吳淑芳，張 彪，石學(xué)瑾，苑紫巖，馮 浩

FLUS-CSLE模型預(yù)測(cè)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(xué)瑾1，苑紫巖1，馮 浩3

（1. 西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院，楊凌 712100；2. 西北農(nóng)林科技大學(xué)中國(guó)旱區(qū)節(jié)水農(nóng)業(yè)研究院，楊凌 712100；3. 中國(guó)科學(xué)院水利部水土保持研究所，楊凌 712100）

流域土壤侵蝕預(yù)測(cè)對(duì)于了解未來(lái)土壤侵蝕發(fā)展趨勢(shì)，制定未來(lái)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(píng)估未來(lái)不同土地利用管理策略的土壤侵蝕預(yù)測(cè)方法，該研究基于地形、降雨、土壤、遙感影像數(shù)據(jù)，完成韭園溝流域2010—2020年的土地利用空間分布解譯，并計(jì)算歷史時(shí)期（2010—2020）的土壤侵蝕模數(shù)，基于未來(lái)土地利用模擬（Future Land Use Simulation，F(xiàn)LUS）模型完成流域2025年土地利用分布狀況預(yù)測(cè)，以此為基礎(chǔ)獲得未來(lái)植被覆蓋措施因子和耕作措施因子，結(jié)合CSLE模型預(yù)測(cè)2025年自然發(fā)展、經(jīng)濟(jì)增長(zhǎng)、生態(tài)保護(hù)3種不同土地利用變化情景下土壤侵蝕狀況。結(jié)果表明：1）韭園溝流域土地利用類(lèi)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(jīng)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(shù)平均值分別為19.49、15.83、20.7 t/(hm2·a)，整體呈現(xiàn)先降低后增加的趨勢(shì)，不同土地利用類(lèi)型的土壤侵蝕模數(shù)由大到小為耕地（40.56 t/(hm2·a)）、草地（18.79 t/(hm2·a)）、建設(shè)用地（10.25 t/(hm2·a)）、林地（8.02 t/(hm2·a)）。3）在積極的生態(tài)保護(hù)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(jīng)濟(jì)增長(zhǎng)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(jīng)濟(jì)增長(zhǎng)情景減少14.73%。4）2025年流域自然發(fā)展、經(jīng)濟(jì)增長(zhǎng)、生態(tài)保護(hù)情景下土壤侵蝕模數(shù)分別為24.3、22.9、18.3 t/(hm2·a)。采取積極的生態(tài)保護(hù)情景發(fā)展模式，建設(shè)用地面積適度擴(kuò)張可以兼顧生態(tài)保護(hù)和經(jīng)濟(jì)發(fā)展的需要。該研究為流域未來(lái)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(píng)估和預(yù)測(cè)；CSLE模型；FLUS模型

0 引 言

黃土高原是中國(guó)乃至世界上水土流失最嚴(yán)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(yán)重的典型區(qū)域[1-2]。隨著20世紀(jì)90年代末退耕還林還草工程實(shí)施以來(lái)，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(shí)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(shí)也極大地改變了區(qū)域內(nèi)土地利用空間格局的分布[3]，而土地利用通過(guò)改變地表形態(tài)影響徑流和泥沙輸移過(guò)程進(jìn)而成為影響土壤侵蝕過(guò)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(guān)系密切[5]。

