楊冉冉，徐涵秋，*，林 娜，何 慧，曾宏達(dá)，2

(1.福州大學(xué)環(huán)境與資源學(xué)院，福州大學(xué)遙感信息工程研究所，福建省水土流失遙感監(jiān)測(cè)評(píng)估與災(zāi)害防治重點(diǎn)實(shí)驗(yàn)室，福州 350108;2.福建師范大學(xué)地理科學(xué)學(xué)院，福州 350007)

土壤侵蝕及其引發(fā)的一系列生態(tài)環(huán)境問題，包括土地資源減少、旱澇災(zāi)害加劇、水體污染加重等，正嚴(yán)重威脅著人類的生存和發(fā)展，成為世界各國(guó)普遍關(guān)注的熱點(diǎn)問題之一。因此，針對(duì)土壤侵蝕的研究也一直在進(jìn)行著，尤其是20世紀(jì)90年代以來(lái)，RS和GIS技術(shù)的迅速發(fā)展為土壤侵蝕的定量化提供了有力工具。土壤侵蝕定量評(píng)價(jià)方法主要以土壤侵蝕評(píng)價(jià)模型為核心，國(guó)內(nèi)外學(xué)者通過對(duì)土壤侵蝕規(guī)律進(jìn)行的大量研究，在建立土壤侵蝕模型方面取得了豐碩的成果［1］。其中，最為著名、應(yīng)用最為廣泛的是美國(guó)于20世紀(jì)60年代初開發(fā)的通用土壤侵蝕方程(USLE)及其后改進(jìn)版的通用土壤侵蝕方程(RUSLE)［2］。Nyakatawa等人在美國(guó)阿拉巴馬州的農(nóng)業(yè)試驗(yàn)站，應(yīng)用RUSLE模型定量估算并比較分析了不同水土保持措施下的土壤侵蝕量，得出了作物覆蓋對(duì)降低土壤侵蝕起著關(guān)鍵性作用的結(jié)論［3］;Terranova等人采用RUSLE和GIS定量分析評(píng)價(jià)了位于地中海的Calabria地區(qū)的土壤侵蝕狀況，為當(dāng)?shù)卣耙?guī)劃部門提供了決策依據(jù)［4］;Park等人依據(jù)RUSLE的原理對(duì)韓國(guó)境內(nèi)流域20a間的土壤侵蝕狀況進(jìn)行風(fēng)險(xiǎn)評(píng)估，發(fā)現(xiàn)其年均土壤侵蝕模數(shù)逐漸增加，并且到2020年將會(huì)進(jìn)一步增大［5］;Marcus等成功地在實(shí)驗(yàn)室內(nèi)模擬徑流實(shí)驗(yàn)，并順利求解出RUSLE模型各因子參數(shù)，計(jì)算了土壤侵蝕量，從而證明了傳統(tǒng)的野外徑流實(shí)驗(yàn)也可在室內(nèi)模擬進(jìn)行［6］。在我國(guó)，學(xué)者們根據(jù)各地區(qū)實(shí)際情況對(duì)USLE/RUSLE進(jìn)行了相應(yīng)的修正和改進(jìn)。卜兆宏等研究了水土流失定量遙感方法的新進(jìn)展，并在太湖流域建立了可供長(zhǎng)期使用的水土流失定量遙感監(jiān)測(cè)系統(tǒng)［7］;章文波、劉寶元結(jié)合我國(guó)水土保持現(xiàn)狀，提出新的中國(guó)土壤流失方程(CSLE)，但只能應(yīng)用于坡面或田間土壤侵蝕預(yù)報(bào)［8］;方剛清、阮伏水、周伏建、黃炎和等也都根據(jù)福建地區(qū)的實(shí)地情況，對(duì)RUSLE模型中的有關(guān)因子做出相應(yīng)調(diào)整，使其更適合于福建土壤侵蝕的計(jì)算［9-11］。

