紅壤區常用土壤侵蝕模型中植被因子估算方法研究進展

田培 于田溪源 毛夢培 龔雨薇 喻海軍

［關鍵詞］土壤侵蝕模型；植被因子；估算方法；紅壤區

［摘要］受自然環境和人為因素的共同影響，我國南方紅壤區水土流失分布廣泛。植被因子作為通用土壤流失方程的一個重要因子，對土壤流失量的準確預測具有重要意義。梳理近些年國內外學者對紅壤區植被因子的相關研究，基于大尺度和小尺度區域的研究成果總結紅壤區植被因子測算的方法、可行性及精度，發現當前紅壤區的相關研究中還存在植被因子測算精度不高、結果移植性差、標準不一致等亟待解決的問題。為此，提出以下研究展望：逐步建立系統化、標準化的地面監測系統，通過系列化標準小區監測結果確定植被因子的量化結果；合理考慮植被結構，對紅壤區植被因子的測算進一步細化；結合地理信息技術改善植被蓋度的觀測方法與精度；關注不同尺度的植被因子測算方法，以完善適合紅壤區的土壤侵蝕模型的研發與應用。

［中圖分類號］S157.1［文獻標識碼］A［文章編號］1000－0941（2023）04－0053－07

水土流失是多種因子綜合作用的結果，包括降水強度、坡度等，其中植被因子對水土流失的影響作用更是多方面的，不同的植被蓋度、植被種類、枯枝落葉以及植被根系對水土流失均有影響[1]。南方紅壤區水熱條件充分、立地條件多樣、植被類型豐富、人口基數大，是我國主要的糧食產地，也是中國五大水蝕類型區之一，其水蝕強度僅次于黃土高原區，對與生物措施、植被結構等有關的植被因子有著迫切研究需求。

1紅壤區土壤侵蝕模型及植被因子研究現狀

1.1紅壤區常用土壤侵蝕模型

目前，常用的土壤侵蝕模型可分為物理成因模型和經驗統計模型兩大類［2］。物理成因模型如LISEN、WATEM/WDEEM、HSPE、EPICC及水蝕預測模型WEPP均能夠較好地描述土壤侵蝕或泥沙輸移過程，相比經驗統計模型具有更好的移植性［3］，但是往往很難針對特定小流域給出指導意見，因此目前我國研究及應用較廣的仍是USLE、RUSLE和CSLE等經驗統計模型。考慮到經驗統計模型在應用區域及參數選取方面存在限制，一旦脫離原研究區預測精度就會產生較大不確定性［4］，因此研究人員一直致力于基于實際情況的模型改進及其因子測定方法的研究。

目前在紅壤區土壤侵蝕模型方向的研究方面已取得大量成果，但是往往缺乏在過程和機理方面的深入系統探討，侵蝕模型和影響因子的確定方式不能做到統一標準，數據資料的共享性差。

1.2植被因子研究現狀

植被因子在USLE/RUSLE經驗統計模型中定義為在一定植被覆蓋條件下的土壤流失量與在同等條件下適時翻耕、連續休閑的對照地上土壤流失量的比值。作物不同生長期侵蝕性降雨量的多少對其值的大小影響很大，根據年內季節分布的降雨侵蝕力進行全年平均值加權計算。同理，在其他土壤侵蝕模型中都有相應的具體計算方式，其中經驗統計模型中的植被因子也會受到水土保持措施等人為因素的影響。常用的土壤侵蝕模型如USLE、RUSLE等都是以植被覆蓋因子作為重要參數，而對于植被因子的研究分析往往采用植被蓋度指標進行表征[5-6]。USLE、RUSLE兩個模型在我國應用較廣，許多學者都對其中的植被因子以及與之相關的管理因子進行了深入研究。然而由于研究區域的不同，植被類型、結構以及土壤性質等因素也不同，因此植被因子的數值在土壤侵蝕模型中也會出現顯著差異。

