FLUS-CSLE模型預測黃土高原典型流域不同土地利用變化情景土壤侵蝕

吳淑芳，張 彪，石學瑾，苑紫巖，馮 浩

FLUS-CSLE模型預測黃土高原典型流域不同土地利用變化情景土壤侵蝕

吳淑芳1,2，張 彪1,2，石學瑾1，苑紫巖1，馮 浩3

（1. 西北農林科技大學水利與建筑工程學院，楊凌 712100；2. 西北農林科技大學中國旱區(qū)節(jié)水農業(yè)研究院，楊凌 712100；3. 中國科學院水利部水土保持研究所，楊凌 712100）

流域土壤侵蝕預測對于了解未來土壤侵蝕發(fā)展趨勢，制定未來水土保持治理策略具有重要意義。為了提出一種適用于黃土高原地區(qū)的易于評估未來不同土地利用管理策略的土壤侵蝕預測方法，該研究基于地形、降雨、土壤、遙感影像數據，完成韭園溝流域2010—2020年的土地利用空間分布解譯，并計算歷史時期（2010—2020）的土壤侵蝕模數，基于未來土地利用模擬（Future Land Use Simulation，FLUS）模型完成流域2025年土地利用分布狀況預測，以此為基礎獲得未來植被覆蓋措施因子和耕作措施因子，結合CSLE模型預測2025年自然發(fā)展、經濟增長、生態(tài)保護3種不同土地利用變化情景下土壤侵蝕狀況。結果表明：1）韭園溝流域土地利用類型主要為草地（面積占比62.23%）和林地（28.41%），其次是耕地、建筑物和水體，在2010—2020年期間土地利用空間分布格局經歷了較大變化，林、草地面積增加8.36%，耕地面積減少30.3%。2）流域2010、2015、2020年這3 a間土壤侵蝕模數平均值分別為19.49、15.83、20.7 t/(hm2·a)，整體呈現先降低后增加的趨勢，不同土地利用類型的土壤侵蝕模數由大到小為耕地（40.56 t/(hm2·a)）、草地（18.79 t/(hm2·a)）、建設用地（10.25 t/(hm2·a)）、林地（8.02 t/(hm2·a)）。3）在積極的生態(tài)保護情景下，2025年林、草地面積較自然發(fā)展情景基本持平但林地面積比例有所增加，較經濟增長情景林、草地面積增加5.06%，耕地面積較自然發(fā)展情景增加1.20%，較經濟增長情景減少14.73%。4）2025年流域自然發(fā)展、經濟增長、生態(tài)保護情景下土壤侵蝕模數分別為24.3、22.9、18.3 t/(hm2·a)。采取積極的生態(tài)保護情景發(fā)展模式，建設用地面積適度擴張可以兼顧生態(tài)保護和經濟發(fā)展的需要。該研究為流域未來的土地利用規(guī)劃以及水土保持治理提供參考。

土壤；侵蝕；土地利用；黃土高原丘陵溝壑區(qū)；土壤侵蝕評估和預測；CSLE模型；FLUS模型

0 引 言

黃土高原是中國乃至世界上水土流失最嚴重的地區(qū)之一，黃土高原丘陵溝壑區(qū)更是其中侵蝕最為嚴重的典型區(qū)域[1-2]。隨著20世紀90年代末退耕還林還草工程實施以來，截止2010年該區(qū)域的土壤侵蝕狀況得到了顯著改善。大規(guī)模退耕還林還草工程的實施在改善區(qū)域土壤侵蝕狀況，改良流域生態(tài)環(huán)境的同時也極大地改變了區(qū)域內土地利用空間格局的分布[3]，而土地利用通過改變地表形態(tài)影響徑流和泥沙輸移過程進而成為影響土壤侵蝕過程的重要因素[4]，土壤侵蝕與土地利用兩者之間相互影響，關系密切[5]。

3S技術的迅速發(fā)展極大地推動了土壤侵蝕模型的發(fā)展，使之為土壤侵蝕的預測與評價提供有力的支持[6]，然而現有土壤侵蝕模型，無論是經驗模型還是物理模型均是基于流域的地形、植被、土壤、降雨數據進行當下以及過去的侵蝕狀況評估，無法獲得流域未來的土壤侵蝕狀況和發(fā)展趨勢[7]。在土壤侵蝕恢復治理的工作中，在了解土壤侵蝕過去及現在變化狀況的基礎上掌握其未來的演變趨勢，對水土保持措施的成效判斷和指導下一步工作具有重要意義[8]。因此，眾多國內外學者開展了關于土壤侵蝕預測的研究，目前的土壤侵蝕預測主要包括2個方面：1）運用機器學習算法與元胞自動機（Cellular Automata，CA）模型，基于現有土壤侵蝕評價結果的直接預測[9-10]；2）通過其他模型預測未來侵蝕模型因子，而后將其導入土壤侵蝕模型完成未來土壤侵蝕預測。例如，Zare等[11]通過修正土壤流失方程（RUSLE）結合元胞自動機—馬爾科夫（CA-Markov）模型完成了伊朗Kasilian流域1981—2011年土壤侵蝕狀況調查，并預測了2030年的土壤侵蝕狀況；Cunha等[12]采用RUSLE、Invest和CA-Markov模型耦合評估了巴西Cerrado biome流域1986年、1999年、2007年和2016年的土壤流失狀況，并預測了2050—2100年的土壤侵蝕狀況。然而，第一種方法忽略了土壤侵蝕的影響因素和復雜演變過程，缺少對于機理過程的探究。第二種方法中，目前應用較多的是RUSLE與CA/Markov/CA-Markov的耦合模型，而CA-Markov模型未能處理好不同土地利用類型之間的復雜競爭和相互作用。FLUS（Future Land Use Simulation）模型是基于CA-ANN-Markov理論的未來土地利用模擬模型[13]，通過人工神經網絡（Artificial Neural Network，ANN）算法的引入提出自適應慣性和競爭機制，改進了傳統(tǒng)CA-Markov模型中存在的上述問題，在土地利用演變領域取得了不錯的效果，得到了廣泛應用。侯建坤等[14]利用FLUS模型模擬黃河源區(qū)不同情景下的土地利用變化并且集合INVEST模型實現不同情景下的碳儲量預測；茍貞珍等[15]以喀什地區(qū)為例利用FLUS模型預測2030年的土地利用空間格局并以此為切入點預測該地區(qū)的生態(tài)承載力時空格局；張曉榮等[16]采用FLUS模型和SD模型預測中巴經濟走廊性發(fā)展、投資優(yōu)先以及生態(tài)協(xié)調3種不同情景模式下的土地利用空間格局，成功為未來中巴經濟走廊建設過程中的土地利用規(guī)劃提供了建議，在眾多侵蝕模型中，中國土壤侵蝕方程——CSLE模型在黃土高原徑流小區(qū)試驗資料的基礎上提出植被覆蓋管理措施因子（）、水土保持工程措施因子（）、水土保持耕作措施因子（），使其相對RUSLE模型更加適應于黃土高原獨特地形和水土保持措施。盡管FLUS模型和CSLE模型分別在區(qū)域土地利用空間格局預測和土壤侵蝕評估領域獲得廣泛應用，但是前人研究中卻鮮有將兩者結合應用以此實現未來不同土地利用變化情景的土壤侵蝕預測。