福建省長(zhǎng)汀縣的河田鎮(zhèn)一帶，是聞名全國(guó)的典型南方丘陵紅壤侵蝕區(qū)。各級(jí)政府和當(dāng)?shù)厝嗣褚恢睘槠渲卫磉M(jìn)行著不懈的努力。因此，對(duì)于長(zhǎng)汀河田地區(qū)的土壤侵蝕狀況進(jìn)行動(dòng)態(tài)監(jiān)測(cè)和評(píng)價(jià)具有重要的意義。本次研究對(duì)河田盆地區(qū)1988—2010年間的土壤侵蝕狀況進(jìn)行了定量估算和評(píng)價(jià)，以期為該地區(qū)水土流失的進(jìn)一步治理提供科學(xué)的決策依據(jù)。

1 研究方法

1.1 研究區(qū)概況

福建省長(zhǎng)汀縣河田盆地［12］位于福建省西部，東經(jīng) 116°18'—116°32'，北緯 25°35'—25°44'，氣候類型屬亞熱帶季風(fēng)氣候，災(zāi)害性天氣較多，年平均氣溫18.3℃，年降水量1500 mm;研究區(qū)植被主要為馬尾松林，土壤類型以花崗巖風(fēng)化而成的酸性紅壤為主，抗侵蝕能力較差，極易發(fā)生水力侵蝕。本次的研究區(qū)主要包括河田盆地及其周邊地區(qū)，面積533.4 km2(圖1)。

圖1 長(zhǎng)汀縣2010年Landsat遙感影像和研究區(qū)位置圖(RGB:321)Fig.1 2010 Landsat image of County Changting and the location of the study area(RGB:321)

1.2 RUSLE 模型

RUSLE 方程定義為［13-14］:

式中，A表示年均土壤侵蝕量，R為降雨侵蝕力因子，K為土壤可侵蝕性因子，LS為坡度坡長(zhǎng)因子，C為作物管理因子，P為水土保持措施因子。

本文采用的數(shù)據(jù)有:經(jīng)過幾何精校正和配準(zhǔn)的1988年、1998年和2010年的Landsat TM影像及其對(duì)應(yīng)的土地利用分類影像圖，1∶5萬(wàn)土壤類型圖，DEM和1985年至2010年的月降雨量數(shù)據(jù)。主要借助遙感軟件ER Mapper和ArcGIS，分別計(jì)算出公式中的各因子值，并將各因子統(tǒng)一為WGS84坐標(biāo)系統(tǒng)下的GRID圖層，然后根據(jù)RUSLE的形式，將各因子相乘，獲得河田盆地及其周邊地區(qū)的土壤侵蝕強(qiáng)度等級(jí)數(shù)據(jù)和圖件。

1.3 RUSLE各因子值的確定

1.3.1 降雨侵蝕力因子R值的估算

降雨侵蝕力因子R值反映的是降雨引起土壤侵蝕的潛在能力，它是降雨物理特征的函數(shù)，難以直接測(cè)定。因此，各種估算R的方法也就應(yīng)運(yùn)而生［10-11］。本文應(yīng)用周伏建等提出的適用于福建地區(qū)的簡(jiǎn)便算法來(lái)求解 R 值［10］:

式中，pi為月降雨量。根據(jù)長(zhǎng)汀氣象站1985—2010年的逐月降雨量數(shù)據(jù)，計(jì)算出研究區(qū)1988、1998、2010年的 R 值，分別為 332.12、296.40、345.14。

1.3.2 土壤可侵蝕性因子K的獲取

K因子用來(lái)表征土壤被降雨侵蝕力分離、沖蝕及搬運(yùn)的難易程度，即土壤的抗侵蝕特性?？骨治g能力強(qiáng)的土壤K值低，反之則高。其取值與土壤顆粒大小、結(jié)構(gòu)以及有機(jī)質(zhì)含量等密切相關(guān)。Sharply和Williams把土壤可侵蝕性因子K的計(jì)算公式發(fā)展為［15］:

式中，SAN為砂粒含量(%)，SIL為粉砂含量(%)，CLA為粘粒含量(%)，c為有機(jī)碳含量(%)，SN1=1－SAN/100。

方綱清、阮伏水等依據(jù)上述原理求得福建省主要土壤類型的K值［9］。本文根據(jù)研究區(qū)土壤類型圖及相關(guān)文獻(xiàn)得出以下 K 值［9，16-17］:滲育水稻土 0.2447、潴育水稻土 0.3391、潛育水稻土 0.212、漂白型水稻土 0.2、漸沙土0.223、紫色土 0.2131、紅泥土 0.255、山地草甸土 0.2440、黃壤 0.228、黃紅壤 0.2303、粗骨性紅壤0.2549、硅鋁質(zhì)紅壤0.1711、硅質(zhì)紅壤0.1961、硅鋁鐵質(zhì)紅壤 0.2546、侵蝕紅壤0.2708、水 0。然后將以上 K值賦給已有的土壤類型圖，生成K值因子圖層。

1.3.3 坡度坡長(zhǎng)因子LS的獲取

坡長(zhǎng)L和坡度S因子反映了地形地貌對(duì)土壤侵蝕的影響，通常為侵蝕動(dòng)力的加速因子。RUSLE中采用的坡長(zhǎng)因子計(jì)算公式為［18］:

RUSLE模型中推薦計(jì)算S因子的公式為［19］:

式中，22.1是RUSLE標(biāo)準(zhǔn)小區(qū)的坡長(zhǎng)，單位為米，α是坡長(zhǎng)指數(shù)，λ是水平投影坡長(zhǎng)，β代表細(xì)溝侵蝕與細(xì)溝間侵蝕的比率，θ是坡度。

Hickey和Van Remortel根據(jù)上述算法，用AML和C++語(yǔ)言編制了自動(dòng)提取LS因子的程序［20-21］，并提供于個(gè)人網(wǎng)頁(yè)上。本文根據(jù)該程序提取了LS因子，并生成了相關(guān)圖層。

1.3.4 植被覆蓋與管理因子C的確定

植被覆蓋與管理因子C是指在相同的土壤、坡度和降雨條件下，某一特定作物或植被情況下的土壤流失量與耕種過后連續(xù)休閑土地的土壤流失量的比值［13］，它對(duì)土壤侵蝕起著抑制作用。本次研究采用蔡崇法等的方法［22］，即根據(jù)植被覆蓋與管理因子C與植被覆蓋度c的關(guān)系公式進(jìn)行C值的估算，其值介于0—1之間。具體過程如下:

(1)求解植被覆蓋度c［23］

式中，NDVI為象元?dú)w一化植被指數(shù)值，NDVImax為最大值，即純植被像元的NDVI值，NDVImin為最小值，即全裸土象元的NDVI值。

(2)解算植被覆蓋與管理因子C［22］

當(dāng)植被覆蓋度大于等于78.3%時(shí)，基本不會(huì)發(fā)生土壤侵蝕，故C值設(shè)為0;當(dāng)植被覆蓋度為0時(shí)，土壤侵蝕量最大，C值設(shè)為于1［22］。當(dāng)植被覆蓋度介于0到78.3%之間時(shí)，可將植被覆蓋度進(jìn)行如上式的轉(zhuǎn)換運(yùn)算，最終得到3個(gè)時(shí)相的植被覆蓋和管理因子圖。

1.3.5 水土保持措施因子P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(yīng)未實(shí)施該措施的順坡種植時(shí)的土壤流失量之比值［13］，它是侵蝕動(dòng)力的抑制因子，起著保持水土的作用。P值范圍為0—1，其值越小，表示水土保持措施對(duì)土壤侵蝕的抑制作用越明顯;等于0，說(shuō)明不發(fā)生土壤侵蝕;等于1，表明未采取任何措施或抑制作用完全失效。已有研究中經(jīng)常采用土地利用類型賦值的方法來(lái)確定P值。本文參考已有的相關(guān)研究結(jié)果［17，22，24-26］來(lái)確定研究區(qū)不同土地利用類型的 P 值:水田 0.01、闊葉林 0.2、針葉林 0.4、竹林 0.4、草 0.7、建筑用地1、裸地1、沙地1、水體0，并將其分別賦給3個(gè)年份的土地利用圖，得到相應(yīng)的P值因子圖。

