渭河流域土壤侵蚀时空特征及其地理探测

贾 磊，姚顺波①，邓元杰，李园园，侯孟阳，龚直文

(1.西北农林科技大学经济管理学院，陕西 杨凌 712100；2.西北农林科技大学资源经济与环境管理研究中心，陕西 杨凌 712100)

土壤侵蚀指土壤及其母质在自然界众多外营力的综合作用下，通过物理过程和化学过程使得部分土壤被搬离原来位置而沉积在新位置的过程[1]，它是土地资源遭受破坏最为常见的形式。土壤侵蚀会使土壤肥力下降，抬高河床，淤积河道，加剧干旱、洪涝、滑坡和泥石流等自然灾害的发生，导致生态环境恶化，制约经济社会发展。中国是世界上土壤侵蚀最严重的国家之一[2]，水利部2019年8月20日发布的《2018年中国水土保持公报》显示，2018年全国水蚀和风蚀土壤面积为273.69万km2，约占国土面积的28.5%。因此，定量模拟土壤侵蚀并分析其影响因素对指导水土保持工作及改善生态环境具有重要意义。

区域土壤侵蚀量的测定一般通过实地调查方式完成，该方法测定的侵蚀量较准确，但具有费时费力等缺点，不宜在大尺度范围内加以应用，而土壤侵蚀模型可以整合土壤侵蚀易感因素的复杂关系与相互作用，有助于精确模拟特定区域的土壤侵蚀[3]。RUSLE模型是由美国农业部在大量试验和观测数据基础上对USLE模型进行修正而成[4]，已逐渐替代USLE模型而被广泛应用于区域土壤侵蚀动态变化的预测[5]。近年来，相关学者在流域[6]、地市[7]等不同尺度上均进行了土壤侵蚀变化模拟，为区域土壤侵蚀防治和生态保护规划提供了有益参考。在准确评估区域土壤侵蚀的基础上揭示其空间分布及影响因素，对于水土保持工作的开展具有重要的理论和实践指导意义。在土壤侵蚀影响因素研究方面，刘璐璐等[6]采用叠加分析方法对南北盘江流域土壤侵蚀的影响因素进行研究，发现植被覆盖度的上升及侵蚀性降雨量的大幅减少是该区域土壤侵蚀明显下降的主要驱动因素；王涛[8]通过空间叠加与相关性分析，揭示了降雨和退耕还林工程对陕北洛河流域土壤侵蚀的影响方向与程度。这些工作多采用传统的统计分析和空间分析手段，对于多因子影响及其交互作用的研究还较少，而地理探测器可通过揭示地理现象的空间异质性来揭示其背后的驱动力，能有效识别地理现象的高风险区及不同因子间的交互作用[9]。

黄土高原是我国水土流失最严重的地区，大部分地区土壤侵蚀模数高于10 t·hm-2·a-1，丘陵沟壑区的侵蚀则更剧烈，平均侵蚀模数可达50 t·hm-2·a-1，是我国水土保持和生态建设的重点地区[10]。渭河流域地处黄土高原南缘，是黄河流域第一大子流域。流域内植被稀疏，土质疏松，降雨多集中在夏、秋季，是中国土壤侵蚀较为严重的区域之一[11]。自1999年至今，国家和地方在渭河流域开展了以修建梯田、淤地坝为代表的水土保持综合治理工程和以退耕还林(草)政策为代表的生态修复工程。截至2015年，渭河流域由梯田控制的上方坡面面积约为8 986 km2，淤地坝保有面积近104hm2[12]。2000—2015年，渭河流域累计完成退耕造林面积475.05万hm2。国家和地方在渭河流域开展水土保持综合治理工程、退耕还林(草)等生态修复工程，累计投入资金近100亿元，累计治理水土流失面积达106.87万hm2，取得一定成效；但侵蚀依然严重，仍有20多万km2水土流失面积亟待治理，生态退化趋势难以得到根本遏制[13]。渭河流域土壤侵蚀防治是推动黄河流域生态保护与高质量发展的关键，因此笔者基于RS与GIS技术，利用RUSLE模型模拟渭河流域2000—2015年土壤侵蚀动态变化情况，并运用地理探测器方法对影响渭河流域土壤侵蚀的自然与社会经济因素进行定量归因，旨在为流域土壤侵蚀防治和生态保护提供科学依据。