本研究旨在提出一種快速、高效地評估不同土地利用管理策略下未來土壤侵蝕發(fā)展趨勢的預測方法，為流域未來土地管理政策制定和水土保持治理提供參考。鑒于FLUS和CSLE模型的研究應用現狀和黃土高原丘陵溝壑區(qū)典型流域—韭園溝流域土地利用空間格局對于土壤侵蝕的重要影響，以及近年來該流域退耕還林還草工程實施后流域空間格局的重要變化和未來發(fā)展的不確定性，本研究利用FLUS模型通過成本矩陣和鄰域因子設置預測2025年流域不同情景下的土地利用空間格局分布，并以此為基礎計算未來不同土地利用變化情景下和因子，然后通過CSLE模型，基于降雨、地形、土壤、以及遙感影像數據完成對該流域2010—2020年的土地利用與土壤侵蝕時空演變分析，并利用未來土地利用變化情景下的和因子對未來的土壤侵蝕發(fā)展狀況進行充分探討。

1 材料與方法

1.1 研究區(qū)概況

韭園溝流域（37°33′～37°38′N，110°16′～110°26′E）位于黃土高原丘陵溝壑區(qū)，是中國陜西省榆林市無定河左岸的一級支溝（圖1）。流域溝壑密度為5.34 km/ km2，面積為70.7 km2，海拔820～1 180 m。主要土壤類型為馬蘭黃土，松散、多孔，易于遭受侵蝕。流域地表破碎、溝壑縱橫的地貌特征是黃土高原丘陵溝壑區(qū)的典型代表。1953年黃河水利委員會在綏德建立綏德試驗站，確定黃土丘陵溝壑區(qū)第一分區(qū)代表流域—韭園溝流域作為黃河水土保持生態(tài)建設示范區(qū)。

圖1 研究區(qū)位置圖

1.2 數據來源與處理

使用美國地質調查局（US Geological Survey，USGS）下載的2010—2020年Sentinel 2A和陸地衛(wèi)星5-8系列數據（https://www.usgs.gov/）繪制2010—2020年土地利用類型圖，分為5類：耕地、建設用地、林地、草地和水體。同時基于上述衛(wèi)星影像提取植被信息以獲得2010—2020年韭園溝流域的植被覆蓋度狀況。通過美國宇航局（https://search.asf.alaska.edu/#/）下載的12.5 m分辨率的數字高程模型（Digital Elevation Model，DEM）數據提取流域地形參數。通過國家氣象數據中心（https://data.cma.cn/）下載2010—2020年韭園溝流域周圍站點的日降雨量數據集并基于該數據對氣象數據進行空間插值，以獲得該流域2010—2020年的降雨侵蝕力。該流域的土壤理化性質來自ISRIC的250 m分辨率的全球土壤質地調查數據（https://soilgrids.org/）。使用Google高分辨率歷史影像確定2010—2020年流域的水土保持工程和耕作措施，同時獲得流域內交通道路、城鎮(zhèn)分布。為保證數據的一致性，將以上數據的空間分辨率統(tǒng)一重采樣到10 m×10 m，地理坐標系均采用 GCS_WGS_1984。

1.3 研究方法

1.3.1 基于FLUS模型的未來土地利用預測

采用FLUS模型預測黃土高原丘陵溝壑區(qū)典型流域—韭園溝流域2025年不同情景下的土地利用變化，該模型是由 Liu等[13]開發(fā)的用于模擬未來不同情景下土地利用變化的模型，已被廣泛用于模擬全球和區(qū)域尺度的土地利用變化。本研究中FLUS模型的實現是通過GeoSoS-FLUS軟件實現。

1）未來土地利用變化情景設置

自然發(fā)展情景是取決于過去至未來的土地利用空間格局演變過程和發(fā)展趨勢，這種情景是在沒有政策和限制的干預下，遵循以往土地利用發(fā)展演變規(guī)律進行土地利用空間格局的演變預測[17]；生態(tài)保護情景的核心是以保證研究區(qū)域的生態(tài)安全為主，提高生態(tài)系統(tǒng)多樣性，減少林草地和水域向建設用地轉換比例[18]；經濟增長情景的主要目的則是保持經濟增長速率，進行必要的生活與交通道路區(qū)域擴張，增大居民區(qū)、道路等建設用地的面積比例[19]。

各種情景的實現主要通過對土地利用轉移成本矩陣和鄰域參數因子設置，不同情景下各個土地利用類型的鄰域因子參考王保盛等[20]研究中的鄰域因子計算公式。借鑒孫喬[21]在多情景模式中的研究，成本矩陣和鄰域因子設置如表1和表2所示。

表1 土地利用轉移成本矩陣

表2 鄰域因子設置

2）模擬參數設置

參考前人[20-21]的研究，選擇鄰域范圍為3×3，設定迭代次數為300，加速因子為0.1。

1.3.2 CSLE模型

章文波等[22]根據黃土高原的實際水土保持情況，結合RUSLE方程創(chuàng)新性地提出了植被措施因子、工程措施因子、耕作措施因子，建立了適用于黃土高原地區(qū)的中國土壤侵蝕預報模型——中國土壤流失方程CSLE如下：

式中為多年平均土壤流失量，t/(hm2?a)；為降雨侵蝕力，MJ?mm/(hm2?h?a)；為土壤可蝕性因子，t?hm2?h/(hm2?MJ?mm)；為坡長因子；為坡度因子，無量綱；為植被覆蓋措施因子，無量綱；為水土保持工程措施因子，無量綱；為水土保持耕作措施因子，無量綱。