3S技術(shù)的迅速發(fā)展極大地推動(dòng)了土壤侵蝕模型的發(fā)展，使之為土壤侵蝕的預(yù)測(cè)與評(píng)價(jià)提供有力的支持[6]，然而現(xiàn)有土壤侵蝕模型，無(wú)論是經(jīng)驗(yàn)?zāi)Ｐ瓦€是物理模型均是基于流域的地形、植被、土壤、降雨數(shù)據(jù)進(jìn)行當(dāng)下以及過(guò)去的侵蝕狀況評(píng)估，無(wú)法獲得流域未來(lái)的土壤侵蝕狀況和發(fā)展趨勢(shì)[7]。在土壤侵蝕恢復(fù)治理的工作中，在了解土壤侵蝕過(guò)去及現(xiàn)在變化狀況的基礎(chǔ)上掌握其未來(lái)的演變趨勢(shì)，對(duì)水土保持措施的成效判斷和指導(dǎo)下一步工作具有重要意義[8]。因此，眾多國(guó)內(nèi)外學(xué)者開(kāi)展了關(guān)于土壤侵蝕預(yù)測(cè)的研究，目前的土壤侵蝕預(yù)測(cè)主要包括2個(gè)方面：1）運(yùn)用機(jī)器學(xué)習(xí)算法與元胞自動(dòng)機(jī)（Cellular Automata，CA）模型，基于現(xiàn)有土壤侵蝕評(píng)價(jià)結(jié)果的直接預(yù)測(cè)[9-10]；2）通過(guò)其他模型預(yù)測(cè)未來(lái)侵蝕模型因子，而后將其導(dǎo)入土壤侵蝕模型完成未來(lái)土壤侵蝕預(yù)測(cè)。例如，Zare等[11]通過(guò)修正土壤流失方程（RUSLE）結(jié)合元胞自動(dòng)機(jī)—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(diào)查，并預(yù)測(cè)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(píng)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(yù)測(cè)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(fù)雜演變過(guò)程，缺少對(duì)于機(jī)理過(guò)程的探究。第二種方法中，目前應(yīng)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(lèi)型之間的復(fù)雜競(jìng)爭(zhēng)和相互作用。FLUS（Future Land Use Simulation）模型是基于CA-ANN-Markov理論的未來(lái)土地利用模擬模型[13]，通過(guò)人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）算法的引入提出自適應(yīng)慣性和競(jìng)爭(zhēng)機(jī)制，改進(jìn)了傳統(tǒng)CA-Markov模型中存在的上述問(wèn)題，在土地利用演變領(lǐng)域取得了不錯(cuò)的效果，得到了廣泛應(yīng)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(shí)現(xiàn)不同情景下的碳儲(chǔ)量預(yù)測(cè)；茍貞珍等[15]以喀什地區(qū)為例利用FLUS模型預(yù)測(cè)2030年的土地利用空間格局并以此為切入點(diǎn)預(yù)測(cè)該地區(qū)的生態(tài)承載力時(shí)空格局；張曉榮等[16]采用FLUS模型和SD模型預(yù)測(cè)中巴經(jīng)濟(jì)走廊性發(fā)展、投資優(yōu)先以及生態(tài)協(xié)調(diào)3種不同情景模式下的土地利用空間格局，成功為未來(lái)中巴經(jīng)濟(jì)走廊建設(shè)過(guò)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(guó)土壤侵蝕方程——CSLE模型在黃土高原徑流小區(qū)試驗(yàn)資料的基礎(chǔ)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(duì)RUSLE模型更加適應(yīng)于黃土高原獨(dú)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(yù)測(cè)和土壤侵蝕評(píng)估領(lǐng)域獲得廣泛應(yīng)用，但是前人研究中卻鮮有將兩者結(jié)合應(yīng)用以此實(shí)現(xiàn)未來(lái)不同土地利用變化情景的土壤侵蝕預(yù)測(cè)。

本研究旨在提出一種快速、高效地評(píng)估不同土地利用管理策略下未來(lái)土壤侵蝕發(fā)展趨勢(shì)的預(yù)測(cè)方法，為流域未來(lái)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(yīng)用現(xiàn)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(duì)于土壤侵蝕的重要影響，以及近年來(lái)該流域退耕還林還草工程實(shí)施后流域空間格局的重要變化和未來(lái)發(fā)展的不確定性，本研究利用FLUS模型通過(guò)成本矩陣和鄰域因子設(shè)置預(yù)測(cè)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(chǔ)計(jì)算未來(lái)不同土地利用變化情景下和因子，然后通過(guò)CSLE模型，基于降雨、地形、土壤、以及遙感影像數(shù)據(jù)完成對(duì)該流域2010—2020年的土地利用與土壤侵蝕時(shí)空演變分析，并利用未來(lái)土地利用變化情景下的和因子對(duì)未來(lái)的土壤侵蝕發(fā)展?fàn)顩r進(jìn)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(xiāo)，110°16′～110°26′E）位于黃土高原丘陵溝壑區(qū)，是中國(guó)陜西省榆林市無(wú)定河左岸的一級(jí)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(lèi)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(huì)在綏德建立綏德試驗(yàn)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(shè)示范區(qū)。