1 研究区概况

渭河发源于甘肃省定西市渭源县鸟鼠山，是黄河的第一大支流，横跨甘肃东部、宁夏中南部和陕西中部，在陕西潼关县汇入黄河(图1)。

渭河干流全长818 km，流域总面积为13.5万km2，地处干旱地区和湿润地区的过渡地带，属于大陆性季风气候区，冬季寒冷干燥多西北风，夏季炎热湿润多东南风，春秋气候温和多风；多年平均降水量为500～800 mm；多年平均气温为7.8～13.5 ℃；流域地貌类型众多，大致有陕北、陇东黄土高原、秦岭山地和渭河谷地。地形西高东低，地势自西向东逐渐变缓，河谷变宽；渭河支流众多，南北岸分布不均，南岸数量较多，但较大支流集中在北岸，以泾河和北洛河为主；全区土壤类型以黄绵土、褐土和棕壤为主。研究区社会经济发展呈现较大差异，至2015年，渭河流域人口密度为20～1 220人·km-2，人均国民生产总值为7 338.25～75 329.44 元[12]。

2 数据来源与研究方法

2.1 数据来源

所使用的数据包括气象数据、土地利用数据、数字高程模型(DEM)数据、植被覆盖数据、土壤属性数据和社会经济数据等。气象数据为渭河流域内26个气象站点1998—2017年月度降雨观测数据，来源为中国气象局站点(http:∥data.cma.cn/)；2000、2005、2010和2015年4期土地利用数据源于中国科学院资源环境科学数据中心(http:∥www.resdc.cn/)，包括耕地、林地、草地、水域、建设用地和未利用地，空间分辨率为90 m[14]；DEM 数据源于美国国家航空航天局(NASA)2003年释放的 SRTM 90 m 产品数据(http:∥srtm.csi.cgiar.org/)。利用ArcGIS中的Slope模块计算得到研究区坡度数据；NDVI 数据采用 NASA 发布的每 16 d合成的250 m 分辨率的MOD13Q1产品。使用MRT(MODIS Reprojection Tools)工具对MODIS-NDVI数据进行批量拼接、投影和裁剪等处理，最后运用最大值合成法得到2000、2005、2010和2015年每一年的植被NDVI数据；土壤属性数据来源于中国科学院南京土壤研究所土壤科学数据库公布的1∶100万中国土壤数据集(http:∥vdb3.soil.csdb.cn/)，包含各类土壤的砂粒、粉粒、黏粒及有机碳含量等数据；社会经济数据包括县域人口、造林和经济发展数据。其中，2000—2015年渭河流域各县域人口密度和人均GDP数据来源于国家统计年鉴；2000—2015年县域年造林面积来源于《中国林业统计年鉴》。黄河流域和渭河流域边界的矢量数据来自于国家地球系统科学数据中心黄土高原分中心(http:∥loess.geodata.cn)；流域内县级行政区共93个，其边界数据来自于全国地理信息资源目录服务系统下的1∶100万全国基础地理数据库(http:∥www.webmap.cn)。所有数据均在ArcGIS平台中重采样为90 m×90 m，空间坐标系统一采用WGS_1984_UTM_Zone_49N。

2.2 RUSLE模型

采用修正的土壤侵蚀模型(RUSLE)[4]评估渭河流域土壤侵蚀，基本原理如下：

A=R×K×SL×C×P。

(1)

式(1)中，A为年均土壤侵蚀量，t·hm-2·a-1；R为降雨侵蚀力因子，MJ·mm·hm-2·h-1·a-1；K为土壤可蚀性因子，t·hm2·h·hm-2·MJ-1·mm-1；SL为坡长坡度因子，无量纲；C为植被覆盖与管理因子，无量纲；P为水土保持措施因子，无量纲。

2.2.1降雨侵蚀力因子(R)