采用2003年章文波等[23]提出的逐月降雨侵蝕力計算方法，計算流域2010—2020年平均降雨侵蝕力因子。采用土壤侵蝕和生產力影響估算模型EPIC[24]中的方法，結合土壤有機質和顆粒組成估算土壤可蝕性因子因子。基于ALOS PALSAR 12.5 m分辨率DEM數據通過Zhang等[25]團隊研發(fā)的LS_TOOL坡長坡度因子計算軟件完成地形因子的計算。參考Huang等[26]提出的結合土地利用類型與植被覆蓋度進行賦值的方法獲得因子，通過獲取高分辨率Google歷史影像獲得流域水土保持工程措施，參考謝紅霞[27]的方法計算流域因子。根據“耕作措施輪作區(qū)代碼”字段值，查《全國輪作制度區(qū)劃及輪作措施三級分類表》，獲取不同區(qū)域耕作措施因子值，結合土地利用解譯結果對耕地進行賦值，其他區(qū)域賦值為1。以上各因子，經過重采樣在ArcGIS10.7中生成10 m分辨率的柵格圖層。

2 結果與分析

2.1 土地利用變化分析

圖2是2010年、2015年和2020年韭園溝流域土地利用類型分布圖，主要包括耕地、林地、草地、建設用地和水體。2010—2020年韭園溝流域土地利用類型主要為草地（62.23%）和林地（28.41%），其次是耕地（6.77%）、建筑物（2.49%）和水體（0.09%）。土地利用類型的空間分布受地形和人類活動的影響。農田分布在整個韭園溝流域，靠近居民區(qū)。居民點、道路等建筑區(qū)域主要分布在地勢平坦的地區(qū)，水體主要為流域內的人工湖泊，靠近建設用地的面積較小。通過馬爾科夫模型獲得流域2010 —2020年之間土地利用轉移矩陣（表3）可知，草地從2010年的3 613.33 hm2增加到2020年的4 349.05 hm2，林地從2010年的2 191.53 hm2減少到2020年的1 985.54 hm2。2010 —2020年韭園溝流域共有877.74 hm2的耕地和建設用地轉為林地和草地，447.48 hm2林地和草地轉為耕地和建設用地，其中約有3 542.24 hm2的森林和草地面積保持不變。流域林地面積有所減少但是隨著草地面積的迅速增長，2020年森林和草地覆蓋率比2010年增加10%，林、草地面積增加8.36%，耕地面積減少30.3%。流域林草覆蓋面積顯著增加，區(qū)域環(huán)境治理和退耕還林工程成效顯著。

2.2 基于FLUS模型的未來土地利用變化預測

2.2.1 FLUS模型精度驗證

為了定量評價模型的模擬效果，首先以2015年土地利用數據為基礎，結合高程、坡度、坡向、距城鎮(zhèn)距離、距交通道路距離等自然經濟因素，獲得流域土地利用變化各驅動因子及適應性概率圖集（圖 3），以2015年土地利用數據為基礎進行2020年土地利用狀況模擬，將FLUS模型模擬獲得的2020年土地利用數據與基于遙感影像解譯的2020年土地利用分布數據之間構建混淆矩陣，計算各土地利用類型的總體精度和 Kappa系數，結果表明韭園溝流域2020年模型模擬結果的Kappa系數為0.72，總體精度為85.6%。模型驗證模塊中的Figure of Merit（FoM）系數為0.35。前人利用FLUS模型開展了大量關于區(qū)域土地利用變化模擬的研究[14,16,20]，其FoM值大多在0.1～0.2范圍之內，低于本研究FoM值，理論中該值越大模型模擬準確性越高，可見本文模型準確性高。統(tǒng)計2020年FLUS模型模擬結果與2020年實際土地利用分布的不同土地利用類型面積，進行面積總量模擬精度驗證，結果如表4所示，林地誤差相對較大達到11.8%，其余地類誤差均在5%以內，表明了FLUS模型結果的可靠性。

圖2 2010—2020年韭園溝流域土地利用類型分布

表3 2010—2020年韭園溝流域土地利用面積轉移矩陣

注：主對角線元素代表各土地利用類型中沒有發(fā)生變化的面積。

Note: The main diagonal element represents the unchanged area of each land use type.

圖3 韭園溝流域各驅動因子及適宜性概率圖

表4 2020年土地利用類型面積總量驗證

2.2.2 基于不同情景的2025年土地利用變化預測

根據設定的3種發(fā)展情景，基于2020年土地利用分布狀況，通過構建的FLUS 模型，預測流域2025年土地利用類型空間分布（圖4）。利用ArcGIS中的分區(qū)統(tǒng)計工具統(tǒng)計韭園溝流域2025年不同情景下不同土地利用類型面積。由表5可知，2025年韭園溝流域耕地面積在自然發(fā)展和生態(tài)保護情景下與2020年相比分別減少58.74 hm2和53.74 hm2，經濟增長情景下與2020年相比增加18.83 hm2；對于林地而言，經濟增長情景與自然發(fā)展情景分別減少183.94 hm2和15.27 hm2，生態(tài)保護情景下面積則增加了100 hm2；對于流域分布最廣、面積最大的草地來說，自然和經濟增長情景中，呈現相反的變化趨勢，分別增加1.79 hm2和減少122.96 hm2，生態(tài)保護情景之下，面積減少了2%；建設用地在經濟增長情景中增加203.05 hm2，增加比例為116%，面積變化最為顯著。

圖4 黃土高原韭園溝流域2025年不同發(fā)展情景土地利用類型分布

對不同土地利用發(fā)展情景進行橫向比較可知（表 5），流域在無任何政策和人為干預下即自然發(fā)展狀態(tài)下，流域退耕還林還草的趨勢得以繼續(xù)保持，自然發(fā)展模式下2025年與2020年相比耕地面積減少，林地面積減少與草地面積增加印證了這一點；經濟增長情景主要以滿足經濟發(fā)展的相關基礎建設為主，因此交通道路、居民區(qū)等建設用地以及耕地等相比其他2種土地變化情景存在一定程度的面積擴張；生態(tài)保護情景下，林、草地面積較自然發(fā)展情景基本持平但林地面積比例有所增加，較經濟增長情景增加5.06%。耕地面積較自然發(fā)展情景增加1.20%，較經濟發(fā)展情景減少14.73%。