我國的紅壤區存在“遠看青山在，近看水土流”的問題，雖然近些年水土保持工作取得一定進展，植被蓋度較高，但是植被分布破碎化，垂直結構發育依舊較差，林下水土流失嚴重[7-8]，這說明紅壤區植被蓋度因子在一定意義上并不能完全取代植被因子。并且我國目前的土壤流失方程研究多為在原有國內外經驗方程的基礎上進行改進，這些經驗方程的研究區域在研究初期多集中在黃土高原地區，近幾年則著重在青藏高原[9-11]和喀斯特地區[12-14]。這些研究區域的特異性較強，無論是氣候還是土壤等條件都與紅壤區存在較大差異，許多現有的經驗方程在南方紅壤區應用過程中都或多或少存在“水土不服”的狀況。目前，我國在進一步引進國外研究方法的基礎上，應不斷結合自身特點，著重于對適應本國國情的新模型的開發，并且通過結合土壤侵蝕模型與GIS、RS等地理信息技術以增加通用性和統一性，建立更完整的中國土壤侵蝕評價模型體系。

2紅壤區大尺度植被因子的測算方法

大尺度是指流域尺度以及區域尺度。在大尺度的前提下若想獲得植被因子，則離不開地理信息技術的應用。遙感技術的發展促進了大尺度植被因子估算的發展，使得植被因子的估算更加精確和便利，但是全面性以及準確性仍然不足。所以，探索更新的大尺度植被因子測算方法，緊跟RS以及GIS技術的發展步伐，是現階段土壤侵蝕方程各因子測算的重要研究方向。

2.1直接賦值法

直接賦值法多結合遙感技術，估算數據依賴于當地的其他研究成果或文獻，估算方法依賴于前人經驗。大部分學者采用將地區的遙感影像分類或解譯之后，將相似地區的植被因子值直接賦予土地利用類型的方式，但是存在大量文獻以及數據基礎的情況一般都是較為少見的。尤其是在南方紅壤區，有一些學者會基于自身計算的典型植被因子值，結合研究區情況進行賦值[15]，即根據小尺度的值推算大尺度值。還有部分學者會通過TM遙感影像數據進行計算得到植被蓋度因子，之后對比文獻進行賦值[16-17]。目前在世界上普遍使用的是結合植被蓋度的賦值方法，此方法雖簡單易行，但是獲得的植被因子為固定值[6]，不能很好地考慮林下植被蓋度、植被均勻度等影響因素，故不適合在我國南方紅壤區應用，需結合前期計算以及小規模試驗進行調整。不過，直接賦值法也是有自身優勢的，因而在國內外使用頻率并不低，雖然不能對同一土地利用類型的時空等方面的異質性做到精細的考量，但是充分考慮了土地利用類型的變化，可以在研究中達到預測未來不同土地利用類型場景下水土流失變化趨勢的目的[18]。

2.2建立C因子估算關系模型

作為USLE/RUSLE模型核心參數之一的C因子，是指特定地表覆蓋和管理措施下的土壤流失量與同等條件下適時翻耕、連續休閑的對照地土壤流失量之比，它反映了植被或作物覆蓋對土壤侵蝕的綜合影響，具有強烈的時空變異特征［19］。因直接賦值法無法反映植被因子時空變異的特點，故有學者提出建立植被因子值與遙感信息的回歸方程，再通過回歸方程反演地面的植被因子值的估算關系模型法[20]，并將此方法與賦值法結合使用[17]。由于C因子計算比較復雜，因此目前國內外基本都是按照USLE模型的思路，根據實測數據進行簡單快速擬合[21]。將遙感影像圖與土地利用圖疊加，提取各個土地利用類型的波段組合或植被指數，參照相關資料建立回歸方程。或在野外實測的基礎上，建立植被因子與遙感像元波段組合或植被指數的關系方程，將極大值賦值為1，將負值賦值為0[6，22-23]。此類方法在現有的研究中已經可以達到區別植被種類等變量的水平，甚至可以根據不同的植被類型建立各自的回歸方程，靈活性高、針對性強，對于測算我國南方紅壤區的植被因子具有先天的優勢。