降雨侵蚀力反映的是降雨所引起土壤搬运和分离的动力大小。该因子的计算需以降水资料为基础，以次降雨总动能(E)与30 min最大雨强(I30)的乘积作为降雨侵蚀力指标[15]。考虑到资料选取和研究区域等特点，选用基于月均降水和年均降水的Ganasri B P[16]计算公式：

(2)

式(2)中，pi为月平均降水量，mm；p为年平均降水量，mm。考虑到某些年份降雨偶然性较大，会对最终结果的估算精确度造成影响，利用渭河流域气象站点1998—2017年月度降雨观测数据求得多年月均降雨量，由式(2)求得研究区各站点多年平均降雨侵蚀力(R)，再采用反距离权重法(IDW)进行空间内插，形成大小为90 m的栅格图层(图2)。

2.2.2土壤可蚀性因子(K)

K是表征土壤性质对土壤侵蚀敏感程度的指标，反映了由于土壤性质不同所导致的侵蚀量差异。采用较为常用的EPIC模型[17]计算，具体表达式为

(3)

(4)

式(3)～(4)中，NSA、LSI和ACL分别为砂粒、粉粒和黏粒质量含量，%；C为土壤有机碳质量含量，%；NS1为1减去砂粒占比；0.131 7为美制单位转为国际单位的系数。研究区K值分布见图2。

2.2.3坡长坡度因子(SL)

地形亦是影响土壤侵蚀的重要因子之一，坡长坡度因子(SL)是由坡长和坡度组成的一种复合因子，定义为在实际坡长坡度条件下的土壤侵蚀量与标准小区条件下(坡度为9%，坡长为22.13 m)土壤侵蚀量的比值[4]。SL可由DEM计算获取，基于渭河流域的90 m DEM数据，采用从国家科技基础条件平台-国家地球系统科学数据共享服务平台-黄土高原科学数据中心(http:∥loess.geodata.cn)申请得到的Launch LS工具计算研究区SL因子[18]，结果见图2。

2.2.4植被覆盖与管理因子(C)

C因子为不同植被覆盖与管理情形下的土壤侵蚀量与同等条件下实施清耕、连续休闲对照地上的土壤侵蚀量之比，介于0到1之间[19]。植被覆盖主要通过截留降雨、增加入渗和减缓径流来抑制土壤侵蚀，植被覆盖与管理方式的改变对区域土壤侵蚀的影响各异。采用蔡崇法等[20]建立的植被覆盖度与C之间的回归方程计算C值，计算公式为

(5)

式(5)中，c为植被覆盖度。根据处理好的渭河流域2000、2005、2010和2015年NDVI数据，使用像元二分模型法合成各期植被覆盖度图层，再根据式(5)求得研究区4期C因子分布。

2.2.5水土保持措施因子(P)

P指采取诸如修筑梯田等水土保持措施时的土壤侵蚀量与无任何措施时的侵蚀量之比，取值为0～1，0表示无侵蚀，1表示未采取任何水土保持措施[4]。目前对于P值的测定主要通过布设天然小区试验得到。考虑到流域尺度较难实现天然小区布设，因此根据黄土丘陵沟壑区的相关研究[21]并结合渭河流域的实际情况，得到耕地、林地、草地、水域、建设用地和未利用地的P值分别为0.2、0.6、0.8、0、0和1。

2.3 地理探测器原理及应用

地理探测器是WANG等[22]基于空间分异理论提出“因子力”指标并结合GIS空间叠加技术和集合论，用以识别多要素间交互作用的模型。模型基本假设：若某个自变量对某个因变量有重要影响，则自变量和因变量的空间分布也应具有相似性。该方法适合于分析类型量，这一特点对于土壤侵蚀影响因素的识别具有重要作用[9]。地理探测器由分异及因子探测器、交互作用探测器、风险探测器和生态探测器4个部分组成。

因子探测器可用于探测因变量的空间分异性以及自变量对因变量的解释程度，用q值来度量[22]，表达式为

(6)

(7)

TSS=Nσ2。

(8)

