馮俊鑫，陳國(guó)坤,2，左麗君，溫慶可，趙晶晶，王亦文

基于GF-6 WFV影像和CSLE模型的山區(qū)耕地侵蝕定量評(píng)價(jià)及特征分析

馮俊鑫1，陳國(guó)坤1,2※，左麗君3，溫慶可3，趙晶晶1，王亦文1

（1. 昆明理工大學(xué)國(guó)土資源工程學(xué)院，昆明 650093；2. 云南省高校高原山區(qū)空間信息測(cè)繪技術(shù)應(yīng)用工程研究中心，昆明 650093； 3.中國(guó)科學(xué)院空天信息創(chuàng)新研究院，北京 100101）

坡耕地是高原山區(qū)水土流失最主要的策源地，其嚴(yán)重的土壤侵蝕已經(jīng)威脅到山區(qū)糧食安全和農(nóng)業(yè)可持續(xù)發(fā)展。該研究以云南省土壤侵蝕較為嚴(yán)重的文山州為例，在第三次全國(guó)國(guó)土調(diào)查數(shù)據(jù)、水利普查抽樣單元和GF-6 WFV等多源遙感數(shù)據(jù)基礎(chǔ)上，結(jié)合隨機(jī)森林算法快速自動(dòng)提取梯田，利用CSLE模型對(duì)山區(qū)耕地土壤侵蝕進(jìn)行精細(xì)定量評(píng)估，并以空間自相關(guān)分析揭示土壤侵蝕空間分布特征。結(jié)果表明：1）文山州耕地空間異質(zhì)性顯著，以廣南、西疇、馬關(guān)一線為界，呈自西向東遞減格局；坡耕地占耕地總面積的79.27%，3 929.57 km2耕地采取水土保持工程措施，占49.79%。2）全區(qū)耕地平均侵蝕模數(shù)為5 180.72 t/(km2·a)，其中69.99%的耕地遭受輕度及以上侵蝕；耕地總侵蝕量達(dá)4 081.50萬(wàn)t，其中未采取保護(hù)措施耕地的侵蝕貢獻(xiàn)率為79.40%，土壤侵蝕對(duì)坡度和高程的響應(yīng)存在差異，具有明顯垂直地帶性特征，1 000～1 800 m高程帶侵蝕情況嚴(yán)峻，3 073.65萬(wàn)t侵蝕量源于20°以上陡坡，占侵蝕總量的75.30%。3）侵蝕空間聚集特征鮮明，文山州南部和東部為侵蝕高值中心，低值中心見(jiàn)于中西部和北部。利用區(qū)域侵蝕因子自動(dòng)提取產(chǎn)品和空間自相關(guān)分析能夠快速完成侵蝕精細(xì)定量評(píng)估，可為區(qū)域水土保持資源精準(zhǔn)分配和生態(tài)環(huán)境建設(shè)提供參考。

土壤；侵蝕；隨機(jī)森林；耕地；CSLE模型；自動(dòng)提取；GF-6 WFV

0 引 言

土壤侵蝕是生態(tài)與環(huán)境問(wèn)題的集中反映，也是導(dǎo)致土地退化的主要原因[1-3]。除了造成土壤養(yǎng)分流失和土地生產(chǎn)力下降等影響外，土壤侵蝕還直接導(dǎo)致耕地減少[4-5]、糧食減產(chǎn)[6-7]和陸表水體富營(yíng)養(yǎng)化[8]等一系列問(wèn)題。據(jù)估算[9]，世界范圍內(nèi)約三分之一的耕地在40 a內(nèi)因遭受侵蝕消失，并且仍以每年超過(guò)1 000萬(wàn)hm2的速度流失。在人口規(guī)模、資源需求和環(huán)境壓力持續(xù)增長(zhǎng)的今天，土壤侵蝕已成為廣大山區(qū)糧食安全、農(nóng)業(yè)可持續(xù)和不發(fā)生規(guī)模性返貧的最主要威脅[10]。

高原山區(qū)環(huán)境的特殊性，決定其存在人地矛盾突出、生態(tài)系統(tǒng)變異敏感度高、災(zāi)害承受能力低的脆弱性，土地資源不合理開(kāi)發(fā)利用勢(shì)必會(huì)引發(fā)水土流失和土地退化等問(wèn)題[11]。云南作為中國(guó)唯一完全處于山地高原環(huán)境的山區(qū)大省，同時(shí)也是全國(guó)坡耕地分布面積最大的省份，坡耕地面積達(dá)5 112萬(wàn)畝（即340.8萬(wàn)hm2）[12]。高原山區(qū)氣候-土壤-植被具有顯著的地域性差異，山高坡陡、干濕分明等自然因素為地表徑流沖刷和搬運(yùn)提供了基本驅(qū)動(dòng)力[13]。相關(guān)研究證實(shí)，坡耕地是山區(qū)水土流失最主要策源地之一，其侵蝕速率能夠達(dá)到林草地侵蝕速率的幾十甚至幾百倍[14-15]；根據(jù)云南省2015年土壤侵蝕調(diào)查結(jié)果，坡耕地在全省水土流失面積中極具代表性，全區(qū)82 022.00 km2耕地中有80.61%的坡耕地，無(wú)水土保持措施坡耕地面積34 377.66 km2，中度和強(qiáng)烈水土流失面積集中分布于坡耕地，其總水土流失面積為45 337.34 km2，占全省104 727.74 km2水土流失面積的43.29%[12]。