圖1 研究區(qū)位置圖

1.2 數(shù)據(jù)來(lái)源與處理

使用美國(guó)地質(zhì)調(diào)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(shù)據(jù)（https://www.usgs.gov/）繪制2010—2020年土地利用類(lèi)型圖，分為5類(lèi)：耕地、建設(shè)用地、林地、草地和水體。同時(shí)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(guò)美國(guó)宇航局（https://search.asf.alaska.edu/#/）下載的12.5 m分辨率的數(shù)字高程模型（Digital Elevation Model，DEM）數(shù)據(jù)提取流域地形參數(shù)。通過(guò)國(guó)家氣象數(shù)據(jù)中心（https://data.cma.cn/）下載2010—2020年韭園溝流域周?chē)军c(diǎn)的日降雨量數(shù)據(jù)集并基于該數(shù)據(jù)對(duì)氣象數(shù)據(jù)進(jìn)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(zhì)來(lái)自ISRIC的250 m分辨率的全球土壤質(zhì)地調(diào)查數(shù)據(jù)（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(shí)獲得流域內(nèi)交通道路、城鎮(zhèn)分布。為保證數(shù)據(jù)的一致性，將以上數(shù)據(jù)的空間分辨率統(tǒng)一重采樣到10 m×10 m，地理坐標(biāo)系均采用 GCS_WGS_1984。

1.3 研究方法

1.3.1 基于FLUS模型的未來(lái)土地利用預(yù)測(cè)

采用FLUS模型預(yù)測(cè)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(kāi)發(fā)的用于模擬未來(lái)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(shí)現(xiàn)是通過(guò)GeoSoS-FLUS軟件實(shí)現(xiàn)。

1）未來(lái)土地利用變化情景設(shè)置

自然發(fā)展情景是取決于過(guò)去至未來(lái)的土地利用空間格局演變過(guò)程和發(fā)展趨勢(shì)，這種情景是在沒(méi)有政策和限制的干預(yù)下，遵循以往土地利用發(fā)展演變規(guī)律進(jìn)行土地利用空間格局的演變預(yù)測(cè)[17]；生態(tài)保護(hù)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(shè)用地轉(zhuǎn)換比例[18]；經(jīng)濟(jì)增長(zhǎng)情景的主要目的則是保持經(jīng)濟(jì)增長(zhǎng)速率，進(jìn)行必要的生活與交通道路區(qū)域擴(kuò)張，增大居民區(qū)、道路等建設(shè)用地的面積比例[19]。

各種情景的實(shí)現(xiàn)主要通過(guò)對(duì)土地利用轉(zhuǎn)移成本矩陣和鄰域參數(shù)因子設(shè)置，不同情景下各個(gè)土地利用類(lèi)型的鄰域因子參考王保盛等[20]研究中的鄰域因子計(jì)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(shè)置如表1和表2所示。

表1 土地利用轉(zhuǎn)移成本矩陣

表2 鄰域因子設(shè)置

2）模擬參數(shù)設(shè)置

參考前人[20-21]的研究，選擇鄰域范圍為3×3，設(shè)定迭代次數(shù)為300，加速因子為0.1。

1.3.2 CSLE模型

章文波等[22]根據(jù)黃土高原的實(shí)際水土保持情況，結(jié)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(guó)土壤侵蝕預(yù)報(bào)模型——中國(guó)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(zhǎng)因子；為坡度因子，無(wú)量綱；為植被覆蓋措施因子，無(wú)量綱；為水土保持工程措施因子，無(wú)量綱；為水土保持耕作措施因子，無(wú)量綱。

采用2003年章文波等[23]提出的逐月降雨侵蝕力計(jì)算方法，計(jì)算流域2010—2020年平均降雨侵蝕力因子。采用土壤侵蝕和生產(chǎn)力影響估算模型EPIC[24]中的方法，結(jié)合土壤有機(jī)質(zhì)和顆粒組成估算土壤可蝕性因子因子?；贏LOS PALSAR 12.5 m分辨率DEM數(shù)據(jù)通過(guò)Zhang等[25]團(tuán)隊(duì)研發(fā)的LS_TOOL坡長(zhǎng)坡度因子計(jì)算軟件完成地形因子的計(jì)算。參考Huang等[26]提出的結(jié)合土地利用類(lèi)型與植被覆蓋度進(jìn)行賦值的方法獲得因子，通過(guò)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(jì)算流域因子。根據(jù)“耕作措施輪作區(qū)代碼”字段值，查《全國(guó)輪作制度區(qū)劃及輪作措施三級(jí)分類(lèi)表》，獲取不同區(qū)域耕作措施因子值，結(jié)合土地利用解譯結(jié)果對(duì)耕地進(jìn)行賦值，其他區(qū)域賦值為1。以上各因子，經(jīng)過(guò)重采樣在ArcGIS10.7中生成10 m分辨率的柵格圖層。