式(6)～(8)中，L为自变量(X)和因变量(Y)的分层或分区；Nh和N分别为层h和全区域的单元数；σh2和σ2分别为层h和全区域Y值的方差；WSS为层内方差之和；TSS为全区域总方差。q∈[0,1]，值越大表示X对Y的解释力越强，反之则越弱。q值的一个简单变换满足非中心F分布，可通过地理探测器软件来检验q值是否显著[23]。

交互作用探测器可用于识别不同因子间的交互作用，该方法通过对比单因子q值和双因子q值来确定两个因子间的交互作用方向和方式，交互作用的判据见表1。风险探测器可用于判断因子在不同分层中的分布差异，可识别土壤侵蚀高风险区域，用t统计量来检验[23]。生态探测可用于比较不同因子对因变量空间分布的影响是否有显著差异，以F统计量来衡量[23]。土壤侵蚀主要受自然和社会经济两个方面因素的影响，自然因素主要包括降雨、地形和植被等，社会经济因素主要有人口增长、经济发展和政策等[24]。基于此，选取多年平均降雨、植被覆盖度、海拔、坡度、退耕还林累计造林面积、人均GDP和人口密度7个因子作为自变量X，以2015年平均土壤侵蚀强度作为因变量Y代入地理探测器中进行运算。地理探测器要求输入的自变量为类型数据，根据王劲峰等[23]提出的数据离散化方法和先验知识，将多年平均降雨量、人均GDP、人口密度和累积造林面积按照自然断点法分为6类，海拔按照等间距分类法分为6类，植被覆盖度按照<0.3、0.3～0.4、>0.4～0.5、>0.5～0.6、>0.6～0.7、>0.7～0.8、>0.8～0.9和>0.9～1.0分成8类，坡度按<5°、5°～10°、>10°～15°、>15°～20°、>20°～25°和>25°分为6类。采用ArcGIS 10.4中的渔网点功能将渭河流域划分为4 km×4 km格网，共提取8 300个采样点作为地理探测器的运行数据。

表1 不同影响因子的交互作用方式

3 结果与分析

利用流域内水文站点的年输沙量等数据，在GIS中进行空间内插，得出研究区输沙模数并将其与土壤侵蚀模数进行比较[11,25]。由于笔者采用多年平均降雨侵蚀力进行计算，故需要将多年平均输沙模数与流域多年平均土壤侵蚀强度作比较，北洛河、泾河和渭河主流域水文泥沙监测站点分别为状头、张家山和咸阳站，从水利部网站(http:∥www.mwr.gov.cn/)公布的《中国河流泥沙公报》中可知状头、张家山和咸阳站多年平均输沙模数分别为26.90、48.30和28.40 t·hm-2·a-1，在GIS中进行克里金插值得到渭河流域多年平均输沙模数为34.67 t·hm-2·a-1，而通过计算得到渭河流域2000—2015年平均土壤侵蚀强度为42.16 t·hm-2·a-1，输沙模数与RUSLE模型结果之比值为0.81，表明由RUSLE模型得到的结果可用于进一步分析。

3.1 土壤侵蚀强度的时间变化

渭河流域4期土壤侵蚀强度分布见图3。

图3显示，渭河流域2000、2005、2010和2015年平均土壤侵蚀模数分别为50.724、42.270、39.716和35.944 t·hm-2·a-1，土壤侵蚀下降趋势明显，2000—2005年降幅最大，为16.67%，2005—2010年降幅最小，仅为6.04%，15 a间侵蚀总量共减少1.959亿t。

将研究区4期土壤侵蚀强度按SL 190—2007《土壤侵蚀分级分类标准》[26]划分为微度、轻度、中度、强度、极强和剧烈6个侵蚀级别，各级别面积占比见表2。由表2可知，2000—2015年，各侵蚀级别变化总趋势为高侵蚀级别面积向低侵蚀级别转移，15 a间，轻度、中度、强度、极强和剧烈侵蚀面积分别下降17.68%、24.63%、28.52%、28.80%和29.71%；微度侵蚀面积增加31.51%，土壤侵蚀减弱趋势明显。

