陕西省榆林市土壤侵蚀动态演变及预测
2020-07-14徐云环李景宜任冲同英杰白星亮马力马晓武
徐云环 李景宜 任冲 同英杰 白星亮 马力 马晓武
摘要 为了研究退耕还林后黄土高原地域土壤侵蚀的变化，在ArcGIS和ENVI软件中，利用土地利用、降雨、地形和植被覆盖度数据，在通用的土壤侵蚀模型的基础上，结合中国土壤流失方程，计算出陕西省榆林市1988—2013年土壤侵蚀模数，运用马尔科夫转移矩阵对1988—2013年土壤侵蚀变化趋势进行了预测分析，并利用空间分析方法进一步探讨了土壤侵蚀强度空间变化与坡度、土地利用类型等地形因子间的关系。结果表明：1988—2013年榆林市总体土壤侵蚀平均模数稳定，但在2000年和2001年出现明显差异，2000年土壤侵蚀平均模数达到最小值，2001年土壤侵蚀平均模数达到最大值。1988—2013年榆林市土壤侵蚀状况明显改善，平均土壤侵蚀由1988年4 368.83 t/（km2·a）减少为2013年2 345.97 t/（km2·a），相应的土壤流失总量从175.94×106 t减少到68.96×106 t。全市微度侵蚀面积增加，其他侵蚀等级转移到剧烈侵蚀的百分比均不足1%。根据马尔科夫模型预测，未来40年榆林市土壤侵蚀状况逐渐减轻，微度土壤侵蚀面积逐渐增加，其他侵蚀等级的面积持续减少。
关键词 RUSLE;土壤侵蚀;马尔科夫模型;动态变化;榆林市
中图分类号 S157文献标识码 A文章编号 0517-6611（2020）13-0063-07
Abstract In order to study the changes of soil erosion in the Loess Plateau Region after returning farmland to forest project， using the rainfall， land use， topography and vegetation coverage data to combine Chinese Soil Loss Equation based on the general soil erosion model RUSLE. The loss equation was used to calculate soil erosion modulus from 1988 to 2013 in Yulin City， Shaanxi Province. The Markov transition matrix was used to predict the soil erosion trends from 1988 to 2013， using GIS spatial analysis method to further explore relationship between spatial variation of soil erosion intensity and topographic factors such as slope and land use type. The research showed that the soil erosion average module was generally smooth in Yulin City from 1988 to 2013，but there were jumpy inflection points in 2000 and 2001，the minimum value in 2000 and the maximum value in 2001. The soil erosion situation was improved significantly from 1988 to 2013 in Yulin City， the average soil erosion was decreased from 4 368.83 t/（km2·a） in 1988 to 2 345.97 t/（km2·a） in 2013， and the corresponding total soil loss was reduced from 175.94×106 tons to 68.96×106 tons. The citys slightly eroded area increased， and the percentage of other erosion levels shifted to severe erosion was less than 1%. According to the Markov model， soil erosion in Yulin City will gradually decrease in the next 40 years， the area of slightly soil erosion will gradually increase， and the area of other erosion grades will continue to decrease.