2 結(jié)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(lèi)型分布圖，主要包括耕地、林地、草地、建設(shè)用地和水體。2010—2020年韭園溝流域土地利用類(lèi)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(lèi)型的空間分布受地形和人類(lèi)活動(dòng)的影響。農(nóng)田分布在整個(gè)韭園溝流域，靠近居民區(qū)。居民點(diǎn)、道路等建筑區(qū)域主要分布在地勢(shì)平坦的地區(qū)，水體主要為流域內(nèi)的人工湖泊，靠近建設(shè)用地的面積較小。通過(guò)馬爾科夫模型獲得流域2010 —2020年之間土地利用轉(zhuǎn)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(shè)用地轉(zhuǎn)為林地和草地，447.48 hm2林地和草地轉(zhuǎn)為耕地和建設(shè)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(zhǎng)，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(lái)土地利用變化預(yù)測(cè)

2.2.1 FLUS模型精度驗(yàn)證

為了定量評(píng)價(jià)模型的模擬效果，首先以2015年土地利用數(shù)據(jù)為基礎(chǔ)，結(jié)合高程、坡度、坡向、距城鎮(zhèn)距離、距交通道路距離等自然經(jīng)濟(jì)因素，獲得流域土地利用變化各驅(qū)動(dòng)因子及適應(yīng)性概率圖集（圖 3），以2015年土地利用數(shù)據(jù)為基礎(chǔ)進(jìn)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(shù)據(jù)與基于遙感影像解譯的2020年土地利用分布數(shù)據(jù)之間構(gòu)建混淆矩陣，計(jì)算各土地利用類(lèi)型的總體精度和 Kappa系數(shù)，結(jié)果表明韭園溝流域2020年模型模擬結(jié)果的Kappa系數(shù)為0.72，總體精度為85.6%。模型驗(yàn)證模塊中的Figure of Merit（FoM）系數(shù)為0.35。前人利用FLUS模型開(kāi)展了大量關(guān)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(nèi)，低于本研究FoM值，理論中該值越大模型模擬準(zhǔn)確性越高，可見(jiàn)本文模型準(zhǔn)確性高。統(tǒng)計(jì)2020年FLUS模型模擬結(jié)果與2020年實(shí)際土地利用分布的不同土地利用類(lèi)型面積，進(jìn)行面積總量模擬精度驗(yàn)證，結(jié)果如表4所示，林地誤差相對(duì)較大達(dá)到11.8%，其余地類(lèi)誤差均在5%以?xún)?nèi)，表明了FLUS模型結(jié)果的可靠性。

圖2 2010—2020年韭園溝流域土地利用類(lèi)型分布

表3 2010—2020年韭園溝流域土地利用面積轉(zhuǎn)移矩陣

注：主對(duì)角線(xiàn)元素代表各土地利用類(lèi)型中沒(méi)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(qū)動(dòng)因子及適宜性概率圖

表4 2020年土地利用類(lèi)型面積總量驗(yàn)證

2.2.2 基于不同情景的2025年土地利用變化預(yù)測(cè)

根據(jù)設(shè)定的3種發(fā)展情景，基于2020年土地利用分布狀況，通過(guò)構(gòu)建的FLUS 模型，預(yù)測(cè)流域2025年土地利用類(lèi)型空間分布（圖4）。利用ArcGIS中的分區(qū)統(tǒng)計(jì)工具統(tǒng)計(jì)韭園溝流域2025年不同情景下不同土地利用類(lèi)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(hù)情景下與2020年相比分別減少58.74 hm2和53.74 hm2，經(jīng)濟(jì)增長(zhǎng)情景下與2020年相比增加18.83 hm2；對(duì)于林地而言，經(jīng)濟(jì)增長(zhǎng)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(hù)情景下面積則增加了100 hm2；對(duì)于流域分布最廣、面積最大的草地來(lái)說(shuō)，自然和經(jīng)濟(jì)增長(zhǎng)情景中，呈現(xiàn)相反的變化趨勢(shì)，分別增加1.79 hm2和減少122.96 hm2，生態(tài)保護(hù)情景之下，面積減少了2%；建設(shè)用地在經(jīng)濟(jì)增長(zhǎng)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(lèi)型分布