表2 2000—2015年渭河流域不同土壤侵蚀级别面积占比

利用ArcGIS中的面积制表功能，对研究区不同土壤侵蚀级别面积进行统计，得出土壤侵蚀级别的转移矩阵(表3～5)。

表3 2000—2005年渭河流域土壤侵蚀强度转移矩阵

表4 2005—2010年渭河流域土壤侵蚀强度转移矩阵

表5 2010—2015年渭河流域土壤侵蚀强度转移矩阵

由表3～5可知，2000—2005年渭河流域微度、轻度、中度、强度、极强和剧烈侵蚀的稳定率分别为99.52%、88.13%、81.93%、75.11%、74.26%和78.37%。由此可见，随着侵蚀级别的升高，土壤侵蚀转化率也升高，且大部分地区土壤侵蚀强度向低强度侵蚀转化。轻度、中度、强度、极强和剧烈侵蚀转移为微度侵蚀的面积比例分别为10.30%、9.57%、11.03%、15.58%和13.20%，微度侵蚀面积有较大增加。2005—2010年微度、轻度、中度、强度、极强和剧烈侵蚀的稳定率分别为95.68%、71.37%、64.11%、59.53%、62.66%和72.18%。除微度侵蚀外，其他级别侵蚀强度均发生较大变化，整体变化趋势仍为向低强度侵蚀转移，但亦存在低强度向高强度侵蚀转移的现象：中度侵蚀中7.05%转变为极强侵蚀，强度侵蚀中8.73%转变为剧烈侵蚀，极强侵蚀中8.08%转变为剧烈侵蚀。2010—2015年渭河流域土壤侵蚀强度变化趋势同2005—2010年类似，整体趋势依旧表现为高强度向低强度侵蚀转移，轻度、中度、强度、极强和剧烈侵蚀转移为微度侵蚀的面积比例分别为16.74%、13.58%、13.18%、13.82%和12.09%。

3.2 土壤侵蚀强度的空间动态变化

渭河流域4期土壤侵蚀强度空间分布基本一致，2015年侵蚀区总面积为57 161.93 km2，占流域总面积的43.1%。土壤侵蚀区多分布在渭河干流及其支流北洛河和泾河流域上游，这些地区多为黄土丘陵沟壑区，黄土深厚，土质疏松，遇水易分解，携带大量泥沙，侵蚀严重；而南部的关中平原和中部的河谷平原地势平坦，坡度较低，土层深厚，且植被主要是温带阔叶林，不易发生侵蚀。利用ArcGIS提取各县域平均土壤侵蚀模数，根据SL 190—2007划分土壤侵蚀级别(图4)。

由图4可知，微度侵蚀区域主要分布在陕西中西部、甘肃东部以及宁夏南部，且随着时间变化微度侵蚀面积逐渐扩大，由2000年的20个县级行政区增加为2015年的44个；轻度、中度侵蚀区域主要分布在渭河主流域的中下游以及北洛河、泾河流域上游的部分地区，至2015年，大部分轻度、中度侵蚀区域均已转化为微度侵蚀；强烈侵蚀区域主要分布在甘肃中东部以及陕北部分地区，2000—2015年，强烈侵蚀区域呈现向中度和微度侵蚀转化的趋势；极剧烈侵蚀地区分布较稳定，主要为蒲城、澄城、甘泉、环县、庄浪、华亭和崇信县等，这些地区大多地势较高，地形陡峭，且植被覆盖情况较差，同时由于受煤炭开采的影响，导致侵蚀严重，需重点进行针对性治理。

3.3 土壤侵蚀影响因素分析

3.3.1因子探测

因子探测器的应用结果表明，不同因子对渭河流域土壤侵蚀的解释力有明显差异，植被覆盖度、造林面积、降雨、人口密度、海拔、人均GDP和坡度7个因子q值分别为0.135 3、0.107 1、0.087 5、0.046 1、0.039 0、0.019 4和0.008 3，各因子均通过显著性检验(P值均<0.000 1)，其中，植被覆盖因子q值最高，解释力最强，是影响研究区土壤侵蚀空间分布的主导因子；而坡度因子q值最低，对流域土壤侵蚀影响程度最低。渭河流域面积广阔，地理位置特殊，生态环境脆弱。自1999年开始推行的退耕还林还草、封山育林工程，使得该区域植被覆盖状况得到明显改善，植被覆盖度由2000年的0.54上升至2015年的0.69，有效地降低土壤侵蚀，减少水土流失。渭河流域属大陆性季风气候区，流域内降水分布差异明显：下游地区由于受到东南季风影响，降水较多，可达600 mm以上；中游因秦岭山地阻挡降雨相对较少；而上游地区受湿气流影响较小，降水最少。降雨直接打击土壤，造成击溅侵蚀，是渭河流域土壤侵蚀的主要发生方式，对其分布具有显著影响。上述结果表明自然因素和政策因素共同作用显著影响渭河流域土壤侵蚀空间分布格局。