表5 2025年韭園溝流域不同土地利用類型面積統(tǒng)計

2.3 土壤侵蝕現狀分析

2.3.1 CSLE模型驗證

中國土壤侵蝕模型CSLE在全國土壤侵蝕狀況評估領域得到了廣泛應用[28-30]，傳統(tǒng)的土壤侵蝕模型結果驗證和評估主要采用基于現場監(jiān)測、同位素示蹤技術的測量和高分辨率遙感影像定性分析。由于缺少研究時期內詳實的歷史泥沙觀測數據，本文整理了研究地區(qū)已發(fā)表的研究結果，并將其與本文模型結果進行了比較。Huang等[26]使用CSLE模型評估了1970—2015年韭園溝流域的土壤流失，繪制了土壤侵蝕模數分級圖（1977年、2004年和2015年）。將2015年的土壤侵蝕模型計算結果與其相應年份的土壤侵蝕模數計算結果按坡度分級統(tǒng)計進行比較，相對誤差絕對值在8.0%～23.5%之間（表6），考慮到兩者在模型個別因子計算方法的差別，誤差處于可接受范圍。

表6 2015年土壤侵蝕模數按坡度分級對比表

2.3.2 2010—2020土壤侵蝕時空演變

通過CSLE模型計算土壤侵蝕模數，得到2010—2020年土壤侵蝕模數分級圖（圖5），流域2010、2015、2020年土壤侵蝕模數分別為19.49、15.83、20.7 t/(hm2·a)。對韭園溝流域2010—2020年土壤侵蝕模數進行分級統(tǒng)計結果如表7所示。2010年微度侵蝕面積為3 374.68 hm2，為流域面積48.51%，中度、強烈、極強烈和劇烈侵蝕面積為流域面積24.09%。2015相比2010年，微度侵蝕面積增加953.95 hm2，中度及以上侵蝕等級面積減少683.81 hm2。2015—2020年微度侵蝕面積變化最大，2020相比2015年，微度侵蝕面積減少1 416.28 hm2，中度及以上侵蝕面積增加969.86 hm2。2010 —2020年3個時期韭園溝流域土壤侵蝕空間分布相似（圖5），面積最大的土壤侵蝕等級是微度侵蝕，其次是輕度侵蝕，微度侵蝕面積2010—2020年減少462 hm2，中度侵蝕面積增加353.27 hm2，強烈、極強烈和劇烈侵蝕面積減少49.22 hm2。總體來看，韭園溝流域2010—2015年土壤侵蝕狀況得到有效控制，但是在2015年后存在反彈趨勢。

2.4 基于FLUS-CSLE模型的未來不同情景土地利用與土壤侵蝕響應

以流域2025年土地利用預測結果為基礎，計算流域內2025年植被覆蓋措施因子以及耕作措施因子，以流域2010—2020年流域多年平均降雨侵蝕力作為流域平均降雨侵蝕力因子，依據水利部頒布的土壤侵蝕分類分級標準《SL190—2007》，將流域土壤侵蝕強度分為微度、輕度、中度、強烈、極強烈、劇烈共6個級別，得到流域2025年不同發(fā)展情景土壤侵蝕模數分級圖（圖6）。在2025年3種不同情景的土地利用預測結果下，流域自然發(fā)展、經濟增長、生態(tài)保護情景下土壤侵蝕模數分別為24.3、22.9、18.3 t/(hm2·a)，流域不同土地利用類型土壤侵蝕預測結果由大到小為耕地、草地、建設用地、林地，2025年3種土地利用變化情景土壤侵蝕預測結果由大到小為自然發(fā)展情景、經濟增長情景、生態(tài)保護情景。

圖5 2010—2020年黃土高原韭園溝流域土壤侵蝕模數分級

表7 2010—2020年土壤強度面積分級統(tǒng)計

圖6 高土高原韭園溝流域2025年不同發(fā)展情景土壤侵蝕強度分級

統(tǒng)計流域2010—2020年不同土地利用類型土壤侵蝕模數與不同年份土壤侵蝕強度等級面積并將結果與2025年不同土地利用發(fā)展情景進行比較（表8和表9），統(tǒng)計分析結果表明，2010—2020年不同土地利用類型的土壤侵蝕模數由大到小為耕地（40.56 t/(hm2·a)）>草地（18.79 t/(hm2·a)）>建設用地（10.25 t/(hm2·a)）>林地（8.02 t/(hm2·a)），這與2025年不同發(fā)展情景的不同土地利用類型侵蝕狀況相一致。自然發(fā)展情景中流域內微度侵蝕和輕度侵蝕面積為主，分別占流域總面積的30.7%和34.3%。經濟增長情景與生態(tài)保護情景下均是以微度侵蝕為主，分別為流域面積的37.5%和43.4%。與2020年相比，自然發(fā)展情景下流域微度侵蝕面積減少27.3%，強烈及極強烈侵蝕面積減少10.8%，輕度以及中度侵蝕面積增加24.3%；經濟增長情景與2020年相比，強烈及以上侵蝕面積減少16.5%，中度及以下的侵蝕面積增加1.7%；生態(tài)保護情景與2020年相比，強烈及以上侵蝕面積減少22.5%，中度及以下侵蝕面積增加2.3%。與自然發(fā)展情景相比，經濟增長情景下強烈及以上侵蝕面積減少7%，中度及以下侵蝕面積則增加0.6%；生態(tài)保護模式與自然發(fā)展模式相比，強烈及以上侵蝕面積減少13.7%，中度及以下侵蝕面積增加1.2%。總的來說，與其他2種情景相比生態(tài)保護情景下流域土壤侵蝕狀況得到有效控制，經濟增長情景下的侵蝕狀況與自然發(fā)展情景相比有所改善。