為了評(píng)估土壤侵蝕的社會(huì)環(huán)境效應(yīng)，制定水土保持方案和規(guī)劃以應(yīng)對(duì)侵蝕相關(guān)問(wèn)題，區(qū)域尺度的土壤侵蝕定量信息至關(guān)重要[16]。近年來(lái)，國(guó)內(nèi)外學(xué)者開(kāi)展了一系列關(guān)于土壤侵蝕時(shí)空演變特征[17-19]、定量評(píng)估[20-22]、空間分布特征[23-24]、因子分析[25]等的研究，這些研究大多基于中低分辨率遙感影像或坡面、流域尺度，且所用數(shù)據(jù)分辨率與常用土壤侵蝕模型的建立條件和輸入?yún)?shù)要求不匹配，各侵蝕因子數(shù)據(jù)精度不一，尚不能綜合反映區(qū)域水土流失狀況[26-27]。就云南高原山區(qū)而言，區(qū)域尺度研究可用數(shù)據(jù)分辨率相對(duì)低與徑流侵蝕過(guò)程要求高分辨率之間的矛盾很大程度上限制了區(qū)域土壤侵蝕的定量研究[28]。近年來(lái)，隨著衛(wèi)星遙感影像分辨率不斷提高，水土保持行業(yè)先后開(kāi)展了高分遙感應(yīng)用示范研究、全國(guó)水土流失動(dòng)態(tài)監(jiān)測(cè)與公告項(xiàng)目、生產(chǎn)建設(shè)項(xiàng)目遙感監(jiān)管等工作，促進(jìn)了高分遙感和無(wú)人機(jī)技術(shù)等在水土保持行業(yè)的廣泛應(yīng)用[29]。研究基于高分遙感的水土保持監(jiān)測(cè)指標(biāo)快速提取技術(shù)，是目前高分遙感水土保持應(yīng)用的一個(gè)重點(diǎn)技術(shù)攻關(guān)[30]。相關(guān)學(xué)者基于高分辨率影像開(kāi)展了梯田提取研究，寇權(quán)等[31]利用目視解譯法對(duì)SPOT5影像進(jìn)行了梯田信息提取，其平均提取精度為80.96%；陳明等[32]分別運(yùn)用監(jiān)督學(xué)習(xí)和面向?qū)ο蠓诸?lèi)方法從GF-1、SPOT6影像提取梯田，發(fā)現(xiàn)面向?qū)ο蠓诸?lèi)精度優(yōu)于基于像元的分類(lèi)方法；李夢(mèng)華等[33]基于GF-2影像采用面向?qū)ο蠓诸?lèi)法，準(zhǔn)確提取復(fù)雜地貌區(qū)的梯田空間分布；Eckert等[34]通過(guò)尋找最優(yōu)分割尺度，以光譜、紋理特征等采用支持向量機(jī)（Support Vector Machine, SVM）算法識(shí)別梯田信息。整體來(lái)看，目前梯田提取研究圍繞于中小區(qū)域，從高分遙感影像中目視解譯梯田效率低、成本高；基于像元分類(lèi)方法僅以單個(gè)像元光譜特征提取梯田，精度較低；而面向?qū)ο蠓▽⒏叻钟跋穹指畛赏|(zhì)單元，在隨機(jī)森林分類(lèi)中考慮其空間、紋理和環(huán)境特征，結(jié)合目視判讀輔助，分類(lèi)精度和解譯效率更高，為大區(qū)域水保措施的快速自動(dòng)提取奠定基礎(chǔ)。

20世紀(jì)80年代以來(lái)，中國(guó)先后開(kāi)展4次土壤侵蝕或水土保持普查，基本摸清了全國(guó)水土流失及其動(dòng)態(tài)變化情況[35-36]。其中，第一次全國(guó)水利普查水土保持專(zhuān)項(xiàng)普查是中國(guó)迄今為止，唯一在全國(guó)尺度上進(jìn)行的水土流失實(shí)地抽樣調(diào)查[37]，其收集了大量區(qū)域文獻(xiàn)資料，系統(tǒng)地歸納了各項(xiàng)水土保持措施類(lèi)型、數(shù)量和分布，以及對(duì)應(yīng)的歷史研究因子值，為各種水保措施類(lèi)型的賦值提供了重要參考依據(jù)；且由于水土保持措施的異質(zhì)性和梯田具有顯著的水保效益，在土壤侵蝕評(píng)估中應(yīng)綜合考慮抽樣調(diào)查結(jié)果。鑒于此，本文選擇位于云南省土壤侵蝕較為嚴(yán)重的文山州為例，在全國(guó)土壤侵蝕普查抽樣調(diào)查的基礎(chǔ)上，以隨機(jī)森林分類(lèi)方法對(duì)高分六號(hào)WFV影像進(jìn)行梯田自動(dòng)提取，結(jié)合CSLE模型和空間自相關(guān)性分析，快速、高效開(kāi)展文山州耕地土壤侵蝕精細(xì)定量評(píng)估和空間特征研究，以期為耕地水土資源保護(hù)和生態(tài)修復(fù)重點(diǎn)治理區(qū)域的確定提供參考。

1 研究區(qū)概況

文山州位于云南省東南部典型高原喀斯特山區(qū)（圖1），云貴高原南緣斜坡地帶，東經(jīng)103°35′～106°12′，北緯22°41′18″～24°27′43″，國(guó)境線長(zhǎng)438 km，東西橫距255 km，南北長(zhǎng)約190 km，北回歸線橫穿其間。地勢(shì)西北高東南低，平均海拔介于1 000～1 800 m。全州以山地地形為主，土地總面積31 405 km2，山區(qū)、半山區(qū)占總面積的97%。屬于亞熱帶低緯度高原季風(fēng)山地氣候，降雨主要集中在5—10月，年平均降水量為1 208 mm，雨量豐沛，且時(shí)空分布不均。全區(qū)耕地面積為7 892.97 km2，集中分布于丘北、文山和麻栗坡等中部干暖丘原盆地區(qū)，該區(qū)域地勢(shì)平坦，耕地細(xì)碎化程度低；馬關(guān)、西疇、廣南和富寧等地區(qū)多是山區(qū)和半山區(qū)，耕地細(xì)碎化程度最大，水土流失嚴(yán)重。耕地以坡耕地為主，約占耕地總面積79%以上，尤其是高于25°的坡地比例大，反復(fù)的陡坡耕作減弱了土壤抗侵蝕能力，在雨滴擊濺和徑流沖刷時(shí)造成嚴(yán)重的侵蝕。在全省坡耕地治理水平中，文山州坡耕地治理度相對(duì)較低，為32.47%[12]。全州水土流失面積11 404.99 km2，占土地總面積的36.32%，遠(yuǎn)超全省水土流失占國(guó)土面積的27.33%，是云南省水土流失問(wèn)題突出地區(qū)[38]。

圖1 云南省文山州地理位置圖

2 數(shù)據(jù)及方法

2.1 數(shù)據(jù)來(lái)源

本研究所用數(shù)據(jù)包含2個(gè)部分：一是全國(guó)第一次水利普查文山州199個(gè)水力侵蝕抽樣調(diào)查單元，包含耕地地塊共1 189個(gè)（圖2），該數(shù)據(jù)主要作為獲取水土保持措施因子值的數(shù)據(jù)基礎(chǔ)和土壤侵蝕評(píng)估的參考依據(jù)。在全國(guó)水利普查中，抽樣單元采用分層不等概率面抽樣的方法確定，平原區(qū)選取1 km×1 km的網(wǎng)格，山區(qū)選取0.2～3.0 km2的小流域?yàn)榛境闃訂卧≒rimary Sample Unit，PSU），作為野外調(diào)查和數(shù)據(jù)收集的主要對(duì)象；通過(guò)實(shí)地采集土壤侵蝕相關(guān)指標(biāo)信息，每個(gè)抽樣單元均包含CSLE模型中7個(gè)指標(biāo)因子和乘積運(yùn)算所得的土壤侵蝕模數(shù)柵格圖層（空間分辨率為10 m）。二是用于計(jì)算區(qū)域土壤侵蝕因子的專(zhuān)題數(shù)據(jù)。數(shù)據(jù)及來(lái)源詳見(jiàn)表1。

圖2 抽樣調(diào)查單元示意圖

表1 基礎(chǔ)數(shù)據(jù)一覽表

注：文山州三調(diào)土地利用數(shù)據(jù)從2018年9月開(kāi)展調(diào)查，以2019年12月31日為標(biāo)準(zhǔn)時(shí)點(diǎn)匯總數(shù)據(jù)。

Note: The land use data from the Third Survey of Wenshan Prefecture were collected from September 2018, with December 31, 2019 as the standard time point.