Key words RUSLE;Soil erosion;Markov Model;Dynamic change;Yulin City
黃土高原是全国土壤侵蚀最为严重的地区，总面积64万km2，土壤侵蚀面积39万km2，土壤侵蚀模数≥15 000 t/（km2·a）的剧烈水蚀面积3.67万km2，占全国同类面积的89%[1]。陕西省榆林市是黄土高原水土流失核心地区，严重的土壤侵蚀使降水流失、土壤干旱，加剧生态环境恶化;环境日益恶化，植被成长不良，土壤失去保护，侵蚀加剧，如此重复恶性循环[2]。为了治理水土流失，改善自然环境，近年来许多学者做了大量相关研究。江忠善等[3]根据我国土壤侵蚀的适应性，在加入浅沟侵蚀因子的基础上，利用土壤侵蚀模型对中国坡面水蚀预报模型进行研究;张岩等[4]研究了不同植被类型对水土流失的影响;Wu等[5]对中国黄土高原易侵蚀流域的土壤侵蚀变化进行追踪研究。
土壤侵蚀一般使用经验和物理模型，物理模型参数较多，但适用范围有限[6]。随着学科的发展，处理土壤侵蚀模型问题常常借助GIS技术，学者们对黄土高原王家沟、阳沟小流域[7-8]和延河大流域[9]进行了土壤侵蚀的研究。
我国黄土高原地区考虑浅沟侵蚀对坡面侵蚀产沙的重要影响，而模型不太适用于黄土高原地区坡面侵蚀的研究。该研究引入浅沟侵蚀因子G[3]，建立基于RUSLE模型的坡面土壤流失预报模型A=f·R·L·S·K·C·P·G[3]，结合RS、GIS技术计算了陕西省榆林市1988、2000、2013年土壤侵蚀模数，并利用马尔科夫模型预测了未来土壤侵蚀变化趋势。
1 材料与方法
1.1 研究区概况
榆林市地处于陕西省最北部，西邻甘肃、宁夏，北连内蒙古，东隔黄河与山西相望，南与陕西省延安市接壤，地跨36°57′～ 39°36′N，107°28′～ 110°25′E，处于黄土高原和毛乌素沙地交界处，是黄土高原与内蒙古高原的过渡区。榆林市行政区划图形似三角形，总面积43 578 km2，约占陕西省21%。地貌大致分为风沙草滩区、黄土丘陵沟壑区、梁状低山丘陵区三大类。该区域气候属暖温带半干旱大陆性季风气候，年平均气温10 ℃，年平均降水量400 mm左右[11]，境内不但有强烈的水蚀，而且有着剧烈的风蚀，因此是黄河中游土壤侵蚀最为严重的地域[12]。
1.2 数据与方法
1.2.1 数据来源。
①陕西省1988、2000和2013年1∶10万土地利用类型数据;②土壤数据来源于陕西省第二次土壤普查数据集和世界土壤数据库的中国土壤数据集（v1.1）（http：∥westdc.westgis.ac.cn）;③来源于中国气象共享网（http：∥cdc.cma.gov.cn/）的榆林、神木、靖边、绥德、横山日降雨数据，黄土高原科学数据中心（http：∥loess.data.ac.cn）的其余20个气象站点日降雨资料;④来源于地理空间数据云的分辨率为30 m的DEM數据和2000—2013年分辨率为250 m的NDVI数据。
1.2.2 研究方法。
基于GIS平台，采用坡面土壤流失预报模型A=f·R·L·S·K·C·P·G[3]进行榆林市1988—2013年土壤侵蚀强度动态分析研究，模型中各因子的确定如下。
1.2.2.5 植被覆盖与管理C因子的确定。
植被覆盖与管理C因子反映了植被、作物等覆盖与管理方法对土壤侵蚀的影响。在黄土高原地区，由于黄土的易蚀性，在裸露的地区极易发生土壤流失，因此，植被覆盖成为预测和评价土壤流失中必不可少的因子[18]。当C=0时，表示没有发生土壤侵蚀，当C=1时，表示抑制作用完全失效。该研究根据马超飞等[19]、蔡崇法等[20]计算获得的成果，汇总黄土高原各类土地植被覆盖度，具体如下：耕地为0.31，林地为0.006，草地为006，水域、城乡、工矿、居民用地为0，未利用地、裸地为0，2000年以前均按此赋值求得。2000年以后C采用的算法是参考蔡崇法等[20]研究提出的计算因子的算法，即与植被、作物覆盖度有关：