植被蓋度因子作為影響C因子的一個重要因素，在我國已有眾多研究者對其進行了廣泛而深入的研究，構建了眾多C因子和蓋度關系式，目前使用較為廣泛的是蔡崇法等[24]建立的關系式，也有許多學者在紅壤區進行研究[25-26]。在評估植被蓋度因子時多以歸一化植被指數（NDVI）為標準[27]。但是歸一化植被指數存在誤差較大的問題：一是土壤和樹冠背景噪音常造成植被指數的不確定，并且校正水平有限；二是NDVI值在高覆蓋區容易飽和，進而使植被指數在高覆蓋區易被壓縮、低覆蓋區易被夸大；三是NDVI受其本身的非線性特征影響，不能很好地應用于植被碎塊，在異質性土地覆蓋上有很強的尺度差異[28]。這就使得其與C因子的方程擬合精度不高[29]。因此，國內外學者多根據植被所處生長期或是植被類型，選擇不同的植被指數進行植被因子的評估，例如NDSVI、NDTI、ND15等[30-31]衰敗植被指數。此外，SDVI指數比較適合分析碎塊化植被以及高度異質性的植被[28]。但是，此類方法仍需要依靠前人的研究成果，并不能保證依靠植被指數所建立的回歸方程在中國南方紅壤區具有可移植性，并且目前國內針對植被衰敗指數、高光譜數據和微波數據應用于大尺度植被因子估算的研究還很不成熟[6]。

3紅壤區小尺度植被因子的確定方法

小尺度是指坡面、小區以及小流域尺度[6]。近幾年我國小尺度試驗發展較快，尤其是以采用可調坡鋼槽為主的室內人工降雨以及沖刷試驗得到了一定發展，積累了大量實踐經驗。根據我國現階段研究特點，在小尺度植被因子的估算上有人工種植和使用自然植被兩個方向，采用人工種植植被的試驗主要關注植被蓋度等因子的控制方法，而采用天然植被的試驗估算植被因子還需借助一些前人總結的經驗。

3.1植被因子的控制方法

植被因子的控制方法一般在室內人工降雨、坡面沖刷試驗以及室外小區、坡面試驗等需要人工種植植被的試驗上有一定的應用價值，現階段還不存在一種統一的經驗范式。目前在小尺度研究中控制植被因子主要有兩個方向：一是在前期種植時把握種植的植被種類和種植密度，在種植期間進行間苗和補種以達到要求蓋度[32]，一般采用穴播法以方便觀察和管理；二是利用相機或手機進行拍照之后通過ERDAS或PhotoshopCS4等軟件進行分析，測算植被蓋度，一旦植被的生長狀況超過預期，一般就會應用人工修剪的方法降低植被蓋度。也有一些學者如潘成忠等[33]將兩種方法進行結合，前期根據經驗通過穴播法控制蓋度，后期應用軟件識別照片并對多余植被進行處理以達到精度更高的目的。

3.2植被因子減沙效果計算方法

3.2.1標準小區法

標準小區法即前期設定統一的小區作為標準，在后續研究中直接訂正到標準小區上進行分析并探尋規律。我國在標準小區法方面的研究開始較早，并且在小區劃定和參數設置方面逐步實現了立足我國國情。江忠善等[34]采用坡度為10°、坡面投影長度為20m、寬為5m的直型坡裸露小區作為標準小區開展黃土高原地區土壤流失預報方程研究。張科利等[35]考慮到我國陡坡開墾情況以及坡度范圍，為將標準小區進一步推廣，建議將清耕休閑地參數設置為坡度為15°、坡面長20m、寬5m。目前我國主要農作區的標準小區都有學者進行過測算以及研究，其中紅壤分布較廣的華東農作區[36]也有學者進行了標準小區的植被因子測算。但是，由于不同學者對標準小區劃分標準的認定存在差異，以及對作物生長狀況、作物種類等條件的限定不統一，因此不同學者對標準小區植被因子的測算結果相差甚遠，相互不具備參考性。