3.3.2交互探测

交互作用探测器结果(表6)表明，两个因子的交互作用会增强对渭河流域土壤侵蚀的解释力。

表6 各因子对渭河流域土壤侵蚀影响交互作用的q值

除造林面积与人均GDP的交互作用外，交互作用解释力排在第1位的均为植被覆盖度与其他因子的协同作用，表明植被覆盖度的差异显著影响渭河流域土壤侵蚀强度的空间分布。将植被覆盖度与各因子的交互作用q值同单因子q值相比较发现，植被覆盖度与造林面积的交互作用q值明显高于造林面积单因子q值，继续增加造林面积，提升植被覆盖度，可有效抑制水土流失。从植被覆盖度因子与各因子交互作用的增强幅度来看，坡度与植被覆盖度的交互作用q值比坡度单因子q值增加约18倍，两者协同使其对土壤侵蚀的解释力大大增强。对比流域坡度分布发现，流域20°以上坡地面积占比达14%，除关中平原地形平缓外，其余地区地势复杂，坡度较高，应当注重坡耕地的退耕还林。

3.3.3风险探测

风险探测器结果见表7，植被覆盖度小于0.3时，土壤侵蚀强度均值达到最大，为73.95 t·hm-2·a-1。随着植被覆盖度的增加，土壤侵蚀级别逐渐降低，当植被覆盖度为0.9～1时，土壤侵蚀强度均值为0.33 t·hm-2·a-1，表明植被对土壤侵蚀的抑制效果比较显著。造林面积在15.7万～28.5万hm2区间内的土壤侵蚀风险最高。该区域位于流域北部，包括盐池、定边、吴起和靖边4县，地处黄土高原梁状丘陵沟壑区，降水强度大，坡地多，侵蚀严重。降雨高风险区位于481.27～547.75 mm之间，叠加降雨量分布图发现，该区域位于泾河、北洛河上游，侵蚀较严重。人均GDP为5.18万～10.37万元的区域土壤侵蚀风险较高，而人口密度分层中易发生土壤侵蚀的级别为35～88人·hm-2。叠加这2个因子分布图发现，2个高风险区有较大重叠，包括华池、志丹、吴起、定边和靖边等县。该地区石油等矿产资源丰富，同时人口密度较低，导致人均GDP较高，但强烈的开采活动会破坏土壤结构，加剧侵蚀。

表7 各因子高风险区及其侵蚀强度均值

海拔处于3 282～3 874 m区间的地区发生土壤侵蚀的风险较高，而坡度分级的高风险区为20°～25°，土壤侵蚀强度均值为44.55 t·hm-2·a-1。土壤侵蚀强度均值随坡度增加呈先上升后下降趋势，在20°～25°区间达到最大。叠加坡度分级图与2000年土壤侵蚀风险分布图可知，2000年坡度分级的高风险区为>25°，随着退耕还林工程的推进，流域内25°以上坡耕地逐渐转变为林地，使土壤侵蚀强度下降，应继续对20°～25°坡度范围内的耕地进行退耕还林，恢复坡面植被以抑制水土流失。