1.2.2.6 水土保持措施P因子的确定。
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与相应未实施该措施的顺坡种植时的土壤流失量的比值[22]，P因子的变化值域在0～1，值的大小表示植被覆盖与水土保持措施对土壤侵蚀的抑制作用强弱。当P=0时，表示采取水土措施后没有土壤侵蚀;当P=1时，表示未采取任何水保措施的地区。P因子的取值情况：林地、草地、未利用土地为1，水域、建筑用地、居民用地为0、>0°～5°、>5°～10°、>10°～15°、>15°～20°、>20°～25°、>25°坡度下的耕地P分别为0.100、0.221、0305、0.575、0705、0.800，P取值参照文献[23-24]。分别对1988、2000和2013年的水土保持措施因子计算得出结果（图3）。
1.2.2.7
浅沟侵蚀因子G的确定。
浅沟侵蚀G[3]是一种重要类型的边坡土壤侵蚀过程，反映了浅水沟侵蚀对流域的影响和泥沙产量，尤其在我国黄土高原坡面的土壤侵蚀中起着重要作用。据Jiang等[25]研究发现，浅沟侵蚀因子主要受到降水、收敛强度和土壤属性的影响。当没有浅沟侵蚀时，G=1。
G=1+（α-θc）[1.003（R·I30）0.103-1]/（30-θc）（11）
式（11）中，G是浅沟侵蚀因子;α是表面坡度（°）;R是单个降雨量（mm）;I30是最大30 min雨强（mm/min）。
1.2.3 马尔科夫模型。
马尔科夫模型是一种关于事件发生概率的具有“无后效性”的研究方法，在地理预测中经常被使用[26]。用该模型模拟土壤侵蚀动态变化是可行的，因为在某一研究区域中，各种侵蚀强度之间是可以相互转化的，而且在不同时段，其转移过程受前一时刻状态的影响。在生成榆林市土壤侵蚀转移矩阵的基础上，用该模型对榆林市的土壤侵蚀演变作出预测。
运用马尔科夫模型预测土壤侵蚀动态变化趋势最重要的是确立土壤侵蚀强度转移矩阵P，数学表达式如下：2 结果与分析
2.1 土壤侵蚀变化分析
RUSLE模型中，计算A值时，将最终得到的土壤侵蚀强度按以下标准分6级：微度侵蚀（0
1988—2013年降雨侵蚀力年际差异较大。2000、2001年是降雨侵蚀力最小年和最大年，分别为439.55、2 405.39 MJ·mm/（hm2·h），其余各年份为550～2 350 MJ·mm/（hm2·h）。2002年和2007年相比，剧烈侵蚀百分比减少了4.2%，约1 891.25 km2;极强烈侵蚀百分比减少了0.5%，约225.17 km2。在降雨侵蚀力相近的年份，侵蚀强度百分比具有差异性，主要是不同地区的降雨强度不同引起的。
2.2 1988—2013年不同侵蚀强度转置分析
根据侵蚀强度的不同，分为微度侵蚀、轻度侵蚀、中度侵蚀、强烈侵蚀、极强烈侵蚀和剧烈侵蚀六类。1988和2000年，2000和2013年的土壤侵蚀程度用马尔科夫转移矩阵进行转置分析（表3、4）。
1988—2000年不同侵蚀强度转置中，侵蚀程度未转移情况：微度52.29%、轻度22.32%、中度7.56%、强烈6.42%、极强烈9.37%、剧烈12.66%。1988年的降雨侵蚀力为2 055.26 MJ·mm/（hm2·h），2000年的降雨侵蚀力为43955 MJ·mm/（hm2·h），可见降雨侵蚀力明显急剧成倍数减少，整体侵蚀程度明显降低。1988—2000年，剧烈到剧烈以下程度转移87.34%，微度、轻度、中度、强烈、极强烈程度向剧烈程度转移6.08%，明显侵蚀程度好转。