3.2.2次因子法

目前使用較為廣泛的是RUSLE模型提供的次因子法，即通過實測獲得冠層郁閉度、雨滴降落高度、地表蓋度、土壤含水量等參數，代入次因子計算公式或RUSLE計算機程序[6]。在參數的獲取過程中一部分數據在一般條件下難以實測獲得，需要查詢前人的經驗數據，這就導致了數據的不準確性，并且使用這種方法一旦出現數據問題就很難察覺和補救，一些學者為減小這類問題導致的誤差會結合觀測數據進行校準[37]。值得肯定的是，使用該方法計算的植被因子能使考慮的因素更加全面。

次因子法的理論在某些半物理模型中也有體現，例如用于模擬降雨侵蝕的MMF模型是一個基于過程的半物理模型，其在應用中考慮了冠層、單位高度、莖干數、莖直徑等參數對植被因子進行表征，最初是為了在小尺度范圍估算年土壤損失，例如山間的破碎地塊等。值得注意的是這種方法目前使用GIS結合一種基于光柵/網格單元的分布式方法，成功擴展到更大的尺度規模[37]，完成了從小尺度到大尺度的跨越。

3.2.3C因子與蓋度關系式法

這種方法在數據不易獲得的情況下使用非常普遍，因此在我國南方紅壤區水土流失數據和研究成果比較缺乏的情況下，通過小規模試驗建立植被蓋度與C因子關系式的方法更具合理性。這種方法與基于大尺度遙感組合波段測算植被因子的方法類似，都具有一定的靈活性，但是在我國紅壤區水土流失治理應用存在兩方面的缺陷：一是此方法應用于小區域會先通過徑流小區試驗建立植被因子與蓋度的關系方程，相對大尺度區域研究來講缺乏可移植性；二是C因子與蓋度關系計算方法多樣，標準小區不統一，導致建立的關系式之間可比性差，難以判斷C因子的準確性[6]，并且現階段在我國研究和應用較廣的C因子與蓋度關系模型多在黃土高原地區建立，在紅壤區水土流失治理中很難保證精度。劉寶元等[38]在考慮冠層的同時考慮了地表覆蓋因子，使得植被因子的測算更具合理性，這種方式對植被垂直結構發育不完善的紅壤區C因子與蓋度關系模型的建立具有參考和借鑒意義。

3.2.4方程反用法

目前國內外在USLE/RUSLE模型植被因子方面開展了大量研究，但是針對中國紅壤區開展的研究較少，方程反用法也多為基于USLE模型的應用。方程反用法是直接通過方程計算植被因子值，這種方法需要對方程中的其他因子進行測定。目前在我國南方紅壤區此類方法的應用比較少見，但是也有學者在基于參數本地化的CSLE模型的基礎上在紅壤區使用。秦偉等[39]以南方紅壤區的氣候以及下墊面特征為基礎，結合長期觀測的降水等數據特征，利用CSLE模型先根據各小區逐年土壤侵蝕量獲得相對應治理模式的B因子和E因子（其中B因子為生物措施因子，E因子為工程措施因子）乘積值，再通過B、E因子值互相比算得到與植被相關的B因子值。由于贛南等典型紅壤地形區地形多樣，植被類型差異較大，有限數量的試驗小區尚不能涵蓋全面，因此其試驗結果并不具有普遍代表意義，但是其方法的應用對后續研究具有一定的啟發意義。黃俊等[40]利用CSLE模型對紅壤區植被蓋度因子進行反推，并通過納什系數、均方根誤差和決定系數進行評估，結果雖然相對理想，但仍然存在試驗數據有限、樣本數據不足等問題。