對(duì)不同土地利用發(fā)展情景進(jìn)行橫向比較可知（表 5），流域在無(wú)任何政策和人為干預(yù)下即自然發(fā)展?fàn)顟B(tài)下，流域退耕還林還草的趨勢(shì)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(diǎn)；經(jīng)濟(jì)增長(zhǎng)情景主要以滿(mǎn)足經(jīng)濟(jì)發(fā)展的相關(guān)基礎(chǔ)建設(shè)為主，因此交通道路、居民區(qū)等建設(shè)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(kuò)張；生態(tài)保護(hù)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(jīng)濟(jì)增長(zhǎng)情景增加5.06%。耕地面積較自然發(fā)展情景增加1.20%，較經(jīng)濟(jì)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(lèi)型面積統(tǒng)計(jì)

2.3 土壤侵蝕現(xiàn)狀分析

2.3.1 CSLE模型驗(yàn)證

中國(guó)土壤侵蝕模型CSLE在全國(guó)土壤侵蝕狀況評(píng)估領(lǐng)域得到了廣泛應(yīng)用[28-30]，傳統(tǒng)的土壤侵蝕模型結(jié)果驗(yàn)證和評(píng)估主要采用基于現(xiàn)場(chǎng)監(jiān)測(cè)、同位素示蹤技術(shù)的測(cè)量和高分辨率遙感影像定性分析。由于缺少研究時(shí)期內(nèi)詳實(shí)的歷史泥沙觀測(cè)數(shù)據(jù)，本文整理了研究地區(qū)已發(fā)表的研究結(jié)果，并將其與本文模型結(jié)果進(jìn)行了比較。Huang等[26]使用CSLE模型評(píng)估了1970—2015年韭園溝流域的土壤流失，繪制了土壤侵蝕模數(shù)分級(jí)圖（1977年、2004年和2015年）。將2015年的土壤侵蝕模型計(jì)算結(jié)果與其相應(yīng)年份的土壤侵蝕模數(shù)計(jì)算結(jié)果按坡度分級(jí)統(tǒng)計(jì)進(jìn)行比較，相對(duì)誤差絕對(duì)值在8.0%～23.5%之間（表6），考慮到兩者在模型個(gè)別因子計(jì)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(shù)按坡度分級(jí)對(duì)比表

2.3.2 2010—2020土壤侵蝕時(shí)空演變

通過(guò)CSLE模型計(jì)算土壤侵蝕模數(shù)，得到2010—2020年土壤侵蝕模數(shù)分級(jí)圖（圖5），流域2010、2015、2020年土壤侵蝕模數(shù)分別為19.49、15.83、20.7 t/(hm2·a)。對(duì)韭園溝流域2010—2020年土壤侵蝕模數(shù)進(jìn)行分級(jí)統(tǒng)計(jì)結(jié)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(qiáng)烈、極強(qiáng)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(jí)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(gè)時(shí)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(jí)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(qiáng)烈、極強(qiáng)烈和劇烈侵蝕面積減少49.22 hm2?？傮w來(lái)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(shì)。

2.4 基于FLUS-CSLE模型的未來(lái)不同情景土地利用與土壤侵蝕響應(yīng)

以流域2025年土地利用預(yù)測(cè)結(jié)果為基礎(chǔ)，計(jì)算流域內(nèi)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(jù)水利部頒布的土壤侵蝕分類(lèi)分級(jí)標(biāo)準(zhǔn)《SL190—2007》，將流域土壤侵蝕強(qiáng)度分為微度、輕度、中度、強(qiáng)烈、極強(qiáng)烈、劇烈共6個(gè)級(jí)別，得到流域2025年不同發(fā)展情景土壤侵蝕模數(shù)分級(jí)圖（圖6）。在2025年3種不同情景的土地利用預(yù)測(cè)結(jié)果下，流域自然發(fā)展、經(jīng)濟(jì)增長(zhǎng)、生態(tài)保護(hù)情景下土壤侵蝕模數(shù)分別為24.3、22.9、18.3 t/(hm2·a)，流域不同土地利用類(lèi)型土壤侵蝕預(yù)測(cè)結(jié)果由大到小為耕地、草地、建設(shè)用地、林地，2025年3種土地利用變化情景土壤侵蝕預(yù)測(cè)結(jié)果由大到小為自然發(fā)展情景、經(jīng)濟(jì)增長(zhǎng)情景、生態(tài)保護(hù)情景。