2000—2013年不同侵蚀强度转置中，侵蚀程度未转移情况：微度78.75%、轻度57.98%、中度31.17%、强烈17.34%、极强烈16.25%、剧烈19.55%。2000年的降雨侵蚀力为43955 MJ·mm/（hm2·h），2013年的降雨侵蚀力为1 790.23 MJ·mm/（hm2·h），可见降雨侵蚀力明显增大，相对于1988—2000年，整体的侵蚀程度加剧，中度转置到强烈、极强烈和剧烈4.02%;2000—2013年，中度转置到强烈、极强烈和剧烈10.59%，侵蚀程度加剧;1988—2000年，极强烈转置成强烈、中度、轻度和微度87.18%;2000—2013年，极强烈转置成强烈、中度、轻度和微度80.92%，侵蚀程度相对于1988—2000年是加剧的。
2.3 1988—2013年不同土地利用类型转置分析
榆林市1988、2000和2013年土地利用类型根据1∶10万土地资源分类系统分为耕地、林地、草地、水域、建筑用地（居民地）、未利用土地六类。1988年和2000年，2000年和2013年的不同土地类型用马尔科夫转移矩阵进行转置分析（表5、6）。自1988年以来，榆林市水土流失日益严重，土壤侵蚀程度逐年加剧，政府和相关单位积极采取水土保持措施，退耕还林，修建相应的水利工程，建立相关水保管理组织和规范等。近年来，随着各种水保措施的实施，1988—2013年，耕地、草地和未利用土地面积减少，林地、建筑用地面积增加，榆林市近年来的土壤侵蚀呈现减轻趋势。
2000—2013年不同土地类型转置中，土地利用类型未转移情况：耕地87.79%、林地92.39%、草地91.74%、水域8597%、建筑用地77.61%、未利用土地90.88%。耕地转置为林地2.01%，草地转置为林地0.94%，水域转置为林地036%，建筑用地转置为林地0.56%，未利用土地转置为林地0.17%。表6与表5相比，2000—2013年耕地、草地、水域、建筑用地、未利用土地转置成林地的百分比增加程度大于1988—2000年，表明经过数十年政府及相关水保单位的治理，榆林市的退耕还林项目有了很大成效，水土保持取得成效，土壤侵蚀也逐渐减轻。
2.4 不同坡度等级下土壤侵蚀变化特征
根据1988—2013年不同坡度下土壤侵蚀统计（表7），随着坡度的增加，1988、2000和2013年的土壤侵蚀模数呈上升趋势，总侵蚀量也是逐渐增加。0～5°一般是平原地区，土壤受人类活动的影响;0～25°平原或者坡度不大的地区，人为活动加剧侵蚀，>25°的地区，人类活动减少，耕地面积也减少，虽然林地、草地的面积大于耕地面积，但由于天气等自然现象，造成风蚀、水蚀等自然灾害，导致山体滑坡、泥石流、坍塌、山体切沟等后果，严重影响了地表的完好度，加剧了土壤侵蚀程度。近年来，由于政府及相关单位水保措施的实施，退耕还林已经取得了不错的成效，所以2013年较1988年总侵蚀明显减少。
总侵蚀量计算公式：
总侵蚀量 = 土壤侵蚀模数×面积/106
面积=像元数×像元大小（分辨率）
2.5 土壤侵蚀动态变化模拟预测 根据1988—2013年榆林市土壤侵蚀类型面积转移矩阵（表8），计算出相应的土壤侵蚀强度转移概率矩阵（表9），在此基础上预测出2013年的土壤侵蚀面积百分比（表10）。
该研究引入模型效应系数W[27-29]判断马尔科夫模拟预测效果，公式如下：
W=1-（Qs-Qy）2（Qs-s）2（12）
式（12）中，Qs为实际面积比例;Qy为预测面积比例。W值反映了实际值与预测值的吻合程度，W越接近100%，说明模拟效果越好。通過计算，W值为80%。说明榆林市实际侵蚀等级面积对比预测侵蚀等级面积，一致性良好，进而说明马尔科夫模拟和预测土壤侵蚀动态变化是可行的。
根据2000—2013年不同侵蚀强度转移矩阵（表4）自乘3次可达稳定状态（表11～13），也就是说从2000年起，经过14×3=42年，侵蚀强度转移稳定下来。从整体上来看，到2055年乃至未来，榆林市微度侵蚀面积逐渐增加，轻度及以上面积持续减少，整体呈良性发展趋势。