4不同尺度C因子估算方法對比

4.1大尺度

首先，根據我國紅壤區丘陵廣布、植被分布破碎的特點，將植被因子直接賦值為定值顯然是不科學的，運用靈活性較高的遙感波段組合以及建立回歸方程的方法更具合理性；其次，紅壤區植被普遍存在林下灌叢發育不完善、裸露土壤面積較大的問題，導致以植被蓋度為測算標準的植被因子誤差較大，不具有普遍指導意義；再次，植被因子的精度還會受到植被類型的影響，單一植被類型的線性模型擬合精度一般較高，而多植被類型的模型擬合精度會受到一定影響[41]。因此，在植被類型復雜的紅壤區如何定量估算植被因子還需要進一步研究。

在南方紅壤大尺度地區測算植被因子需要綜合考慮研究區的植被生長狀況及植被類型，對研究區域進行前期考察和定性分析[42]，適時引入結構化植被因子指標等研究成果，以有效提高數據精度和試驗合理性。例如代僑等[43]以南京市為研究區域，利用南方植被結構指數對C因子進行估算以提高模型精度；姚雄[44]在南方紅壤水土流失區綜合了森林植被不同層次的水土保持綜合作用，經過反復分析試驗，構建了C因子與森林植被結構化因子的量化耦合模型，并結合土地利用專題圖，定性驗證了基于森林植被結構化因子的C因子合理性。以上研究結果都表明：適時引入結構化植被因子可以有效提高南方紅壤水土流失區的模型精度，并且具有較強的地區針對性。除此之外，郎燕等[18]的研究為我們提供了一種新思路：根據兩種方法的優缺點對植被因子進行分時段測算，在對歷史或現狀進行測算時發揮C因子估算模型反映時空變異特點的優勢，使用NDVI對植被蓋度進行表征，而對未來的狀況進行估測時充分發揮賦值法模擬變化趨勢的優勢，達到對未來狀況進行模擬的目的。

4.2小尺度

小尺度植被因子的測算一般對精度要求較高，特異性較強，因此前人研究的經驗總結以測算方法的評價和移植為主。可以將小尺度植被因子的測算分為室內和室外兩種：室內試驗多結合人工降雨以及坡面沖刷等設備，植被以人工種植為主，意在模擬自然的植被狀態，對于環境的控制具有天然的優勢，目前植被因子的測算以拍照結合軟件分析為主；室外試驗以小區、坡面為主，對于植被因子的測算常結合遙感等技術，但許多控制因子難以實測，因而對經驗數據的依賴性較高。

針對以上問題，首先對于室內試驗需要注重提高設備精密程度，以減小誤差，并且在植被因子的控制上要盡量貼近自然狀態；其次，室外小尺度試驗在對植被生長狀態（包括植被種植密度、植株生長時間、所處季節等）的控制上及標準小區的選擇上都要做到嚴格界定，要求清晰地說明植被的生長狀態以及此狀態的研究意義并選擇符合實際的標準小區。除此之外，不論是標準小區的選擇還是植被生長狀態的控制都應該考慮其對于未來紅壤區水土保持工作的意義，應盡可能地貼合當前生產生活實際，爭取能夠為其他學者在我國紅壤區的研究以及水土保持工作提供經驗或數據的支撐。

小尺度試驗雖然可移植性差，但是重在針對性和精度，可以對水土流失過程和機理進行深入研究。如何有效地模擬研究區植被自然生長狀況，如何克服紅壤區前期資料不足的缺陷，如何將小規模的經驗推廣到大尺度地區，仍然是當前植被因子測算研究中的關鍵突破點。因此，對于研究區的前期考察和調研不能忽視，需要充分了解紅壤區的植被生長狀態和植被類型，適時采用最新的研究成果提高精度，例如使用MMP等模型結合GIS技術的拓展應用[37]，將試驗結果推廣到大尺度。