表8 韭園溝流域不同土地利用類型不同年份土壤侵蝕模數統(tǒng)計

表9 韭園溝流域不同年份土壤侵蝕強度面積統(tǒng)計

3 討 論

3.1 土地利用變化對土壤侵蝕的影響

2010—2020年之間流域內不同土地利用類型之間土壤侵蝕模數差異顯著。造成上述現象的原因一方面是不同土地利用類型之間植被覆蓋程度的差異，植被覆蓋在一定程度上決定土壤侵蝕狀況，對土壤侵蝕起到明顯干預作用[31]，耕地由于耕作造成土層擾動，減少土壤抗蝕性，同時地表的裸露容易導致地表徑流的產生，增強對地表的沖刷，加劇侵蝕[32]，因此耕地土壤侵蝕模數較大。本文中植被覆蓋較差的建設用地的土壤侵蝕模數比草地小，一方面是由于流域中的交通道路、居民區(qū)等建設用地主要分布在地形相對平坦地區(qū)，草地占據流域的絕大部分面積，同時由于農村人口流動、耕地質量和經濟效益等原因，導致棄耕撂荒的現象頻繁發(fā)生。據統(tǒng)計，黃土高原近年來經歷了大規(guī)模的農田廢棄，2016年對中國235個村莊的調查顯示，78.3%的村莊廢棄了14.32%的耕地[33-34]，這導致流域內部分具有水土保持功能的梯田出現崩塌破壞，同時部分轉化為草地，從而導致流域中草地土壤侵蝕模數的增加。這充分說明土壤侵蝕是受到地形，植被，人類活動等多種因素共同影響的復雜現象[35-36]。根據本研究結果，在流域內提供足夠的植被和重新造林將顯著減少土壤侵蝕。

基于過去的土地利用空間格局，通過CSLE模型完成了流域土壤侵蝕狀況評估。將FLUS模型與CSLE模型耦合，設置不同的土地利用發(fā)展情景，保持模型中因子不變，通過與土地利用密切相關的、因子反映流域土壤侵蝕對土地利用空間變化的響應，與傳統(tǒng)觀念不同的是，保持經濟增長模式與傳統(tǒng)的自然發(fā)展模式相比并未造成更加嚴重的土壤侵蝕。楊波等[37]通過CSLE模型與FLUS模型耦合在多年平均降雨侵蝕力條件下預測未來榆林市大多數區(qū)縣的土壤侵蝕模數將小于20 t/(hm2·a)，土壤侵蝕以輕度和微度為主，這與本研究結果相近，由于兩者選擇2種不同的土壤侵蝕模型，因此在土壤侵蝕模數計算上存在一定的差異。徐云環(huán)等[38]利用RUSLE模型完成了榆林市1988—2013年土壤侵蝕評價，通過馬爾科夫模型預測未來40 a土壤侵蝕狀況，微度土壤侵蝕面積逐漸增加，其他侵蝕等級的面積持續(xù)減少，這與本研究生態(tài)保護情景下的預測結果相似。FLUS-CSLE模型可以實現流域未來土壤侵蝕狀況的快速、便捷、高效的趨勢預測和定量評價，成為未來土壤侵蝕預測的可靠工具，具有以下優(yōu)點：1）易于評估不同土地利用管理策略對土壤侵蝕的影響；2）可進行氣候和土地利用變化對土壤侵蝕影響的響應分析；3）易于集成到GIS中進行地理精確分析和空間制圖。

3.2 未來土地利用格局優(yōu)化建議

土地利用空間分布是土壤侵蝕模型中最為關鍵的影響因素，同時也是土地利用政策制定者們能夠以較低成本快速改善區(qū)域土壤侵蝕狀況的重要途徑[39]。黃土高原地區(qū)農村勞動力析出導致的耕地撂荒現象較為普遍[40-41]，旱作梯田作為黃土高原坡面水土流失治理的核心工程措施，梯田撂荒不僅加大了水土流失的風險，還會對生態(tài)系統(tǒng)產生嚴重的負面影響。本研究表明，經濟增長情景下相比自然發(fā)展情景并未造成更加嚴重的土壤侵蝕，因此，建議流域未來的土地利用在保持林草地面積、鞏固生態(tài)建設成果基礎上兼顧經濟建設的需求，同時注意梯田修復與治理，重視撂荒現象導致的耕地向草地的土地利用轉變。

3.3 研究的局限性

本研究選取DEM、坡度、坡向、距城鎮(zhèn)距離和距道路距離作為模擬未來土地利用格局的驅動因子，雖然這些因素對各類土地利用類型具有重要影響，最終模擬的結果也具有較高的精度，但卻忽略了如生態(tài)保護紅線等其他經濟因素對土地利用變化的影響。降雨同樣對土壤侵蝕發(fā)展具有重要影響，本研究中降雨侵蝕力因子采用的是2010—2020年的平均降雨侵蝕力，并未考慮到未來氣候變化下的降雨狀況對土壤侵蝕的實際影響，這對于模型預測精度也有一定的影響。因此，未來可以考慮通過降尺度方法結合未來全球氣候變化數據集進行土地利用和氣候變化綜合背景下的土壤侵蝕演化研究。

4 結 論

本研究利用未來土地利用模擬（Future Land Use Simulation，FLUS）模型模擬流域未來土地利用變化，模擬了流域2020年土地利用分布格局，通過與2020年真實情況的對比，結果顯示Kappa系數0.72，總精度為85.6%，證實了模型可靠性，基于FLUS和CSLE模型完成韭園溝流域2025年土壤侵蝕預測。通過對2010—2020年以及2025年韭園溝流域侵蝕狀況統(tǒng)計分析表明，流域2010—2020年土壤侵蝕狀況呈現先減弱后增強的趨勢。2025年流域自然發(fā)展、經濟增長、生態(tài)保護情景下土壤侵蝕模數分別為24.3、22.9、18.3 t/(hm2·a)，生態(tài)保護情景下流域土壤侵蝕狀況得到有效控制。流域內不同土地利用類型多年土壤侵蝕狀況存在較好的一致性，不同土地利用類型的土壤侵蝕模數大小依次為耕地、草地、建設用地和林地。未來一段時間的土壤侵蝕狀況在無較為嚴重極端降雨天氣影響下將維持在與現在相似水平，采取積極的土地利用生態(tài)保護情景發(fā)展模式，建設用地面積適度擴張可以兼顧生態(tài)保護和經濟發(fā)展的需要。

[1] 袁和第，信忠保，侯健，等. 黃土高原丘陵溝壑區(qū)典型小流域水土流失治理模式[J]. 生態(tài)學報，2021，41(16)：6398-6416.

Yuan Hedi, Xin Zhongbao, Hou Jian, et al. Models of soil and water conservation in the loess hilly region of China[J]. Acta Ecologica Sinica, 2021, 41(16):6398-6416. (in Chinese with English abstract)

[2] Xia L, Bi R T, Song X Y, et al. Dynamic changes in soil erosion risk and its driving mechanism: A case study in the Loess Plateau of China[J]. European Journal of Soil Science, 2021, 72(3):1312-1331.