圖5 2010—2020年黃土高原韭園溝流域土壤侵蝕模數(shù)分級(jí)

表7 2010—2020年土壤強(qiáng)度面積分級(jí)統(tǒng)計(jì)

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(qiáng)度分級(jí)

統(tǒng)計(jì)流域2010—2020年不同土地利用類(lèi)型土壤侵蝕模數(shù)與不同年份土壤侵蝕強(qiáng)度等級(jí)面積并將結(jié)果與2025年不同土地利用發(fā)展情景進(jìn)行比較（表8和表9），統(tǒng)計(jì)分析結(jié)果表明，2010—2020年不同土地利用類(lèi)型的土壤侵蝕模數(shù)由大到小為耕地（40.56 t/(hm2·a)）>草地（18.79 t/(hm2·a)）>建設(shè)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(lèi)型侵蝕狀況相一致。自然發(fā)展情景中流域內(nèi)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(jīng)濟(jì)增長(zhǎng)情景與生態(tài)保護(hù)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(qiáng)烈及極強(qiáng)烈侵蝕面積減少10.8%，輕度以及中度侵蝕面積增加24.3%；經(jīng)濟(jì)增長(zhǎng)情景與2020年相比，強(qiáng)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(hù)情景與2020年相比，強(qiáng)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(jīng)濟(jì)增長(zhǎng)情景下強(qiáng)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(hù)模式與自然發(fā)展模式相比，強(qiáng)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%?？偟膩?lái)說(shuō)，與其他2種情景相比生態(tài)保護(hù)情景下流域土壤侵蝕狀況得到有效控制，經(jīng)濟(jì)增長(zhǎng)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(lèi)型不同年份土壤侵蝕模數(shù)統(tǒng)計(jì)

表9 韭園溝流域不同年份土壤侵蝕強(qiáng)度面積統(tǒng)計(jì)

3 討 論

3.1 土地利用變化對(duì)土壤侵蝕的影響

2010—2020年之間流域內(nèi)不同土地利用類(lèi)型之間土壤侵蝕模數(shù)差異顯著。造成上述現(xiàn)象的原因一方面是不同土地利用類(lèi)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(duì)土壤侵蝕起到明顯干預(yù)作用[31]，耕地由于耕作造成土層擾動(dòng)，減少土壤抗蝕性，同時(shí)地表的裸露容易導(dǎo)致地表徑流的產(chǎn)生，增強(qiáng)對(duì)地表的沖刷，加劇侵蝕[32]，因此耕地土壤侵蝕模數(shù)較大。本文中植被覆蓋較差的建設(shè)用地的土壤侵蝕模數(shù)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(shè)用地主要分布在地形相對(duì)平坦地區(qū)，草地占據(jù)流域的絕大部分面積，同時(shí)由于農(nóng)村人口流動(dòng)、耕地質(zhì)量和經(jīng)濟(jì)效益等原因，導(dǎo)致棄耕撂荒的現(xiàn)象頻繁發(fā)生。據(jù)統(tǒng)計(jì)，黃土高原近年來(lái)經(jīng)歷了大規(guī)模的農(nóng)田廢棄，2016年對(duì)中國(guó)235個(gè)村莊的調(diào)查顯示，78.3%的村莊廢棄了14.32%的耕地[33-34]，這導(dǎo)致流域內(nèi)部分具有水土保持功能的梯田出現(xiàn)崩塌破壞，同時(shí)部分轉(zhuǎn)化為草地，從而導(dǎo)致流域中草地土壤侵蝕模數(shù)的增加。這充分說(shuō)明土壤侵蝕是受到地形，植被，人類(lèi)活動(dòng)等多種因素共同影響的復(fù)雜現(xiàn)象[35-36]。根據(jù)本研究結(jié)果，在流域內(nèi)提供足夠的植被和重新造林將顯著減少土壤侵蝕。