2.2 梯田的自動(dòng)提取

云南省對(duì)于坡耕地的治理方式主要包括坡改梯和退耕還林還草2種，其中梯田作為坡地水土保持的有效措施之一，在減少?gòu)搅鳌⒖刂仆寥狼治g、提高土地生產(chǎn)力等方面發(fā)揮著重要作用。在中國(guó)土壤流失方程CSLE中，將梯田作為工程措施因子來(lái)分析其對(duì)侵蝕定量評(píng)價(jià)的影響。研究區(qū)工程措施類(lèi)型主要為梯田，還有極少量的攔砂壩、蓄水池和水平階等，這些工程措施在影像中范圍小、分布離散，不易識(shí)別，故不納入對(duì)工程措施因子獲取的考慮。為得到高精度（10 m分辨率）工程措施因子，本文結(jié)合多源遙感數(shù)據(jù)和機(jī)器學(xué)習(xí)方法對(duì)文山州梯田信息進(jìn)行精細(xì)提取。

1）預(yù)處理

以高分六號(hào)WFV影像為主要數(shù)據(jù)源（圖3a），12.5 m ALOS DEM作為輔助數(shù)據(jù)，對(duì)高分影像進(jìn)行輻射定標(biāo)、大氣校正、幾何校正；為提高分類(lèi)效率和精度，以三調(diào)土地利用數(shù)據(jù)掩蓋GF-6影像中非耕地信息。隨機(jī)選擇在研究區(qū)內(nèi)的抽樣單元作為樣本集。

2）影像多尺度分割

采用面向?qū)ο蠖喑叨确指罘椒?，?duì)GF-6影像和ALOS DEM提取的地形特征進(jìn)行分割，擬定形狀、緊致度等相關(guān)參數(shù)權(quán)重和分割尺度閾值，計(jì)算影像對(duì)象異質(zhì)性局部方差（Local Variance，LV）的變化率（Rate of Change-LV，ROC-LV），通過(guò)ROC-LV曲線峰值確定最佳影像分割尺度。

3）最優(yōu)特征集構(gòu)建

選擇GF-6影像中8個(gè)波譜特征、7種基于灰度共生矩陣（Grey-Level Co-occurrence Matrix，GLCM）提取的紋理特征（均值、方差、均勻性、異質(zhì)性、對(duì)比度、熵、角二階矩、相關(guān)性）、2種形狀特征（形狀指數(shù)、邊界指數(shù)）、3個(gè)地形因子（高程、坡度、坡向）作為特征數(shù)據(jù)集。為盡量消除數(shù)據(jù)冗余信息對(duì)分類(lèi)的干擾，采用Jeffries-Matusita距離（J-M距離）來(lái)確定最佳特征空間組合，計(jì)算式如下[40]：

式中為J-M距離；為各地物類(lèi)別樣本之間在某個(gè)特征上的巴氏距離；1、2為2種樣本某類(lèi)特征的均值；1、2為2種樣本某類(lèi)特征的標(biāo)準(zhǔn)差。J-M距離的值域?yàn)閇0,2]，其值越高，則類(lèi)別在某一特征上的可分性越好，反之則相反。

4）隨機(jī)森林分類(lèi)

隨機(jī)森林作為一種機(jī)器學(xué)習(xí)模型，可預(yù)測(cè)上千解釋變量的作用；它以決策樹(shù)為單元，等同于把多個(gè)專(zhuān)家知識(shí)聚合起來(lái)進(jìn)行分類(lèi)，適用于當(dāng)前遙感大數(shù)據(jù)輸入特征的分類(lèi)情形，以及復(fù)雜地形條件、復(fù)雜種植區(qū)的特征識(shí)別和信息提取，分類(lèi)精度和效率較高。先后對(duì)梯田訓(xùn)練樣本和優(yōu)選特征執(zhí)行隨機(jī)森林分類(lèi)，并將提取結(jié)果在谷歌地圖中進(jìn)行了相應(yīng)目視判比及后處理，以保證典型梯田分布區(qū)域的精度和可靠性。值得注意的是，一般情況下水田和水澆地都有工程措施，所以梯田提取結(jié)果僅與三調(diào)中旱地圖層進(jìn)行疊加分析。結(jié)果如圖3b所示。

注：文山州GF-6 WFV影像由2020年11月11日和2020年11月19日影像鑲嵌合成。

2.3 CSLE模型

CSLE模型中侵蝕因子與土壤流失量之間數(shù)學(xué)關(guān)系是基于國(guó)內(nèi)大量徑流小區(qū)觀測(cè)資料所建立的，其最大特點(diǎn)是參照了中國(guó)地形條件和水土保持措施實(shí)際狀況，通過(guò)乘積的形式，用5個(gè)無(wú)量綱因子（坡長(zhǎng)、坡度、生物措施、工程措施和耕作措施）對(duì)有量綱的降雨侵蝕力因子和土壤可蝕性因子所確定的土壤流失量進(jìn)行修正。

CSLE模型的基本形式為

=××××××（3）

式中為土壤侵蝕模數(shù)（多年平均流失率），t/(hm2·a)；為降雨侵蝕力因子，MJ·mm/(hm2·h·a)；為土壤可蝕性因子，t·hm2·h/(hm2·MJ·mm)；和分別為坡長(zhǎng)因子和坡度因子，無(wú)量綱；為生物措施因子，無(wú)量綱；為工程措施因子，無(wú)量綱；為耕作措施因子，無(wú)量綱。

降雨侵蝕力因子和土壤可蝕性因子計(jì)算方法參照文獻(xiàn)[41]；區(qū)別于USLE/RUSLE，在CSLE模型中，對(duì)耕地而言，植被的水保效益綜合在耕作措施因子中考慮。本研究主要介紹侵蝕因子、、的計(jì)算。

地形因子：基于ASTER DEM數(shù)據(jù)，10°以下坡度的因子利用McCool等[42]的公式計(jì)算，10°以上坡度選用Liu等[43]在9°～55°陡坡上土壤侵蝕的研究結(jié)果計(jì)算；因子采用Liu等[44]提出的坡長(zhǎng)指數(shù)計(jì)算：

=(/22.13)（5）

式中為坡度因子，無(wú)量綱；為坡度，（o）；為坡長(zhǎng)指數(shù)。

工程措施因子：利用水利普查中的水土保持工程措施因子庫(kù)以及1 189個(gè)耕地地塊的工程措施面積比例（與某一地塊占所屬單元相應(yīng)地塊面積總和的比例對(duì)應(yīng)），在抽樣調(diào)查單元表中，對(duì)旱地、水田、水澆地相應(yīng)工程措施因子值分別進(jìn)行加權(quán)平均，結(jié)合圖2b結(jié)果與三調(diào)土地利用數(shù)據(jù)對(duì)相應(yīng)地類(lèi)賦予因子值（表2）。