1.4 土壤侵蝕量的計(jì)算

將上述獲取的各因子圖層導(dǎo)入ArcGIS中，并轉(zhuǎn)換為柵格大小均為30 m×30 m的GRID數(shù)據(jù)，應(yīng)用軟件的相關(guān)功能，將各因子圖進(jìn)行連乘;由于RUSLE模型的單位是英制，所以將其乘以224.2轉(zhuǎn)換為公制單位t·km－2·a－1，得到各像元的土壤流失量。根據(jù)土壤侵蝕的試驗(yàn)結(jié)果，參考中國(guó)水利部2007年制定的《土壤侵蝕分類分級(jí)標(biāo)準(zhǔn)》［27］，將研究區(qū)的土壤侵蝕強(qiáng)度等級(jí)劃分為6個(gè)等級(jí)，制作出研究區(qū)1988、1998和2010年的土壤侵蝕強(qiáng)度等級(jí)分布圖(圖2)。

圖2 三時(shí)相土壤侵蝕強(qiáng)度等級(jí)分布圖Fig.2 The distribution map of soil erosion intensity in three time phases

1.5 精度驗(yàn)證

于2010年11月在河田一帶進(jìn)行野外實(shí)地驗(yàn)證，共驗(yàn)證了126個(gè)點(diǎn)，將其按圖2劃分的6個(gè)侵蝕等級(jí)歸類，然后與2010年RUSLE模型計(jì)算結(jié)果的分類等級(jí)進(jìn)行對(duì)比驗(yàn)證;其中分類等級(jí)一致的有109個(gè)點(diǎn)，不一致的有17個(gè)點(diǎn)，得出實(shí)驗(yàn)的總精度為86.51%。

2 結(jié)果與討論

2.1 研究區(qū)1998—2010年土壤侵蝕及其變化

在計(jì)算出各像元的土壤侵蝕量和土壤侵蝕等級(jí)圖后，對(duì)上述各圖層進(jìn)行相關(guān)的統(tǒng)計(jì)分析。結(jié)果表明，在1988年至2010年的22年間，年均侵蝕模數(shù)由1988年的4259.11 t·km－2·a－1分別下降至1998年的2067.02 t·km－2·a－1和2010年的1280.09 t·km－2·a－1;相應(yīng)地，年侵蝕量也從252.42萬(wàn)t分別降為122.5萬(wàn)t、75.87萬(wàn)t，這說(shuō)明自20世紀(jì)80年代開始對(duì)長(zhǎng)汀河田土壤侵蝕的治理已取得明顯成效，土壤侵蝕狀況逐漸減輕。從不同侵蝕等級(jí)的變換來(lái)看(表1):自1988年至2010年，中度及其以上侵蝕面積總共減少了113.31 km2，劇烈侵蝕等級(jí)面積減少了34.55 km2，微度侵蝕面積則增加了133.05 km2;尤其是在1998年至2010年的后12a間，微度土壤侵蝕的面積增幅達(dá)115.47 km2，土壤侵蝕狀況的好轉(zhuǎn)程度尤為明顯。這表明自2000年開始新一輪的大規(guī)模治理以來(lái)，當(dāng)?shù)氐耐寥狼治g強(qiáng)度得以顯著降低。

表1 研究區(qū)各年份的侵蝕強(qiáng)度等級(jí)及其面積Table 1 Soil erosion intensity grades and their cover area in the study area

