109.

[4] 張豆，渠麗萍，張桀滈.基于生態供需視角的生態安全格局構建與優化：以長三角地區為例[J].生態學報，2019，39（20）：7526-7537.

[5] 陳昕，彭建，劉焱序，等.基于“重要性—敏感性—連通性”框架的云浮市生態安全格局構建[J].地理研究，2017，36（3）：471-484.

[6] 杜悅悅，胡熠娜，楊旸，等.基于生態重要性和敏感性的西南山地生態安全格局構建：以云南省大理白族自治州為例[J].生態學報，2017，37（24）：8241-8253.

[7] 付剛，白加德，齊月，等.基于GIS的北京市生態脆弱性評價[J].生態與農村環境學報，2018，34（9）：830-839.

[8] 譚云鳳. 基于GIS和Fragstats的團結鎮景觀格局優化研究[D].哈爾濱：東北林業大學，2014.

[9] ZHOU D Y，TIAN Y Y，JIANG G H.Spatio-temporal investigation of the interactive relationship between urbanization and ecosystem services： Case study of the Jingjinji urban agglomeration， China[J]. Ecological indicators，2018，95：152-164.

[10] 劉琦，劉世梁，趙清賀，等.基于移動窗口法的水電開發影響下景觀格局梯度分析[J].山地學報，2012，30（5）：628-635.

[11] 仇江嘯，王效科，逯非，等.城市景觀破碎化格局與城市化及社會經濟發展水平的關系：以北京城區為例[J].生態學報，2012，32（9）：2659-2669.

[12] 張琳琳，孔繁花，尹海偉，等.基于景觀空間指標與移動窗口的濟南城市空間格局變化[J].生態學雜志，2010，29（8）：1591-1598.

[13] 唐建，譚飛，周琳.景觀破碎化對物種多樣性的影響探討[J].綠色科技，2018（24）：158-161.

[14] LARSEN L G，CHOI J，NUNGESSER M K，et al. Directional connectivity in hydrology and ecology[J]. Ecological applications， 2012， 22（8）：2204-2220.

[15] 中華人民共和國生態環境部.生態保護紅線劃定指南：環辦生態（2017）48號[A].2017.

[16] 安徽省人民政府.安徽省人民政府關于發布安徽省生態保護紅線的通知：皖政秘（2018）120號[A].2018.

[17] 盧一夢.安徽省濕地生態保護紅線劃分研究[D].合肥：安徽大學，2019.

[18] 白育銘.安徽省生態紅線區管控指標體系構建研究[D].合肥：安徽農業大學，2016.

[19] 王在高，吳楠.安徽省重點生態功能區保護紅線劃定方法研究[J]. 合肥工業大學學報（自然科學版）， 2017， 40（10）： 1412-1415.

[20] 王在高，吳楠.基于GIS的安徽省生態保護紅線劃定方法研究[J]. 安徽師范大學學報（自然科學版）， 2018， 41（3）： 287-292.

[21] 王在高，吳楠.安徽省生態環境敏感區保護紅線劃定方法研究[J]. 合肥工業大學學報（自然科學版）， 2018， 41（8）： 1100-1107.

[22] 宋言奇.長三角生態安全一體化研究[J].南通大學學報（社會科學版），2005，21（4）：61-66.

[23] 宋言奇.“長三角”地區生態安全應走一體化綜合治理的道路[J].科技導報，2005，23（12）：72.

[24] 李進華，孫慶業，周立志，等.安徽生態建設與長三角生態安全[C]//中國生態學會、安徽生態省建設領導小組辦公室.循環·整合·和諧——第二屆全國復合生態與循環經濟學術討論會論文集.北京：中國科學技術出版社，2005：6.

[25] 張貝爾，蔣旭東，孫京祿，等.安徽省區域生態安全動態評價與預警分析[J].中國農學通報，2018，34（27）：142-151.

[26] 劉曉哲.改進的通用土壤侵蝕方程在流域水土流失模擬中的運用[J].水利規劃與設計，2016（4）：69-71.

[27] 劉海濤.基于改進通用土壤侵蝕方程的水土流失時空模擬：以淮河上游為例[J].人民長江，2016，47（4）：17-19，26.

[28] 陳正發.基于RUSLE模型的重慶市土壤流失方程研究[D].重慶：西南大學，2011.

[29] 方行，方元.基于GIS與Fragstats景觀水平的空間格局特征分析：以珠江口兩岸為例[J].湖北農業科學，2012，51（4）：841-842.

[30] 馮永玖，劉艷，周茜，等.景觀格局破碎化的粒度特征及其變異的分形定量研究[J].生態環境學報，2013，22（3）：443-450.

[31] 洪鴻加，彭曉春，陳志良，等.長沙市景觀破碎化時空分異特征研究[J].國土資源遙感，2011（1）：133-137.

[32] SONG H H，LIU L X，ZHANG Y T，et al.Research on landscape pattern optimization of Xianglan Town based on GIS and fragstats[C]//Proceedings of the 2017 International Conference on Society Science （ICoSS 2017）.Paris，France：Atlantis Press，2017.

[33] 連藝昕. 基于遙感及GIS技術的水土流失信息提取與分級研究：以福建省永春縣為例[D].南昌：東華理工大學，2014.

[34] 連米鈞.水土流失概念及水土流失強度分級標準[J].水土保持科技情報，2001（1）：25-27，44.

[19] 馬超飛，馬建文，布和敖斯爾.USLE模型中植被覆蓋因子的遙感數據定量估算[J].水土保持通報，2001，21（4）：6-9.

[20] 蔡崇法，丁樹文，史志華，等.應用USLE模型與地理信息系統IDRISI預測小流域土壤侵蝕量的研究[J].水土保持學報，2000，14（2）：19-24.

[21] 譚炳香，李增元，王彥輝，等.基于遙感數據的流域土壤侵蝕強度快速估測方法[J].遙感技術與應用，2005，20（2）：215-220.

[22] 游松財，李文卿.GIS支持下的土壤侵蝕量估算：以江西省泰和縣灌溪鄉為例[J].自然資源學報，1999，14（1）：62-68.

[23] WISCHMEIER W H，SMITH D D.Predicting rainfall erosion losses：A guide to conservation planning[M].Washington，DC，USA：United States Dept of Agriculture，1978：537.

[24] 覃杰香，王兆禮.基于GIS和RUSLE的從化市土壤侵蝕量預測研究[J].人民珠江，2011，32（2）：37-41.

[25] JIANG Z S，ZHENG F L，WU M.China water erosion prediction model[M].Beijing：Science Press，2008：200-202.

[26] 陳彥光.地理數學方法：基礎和應用[M].北京：科學出版社，2008：488-516.

[27] 劉少佳，任志遠，楊文艷，等.基于馬爾科夫模型土壤侵蝕動態變化研究：以西安都市圈為例[J].水土保持研究，2015，22（5）：14-19，24.

[28] 江青龍，謝永生，張應龍，等.京津水源區小流域土壤侵蝕空間模擬[J].生態學雜志，2011，30（8）：1703-1711.

[29] 石香瓊，查軒，陳世發.基于馬爾柯夫模型的紅壤退化地水土流失動態變化預測研究[J].水土保持研究，2009，16（4）：19-23.