表2 文山州抽樣單元工程措施因子E面積加權(quán)平均值

耕作措施因子：全區(qū)耕地耕作措施以輪作為主，屬于西南中高原山地旱地二熟一熟水田二熟區(qū)。根據(jù)抽樣單元中提供的作物蓋度、輪作方式等信息，結(jié)合樣本抽樣密度和控制范圍對(duì)因子進(jìn)行空間插值[45]。

2.4 土壤侵蝕量計(jì)算

基于ArcGIS軟件將各因子分辨率重采樣至10 m以進(jìn)行柵格乘積運(yùn)算，獲得文山州土壤侵蝕定量結(jié)果。按照國(guó)家水利部頒發(fā)的《土壤侵蝕分類(lèi)分級(jí)標(biāo)準(zhǔn)（SL190-96）》，將侵蝕強(qiáng)度分為6個(gè)等級(jí)：微度（<500 t/(km2·a)）、輕度（500～<2 500 t/(km2·a)）、中度（2 500～<5 000 t/(km2·a)）、強(qiáng)烈（5 000～<8 000 t/(km2·a)）、極強(qiáng)烈（8 000～15 000 t/(km2·a)）、劇烈（>15 000 t/(km2·a)）。

2.5 空間自相關(guān)性

利用ArcGIS軟件創(chuàng)建5 km×5 km網(wǎng)格作為評(píng)價(jià)單元，統(tǒng)計(jì)每個(gè)評(píng)價(jià)單元內(nèi)侵蝕因子和侵蝕模數(shù)均值，作為空間自相關(guān)分析的變量觀測(cè)值。

空間自相關(guān)作為檢驗(yàn)?zāi)骋坏乩憩F(xiàn)象或?qū)傩运幙臻g單元與其相鄰單元是否顯著關(guān)聯(lián)的重要指標(biāo)，通常有全局空間自相關(guān)和局部空間自相關(guān)兩大類(lèi)[46]。

1）全局空間自相關(guān)是對(duì)要素屬性值在全區(qū)域空間模式的描述。本文選取全局Moran’s指數(shù)來(lái)度量各變量空間關(guān)聯(lián)和差異的平均程度，計(jì)算式如下：

2）局部空間自相關(guān)主要描述局部乃至每個(gè)空間單元屬性值的空間異質(zhì)性，反映變量具體發(fā)生聚集或離散的位置。本文利用局部Moran's指數(shù)分析不同單元與鄰近單元局部空間關(guān)聯(lián)程度，同時(shí)采用Moran's散點(diǎn)圖和局部LISA（Local Indicators of Spatial Association）圖對(duì)觀測(cè)量在區(qū)域聚集位置和范圍進(jìn)行研究。

3 結(jié)果與分析

3.1 耕地空間分布特征

研究區(qū)耕地以廣南、西疇、馬關(guān)一線為界，呈西多東少的空間格局。具體面積為7 892.97 km2，其中旱地6 635.10 km2，水田1 195.21 km2，水澆地62.66 km2（圖4）。1）不同高程的耕地分布。全州82.20%耕地分布在1 000～1 800 m高程帶，其中4 513.59 km2耕地分布在1 400～1 800 m，占57.18%，遠(yuǎn)高于其他高程帶。隨高程逐漸增加，耕地面積呈現(xiàn)先增后減趨勢(shì)，耕地多分布于<1 800 m高程帶，為人類(lèi)集中生活區(qū)域，在>1 800 m高程帶區(qū)域不宜人類(lèi)生存和開(kāi)墾種植，耕地僅占7.10%。2）不同坡度的耕地分布。全州分布約6 252.85 km2的坡耕地（5°以上耕地），占耕地總面積79.27%，其中25°以上陡坡分布有25.69%的耕地，陡坡開(kāi)墾現(xiàn)象較為嚴(yán)重。

3.2 土壤侵蝕因子空間分布特征

因子（圖5a）總體呈從東南至西北遞減的趨勢(shì)，變化于2 616.32～5 981.48 MJ·mm/(hm2·h·a)，均值為3 595.57 MJ·mm/(hm2·h·a)?？臻g上呈正相關(guān)，集聚效應(yīng)顯著（圖6a），在東部和南部形成降雨侵蝕力高值中心，值高于4 200 MJ·mm/(hm2·h·a)；中西部珠江流域與紅河流域分水嶺一帶文山、丘北、硯山部分地區(qū)為低值中心，低于2 700 MJ·mm/(hm2·h·a)。

因子（圖5b）值域0.001 4～0.009 3 t·hm2·h/ (MJ·mm·hm2)，均值0.005 9 t·hm2·h/(MJ·mm·hm2)。70%以上區(qū)域的值為0.005 3～0.006 5 t·hm2·h/(MJ·mm·hm2)，較高值與耕地分布相對(duì)應(yīng)，丘北、廣南、西疇等地均有出現(xiàn)，這些地區(qū)分布有可蝕性較高的暗棕壤和黃棕壤。

因子值在0.03～67.40變化（圖5c），均值為8.71?？臻g上有明顯聚類(lèi)特征（圖6b），低值聚類(lèi)見(jiàn)于地勢(shì)高且坡度較平緩的中西部地區(qū)；高值普遍分布于東部、南部和西北部陡坡地區(qū)，是侵蝕發(fā)生的主要誘導(dǎo)因子。

全州有工程措施耕地面積為3 929.57 km2（值介于0.010～0.423），占耕地總面積49.79%，其中梯田面積為2 672.22 km2，占耕地總工程措施面積的68.00%，是土壤侵蝕主要抑制因子。低值見(jiàn)于有大面積水田的東部和北部；高值見(jiàn)于西北部、南部和東部（圖6c）。

因子總體呈由東南向西北遞增趨勢(shì)，其值域?yàn)?.28～0.439，均值為0.40，東部多為低值分布區(qū)，中部和南部因耕地采用不太有效的土壤保護(hù)措施出現(xiàn)高值（圖5e）。

圖5 云南省文山州耕地區(qū)土壤侵蝕因子空間分布圖

圖6 云南省文山州土壤主要侵蝕因子LISA集聚圖

3.3 土壤侵蝕總體空間分布特征

基于CSLE和6個(gè)10 m分辨率柵格圖層（、、、、、）計(jì)算文山州耕地侵蝕模數(shù)（圖7a），結(jié)果表明：侵蝕模數(shù)變化于0～118 540.97 t/(km2·a)，平均侵蝕模數(shù)為5 180.72 t/(km2·a)，標(biāo)準(zhǔn)差為6 815.78 t/(km2·a)，旱地、水田、水澆地平均侵蝕模數(shù)分別為6 137.71、63.83、1 416.23 t/(km2·a)；耕地侵蝕量隨侵蝕等級(jí)逐級(jí)遞增，侵蝕總量為4 081.50萬(wàn)t，其中有保護(hù)措施耕地侵蝕量為840.80萬(wàn)t，占20.60%，無(wú)保護(hù)措施耕地侵蝕量為3 240.70萬(wàn)t，占79.40%。全州侵蝕面積（輕度以上）達(dá)5 524.12 km2，占耕地總面積的69.99%，侵蝕以輕度為主，占侵蝕面積的18.76%，強(qiáng)烈及以上占35.27%（表3）。