另外，對(duì)3個(gè)時(shí)相的不同土壤侵蝕等級(jí)進(jìn)行兩兩對(duì)比，并做出相應(yīng)的轉(zhuǎn)移矩陣。限于篇幅，本文只列出1988年至2010年的轉(zhuǎn)移矩陣(表2)，從中可以看出:1988—2010年間，各侵蝕等級(jí)均有不同程度的轉(zhuǎn)移;其中，1988年中度及以上侵蝕等級(jí)中共有131.9 km2分別轉(zhuǎn)化為2010年的微度侵蝕等級(jí)(66.38 km2)和輕度侵蝕等級(jí)(65.52 km2);這種大面積的由強(qiáng)轉(zhuǎn)弱轉(zhuǎn)移，說(shuō)明該地區(qū)土壤侵蝕得到有效遏制。但也看出，在2010年劇烈侵蝕等級(jí)的7.63 km2中有4.7 km2是由1988年非劇烈侵蝕的等級(jí)轉(zhuǎn)化而來(lái)的，反映出這22a間土壤侵蝕狀況在總體得到改善的同時(shí)，也存在著局部加劇的情況。

表2 1988—2010年不同侵蝕等級(jí)面積轉(zhuǎn)移矩陣/km2Table 2 Conversion matrix of different erosion grades from 1988 to 2010

2.2 土壤侵蝕的空間分布特征

將研究區(qū)的DEM劃分為4個(gè)海拔高程帶:＜400 m、400—600 m、600—800 m、＞800 m，并分別與三時(shí)相的土壤侵蝕模數(shù)圖層進(jìn)行疊加，利用ArcGIS的空間分析功能進(jìn)行計(jì)算得出:＜400 m高程帶的平均侵蝕模數(shù)、侵蝕面積及侵蝕量均為最大。這表明＜400 m高程帶是該區(qū)發(fā)生土壤侵蝕的主要區(qū)域。

進(jìn)一步將3個(gè)年份的植被覆蓋度圖層按植被覆蓋度大小劃分為四級(jí):＜20%、20%—50%、50%—80%、＞80%，然后分別與三時(shí)相的土壤侵蝕模數(shù)圖層進(jìn)行疊加。經(jīng)統(tǒng)計(jì)分析得知:侵蝕量最大的區(qū)域在1988年集中在植被覆蓋度＜20%的地區(qū);而到了1998年和2010年，侵蝕量最大的區(qū)域則集中在植被覆蓋度介于20%—50%的區(qū)域，分別占對(duì)應(yīng)年份侵蝕總量的71.78%和48.22%。

為了找出今后該區(qū)水土流失治理的重點(diǎn)區(qū)域，進(jìn)一步將以上空間分析找出的嚴(yán)重水土流失區(qū)進(jìn)行疊加，即將2010年＜400 m高程帶、植被覆蓋度為20%—50% 、土壤侵蝕度等級(jí)為強(qiáng)度及其以上的3個(gè)圖層進(jìn)行疊加，找出三者的共同區(qū)域，這些區(qū)域就是該區(qū)今后水土流失應(yīng)重點(diǎn)治理的區(qū)域(圖3)。

圖3 研究區(qū)2010年嚴(yán)重水土流失區(qū)(黑色圖斑代表嚴(yán)重水土流失區(qū))Fig.3 Distributions of the serious soil loss areas in the study area in 2010

以上根據(jù)最新的2010年數(shù)據(jù)確定的重點(diǎn)水土流失治理區(qū)域表明，該區(qū)的水土流失主要發(fā)生在高程在400 m以下的地區(qū)。其原因是由于這一地區(qū)多為盆地中的河流沿岸區(qū)，是人類活動(dòng)的密集區(qū)。人類的各種生活生產(chǎn)活動(dòng)、長(zhǎng)期存在的林權(quán)糾紛、大規(guī)模的濫砍濫伐、火燒山等［28］，都給這一區(qū)域的自然植被帶來(lái)了很大的破壞，因此這一區(qū)域的植被覆蓋率低、土壤裸露，抗蝕能力差;加上區(qū)域降雨量大，暴雨沖擊多，導(dǎo)致該區(qū)域成為最嚴(yán)重的水土流失區(qū)。顯然，盡量減少人類活動(dòng)的破壞，有效提高區(qū)域植被覆蓋度，是該區(qū)今后治理水土流失的重要舉措。