4.3估算方法對比

通過對紅壤區不同植被因子估算方法進行總結，對比其優缺點，結果見表1。

5結論及展望

目前國內外還沒有一個完全適用于各種類型的土壤侵蝕模型，尤其是我國南方紅壤區這種特異性強的水土流失地區，更是缺乏一種普遍適用的土壤侵蝕模型。同時，針對紅壤區的植被因子測算方法還很不完善，無論是從大尺度還是從小尺度，植被因子的測算方法都存在數據難獲得、標準不統一以及對植被結構考慮不足等缺陷，在此基礎上測算出的植被因子移植性較差，對于紅壤區大范圍水土保持工作指導意義不大。

針對以上問題，首先需要建立統一的標準，例如根據水利部的統一標準劃定徑流小區以及限定研究區域植被生長狀況；其次需要對紅壤區植被因子的測算參數進一步細化，合理考慮植被結構；最后對于大尺度植被因子的測算要考慮研究結果的通用性，對于小尺度植被因子的測算要考慮研究結果的針對性和可應用性，不斷注重遙感等地理信息技術的綜合應用，進一步優化模型，提高模型的可移植性，針對中國紅壤丘陵水土流失地區建立更加完善的評價體系。綜上，現對我國土壤侵蝕方程以及植被因子測算發展提出如下幾點展望：

（1）模型的應用與開發應與信息技術手段結合。尤其是要結合GIS和RS等技術，不斷改善水土流失及與之緊密相關的植被蓋度因子等的觀測方法，建立完善的水土保持數據支撐體系。

（2）關注模型尺度，實現結果推廣。在模型的選擇上要關注模型的適用尺度，同時可以將大尺度研究與小尺度研究相結合，利用現代信息技術實現從小尺度到大尺度的拓展應用。這一點在植被因子的估算方面尤為重要。

（3）完善物理模型研究與應用，探究水土流失機理。我國現階段物理模型的研究及應用還不夠充分，尤其是有關坡面、溝道等輸沙機理及規律等方面的基礎研究還處于滯后階段，前期工作不充分，這些問題都在很大程度上影響了我國土壤侵蝕方程的發展。

（4）完善各因子測算技術，規范前期觀測試驗。在以上有關植被因子測算方法的討論中可以發現：以次因子法為例，許多數據難以實測獲得并且嚴重依賴前人的數據結果，這在很大程度上影響了結果的準確性。除此之外，模型的水文參數以及糙度、摩阻系數等物理參數都是參數確定的大難題，若觀測缺失則勢必影響試驗結果。因此，完善因子測算技術，規范前期觀測試驗就顯得十分必要。

（5）完善侵蝕模型的開發。我國的侵蝕環境具有多樣性和復雜性特點，因此土壤侵蝕模型的開發以及相關因子的測算要首先考慮其應用價值，因地制宜、因時制宜，以便在紅壤區等水土流失嚴重地區的水土保持工作中發揮更好的指導作用。

［參考文獻］

[1]吳光艷，金平偉，鐘雄，等.南方紅壤區植被蓋度對水土流失影響初探[J].亞熱帶水土保持，2016，28（4）：1-4.

[2]郭興月，王添，程圣東，等.近30年土壤侵蝕模型研究進展[J].泥沙研究，2023，48（1）：65-72.

[3]WAINWRIGHTJ，MULLIGANM．EnvironmentalModelling：FindingSimplicityinComplexity[M].Chichester：Wiley-Blackwell，2013：494．

[4]韓波.土壤侵蝕模型在黃土高原水土保持實踐中的應用研究[J].工程技術研究，2020，5（16）：249-250.

[5]劉金.基于植物群落結構的水土流失植被因子指數研究[J].水利技術監督，2018（5）：147-150.

[6]ZHUXiaoyan，ZHANGRenzhi，SUNXuwei.SpatiotemporaldynamicsofsoilerosionintheecotonebetweentheLoessPlateauandWesternQinlingMountainsbasedonRUSLEmodeling，GIS，andremotesensing[J].ArabianJournalofGeosciences，2021，14（1）：377-392.