表3 文山州耕地土壤侵蝕等級(jí)面積統(tǒng)計(jì)

為進(jìn)一步明晰土壤侵蝕模數(shù)空間分布情況，找準(zhǔn)水土流失重點(diǎn)治理區(qū)，利用ArcGIS軟件中的熱點(diǎn)分析工具繪制值熱點(diǎn)分布圖（圖7b），熱點(diǎn)表示高值聚集區(qū)，冷點(diǎn)則表示低值聚集區(qū)。值Moran's指數(shù)為0.737，值得分30.466，值為0，空間上呈正相關(guān)，有明顯集聚特征；東部和南部是土壤侵蝕模數(shù)高值連片分布區(qū)域，將這些區(qū)域與耕地各土壤侵蝕因子進(jìn)行空間定位可知，其形成的主要原因?yàn)椤⒁蜃又递^高，且分布有土壤可蝕性較高的暗棕壤和黃棕壤。整體來(lái)看，耕地侵蝕模數(shù)以馬關(guān)、西疇、廣南一線為界，呈東高西低的空間分布特征。

3.4 土壤侵蝕與因子相關(guān)性特征

水力侵蝕是文山州分布最廣、危害最大的侵蝕類(lèi)型，雨滴擊濺及由降雨引起的徑流是侵蝕的主要?jiǎng)恿?lái)源，因子反映了降雨引起土壤水蝕的潛在作用。同時(shí)，高原山區(qū)地形破碎，地形因子對(duì)區(qū)域侵蝕有很大貢獻(xiàn)，影響土壤侵蝕空間分布。為明確侵蝕與、因子空間分布關(guān)系，利用Geoda軟件進(jìn)行局部雙變量空間自相關(guān)分析，結(jié)果如圖8所示。

圖7 云南省文山州耕地土壤侵蝕模數(shù)及其熱點(diǎn)分布圖

圖8 局部雙變量自相關(guān)分析

1）土壤侵蝕與因子空間相關(guān)分析。如圖8a和8b所示，兩者M(jìn)oran’s指數(shù)為0.558，空間分布具有正相關(guān)；橫坐標(biāo)為正，空間單元表示較高值，反之為較低值，縱坐標(biāo)為正，空間單元表示較高值，反之為較低均值；由此將Moran’s散點(diǎn)圖劃分為4個(gè)象限：第一象限為高-高類(lèi)型區(qū)（HH），即高值區(qū)域值也高；第二象限為低-高類(lèi)型區(qū)（LH），即該區(qū)域值低但值高；第三象限為低-低類(lèi)型區(qū)（LL），即低值區(qū)域值也低；第四象限為高-低類(lèi)型區(qū)（HL），即該區(qū)域值高但值低。結(jié)合圖8c，空間關(guān)系占主導(dǎo)地位的為HH和LL型，分別有236個(gè)、361個(gè)網(wǎng)格，其中HH型主要見(jiàn)于東部富寧和南部馬關(guān)、麻栗坡，為因子高值中心，地形破碎復(fù)雜且水土保持資源缺乏，侵蝕嚴(yán)重；中西部文山、硯山和丘北部分地區(qū)，受較低值以及地形平坦的影響，侵蝕程度較輕，即LL型；HL和LH型表明兩變量在少數(shù)區(qū)域呈負(fù)相關(guān)，存在一定空間分異特征，說(shuō)明R因子可能不是該區(qū)域發(fā)生侵蝕的主導(dǎo)因素。

2）土壤侵蝕與因子空間相關(guān)分析。兩者M(jìn)oran's指數(shù)為0.509，其中LL型網(wǎng)格數(shù)最多為310個(gè)，在因子低值中心（文山、硯山、丘北）呈顯著聚集性，HH型有261個(gè)，主要見(jiàn)于地形破碎的東南部區(qū)域（西疇、麻栗坡、廣南、富寧）；異常區(qū)（HL和LH）網(wǎng)格較少為71個(gè)，呈離散分布，具有一定空間異質(zhì)性（圖8d）。

3）不同高程區(qū)間土壤侵蝕狀況。研究區(qū)侵蝕狀況存在明顯垂直地帶性特征（表4），區(qū)域內(nèi)高程主要集中在1 000～1 800 m。從侵蝕情況看，1 000～1 400和1 400～1 800 m高程帶是侵蝕的高發(fā)區(qū)，侵蝕量各占27.23%、50.54%；其余高程帶僅貢獻(xiàn)22.23%侵蝕量。

從整體上看，侵蝕量隨高程的升高呈先增后減趨勢(shì)，侵蝕多發(fā)生于1 800 m以下地區(qū)，該高程帶人類(lèi)活動(dòng)密集，引發(fā)嚴(yán)重侵蝕，是今后治理的重點(diǎn)區(qū)域；在大于1 800 m高程帶，不易人類(lèi)生存，造成侵蝕發(fā)生的人為因素很少。

4）不同坡度等級(jí)土壤侵蝕狀況。如表5所示，坡度與侵蝕量呈線性正相關(guān)，侵蝕量貢獻(xiàn)以坡耕地為主，占99.37%，低于20°各坡度區(qū)間侵蝕面積與侵蝕量不對(duì)等，高于20°區(qū)域?yàn)榍治g集中發(fā)生區(qū)域，侵蝕量貢獻(xiàn)高達(dá)3 073.65萬(wàn)噸，占75.30%。

表4 文山州不同高程區(qū)間耕地土壤侵蝕狀況

表5 文山州不同坡度等級(jí)耕地土壤侵蝕狀況

4 結(jié) 論

本研究結(jié)合抽樣調(diào)查、GF-6 WFV影像和國(guó)土三調(diào)等多源數(shù)據(jù)，在分析計(jì)算高原山區(qū)高精度（10 m分辨率）土壤侵蝕指標(biāo)因子基礎(chǔ)上，利用隨機(jī)森林算法、CSLE模型和空間自相關(guān)分析對(duì)文山州耕地侵蝕進(jìn)行了精細(xì)定量評(píng)估和空間特征研究，主要結(jié)論如下：

1）文山州耕地以廣南、西疇、馬關(guān)一線為界，呈西多東少的空間格局；1 000～1 800 m高程帶是耕地主要分布區(qū)，也是侵蝕高發(fā)區(qū)，全州耕地以坡耕地為主（占79.27%），20°以上坡地侵蝕最嚴(yán)重。