3 结论与讨论
通过栅格数据来获取区域内部差异，利用改进的RUSLE土壤侵蚀模型，计算降雨侵蝕R因子、土壤K因子、坡长坡度LS因子、植被覆盖C因子、水土保持P因子、浅沟侵蚀G因子，估算1988—2013年土壤侵蚀模数，分析了1988—2013年侵蚀变化、地类面积变化和不同坡度下的土壤侵蚀变化情况，最后利用马尔科夫转移矩阵预测未来年份土壤侵蚀变化趋势，得出以下结论。
（1）榆林市土壤侵蚀平均模数总体较稳定。但在2000、2001年出现明显差异，2000年达到历年来最小值，因为2000年降雨侵蚀力最小，2001年土壤侵蚀平均模数达到历年来最大值，其原因是2001年降雨侵蚀力最大。1988年的降雨侵蚀力为2 055.26 MJ·mm/（hm2·h），2000年的降雨侵蚀力为439.55 MJ·mm/（hm2·h），降雨侵蚀力急剧成倍数减少，所以整体侵蚀程度明显降低，2013年的降雨侵蚀力为1 790.23 MJ·mm/（hm2·h），降雨侵蚀力明显增大，相对于1988—2000年，整体的侵蚀程度加剧。
（2）1988—2013年榆林市土壤侵蚀状况明显改善，平均土壤侵蚀由1988年4 368.83 t/（km2·a）减少为2013年2 345.97 t/（km2·a），相应的土壤流失总量从175.94×106 t减少到68.96×106 t。1988—2013年，中度以上侵蚀全市微度侵蚀面积增加，其他侵蚀等级转移到剧烈侵蚀的百分比均不足1。耕地、草地和未利用土地面积减少，林地、建筑用地面积增加，退耕还林，爱护自然等保护措施和意识得到加强和提升。随着坡度增加，1988、2000和2013年的土壤侵蚀模数呈上升趋势，总侵蚀量也是逐渐增加。
（3）根据马尔科夫模型预测，未来40年榆林市土壤侵蚀状况逐渐减轻，中度以上土壤侵蚀面积逐渐增加，微度侵蚀面积增加尤其显著，其他侵蚀等级的面积持续减少。
参考文献
[1] 高海东，李占斌，李鹏，等.基于土壤侵蚀控制度的黄土高原水土流失治理潜力研究[J].地理学报：英文版，2016，26（4）：457-472.
[2] 姜永清，王万中，王占礼，等.陕北黄土高原的土壤侵蚀与综合治理[J].水土保持研究，1999，6（2）：174-180.
[3] 江忠善，郑粉莉，武敏.中国坡面水蚀预报模型研究[J].泥沙研究，2005（4）：1-6.
[4] 张岩，刘宝元，张清春，等.不同植被类型对土壤水蚀的影响[J].植物学报：英文版，2003，45（10）：1204-1209.
[5] WU L，LIU X，MA X Y.Tracking soil erosion changes in an easilyeroded watershed of the Chinese loess plateau[J].Polish journal of environmental studies，2016，25（1）：351-363.
[6] 李天宏，郑丽娜.基于RUSLE模型的延河流域2001—2010年土壤侵蚀动态变化[J].自然资源学报，2012，27（7）：1164-1175.
[7] YODER D，LOWN J.The future of RUSLE：Inside the new revised universal soil loss equation[J].Journal of soil & water conservation，1995，50（5）：484-489.
[8] 陈云明，刘国彬，郑粉莉，等.RUSLE侵蚀模型的应用及进展[J].水土保持研究，2004，11（4）：80-83.
[9] 江忠善，王志强，刘志.黄土丘陵区小流域土壤侵蚀空间变化定量研究[J].土壤侵蚀与水土保持学报，1996，2（1）：1-9.