3 結(jié)論

(1)利用RUSLE模型，結(jié)合RS、GIS技術(shù)，可以有效地對(duì)長(zhǎng)汀河田地區(qū)的土壤侵蝕狀況進(jìn)行定量評(píng)價(jià)和分析。研究的關(guān)鍵在于各模型因子的算法選取及模型參數(shù)的“本地化”。本文結(jié)合研究區(qū)的實(shí)際情況，經(jīng)過比較分析，從諸多因子算法中選定了較適合于長(zhǎng)汀河田地區(qū)的計(jì)算方法。經(jīng)野外實(shí)測(cè)驗(yàn)證，計(jì)算精度達(dá)86.51%。說(shuō)明實(shí)驗(yàn)方法合理可行。

(2)長(zhǎng)汀河田地區(qū)的土壤侵蝕狀況在1988—2010年的22a間得到顯著改善，表現(xiàn)在土壤平均侵蝕模數(shù)大幅下降，中度及其以上侵蝕面積顯著減少。尤其是自1998至2010年的后12a間，土壤侵蝕由強(qiáng)轉(zhuǎn)弱的程度更為明顯。

(3)土壤侵蝕強(qiáng)度的空間分析表明，研究區(qū)內(nèi)＜400 m高程帶和植被覆蓋度為20%—50%的地區(qū)，是發(fā)生嚴(yán)重土壤侵蝕的主要區(qū)域，是今后水土流失治理的重點(diǎn)區(qū)域。針對(duì)高程＜400 m的地區(qū)，可繼續(xù)實(shí)施封禁措施;對(duì)于植被覆蓋度為20%—50%的地區(qū)，進(jìn)一步執(zhí)行退耕還林和低效林改造，有效提高植被覆蓋度。

(4)研究區(qū)的土壤侵蝕狀況總體上呈良性轉(zhuǎn)化趨勢(shì)，但是自1988年到2010年仍有小面積的非劇烈侵蝕強(qiáng)度轉(zhuǎn)向劇烈侵蝕，存在著“整體好轉(zhuǎn)，局部加劇”的現(xiàn)象，說(shuō)明該地區(qū)的治理工作仍處于關(guān)鍵性階段。致謝:劉智才、王琳、黃紹霖、陳文惠、張清林和陳淑桂等同志參加了野外調(diào)查工作，特此致謝。

［1］ Zheng F L，Liu F，Yang Q K，Jiang Z S.Review of research progress in soil erosion prediction model.Bulletin of Soil and Water Conservation，2001，21(6):16-18.

［2］ Bu Z H，Sun J Z，Zhou F J，Tang W L，Xi C P.A study on quantitative Remote Sensing method of soil erosion and its application.Acta Pedologic Sinica，1997，34(3):235-244.

［3］ Nyakatawa E Z，Jakkula V，Reddy K C，Lemunyon J L，Norris J.Soil erosion estimation in conservation tillage systems with poultry litter application using RUSLE 2.0 model.Soil and Tilliage Research，2007，94(2):410-419.

［4］ Terranova O，Antronico L，Coscarelli R，Iaquinta P.Soil erosion risk scenarios in the Mediterranean environment using RUSLE and GIS:an application model for Calabria(southern Italy).Geomorphology，2009，112(3/4):228-245.

［5］ Park S Y，Che Y O，Jeon S W，Hui C J，Choi C L.Soil erosion risk in Korean watersheds，assessed using the revised universal soil loss equation.Journal of Hydrology，2011，399(3/4):263-273.

［6］ Schindewolf M，Schmidt J.Parameterization of the EROSION 2D/3D soil erosion model using a small-scale rainfall simulator and upstream runoff simulation.Catena，2011，91:47-55.