2）耕地侵蝕模數(shù)介于0～118 540.97 t/(km2·a)，平均侵蝕模數(shù)為5 180.72 t/(km2·a)，屬?gòu)?qiáng)烈侵蝕，侵蝕總量為4 081.50萬(wàn)t，其中無(wú)保護(hù)措施耕地侵蝕量為3 240.70萬(wàn)t，占79.40%。借助空間自相關(guān)分析，進(jìn)一步明確了耕地土壤侵蝕在空間上的顯著聚集特征以及其與侵蝕因子的分布關(guān)系，高（低）值聚集區(qū)分別與降雨侵蝕力、地形因子在空間上形成明顯對(duì)應(yīng)，南部馬關(guān)、麻栗坡和東部富寧由于地形起伏大，且處于降雨侵蝕力高值中心，為地表徑流沖刷的形成提供了有力條件，侵蝕情況最嚴(yán)重，是今后水土流失防治的重點(diǎn)區(qū)域。

3）文山地區(qū)人地矛盾突出，陡坡開(kāi)墾現(xiàn)象嚴(yán)重，綜合考慮石漠化地區(qū)坡改梯難度和治理成效，應(yīng)進(jìn)一步推進(jìn)退耕還林還草政策實(shí)施，控制土壤侵蝕速率以實(shí)現(xiàn)耕地持續(xù)利用。

在CSLE模型輸入?yún)?shù)方面，為更接近模型在坡面尺度的建立條件，研究?jī)?yōu)化了輸入因子，如土地利用、工程措施因子等，但仍有以下不足：1）所使用的三調(diào)數(shù)據(jù)中耕地包括田埂、溝、渠等類(lèi)型，無(wú)法有效考慮耕地中非耕地對(duì)侵蝕的影響。2）研究區(qū)西部和東部采用不同的抽樣密度布設(shè)調(diào)查單元，樣本的代表性有待進(jìn)一步探討。3）水土保持措施自動(dòng)提取僅考慮工程措施，如何結(jié)合多源時(shí)-空-譜遙感數(shù)據(jù)和人工智能算法實(shí)現(xiàn)復(fù)雜地形區(qū)作物種類(lèi)、輪作、復(fù)種等耕作措施信息的智能化提取是后續(xù)研究的主要內(nèi)容。

[1] Boardman J, Poesen J, Evans R. Socio-economic factors in soil erosion and conservation[J]. Environmental Science & Policy, 2003, 6(1): 1-6.

[2] Ascough J C, Flanagan D C, Tatarko J, et al. Soil Erosion Modeling and Conservation Planning[M]. Precision Conservation: Geospatial Techniques for Agricultural and Natural Resources Conservation. Madison, WI: ASA, 2018.

[3] 劉寶元，楊揚(yáng)，陸紹娟. 幾個(gè)常用土壤侵蝕術(shù)語(yǔ)辨析及其生產(chǎn)實(shí)踐意義[J]. 中國(guó)水土保持科學(xué)，2018，16(1)：9-16.

Liu Baoyuan, Yang Yang, Lu Shaojuan. Discriminations on common soil erosion terms and their implications for soil and water conservation[J]. Science of Soil and Water Conservation, 2018, 16(1): 9-16. (in Chinese with English abstract)

[4] Morgan R P C. Soil Erosion And Conservation[M]. New York: John Wiley & Sons, 2009.

[5] Bridges E M, Oldeman L R. Global assessment of human-induced soil degradation[J]. Arid Soil Research And Rehabilitation, 1999, 13(4): 319-325.

[6] Toy T J, Foster G R, Renard K G. Soil Erosion: Processes, Prediction, Measurement, And Control[M]. New York:John Wiley & Sons, 2002.

[7] De V J, Poesen J, Verstraeten G, et al. Predicting soil erosion and sediment yield at regional scales: Where do we stand?[J]. Earth-Science Reviews, 2013, 127: 16-29.

[8] 李占斌，朱冰冰，李鵬. 土壤侵蝕與水土保持研究進(jìn)展[J]. 土壤學(xué)報(bào)，2008，45(5)：802-809.

Li Zhanbin, Zhu Bingbing, Li Peng. Advancement in study on soil erosion and soil and water conservation[J]. Acta Pedologica Sinica, 2008, 45(5): 802-809. (in Chinese with English abstract)

[9] Pimentel D, Harvey C, Resosudarmo P, et al. Environmental and economic costs of soil erosion and conservation benefits[J]. Science, 1995, 267(5201): 1117-1123.

[10] 楊子生，梁洛輝. 云南金沙江流域水土保持型可持續(xù)土地利用規(guī)劃研究[J]. 山地學(xué)報(bào)，2002(增刊1)：18-30.

Yang Zisheng, Liang Luohui. Study on sustainable land use planning with soil and water conservation in Jinsha River Basin of Yunnan Province[J]. Mountain Research, 2002 (Supp 1): 18-30. (in Chinese with English abstract)

[11] 郎南軍，郭立群，孟廣濤，等. 金沙江流域高原山地系統(tǒng)分異規(guī)律的分析研究[J]. 北京林業(yè)大學(xué)學(xué)報(bào), 2002，24(2)：33-40.

Lang Nanjun, Guo Liqun, Meng Guangtao, et al. Analysis and research on diversity law of plateau mountainous region system of the Jinshajiang River valley[J]. Journal of Beijing Forestry University, 2002, 24(2): 33-40. (in Chinese with English abstract)

[12] 王偉，賀莉莎. 云南省坡耕地現(xiàn)狀調(diào)查及分析[J]. 中國(guó)水土保持，2019(4)：20-23.

[13] 熊康寧，李晉，龍明忠. 典型喀斯特石漠化治理區(qū)水土流失特征與關(guān)鍵問(wèn)題[J]. 地理學(xué)報(bào)，2012，67(7)：878-888.

Xiong Kangning, Li Jin, Long Mingzhong. Features of soil and water loss and key issues in demonstration areas for combating karst rocky desertification[J]. Acta Geographica Sinica, 2012, 67(7): 878-888. (in Chinese with English abstract)

[14] Wang S S, Sun B Y, Li C D, et al. Runoff and soil erosion on slope cropland: A review[J]. Journal of Resources And Ecology, 2018, 9(5): 461-470.

[15] 唐克麗，史立人，史德明. 中國(guó)水土保持[M]. 北京：科學(xué)出版社，2004.

[16] Boardman J. Soil erosion science: Reflections on the limitations of current approaches[J]. Catena, 2006, 68(2/3): 73-86.

[17] Zeng C, Wang S J, Bai X Y, et al. Soil erosion evolution and spatial correlation analysis in a typical karst geomorphology using RUSLE with GIS[J]. Solid Earth, 2017, 8(4): 721-736.

[18] Li Y, Bai X Y, Zhou Y C, et al. Spatial–temporal evolution of soil erosion in a typical mountainous karst basin in SW China, based on GIS and RUSLE[J]. Arabian Journal for Science and Engineering, 2016, 41(1): 209-221.

[19] 彭雙云，楊昆，洪亮，等. 基于USLE模型的滇池流域土壤侵蝕時(shí)空演變分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2018，34(10)：138-146.