[3] 郝姍姍，李夢華，馬永強，等. 黃土丘陵區(qū)土壤侵蝕因子敏感性分析[J]. 中國水土保持科學，2019，17(2)：77-86.

Hao Shanshan, Li Menghua, Ma Yongqiang, et al. Significance analysis of soil erosion factors in loess hilly gully region[J]. Science of Soil and Water Conservation, 2019, 17(2):77-86. (in Chinese with English abstract)

[4] Tian P, Mu X M, Liu J L, et al. Impacts of climate variability and human activities on the chahanges of runoff and sediment load in a catchment of the Loess Plateau, China[J]. Advances in Meteorology, 2016, 2016:1-15.

[5] Wang Q Z, Guan Q Y, Lin J K, et al. Simulating land use/land cover change in an arid region with the coupling models[J]. Ecological Indicators, 2021, 122:107231.

[6] Shi W H, Huang M B, Barbour S Lee. Storm-based CSLE that incorporates the estimated runoff for soil loss prediction on the Chinese Loess Plateau[J]. Soil and Tillage Research, 2018, 180:137-147.

[7] 趙金濤，馬逸雪，石云，等. 基于ANN-CA模型的黃土丘陵區(qū)縣域土壤侵蝕演變預測[J]. 中國水土保持科學(中英文)，2021，19(6)：60-68.

Zhao Jintao, Ma Yixue, Shi Yun, et al. Prediction of soil erosion evolution in counties in the loess hilly region based on ANN-CA model[J]. Science of Soil and Water Conservation, 2021, 19(6):60-68. (in Chinese with English abstract)

[8] 周偉東，汪小欽，吳佐成，等. 1988—2013年南方花崗巖紅壤侵蝕區(qū)長汀縣水土流失時空變化[J]. 中國水土保持科學，2016，14(2)：49-58.

Zhou Weidong, Wang Xiaoqin, Wu Zuocheng, et al. Spatio-temporal variation of the soil and water loss in Changting County of granite red soil eroded area of southern China from 1988 to 2013[J]. Science of Soil and Water Conservation, 2016, 14(2):49-58. (in Chinese with English abstract)

[9] 葛永剛，崔鵬，林勇明，等. 綜合137Cs，RS和GIS的土壤侵蝕評估和預測：以云南小江流域為例[J]. 遙感學報，2014，18(4)：887-901.

Ge Yonggang, Cui Peng, Lin Yongming, et al. Soil erosion evaluation and prediction approach using137Cs, RS, and GIS in Xiaojiang River basin of China[J]. National Remote Sensing Bulletin, 2014, 18(4):887-901. (in Chinese with English abstract)

[10] 趙明松，李德成，張甘霖. 1980—2010年間安徽省土壤侵蝕動態(tài)演變及預測[J]. 土壤，2016，48(3)：588-596.

Zhao Mingsong, Li Decheng, Zhang Ganlin. Dynamic Evolution and Prediction of Soil Erosion in Anhui Province from 1980 to 2010[J]. Soils, 2016, 48(3):588-596. (in Chinese with English abstract)

[11] Zare M, Panagopoulos T, Loures L. Simulating the impacts of future land use change on soil erosion in the Kasilian watershed, Iran[J]. Land Use Policy, 2017, 67:558-572.

[12] Cunha E R D, Santos C A G, Silva R M D, et al. Assessment of current and future land use/cover changes in soil erosion in the Rio da Prata basin (Brazil)[J]. Science of The Total Environment, 2022, 818:151811.

[13] Liu X P, Liang X, Li X, et al. A Future Land Use Simulation Model (FLUS) for simulating multiple land use scenarios by coupling human and natural effects[J]. Landscape and Urban Planning, 2017, 168:94-116.

[14] 侯建坤，陳建軍，張凱琪，等. 基于InVEST和GeoSoS-FLUS模型的黃河源區(qū)碳儲量時空變化特征及其對未來不同情景模式的響應[J]. 環(huán)境科學，2022，43(11)：5253-5262.

Hou Jiankun, Chen Jianjun, Zhang Kaiqi, et al. Temporal and spatial variation characteristics of carbon storage in the source region of the Yellow River based on InVEST and GeoSoS-FLUS models and its response to different future scenarios[J]. Environmental Science, 2022, 43(11):5253-5262. (in Chinese with English abstract)

[15] 茍貞珍，尹小君，郭麗潔，等. 基于FLUS-Markov模型的喀什地區(qū)生態(tài)承載力時空格局預測[J]. 石河子大學學報（自然科學版），2022，40(3)：333-341.

Gou Zhenzhen, Yin Xiaojun, Guo Lijie, et al. Spatio-temporal pattern prediction of the biocapacity in the Kashi Prefecture on the basis of the FLUS-Markov model[J]. Journal of Shihezi University(NaturalScience), 2022, 40(3):333-341. (in Chinese with English abstract)

[16] 張曉榮，李愛農，南希，等. 基于FLUS模型和SD模型耦合的中巴經濟走廊土地利用變化多情景模擬[J]. 地球信息科學學報，2020，22(12)：2393-2409.

Zhang Xiaorong, Li Ainong, Nan Xi, et al. Multi-scenario simulation of land use change along China-Pakistan Economic Corridor through coupling FLUS Model with SD model[J]. Journal of Geo-information Science, 2020, 22(12):2393-2409. (in Chinese with English abstract)

[17] 潘雯，劉云慧，武澤浩，等. 不同發(fā)展情景下青海省土地利用布局及生物多樣性變化模擬[J]. 生物多樣性，2022，30(4)：103-116.

Pan Wen, Liu Yunhui, Wu Zehao, et al. Simulation of changes in land use distribution and biodiversity under different development scenarios in Qinghai Province[J]. Biodiversity Science, 2022, 30(4):103-116. (in Chinese with English abstract)

[18] 劉甲紅，胡潭高，潘驍駿，等. 基于Markov-CLUES耦合模型的杭州灣濕地多情景模擬研究[J]. 生態(tài)環(huán)境學報，2018，27(7)：1359-1368.

Liu Jiahong, Hu Tangao, Pan Xiaojun, et al. Simulating coastal wetland changes in Hangzhou Bay using Markov-CLUES coupling model[J]. Ecology and Environmental Sciences, 2018, 27(7):1359-1368. (in Chinese with English abstract)

[19] 陳兵飛，廖鐵軍，張莉坤. 生態(tài)紅線約束下萬州區(qū)土地利用情景模擬及生態(tài)價值評估[J]. 水土保持研究，2020，27(5)：349-357.