［7］ Bu Z H，Tang W L，Yang L Z，Xi C F，Liu F X，Wu Y J，Tang H N.The progress of quantitative Remote Sensing method for annual soil losses and its application in Taihu lake catchments.Acta Pedologica Sinica，2003，40(1):1-9.

［8］ Zhang W B，Liu B Y.Development of Chinese soil loss equation information system based on GIS.Journal of Soil and Water Conservation，2003，17(2):89-92.

［9］ Fang G Q，Ruan F S，Wu X H，Guo Z M.Preliminary study on soil erodibility characteristics of the main soil in Fujian province.Fujian Soil and Water Conservation，1997，(2):19-23.

［10］ Zhou F J，Chen M H，Lin F X，Huang Y H，Lu C L.The rainfall erosivity index in Fujian province.Journal of Soil and Water Conservation，1995，9(1):13-18.

［11］ Huang Y H，Lu C L，Zheng T F，F(xiàn)u Q，Xu J J.Study on rainfall erosivity index in southeastern Fujian.Journal of Soil and Water Conservation，1992，6(4):1-5.

［12］ Zhao Z B.Study on treatment of soil and water loss with forest grass measures in Hetian basin of Fujian province.Journal of Soil and Water Conservation，1987，1(1):81-89.

［13］ Renard K G，F(xiàn)oster R，Weesies G，McCool D K，Yoder D C.Predicting rainfall erosion by water:a guide to conservation planning with the Revised Universal Soil Loss Equation(RUSLE).USDA Agriculture Handbook，1997，703:1-367.

［14］ Wischmeier W H，Mannering J V.Relation of soil properties to its erodibility.Soil Science Society of America Journal，1969，33(1):131-137.

［15］ Sharply A N，Williams J R.EPIC—Erosion/Productivity Impact Calculator:1.Model Documentation.Washington，D C:USDA Technical Bulletin，1990:3-9.

［16］ Lü X X，Shen R M.A preliminary study on the values K of soil erosibility factor.Journal of Soil and Water Conservation，1992，6(1):63-70.

［17］ Chen Y H，Pan W B，Cai Y B.Quantitative study on soil erosion in watershed based on RS，GIS and RUSLE—a case study of the Jixi watershed in Fujian Province.Journal of Geological Hazards and Environment Preservation，2007，18(3):5-10.

［18］ Wischmeier W H，Smith D D.Predicting rainfall erosion losses.United States Department of Agriculture(USDA).Washington D C:USDA Agricultural Handbook，1978.

［19］ McCool D K，Brown L C，F(xiàn)oster G R，Mutchler C K，Meyer L D.Revised slope steepness factor for the universal soil loss equation.Transactions of the ASAE，1987，30(5):1388-1396.

［20］ Nearing M A.A single，continuous function for slope steepness influence on soil loss.Soil Science Society of America Journal，1997，6(3):917-919.

［21］ Van Remortel R D，Maichle R W，Hickey R J.Computing the LS factor for the Revised Universal Soil Loss Equation through array-based slope processing of digital elevation data using a C++executable.Computers and Geosciences，2004，30(9/10):1043-1053.

［22］ Cai C F，Ding S W，Shi Z H，Huang L，Zhang G Y.Study of applying USLE and Geographical Information System IDRISI to predict soil erosion in small watershed.Journal of Soil and Water Conservation，2000，14(2):19-24.

［23］ Choudhury B J，Ahmed N U，Idso S B，Reginato R J，Daughtry C.Relations between evaporation coefficients and vegetation indices studied by model simulations.Remote Sensing of Environment，1994，50(1):1-17.

［24］ Huang J L，Hong H S，Zhang L P，Du P F.Study on predicting soil erosion in Jiulong river watershed based on GIS and USLE.Journal of Soil and Water Conservation，2004，18(5):75-79.

［25］ Qi S H，Jiang X M，Yu X B.Evaluating soil erosion in Jiangxi Province with USLE model and remote sensing technology during 1995—2005.China Environmental Science，2011，31(7):1197-1203.