Peng Shuangyun, Yang Kun, Hong Liang, et al. Spatio-temporal evolution analysis of soil erosion based on USLE model in Dianchi Basin[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(10): 138-146. (in Chinese with English abstract)

[20] 羅旭玲，白曉永，譚秋，等. 不同巖性背景下土壤侵蝕與石漠化關(guān)聯(lián)性分析[J]. 生態(tài)學(xué)報(bào)，2018，38(24)：8717-8725.

Luo Xuling, Bai Xiaoyong, Tan Qiu, et al. Effect of lithology background on the correlation between soil erosion and rock desertification[J]. Acta Ecologica Sinica, 2018, 38(24): 8717-8725. (in Chinese with English abstract)

[21] 游浩妍，黃曦濤，陳瑞. 基于CSLE模型的神木市土壤侵蝕模數(shù)計(jì)算[J]. 中國(guó)水土保持，2021(4)：47-49.

You Haoyan, Huang Xitao, Chen Rui. Calculation of soil erosion modulus in Shenmu city based on CSLE model[J]. Soil and Water Conservation in China, 2021(4): 47-49. (in Chinese with English abstract)

[22] 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(píng)價(jià)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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)

[23] 田光進(jìn)，張?jiān)鱿?，趙曉麗，等. 中國(guó)耕地土壤侵蝕空間分布特征及生態(tài)背景[J]. 生態(tài)學(xué)報(bào)，2002，22(1)：10-16.

Tian Guangjin, Zhang Zengxiang, Zhao Xiaoli, et al. The soil erosion distribution characteristics and ecological background of Chinese cultivated land[J]. Acta Ecologica Sinica, 2002, 22(1): 10-16. (in Chinese with English abstract)

[24] 王思遠(yuǎn)，劉紀(jì)遠(yuǎn)，張?jiān)鱿?，? 不同土地利用背景下土壤侵蝕空間分布規(guī)律研究[J]. 水土保持學(xué)報(bào)，2001，15(3)：48-51.

Wang Siyuan, Liu Jiyuan, Zhang Zengxiang, et al. Study on spatial-temporal feature of land use and fand cover under defferent background of soil erosion[J]. Journal of Soil and Water Conservation, 2001, 15(3): 48-51. (in Chinese with English abstract)

[25] 鄔鈴莉，王云琦，王晨灃，等. 降雨類(lèi)型對(duì)北方土石山區(qū)坡面土壤侵蝕的影響[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33(24)：157-164.

Wu Lingli, Wang Yunqi, Wang Chenfeng, et al. Transactions of the Chinese society of agricultural engineering[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(24): 157-164. (in Chinese with English abstract)

[26] 楊勤科，李銳，曹明明. 區(qū)域土壤侵蝕定量研究的國(guó)內(nèi)外進(jìn)展[J]. 地球科學(xué)進(jìn)展，2006，21(8)：849-856.

Yang Qinke, Li Rui, Cao Mingming. Advances of quantitative assessment on regional soil erosion[J]. Advances in Earth Science, 2006, 21(8): 849-856. (in Chinese with English abstract)

[27] 張光輝. 對(duì)土壤侵蝕研究的幾點(diǎn)思考[J]. 水土保持學(xué)報(bào)，2020，34(4)：21-30.

Zhang Guanghui. Several ideas related to soil erosion research[J]. Journal of Soil and Water Conservation, 2020, 34(4): 21-30. (in Chinese with English abstract)

[28] 謝云，岳天雨. 土壤侵蝕模型在水土保持實(shí)踐中的應(yīng)用[J]. 中國(guó)水土保持科學(xué)，2018，16(1)：25-37.

Xie Yun, Yue Tianyu. Application of soil erosion models for soil and water conservation[J]. Science of Soil and Water Conservation, 2018, 16(1): 25-37. (in Chinese with English abstract)

[29] 孫娜，王治國(guó)，張超，等. “空－天－地”一體化技術(shù)在水土保持規(guī)劃評(píng)估中的應(yīng)用[J]. 水利規(guī)劃與設(shè)計(jì)，2021(4)：127-132.

[30] 水利部水土保持監(jiān)測(cè)中心. 高分遙感水土保持應(yīng)用研究[M]. 北京：中國(guó)水利水電出版社，2016.

[31] 寇權(quán)，吳永紅，慕志龍，等. 基于SPOT5衛(wèi)星影像的梯田監(jiān)測(cè)方法研究[J]. 中國(guó)水土保持，2006(10)：65-66.

[32] 陳明，周偉，袁濤. “GF-1”影像質(zhì)量評(píng)價(jià)及礦區(qū)土地利用分類(lèi)潛力研究[J]. 測(cè)繪科學(xué)技術(shù)學(xué)報(bào)，2015，32(5)：494-499.

Chen Ming, Zhou Wei, Yuan Tao. GF-1 image quality evaluation and applications potential for the mining area land use classification[J]. Journal of Geomatics Science and Technology, 2015, 32(5): 494-499. (in Chinese with English abstract)

[33] 李夢(mèng)華，石云，馬永強(qiáng)，等. 基于面向?qū)ο蟮狞S土丘陵溝壑區(qū)梯田信息提取研究[J]. 測(cè)繪與空間地理信息，2019，42(5)：50-54.

Li Menghua, Shi Yun, Ma Yongqiang, et al. Terrace information extraction in loess hilly-gully region landscape based on object-oriented classification method[J]. Geomatics & Spatial Information Technology, 2019, 42(5): 50-54. (in Chinese with English abstract)

[34] Eckert S, Tesfay G S, Hurni H, et al. Identification and classification of structural soil conservation measures based on very high resolution stereo satellite data[J]. Journal of Environmental Management, 2017, 193: 592-606.

[35] 郭索彥，李智廣. 我國(guó)水土保持監(jiān)測(cè)的發(fā)展歷程與成就[J]. 中國(guó)水土保持科學(xué)，2009，7(5)：19-24.

Guo Suoyan, Li Zhiguang. Development and achievements of soil and water conservation monitoring in China[J]. Science of Soil and Water Conservation, 2009, 7(5): 19-24. (in Chinese with English abstract)

[36] 趙輝，黎家作，李晶晶. 中國(guó)水土流失動(dòng)態(tài)監(jiān)測(cè)與評(píng)價(jià)的現(xiàn)狀與對(duì)策[J]. 水土保持通報(bào)，2016，36(1)：115-119.

Zhao Hui, Li Jiazuo, Li Jingjing. Present situation and countermeasures of dynamic monitoring and evaluation of soil and water loss in China[J]. Bulletin of Soil and Water Conservation, 2016, 36(1): 115-119. (in Chinese with English abstract)

[37] 李智廣，劉憲春，劉建祥，等. 第一次全國(guó)水利普查水土保持普查方案[J]. 水土保持通報(bào)，2010，30(3)：87-91.

Li Zhiguang, Liu Xianchun, Liu Jianxiang, et al. Plan of soil and water conservation survey in national census for water resources[J]. Bulletin of Soil and Water Conservation, 2010, 30(3): 87-91. (in Chinese with English abstract)

[38] 梁廷報(bào). 文山州水土流失特點(diǎn)及分區(qū)防治對(duì)策[C].昆明：云南省水利學(xué)會(huì)2018年度學(xué)術(shù)交流會(huì)，2018.