[10] 符素华，刘宝元.土壤侵蚀量预报模型研究进展[J].地球科学进展，2002，17（1）：78-84.
[11] 刘新颜，曹晓仪，董治宝.基于T-S模糊神经网络模型的榆林市土壤风蚀危险度评价[J].地理科学，2013，33（6）：741-747.
[12] 贾文錦，朱全有，陈有治，等.榆林专区的土壤侵蚀及其防治[J].土壤通报，1961（1）：35-42.
[13] 王万忠.黄土地区降雨特性与土壤流失关系的研究 Ⅲ：关于侵蚀性降雨的标准问题[J].水土保持通报，1984（2）：58-63.
[14] 谢云，刘宝元，章文波.侵蚀性降雨标准研究[J].水土保持学报，2000，14（4）：6-11.
[15] 章文波，谢云，刘宝元.利用日雨量计算降雨侵蚀力的方法研究[J].地理科学，2002，22（6）：705-711.
[16] WANG B，ZHENG F L，PMKENS M J M，et al.Comparison of soil erodibility factors in USLE，RUSLE2，EPIC and Dg models based on a Chinese soil erodibility database[J].Acta agriculturae scandinavica， Section BSoil and plant science，2013，63（1）：69-79.
[17] 汪邦稳，杨勤科，刘志红，等.基于DEM和GIS的修正通用土壤流失方程地形因子值的提取[J].中国水土保持科学，2007，5（2）：18-23.
[18] 杨波，王全九.退耕还林后榆林市土壤侵蚀和养分流失功效研究[J].水土保持学报，2016，30（4）：57-63.
area in Anhui Province
3 安徽省生态安全格局
在ArcGIS中，叠加生态安全重要性和生态敏感性4幅格局图（水源涵养生态安全格局、水土保持生态安全格局、生
物多样性生态安全格局和生态敏感性格局），剔除图中土地利用类型为建设用地和耕地的部分，形成生态安全重要性敏感性格局。叠加景观破碎度高值区、景观完整性低值区和蔓延度低值区3幅图，剔除斑块面积不足1 km2的区域形成景观生态安全格局。融合生态安全重要性敏感性格局和景观生态安全格局建立安徽省生态安全格局（图10）。
图10 安徽省生态安全格局
Fig.10 Ecological security pattern in Anhui Province
安徽省生態安全格局以西部大别山生态屏障和南部黄山生态屏障为框架，以长江干流水生态廊道为连接枢纽，融合以巢湖为首的中北部湖泊为湿地保护屏障，共同表现为“两山一江，山环水绕”生态安全格局。
4 结论与讨论
该研究基于GIS和Fragstats软件，运用生态安全重要性与敏感性划分生态安全高值区，使用景观生态指数为参考基准划分景观生态极值区，构建了安徽省生态安全格局。研究表明，安徽省生态安全格局总面积41 083.46 km2，占全省面积的29.53%，整体主要格局以西部大别山生态屏障和南部黄山生态屏障为支撑，总面积分别为10 878.66、20 004.97 km2，长江干流水生态廊道为屏障链接，巢湖等湖泊湿地为生态格局重要组成成分，总面积1 130.74 km2。
该研究通过综合生态安全重要性敏感性指数和景观生态指数，构建了安徽省生态安全格局，改变了以往生态安全格局的单一评估指标情况，为安徽省生态保护提供了新的思路和参考。针对不同地区、不同指标类型使用了不同的等级进行分级处理，突破了以往全国使用统一分级标准造成的地区间生态格局差异性不明显的情况，使生态安全的区域特殊性更加显著。由于研究未统一各个指标的栅格分辨率大小，具体表现为生态安全重要性栅格分辨率低于景观生态指数的分辨率，使得生态安全格局不同指数之间的精准性略有不足。如何更加科学地突出地区间生态安全格局的科学性和系统性，统一不同尺度下生态安全的地区性差异，开展区域生态安全动态评价和高效预警是今后亟待深入研究的部分。可以进一步选择更大尺度和更长时间跨度，从更微观的评价单元角度，加强区域生态安全的时空分析，更好揭示生态安全的变化规律和驱动因子，提出更有针对性的决策建议。
参考文献
[1]秦晓楠，卢小丽，武春友.国内生态安全研究知识图谱：基于Citespace的计量分析[J].生态学报，2014，34（13）：3693-3703.