基于過(guò)去的土地利用空間格局，通過(guò)CSLE模型完成了流域土壤侵蝕狀況評(píng)估。將FLUS模型與CSLE模型耦合，設(shè)置不同的土地利用發(fā)展情景，保持模型中因子不變，通過(guò)與土地利用密切相關(guān)的、因子反映流域土壤侵蝕對(duì)土地利用空間變化的響應(yīng)，與傳統(tǒng)觀念不同的是，保持經(jīng)濟(jì)增長(zhǎng)模式與傳統(tǒng)的自然發(fā)展模式相比并未造成更加嚴(yán)重的土壤侵蝕。楊波等[37]通過(guò)CSLE模型與FLUS模型耦合在多年平均降雨侵蝕力條件下預(yù)測(cè)未來(lái)榆林市大多數(shù)區(qū)縣的土壤侵蝕模數(shù)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(jié)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(shù)計(jì)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(píng)價(jià)，通過(guò)馬爾科夫模型預(yù)測(cè)未來(lái)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(jí)的面積持續(xù)減少，這與本研究生態(tài)保護(hù)情景下的預(yù)測(cè)結(jié)果相似。FLUS-CSLE模型可以實(shí)現(xiàn)流域未來(lái)土壤侵蝕狀況的快速、便捷、高效的趨勢(shì)預(yù)測(cè)和定量評(píng)價(jià)，成為未來(lái)土壤侵蝕預(yù)測(cè)的可靠工具，具有以下優(yōu)點(diǎn)：1）易于評(píng)估不同土地利用管理策略對(duì)土壤侵蝕的影響；2）可進(jìn)行氣候和土地利用變化對(duì)土壤侵蝕影響的響應(yīng)分析；3）易于集成到GIS中進(jìn)行地理精確分析和空間制圖。

3.2 未來(lái)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(guān)鍵的影響因素，同時(shí)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(nóng)村勞動(dòng)力析出導(dǎo)致的耕地撂荒現(xiàn)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(fēng)險(xiǎn)，還會(huì)對(duì)生態(tài)系統(tǒng)產(chǎn)生嚴(yán)重的負(fù)面影響。本研究表明，經(jīng)濟(jì)增長(zhǎng)情景下相比自然發(fā)展情景并未造成更加嚴(yán)重的土壤侵蝕，因此，建議流域未來(lái)的土地利用在保持林草地面積、鞏固生態(tài)建設(shè)成果基礎(chǔ)上兼顧經(jīng)濟(jì)建設(shè)的需求，同時(shí)注意梯田修復(fù)與治理，重視撂荒現(xiàn)象導(dǎo)致的耕地向草地的土地利用轉(zhuǎn)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(lái)土地利用格局的驅(qū)動(dòng)因子，雖然這些因素對(duì)各類(lèi)土地利用類(lèi)型具有重要影響，最終模擬的結(jié)果也具有較高的精度，但卻忽略了如生態(tài)保護(hù)紅線(xiàn)等其他經(jīng)濟(jì)因素對(duì)土地利用變化的影響。降雨同樣對(duì)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(lái)氣候變化下的降雨?duì)顩r對(duì)土壤侵蝕的實(shí)際影響，這對(duì)于模型預(yù)測(cè)精度也有一定的影響。因此，未來(lái)可以考慮通過(guò)降尺度方法結(jié)合未來(lái)全球氣候變化數(shù)據(jù)集進(jìn)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(jié) 論