[39] Yue T Y, Yin S Q, Xie Y, et al. Rainfall erosivity mapping over mainland China based on high-density hourly rainfall records[J]. Earth System Science Data, 2022, 14(2): 665-682.

[40] 張猛，曾永年. 基于多時(shí)相Landsat數(shù)據(jù)融合的洞庭湖區(qū)水稻面積提取[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(13)：178-185.

Zhang Meng, Zeng Yongnian. Mapping paddy fields of Dongting Lake area by fusing Landsat and MODIS data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(13): 178-185. (in Chinese with English abstract)

[41] 劉寶元，郭索彥，李智廣，等. 中國(guó)水力侵蝕抽樣調(diào)查[J]. 中國(guó)水土保持，2013(10)：26-34.

[42] McCool D K, Brown L C, Foster G R, et al. Revised slope steepness factor for the universal soil loss equation[J]. Transactions of the ASAE, 1987, 5(30): 1387-1396.

[43] Liu B Y, Nearing M A, Risse L M. Slope gradient effects on soil loss for steep slopes[J]. Transactions of the ASAE, 1994, 37(6): 1835-1840.

[44] Liu B Y, Nearing M A, Shi P J, et al. Slope length effects on soil loss for steep slopes[J]. Soil Science Society of America Journal, 2000, 64(5): 1759-1763.

[45] 郭索彥. 土壤侵蝕調(diào)查與評(píng)價(jià)[M]. 北京: 中國(guó)水利水電出版社，2014.

[46] 謝花林，劉黎明，李波，等. 土地利用變化的多尺度空間自相關(guān)分析：以?xún)?nèi)蒙古翁牛特旗為例[J]. 地理學(xué)報(bào)，2006，61(4)：389-400.

Xie Hualin, Liu Liming, Li Bo, et al. Spatial autocorrelation analysis of multi-scale land-use changes: A case sturdy in Ongniud Banner, inner Mongolia[J]. Acta Geographica Sinica, 2006, 61(4): 389-400. (in Chinese with English abstract)

Quantitative evaluation and characteristic analysis of cultivated land erosion in mountain area using GF-6 WFV and CSLE model

Feng Junxin1, Chen Guokun1,2※, Zuo Lijun3, Wen Qingke3, Zhao Jingjing1, Wang Yiwen1

(1.,,650093,;2.,650093,;3,,100101,)

Slope cropland erosion is the most serious land degradation problem in plateau mountainous areas. A great threat has been posed to regional food security and sustainability of agriculture. Particularly, the Wenshan Prefecture of Yunnan Province is characterized by serious soil erosion in China. Taking the Wenshan Prefecture as an example, this study aims to quantitatively evaluate the soil erosion of the farmland and spatial features using multi-source remote sensing data, such as the Third National Land Survey, Water Conservancy Sampling Survey, and the Wide Field of View (WFV) imaging system of GaoFen-6 (GF-6) satellite. Firstly, the non-cultivated land was masked in the GF-6 image with the Third National Land Survey data. The sampling units were also used as the sample set. Secondly, object-oriented multi-scale segmentation was performed on the GF-6 image, where the Jeffries-Matusita distance was adopted to determine the preferred feature set of spectral, texture and shape. Thirdly, Random Forest (RF) algorithm was employed to quickly and automatically extract the terraces. The fine rasterization ofthefactor was realized to combine the engineering measures in the sampling units. Finally, the Chinese Soil Loss Equation (CSLE) model was utilized to conduct a fine quantitative assessment of soil erosion in the mountainous arable land. A spatial autocorrelation analysis was also carried out on the soil erosion features and influence factors in the GeoDa software in order to reveal the spatial distribution pattern. The results indicated that: 1) The distribution of arable land in the Wenshan Prefecture was bounded by the Guangnan, Xichou, and Maguan, indicating a descending pattern from the west to the east. There was about 6 252.85 km2of slope cropland in the study area, accounting for 79.27% of the total arable land. The cultivated land was 3 929.57 km2with the soil and water conservation engineering measures, accounting for 49.79% of the total arable land area. 2) Soil erosion modulus of the cultivated land ranged from 0 to 118 540.97 t/(km2·a) with an average erosion modulus of 5 180.72 t/(km2·a). About 69.99% of the total cultivated land was suffering from serious erosion. The total annual amount of soil loss from the cultivated land was 40.815 million tons, 20.60% of which was eroded from the land with the soil conservative measures. By contrast, the soil loss from the cultivated land without any soil conservative measures was 32.407 million tons, accounting for 79.40% of the total. There was also a significant difference in the response of erosion to the slope and elevation, particularly with the vertical zonal characteristics. The area and intensity of soil erosion increased first and then decreased, as the elevation and slope increased. The high incidence areas of erosion were found between the elevation zones of 1 000-1 400 m and 1 400-1 800 m, accounting for 27.23% and 50.54% respectively. The steep slope cropland (>20°) erosion also contributed 75.30% of the total erosion. 3) The spatial distribution of cropland erosion demonstrated outstanding aggregation characteristics and strong spatial correlations with theandfactors, respectively. Specifically, the Maguan, Malipo, Xichou, and Funing in the south of Wenshan were the high-value centers of erosion, and, the low-value centers were found in the Wenshan, Yanshan, Qiubei, and Guangnan in the central and western regions. The fine quantitative assessment of soil erosion was achieved to automatically extract the soil erosion factors on the regional scale for the spatial autocorrelation analysis. The finding can provide a strong reference to accurately allocate the regional soil and water conservation resources, as well as the ecological environment construction.

soils; erosion; random forest; cultivated land; CSLE model; automatic extraction; GF-6 WFV

10.11975/j.issn.1002-6819.2022.21.020

S157.1

A

1002-6819(2022)-21-0169-11

馮俊鑫，陳國(guó)坤，左麗君，等. 基于GF-6 WFV影像和CSLE模型的山區(qū)耕地侵蝕定量評(píng)價(jià)及特征分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2022，38(21)：169-179.doi：10.11975/j.issn.1002-6819.2022.21.020 http://www.tcsae.org

Feng Junxin, Chen Guokun, Zuo Lijun, et al. Quantitative evaluation and characteristic analysis of cultivated land erosion in mountain area using GF-6 WFV and CSLE model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(21): 169-179. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.21.020 http://www.tcsae.org

2022-06-24

2022-09-10

云南省基礎(chǔ)研究計(jì)劃青年專(zhuān)項(xiàng)“高原山區(qū)土地利用變化對(duì)區(qū)域水土流失影響的定量評(píng)估”項(xiàng)目（202101AU070161）

馮俊鑫，研究方向?yàn)檫b感圖像處理與信息分析。Email：fengjunxin@stu.kust.edu.cn

陳國(guó)坤，博士，講師，研究方向?yàn)樯降刭Y源環(huán)境遙感。Email：chengk@radi.ac.cn