[2] 李宗尧，杨桂山，董雅文.经济快速发展地区生态安全格局的构建：以安徽沿江地区为例[J].自然资源学报，2007，22（1）：106-113.
[3] 宋伟东.基于生态功能重要性和敏感性的安徽省生态安全格局构建[J].阜阳师范学院学报（自然科学版），2019，36（3）：103-109.
[4] 张豆，渠丽萍，张桀滈.基于生态供需视角的生态安全格局构建与优化：以长三角地区为例[J].生态学报，2019，39（20）：7526-7537.
[5] 陈昕，彭建，刘焱序，等.基于“重要性—敏感性—连通性”框架的云浮市生态安全格局构建[J].地理研究，2017，36（3）：471-484.
[6] 杜悦悦，胡熠娜，杨旸，等.基于生态重要性和敏感性的西南山地生态安全格局构建：以云南省大理白族自治州为例[J].生态学报，2017，37（24）：8241-8253.
[7] 付刚，白加德，齐月，等.基于GIS的北京市生态脆弱性评价[J].生态与农村环境学报，2018，34（9）：830-839.
[8] 谭云凤. 基于GIS和Fragstats的团结镇景观格局优化研究[D].哈尔滨：东北林业大学，2014.
[9] ZHOU D Y，TIAN Y Y，JIANG G H.Spatio-temporal investigation of the interactive relationship between urbanization and ecosystem services： Case study of the Jingjinji urban agglomeration， China[J]. Ecological indicators，2018，95：152-164.
[10] 刘琦，刘世梁，赵清贺，等.基于移动窗口法的水电开发影响下景观格局梯度分析[J].山地学报，2012，30（5）：628-635.
[11] 仇江啸，王效科，逯非，等.城市景观破碎化格局与城市化及社会经济发展水平的关系：以北京城区为例[J].生态学报，2012，32（9）：2659-2669.
[12] 张琳琳，孔繁花，尹海伟，等.基于景观空间指标与移动窗口的济南城市空间格局变化[J].生态学杂志，2010，29（8）：1591-1598.
[13] 唐建，谭飞，周琳.景观破碎化对物种多样性的影响探讨[J].绿色科技，2018（24）：158-161.
[14] LARSEN L G，CHOI J，NUNGESSER M K，et al. Directional connectivity in hydrology and ecology[J]. Ecological applications， 2012， 22（8）：2204-2220.
[15] 中华人民共和国生态环境部.生态保护红线划定指南：环办生态（2017）48号[A].2017.
[16] 安徽省人民政府.安徽省人民政府关于发布安徽省生态保护红线的通知：皖政秘（2018）120号[A].2018.
[17] 卢一梦.安徽省湿地生态保护红线划分研究[D].合肥：安徽大学，2019.
[18] 白育铭.安徽省生态红线区管控指标体系构建研究[D].合肥：安徽农业大学，2016.
[19] 王在高，吴楠.安徽省重点生态功能区保护红线划定方法研究[J]. 合肥工业大学学报（自然科学版）， 2017， 40（10）： 1412-1415.
[20] 王在高，吴楠.基于GIS的安徽省生态保护红线划定方法研究[J]. 安徽师范大学学报（自然科学版）， 2018， 41（3）： 287-292.
[21] 王在高，吴楠.安徽省生态环境敏感区保护红线划定方法研究[J]. 合肥工业大学学报（自然科学版）， 2018， 41（8）： 1100-1107.
[22] 宋言奇.长三角生态安全一体化研究[J].南通大学学报（社会科学版），2005，21（4）：61-66.