[7]陳佳，李忠武，方怒放，等.紅壤丘陵區不同植被覆蓋閾值小流域時空分布規律[J].水土保持研究，2023，30（2）：186-192.

[8]陳洋，張海東，于東升，等.南方紅壤區植被結構類型與降雨模式對林下水土流失的影響[J].農業工程學報，2020，36（5）：150-157.

[9]魏健美，李常斌，武磊，等.基于USLE的甘南川西北土壤侵蝕研究[J].水土保持學報，2021，35（2）：31-37，46.

[10]魏夢美，符素華，劉寶元.青藏高原水力侵蝕定量研究進展[J].地球科學進展，2021，36（7）：740-752.

[11]陳同德，焦菊英，王顥霖，等.青藏高原土壤侵蝕研究進展[J].土壤學報，2020，57（3）：547-564.

[12]張琳卿，覃莉，劉忠仙，等.黔中喀斯特地區坡面種植措施對土壤水分及產流產沙的影響[J].水土保持通報，2021，41（3）：15-21，30.

[13]陳起偉，熊康寧，蘭安軍.基于GIS技術的貴州省土壤侵蝕危險性評價[J].長江科學院院報，2020，37（12）：47-52，66.

[14]黃凱，劉瑞祿，覃莉，等.不同降雨條件下坡長對喀斯特坡面土壤侵蝕的影響[J].應用生態學報，2021，32（1）：271-280.

[15]FUGuobin，CHENShulin，MCCOOLDK.ModelingtheimpactsofnotillpracticeonsoilerosionandsedimentyieldwithRUSLE，SEDD，andArcViewGIS[J].Soil&TillageResearch，2004，85（1）：38-49.

[16］SOYOUNGP，CHEYOUNGO，SEONGWOOJ，etal.SoilerosionriskinKoreanwatersheds，assessedusingthereviseduniversalsoillossequation[J].JournalofHydrology，2011，399（3）：263-273.

[17]ROBERTOR，THANHHLe，MARIACR.ARUSLEapproachtomodelsuspendedsedimentloadintheLoriver（Vietnam）：Effectsofreservoirsandlandusechanges[J].JournalofHydrology，2012（422）：17-29.

[18]郎燕，劉寧，劉世榮.氣候和土地利用變化影響下生態屏障帶水土流失趨勢研究[J].生態學報，2021，41（13）：5106-5117.

[19]馮強，趙文武.USLE/RUSLE中植被覆蓋與管理因子研究進展[J].生態學報，2014，34（16）：4461-4472

[20]MOHAMEDK，KUNIHIKOY，YUDIS.AssessmentandmappingofsoilerosionriskbywaterinTunisiausingtimeseriesMODISdata[J].PaddyandWaterEnvironment，2012，10（1）：59-73.

[21]胡文敏，周衛軍，余宇航，等.基于RS和USLE的紅壤丘陵區小流域水土流失量估算[J].國土資源遙感，2013，25（3）：171-177.

[22]KUNIHIKOY，YOSHINORII.Guidelinesforsoilconservationtowardsintegratedbasinmanagementforsustainabledevelopment：AnewapproachbasedontheassessmentofsoillossriskusingremotesensingandGIS[J].PaddyandWaterEnvironment，2005，3（4）：235-247.

[23]MohamedK，KUNIHIKOY，YUDIS，etal.Assessmentoftheeffectsofvegetationonsoilerosionriskbywater：acaseofstudyoftheBattawatershedinTunisia[J].EnvironmentalEarthSciences，2011，64（3）：707-719.

[24]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（2）：19-24.

[25]齊述華，蔣梅鑫，于秀波.基于遙感和ULSE模型評價1995～2005年江西土壤侵蝕[J].中國環境科學，2011，31（7）：1197-1203.

[26]陳燕紅，潘文斌，蔡芫鑌.基于RS/GIS和RUSLE的流域土壤侵蝕定量研究：以福建省吉溪流域為例[J].地質災害與環境保護，2007（3）：5-10.