Chen Bingfei, Liao Tiejun, Zhang Likun. Simulation of land use situation and ecological value assessment in Wanzhou District under the constraints of ecological[J]. Research of Soil and Water Conservation, 2020, 27(5):349-357. (in Chinese with English abstract)

[20] 王保盛，廖江福，祝薇，等. 基于歷史情景的FLUS模型鄰域權重設置：以閩三角城市群2030年土地利用模擬為例[J]. 生態(tài)學報，2019，39(12)：4284-4298.

Wang Baosheng, Liao Jiangfu, Zhu Wei, et al. The weight of neighborhood setting of the FLUS model based on a historical scenario: A case study of land use simulation of urban agglomeration of the Golden Triangle of Southern Fujian in 2030[J]. Acta Ecologica Sinica, 2019, 39(12):4284-4298. (in Chinese with English abstract)

[21] 孫喬. 基于Markov-FLUS模型的洛川縣土地利用變化和多情景模擬研究[D]. 西安：長安大學，2021.

Sun Qiao. Land Use Change and Multi-scenario Simulation in Luochuan County Based on Markov- Flus model[D]. Xi’an: Chang'an University, 2021. (in Chinese with English abstract)

[22] 章文波，劉寶元. 基于GIS的中國土壤侵蝕預報信息系統(tǒng)[J]. 水土保持學報，2003(2)：89-92.

Zhang Wenbo, Liu Baoyuan. Development of Chinese soil loss equation information system based on GIS[J]. Journal of Soil and Water Conservation, 2003(2):89-92. (in Chinese with English abstract)

[23] 章文波，付金生. 不同類型雨量資料估算降雨侵蝕力[J]. 資源科學，2003(1)：35-41.

Zhang Wenbo, Fu Jinsheng. Rinfall erosivity stimation under different rainfall amount[J]. Resources Science, 2003(1):35-41. (in Chinese with English abstract)

[24] Potter K N, Williams J R, Larney F J, et al. Evaluation of EPIC's wind erosion submodel using data from southern Alberta[J]. Canadian Journal of Soil Science, 1998, 78(3):485-492.

[25] Zhang H M, Wei J C, Yang Q K, et al. An improved method for calculating slope length (λ) and the LS parameters of the Revised Universal Soil Loss Equation for large watersheds[J]. Geoderma, 2017, 308:36-45.

[26] Huang C L, Yang Q K, Cao X Y, et al. Assessment of the soil erosion response to land use and slope in the Loess Plateau—A case study of Jiuyuangou[J]. Water (Basel), 2020, 12(2):529.

[27] 謝紅霞. 延河流域土壤侵蝕時空變化及水土保持環(huán)境效應評價研究[D]. 西安：陜西師范大學，2008.

Xie Hongxia. Study on the Spatio-Temporal Change of Soil Loss and on the Assessment of Impacts on Environment of Soil and Water Conservation in Yanhe Basin[D]. Xi’an:Shaanxi Normal University, 2008. (in Chinese with English abstract)

[28] 顧治家，謝云，李驁，等. 利用CSLE模型的東北漫川漫崗區(qū)土壤侵蝕評價[J]. 農業(yè)工程學報，2020，36(11)：49-56.

Gu Zhijia, Xie Yun, Li Ao, et al. Assessment of soil erosion in rolling hilly region of Northeast China using Chinese Soil Loss Equation(CSLE) model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(11):49-56. (in Chinese with English abstract)

[29] 李子軒，趙輝，鄒海天，等. 基于CSLE模型和抽樣單元法的縣域土壤侵蝕估算方法對比[J]. 農業(yè)工程學報，2019，35(14)：141-148.

Li Zixuan, Zhao Hui, Zou Haitian, et al. Comparison of soil erosion estimation methods at county scale based on CSLE Model and sampling unit[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(14):141-148. (in Chinese with English abstract)

[30] 陳劍南，劉益麟，李朋飛，等. 1901-2016年黃土高原降雨侵蝕力時空變化[J]. 水土保持研究，2022，29(4)：39-46.

Chen Jiannan, Liu Yilin, Li Pengfei, et al. Spatiotemporal changes of rainfall erosivity on the Loess Plateau during 1901-2016[J]. Research of Soil and Water Conservation, 2022, 29(4):39-46. (in Chinese with English abstract)

[31] 萬賜航，周慧平，王強，等. 植被覆蓋度和降雨侵蝕力變化對小流域泥沙連通性的影響[J]. 農業(yè)工程學報，2022，38(12)：127-134.

Wan Cihang, Zhou Huiping, Wang Qiang, et al. Effects of vegetation coverage and rainfall erosivity changes on sediment connectivity in small watersheds[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(12):127-134. (in Chinese with English abstract)

[32] 王林華，汪亞峰，王健，等. 地表粗糙度對黃土坡面產流機制的影響[J]. 農業(yè)工程學報，2018，34(5)：120-128.

Wang Linhua, Wang Yafeng, Wang Jian, et al. Effects of soil surface roughness on runoff generation mechanism on loess slope[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(5):120-128. (in Chinese with English abstract)

[33] 李升發(fā)，李秀彬，辛良杰，等. 中國山區(qū)耕地撂荒程度及空間分布：基于全國山區(qū)抽樣調查結果[J]. 資源科學，2017，39(10)：1801-1811.

Li Shengfa, Li Xiubin, Xin Liangjie, et al. Extent and distribution of cropland abandonment in Chinese mountainous areas[J]. Resources Science, 2017, 39(10):1801-1811. (in Chinese with English abstract)

[34] 張?zhí)熘崄嗛瑥堷P榮，等. 工程設計視角下山區(qū)梯田撂荒影響因素分析[J]. 農業(yè)工程學報，2020，36(7)：276-283.

Zhang Tianzhu, Zheng Yanan, Zhang Fengrong, et al. Analysis of the factors affecting abandoned terraces in mountainous areas from the perspective of engineering design[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(7):276-283. (in Chinese with English abstract)

[35] 常夢迪，王新軍，李娜，等. 基于CSLE模型的天山北坡中段山區(qū)水力侵蝕時空變化特征及影響因素研究[J]. 干旱區(qū)研究，2021，38(4)：939-949.