［26］ Xu Y Q，Shao X M.Estimation of soil erosion supported by GIS and RUSLE:a case study of Maotiaohe watershed，Guizhou Province.Journal of Beijing Forestry University，2006，28(4):67-71.

［27］ Ministry of Water Resources of the People's Republic of China.Standards for Classification and Gradation of Soil Erosion SL 190—2007.Beijing:China Water Power Press，2008:3-8.

［28］ Chen Z Q.Desertification induced by water erosion and its combat of Hetian town in Changding county，F(xiàn)ujian province.Progress in Geography，1998，17(2):65-70.

參考文獻(xiàn):

［1］ 鄭粉莉，劉峰，楊勤科，江忠善.土壤侵蝕預(yù)報(bào)模型研究進(jìn)展.水土保持通報(bào)，2001，21(6):16-18.

［2］ 卜兆宏，孫金莊，周伏建.水土流失定量遙感方法及其應(yīng)用的研究.土壤學(xué)報(bào)，1997，34(3):235-244.

［7］ 卜兆宏，唐萬(wàn)龍，楊林章，席成藩，劉復(fù)新，吳嘉裕，唐合年.水土流失定量遙感方法新進(jìn)展及其在太湖流域的應(yīng)用.土壤學(xué)報(bào)，2003，40(1):1-9.

［8］ 章文波，劉寶元.基于GIS的中國(guó)土壤侵蝕預(yù)報(bào)信息系統(tǒng).水土保持學(xué)報(bào)，2003，17(2):89-92.

［9］ 方綱清，阮伏水，吳雄海，郭志明.福建省主要土壤可蝕性特征初探.福建水土保持，1997，(2):19-23.

［10］ 周伏建，陳明華，林福興，黃炎和，盧承隆.福建省降雨侵蝕力指標(biāo)R值.水土保持學(xué)報(bào)，1995，9(1):13-18.

［11］ 黃炎和，盧程隆，鄭添發(fā)，付勤，許建金.閩東南降雨侵蝕力指標(biāo)R值的研究.水土保持學(xué)報(bào)，1992，6(4):1-5.

［12］ 趙昭昞.福建河田盆地水土流失地區(qū)用林草措施治理的研究.水土保持學(xué)報(bào)，1987，1(1):81-89.

［16］ 呂喜璽，沈榮明.土壤可蝕性因子K值的初步研究.水土保持學(xué)報(bào)，1992，6(1):63-70.

［17］ 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?yàn)槔?地質(zhì)災(zāi)害與環(huán)境保護(hù)，2007，18(3):5-10.

［22］ 蔡崇法，丁樹文，史志華，黃麗，張光遠(yuǎn).應(yīng)用USLE模型與地理信息系統(tǒng)IDRIS預(yù)測(cè)小流域土壤侵蝕量的研究.水土保持學(xué)報(bào)，2000，14(2):19-24.

［24］ 黃金良，洪華生，張珞平，杜鵬飛.基于GIS和USLE的九龍江流域土壤侵蝕量預(yù)測(cè)研究.水土保持學(xué)報(bào)，2004，18(5):75-79.

［25］ 齊述華，蔣梅鑫，于秀波.基于遙感和ULSE模型評(píng)價(jià)1995—2005年江西土壤侵蝕.中國(guó)環(huán)境科學(xué)，2011，31(7):1197-1203.

［26］ 許月卿，邵曉梅.基于GIS和RUSLE的土壤侵蝕量計(jì)算——以貴州省貓?zhí)恿饔驗(yàn)槔?北京林業(yè)大學(xué)學(xué)報(bào)，2006，28(4):67-71.

［27］ 中華人民共和國(guó)水利部.土壤侵蝕分類分級(jí)標(biāo)準(zhǔn)SL 190—2007.北京:中國(guó)水利水電出版社，2008:3-12.

［28］ 陳志清.福建省長(zhǎng)汀縣河田鎮(zhèn)的水蝕荒漠化及其治理.地理科學(xué)進(jìn)展，1998，17(2):65-70.