本研究利用未來(lái)土地利用模擬（Future Land Use Simulation，F(xiàn)LUS）模型模擬流域未來(lái)土地利用變化，模擬了流域2020年土地利用分布格局，通過(guò)與2020年真實(shí)情況的對(duì)比，結(jié)果顯示Kappa系數(shù)0.72，總精度為85.6%，證實(shí)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(yù)測(cè)。通過(guò)對(duì)2010—2020年以及2025年韭園溝流域侵蝕狀況統(tǒng)計(jì)分析表明，流域2010—2020年土壤侵蝕狀況呈現(xiàn)先減弱后增強(qiáng)的趨勢(shì)。2025年流域自然發(fā)展、經(jīng)濟(jì)增長(zhǎng)、生態(tài)保護(hù)情景下土壤侵蝕模數(shù)分別為24.3、22.9、18.3 t/(hm2·a)，生態(tài)保護(hù)情景下流域土壤侵蝕狀況得到有效控制。流域內(nèi)不同土地利用類(lèi)型多年土壤侵蝕狀況存在較好的一致性，不同土地利用類(lèi)型的土壤侵蝕模數(shù)大小依次為耕地、草地、建設(shè)用地和林地。未來(lái)一段時(shí)間的土壤侵蝕狀況在無(wú)較為嚴(yán)重極端降雨天氣影響下將維持在與現(xiàn)在相似水平，采取積極的土地利用生態(tài)保護(hù)情景發(fā)展模式，建設(shè)用地面積適度擴(kuò)張可以兼顧生態(tài)保護(hù)和經(jīng)濟(jì)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(xué)報(bào)，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(mèng)華，馬永強(qiáng)，等. 黃土丘陵區(qū)土壤侵蝕因子敏感性分析[J]. 中國(guó)水土保持科學(xué)，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(yù)測(cè)[J]. 中國(guó)水土保持科學(xué)(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(zhǎng)汀縣水土流失時(shí)空變化[J]. 中國(guó)水土保持科學(xué)，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(píng)估和預(yù)測(cè)：以云南小江流域?yàn)槔齕J]. 遙感學(xué)報(bào)，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(dòng)態(tài)演變及預(yù)測(cè)[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(chǔ)量時(shí)空變化特征及其對(duì)未來(lái)不同情景模式的響應(yīng)[J]. 環(huán)境科學(xué)，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(shí)空格局預(yù)測(cè)[J]. 石河子大學(xué)學(xué)報(bào)（自然科學(xué)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?lèi)?ài)農(nóng)，南希，等. 基于FLUS模型和SD模型耦合的中巴經(jīng)濟(jì)走廊土地利用變化多情景模擬[J]. 地球信息科學(xué)學(xué)報(bào)，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(xué)報(bào)，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(xiàn)約束下萬(wàn)州區(qū)土地利用情景模擬及生態(tài)價(jià)值評(píng)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(quán)重設(shè)置：以閩三角城市群2030年土地利用模擬為例[J]. 生態(tài)學(xué)報(bào)，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(zhǎng)安大學(xué)，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(guó)土壤侵蝕預(yù)報(bào)信息系統(tǒng)[J]. 水土保持學(xué)報(bào)，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(lèi)型雨量資料估算降雨侵蝕力[J]. 資源科學(xué)，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(shí)空變化及水土保持環(huán)境效應(yīng)評(píng)價(jià)研究[D]. 西安：陜西師范大學(xué)，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(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)

[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(duì)比[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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(shí)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(wàn)賜航，周慧平，王強(qiáng)，等. 植被覆蓋度和降雨侵蝕力變化對(duì)小流域泥沙連通性的影響[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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(duì)黃土坡面產(chǎn)流機(jī)制的影響[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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(guó)山區(qū)耕地撂荒程度及空間分布：基于全國(guó)山區(qū)抽樣調(diào)查結(jié)果[J]. 資源科學(xué)，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?，鄭亞楠，張鳳榮，等. 工程設(shè)計(jì)視角下山區(qū)梯田撂荒影響因素分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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(mèng)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(shí)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(lái)趨勢(shì)預(yù)測(cè)[J]. 中國(guó)水土保持科學(xué)(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(dòng)態(tài)演變及預(yù)測(cè)[J]. 安徽農(nóng)業(yè)科學(xué)，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(xué)珍，趙彩杉，董金瑋，等. 1992-2017年基于薈萃分析的中國(guó)耕地撂荒時(shí)空特征[J]. 地理學(xué)報(bào)，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(nóng)業(yè)勞動(dòng)力轉(zhuǎn)移性流失、耕地拋荒與“柔性”政策選擇研究[J]. 新疆社會(huì)科學(xué)，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(xué)瑾，等. FLUS-CSLE模型預(yù)測(cè)黃土高原典型流域不同土地利用變化情景土壤侵蝕[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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(guó)家自然科學(xué)基金項(xiàng)目“黃土高原溝壑區(qū)瓦背狀地貌淺溝分布及侵蝕過(guò)程研究”（41977064）

吳淑芳，博士，研究員，研究方向?yàn)辄S土高原土壤侵蝕過(guò)程及水土保持生態(tài)功能。Email：wsfjs@163.com