[27]張巖，袁建平，劉寶元.土壤侵蝕預報模型中的植被覆蓋與管理因子研究進展[J].應用生態學報，2002，13（8）：1033-1036.

[28]YUShan，DUWala，ZHANGXiang，etal.SpatiotemporalchangesinNDVIanditsdrivingfactorsintheKherlenriverbasin[J].ChineseGeographicalScience，2023，33（2）：377-392.

[29]AMDA，OMASAK.EstimationofvegetationparameterformodelingsoilerosionusinglinearSpectralMixtureAnalysisofLandsatETMdata[J].JournalofPhotogrammetryandRemoteSensing，2007，62（4）：309-324.

[30]CAOXiaoming，FENGYiming，SHIZhongjie.SpatiotemporalvariationsindroughtwithremotesensingfromtheMongolianPlateauduring1982-2018[J].ChineseGeographicalScience，2020，30（6）：1081-1094.

[31]JIAOWenzhe，WANGLixin，SMITHWK，etal.ObservedincreasingwaterConstraintonvegetationgrowthoverthelastthreedecades[J].Naturecommunications，2021（12）：3777.

[32]HUOJiayi，YUXinxiao，LIUChangjun，etal.EffectsofsoilandwaterconservationmanagementandrainfalltypesonrunoffandsoillossforaslopingareainNorthChina[J].LandDegradation&Development，2020，31（15）：2117-2130.

[33]潘成忠，上官周平.牧草對坡面侵蝕動力參數的影響[J].水利學報，2005，36（3）：371-377.

[34]江忠善，李秀英.黃土高原土壤流失預報方程中降雨侵蝕力和地形因子的研究[J].中國科學院西北水土保持研究所集刊，1988，4（1）：40-45.

[35]張科利，劉寶元，蔡永明.土壤侵蝕預報研究中的標準小區問題論證[J].地理研究，2000（3）：297-302.

[36]于東升，史學正，呂喜璽.低丘紅壤區不同土地利用方式的C值及可持續性評價[J].土壤侵蝕與水土保持學報，1998，4（1）：72-77.

[37]JAINP，RAMSANKARANR.GISbasedmodellingofsoilerosionprocessesusingthemodifiedMMF（MMMF）modelinalargewatershedhavingvastagroclimatologicaldifferencesHYPERLINK"http：//onlinelibrary.wiley.com/doi/10.1002/esp.4372"t"https：//xueshu.baidu.com/usercenter/paper/_blank"[J].EarthSurfaceProcessesandLandforms，2018，43（10）：2064-2076.

[38]劉寶元，畢小剛，符素華，等.北京土壤流失方程［M］．北京：科學出版社，2010：72-77.

[39]秦偉，左長清，鄭海金，等.贛北紅壤坡地土壤流失方程關鍵因子的確定[J].農業工程學報，2013，29（21）：115-125.

[40]黃俊，金平偉，姜學兵，等.南方紅壤區植被覆蓋因子估算模型構建與驗證[J].農業工程學報，2020，36（17）：106-114.

[41]杜春英，劉宏偉.荒漠化地區植被因子的定量反演方法[J].東北林業大學學報，2010，38（8）：133-135.

[42]于元芬.不同植被覆蓋下紅壤優先流特征與影響因素研究[D].武漢：華中農業大學，2020：26.

[43]代僑，林杰，朱燕芳，等.基于南方結構化植被指數的植被覆蓋管理因子遙感反演[J].中國水土保持科學，2021，19（3）：64-71.

[44]姚雄.南方紅壤水土流失區植被覆蓋與管理因子（C因子）遙感重構研究[D].福州：福建農林大學，2016：15.

［作者簡介］田培（1988—），男，湖北大悟人，副教授，博士，主要從事土壤侵蝕與水土保持、水文水資源基礎理論研究。［收稿日期］2022-04-12

（責任編輯楊傲秋）