[23] 宋言奇.“长三角”地区生态安全应走一体化综合治理的道路[J].科技导报，2005，23（12）：72.
[24] 李进华，孙庆业，周立志，等.安徽生态建设与长三角生态安全[C]//中国生态学会、安徽生态省建设领导小组办公室.循环·整合·和谐——第二届全国复合生态与循环经济学术讨论会论文集.北京：中国科学技术出版社，2005：6.
[25] 张贝尔，蒋旭东，孙京禄，等.安徽省区域生态安全动态评价与预警分析[J].中国农学通报，2018，34（27）：142-151.
[26] 刘晓哲.改进的通用土壤侵蚀方程在流域水土流失模拟中的运用[J].水利规划与设计，2016（4）：69-71.
[27] 刘海涛.基于改进通用土壤侵蚀方程的水土流失时空模拟：以淮河上游为例[J].人民长江，2016，47（4）：17-19，26.
[28] 陈正发.基于RUSLE模型的重庆市土壤流失方程研究[D].重庆：西南大学，2011.
[29] 方行，方元.基于GIS与Fragstats景观水平的空间格局特征分析：以珠江口两岸为例[J].湖北农业科学，2012，51（4）：841-842.
[30] 冯永玖，刘艳，周茜，等.景观格局破碎化的粒度特征及其变异的分形定量研究[J].生态环境学报，2013，22（3）：443-450.
[31] 洪鸿加，彭晓春，陈志良，等.长沙市景观破碎化时空分异特征研究[J].国土资源遥感，2011（1）：133-137.
[32] SONG H H，LIU L X，ZHANG Y T，et al.Research on landscape pattern optimization of Xianglan Town based on GIS and fragstats[C]//Proceedings of the 2017 International Conference on Society Science （ICoSS 2017）.Paris，France：Atlantis Press，2017.
[33] 连艺昕. 基于遥感及GIS技术的水土流失信息提取与分级研究：以福建省永春县为例[D].南昌：东华理工大学，2014.
[34] 连米钧.水土流失概念及水土流失强度分级标准[J].水土保持科技情报，2001（1）：25-27，44.
[19] 馬超飞，马建文，布和敖斯尔.USLE模型中植被覆盖因子的遥感数据定量估算[J].水土保持通报，2001，21（4）：6-9.
[20] 蔡崇法，丁树文，史志华，等.应用USLE模型与地理信息系统IDRISI预测小流域土壤侵蚀量的研究[J].水土保持学报，2000，14（2）：19-24.
[21] 谭炳香，李增元，王彦辉，等.基于遥感数据的流域土壤侵蚀强度快速估测方法[J].遥感技术与应用，2005，20（2）：215-220.
[22] 游松财，李文卿.GIS支持下的土壤侵蚀量估算：以江西省泰和县灌溪乡为例[J].自然资源学报，1999，14（1）：62-68.
[23] WISCHMEIER W H，SMITH D D.Predicting rainfall erosion losses：A guide to conservation planning[M].Washington，DC，USA：United States Dept of Agriculture，1978：537.
[24] 覃杰香，王兆礼.基于GIS和RUSLE的从化市土壤侵蚀量预测研究[J].人民珠江，2011，32（2）：37-41.
[25] JIANG Z S，ZHENG F L，WU M.China water erosion prediction model[M].Beijing：Science Press，2008：200-202.
[26] 陈彦光.地理数学方法：基础和应用[M].北京：科学出版社，2008：488-516.
[27] 刘少佳，任志远，杨文艳，等.基于马尔科夫模型土壤侵蚀动态变化研究：以西安都市圈为例[J].水土保持研究，2015，22（5）：14-19，24.
[28] 江青龙，谢永生，张应龙，等.京津水源区小流域土壤侵蚀空间模拟[J].生态学杂志，2011，30（8）：1703-1711.
[29] 石香琼，查轩，陈世发.基于马尔柯夫模型的红壤退化地水土流失动态变化预测研究[J].水土保持研究，2009，16（4）：19-23.