Chang Mengdi, Wang Xinjun, Li Na, et al. Study on temporal and spatial variation characteristics and influencing factors of hydraulic erosion in the middle of the northern slope of Tianshn Mountains based on CSLE model[J]. Arid Zone Research, 2021, 38(4):939-949. (in Chinese with English abstract)

[36] Panagos P, Ballabio C, Himics M, et al. Projections of soil loss by water erosion in Europe by 2050[J]. Environmental Science & Policy, 2021, 124:380-392.

[37] 楊波，王全九，周佩，等. 退耕還林(草)背景下榆林市土壤侵蝕變化與未來趨勢預測[J]. 中國水土保持科學(中英文)，2022，20(1)：56-64.

Yang Bo, Wang Quanjiu, Zhou Pei, et al. Change analysis and future prediction of soil erosion in Yulin in the context of Grain for Green Project[J]. Science of Soil and Water Conservation, 2022, 20(1):56-64. (in Chinese with English abstract)

[38] 徐云環(huán)，李景宜，任沖，等. 陜西省榆林市土壤侵蝕動態(tài)演變及預測[J]. 安徽農業(yè)科學，2020，48(13)：63-69.

Xu Yunhuan, Li Jingyi, Ren Chong, et al. Dynamic evolution and predictions of soil erosion in Yulin City, Shaanxi Province[J]. Journal of Anhui Agricultural Sciences, 2020, 48(13):63-69. (in Chinese with English abstract)

[39] Gashaw T, Tulu T, Argaw M, et al. Modeling the impacts of land use-land cover changes on soil erosion and sediment yield in the Andassa watershed, upper Blue Nile basin, Ethiopia[J]. Environmental Earth Science, 2019, 78(24).

[40] 張學珍，趙彩杉，董金瑋，等. 1992-2017年基于薈萃分析的中國耕地撂荒時空特征[J]. 地理學報，2019，74(3)：411-420.

Zhang Xuezhen, Zhao Caishan, Dong Jinwei, et al. Spatio-temporal pattern of cropland abandonment in China from 1992 to 2017: A Meta-analysis[J]. Acta Geographica Sinica, 2019, 74(3):411-420. (in Chinese with English abstract)

[41] 張杰，張珂，趙峰. 農業(yè)勞動力轉移性流失、耕地拋荒與“柔性”政策選擇研究[J]. 新疆社會科學，2019(6)：131-140.

Zhang Jie, Zhang Ke, Zhao Feng. A Study on the shifting loss of agricultural labor, the abandonment of cultivated land and the choice of “Flexible” Policy[J]. Social Sciences in Xinjiang, 2019(6):131-140. (in Chinese with English abstract)

Prediction of soil erosion under different land uses in the typical watershed of the Loess Plateau based on FLUS-CSLE model

Wu Shufang1,2, Zhang Biao1,2, Shi Xuejin1, Yuan Ziyan1, Feng Hao3

(1.,,712100,; 2.-,,712100,; 3.,,712100,)

Soil erosion has posed a serious threat to the ecological balance and food security in the most fragile environment of the Loess Plateau. Frequent human activities are drastically changing the spatial pattern of land use in the economic and social development. Therefore, it is of great significance to predict the soil erosion under different strategies of land use for the regional coordinated development in the future. Taking the Jiuyuangou watershed as the research object, this study aims to propose an improved FLUS-CSLE model for the prediction of the spatial distribution pattern of land use in different scenarios. The vegetation coverage factor () and the tillage measure factor () were also calculated in the future scenario. The CSLE model was used to evaluate the soil erosion status in the historical period (2010-2020). The vegetation coverage factor and tillage measure factor were combined to predict the soil erosion under various scenarios of land use in 2025. Finally, a systematic analysis was made to determine the response of land use types to soil erosion status. The results show that: 1) The land use types were grassland (62.23%) and forest land (28.41%), followed by cropland, buildings, and water in the study area. There were the great variations in the spatial distribution pattern of land use. Specifically, the areas of forest and grassland increased by 8.36% from 2010 to 2020, whereas, the area of cropland was decreased by 30.3%. 2) The average modulus of soil erosion in the three years of 2010, 2015, and 2020 were 19.49, 15.83, and 20.7 t/(hm2·a), respectively, indicating a trend of first decreasing and then increasing. The soil erosion modulus of land use types was ranked in the descending order of the cropland (40.56 t/(hm2·a)) > grassland (18.79 t/(hm2·a)) > building (10.25 t/(hm2·a)) > forest land (8.02 t/(hm2·a)). 3) Under the positive ecological protection scenario, the area of forest and grassland in 2025 was basically the same as that in the natural development scenario, but the proportion of forest land increased. The area of forest and grassland was increased by 5.06% compared with the economic growth scenario. The area of cropland was increased by 1.20% compared with the natural development scenario and decreased by 14.73% compared with the economic growth scenario. 4) The soil erosion moduli were 24.3, 22.9, and 18.3 t/(hm2·a), respectively, under the natural development, economic growth, and ecological protection scenarios of the watershed in 2025. Therefore, an active ecological protection mode can be expected to appropriately expand the building area in the needs of economic development. Anyway, a rapid and efficient prediction of soil erosion can be given for the management strategies in the various scenarios of land use in the future. The findings can also provide the scientific reference for the decision-making on land use, as well as soil and water conservation in the watershed.

soils; erosion; land uses; hilly and gully region of the Loess Plateau; soil erosion assessment and prediction; CSLE model; FLUS model

10.11975/j.issn.1002-6819.2022.24.009

S157

A

1002-6819(2022)-24-0083-10

吳淑芳，張彪，石學瑾，等. FLUS-CSLE模型預測黃土高原典型流域不同土地利用變化情景土壤侵蝕[J]. 農業(yè)工程學報，2022，38(24)：83-92.doi：10.11975/j.issn.1002-6819.2022.24.009 http://www.tcsae.org

Wu Shufang, Zhang Biao, Shi Xuejin, et al. Prediction of soil erosion under different land uses in the typical watershed of the Loess Plateau based on FLUS-CSLE model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(24): 83-92. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.24.009 http://www.tcsae.org

2022-08-28

2022-10-10

國家自然科學基金項目“黃土高原溝壑區(qū)瓦背狀地貌淺溝分布及侵蝕過程研究”（41977064）

吳淑芳，博士，研究員，研究方向為黃土高原土壤侵蝕過程及水土保持生態(tài)功能。Email：wsfjs@163.com