4 讨论

RUSLE模型模拟结果表明，渭河流域2000—2015年土壤侵蚀强度逐渐降低，微度侵蚀面积占比逐渐升高，其他侵蚀级别面积占比逐渐降低，总体表现为“减蚀降级”的特点。通过地理探测器对渭河流域土壤侵蚀进行定量归因，结果表明，植被覆盖度、造林面积和降雨因子的解释力明显强于其他因子，是影响流域土壤侵蚀分布的主要因素，其中，植被覆盖度q值最高，此结果与相关研究结果[27]类似。由于笔者研究采用多年平均降雨侵蚀力进行计算，降雨影响多表现在土壤侵蚀空间分布的差异上，对于2000—2015年土壤侵蚀强度降低的解释力不足，而植被覆盖度与造林因子的交互作用q值为0.205，显著大于两者的单因子q值。造林因子表征的是以退耕还林、封山育林工程为代表的一系列造林工程，工程的实施使渭河流域植被覆盖度显著提升，植被增多会增加土壤黏度，减少土壤沙化，且植被冠层可减少降雨对土壤的冲刷，亦会降低土壤侵蚀风险。综上所述，退耕还林、封山育林等造林工程实施效果显著，是使得渭河流域2000—2015年土壤侵蚀强度降低的主要原因。各因子q值均不高，究其原因，土壤侵蚀过程较复杂，通常受到多种因素的共同作用，且渭河流域地形复杂，生态脆弱，土壤侵蚀驱动因素更为复杂，单个因子对其空间解释力不足[9,28]。2015年流域整体处于中度侵蚀级别，但局部水土流失依然严重。近年来，渭河流域工业化、城镇化进程加快，农业及基本建设等人类活动不断扩大，导致流域河岸带被破坏，人为水土流失加重；与此同时，作为石料生产的重要区域，渭河平原长期以来露天开采煤矿资源，形成大量废弃矿山，也在一定程度上加剧了该区域的土壤侵蚀，需在此类地区进行生态修复[12,29]。

笔者研究仍存在一些不足之处：(1)在RUSLE模型中，R因子的计算仅考虑了月降雨和年降雨量，未使用更精确的日降雨数据计算和验证；P因子是根据土地利用类型的不同赋值得到，较为主观，可在今后的研究中解译更高精度的遥感影像以实现研究区水保措施的定量观测，以此得到更精确的P因子[25]。(2)在模型结果的验证中，若能得到研究区水保监测点的实测数据，则可加强模型结果验证的科学性。(3)在地理探测器的应用中，由于渭河流域土壤类型过多，无法带入地理探测器模型进行分析，所以渭河流域土壤类型对土壤侵蚀的影响分析比较欠缺，且用造林面积表征相关政策因子较为单薄；若能获取流域内地形地貌以及生态修复工程作用区域的细致划分，则可就不同分区因子的层间差异进行进一步分析，更有利于渭河流域土壤侵蚀重点治理区的判别及因地制宜的治理。

5 结论

利用GIS技术和RUSLE模型，对渭河流域2000—2015年土壤侵蚀强度进行测算并对其影响因素进行研究，结果表明：

(1)渭河流域2000—2015年平均土壤侵蚀模数下降趋势明显，由2000年50.724 t·hm-2·a-1降至2015年35.944 t·hm-2·a-1，降幅为29.14%，侵蚀总量共减少1.959亿t。2000—2015年渭河流域大部分地区土壤侵蚀强度向低强度侵蚀转化，轻度、中度、强度、极强和剧烈侵蚀转移为微度侵蚀的面积占比分别为24.62%、24.10%、25.12%、29.51%和25.38%，土壤侵蚀面积分布向低一级转换的趋势明显，土壤侵蚀情况得到较大改善。

(2)土壤侵蚀主要分布在渭河流域北部及西部，多为流域上游地区，微度侵蚀区域主要分布在陕西中西部、甘肃东部及宁夏南部，强烈侵蚀区域多分布在甘肃中东部及陕北地区，极剧烈侵蚀主要分布在蒲城、澄城、甘泉、环县、庄浪、华亭和崇信等地。

(3)利用地理探测器对渭河流域土壤侵蚀强度的影响因素进行分析发现，各因子解释力由大到小依次为植被覆盖、政策(造林面积)、降雨、人口发展(人口密度)、海拔、经济发展(人均GDP)和坡度因子，植被覆盖、政策和降雨因子q值较大，是影响土壤侵蚀空间分布的主要因素；对因子交互作用分析可知，2种因子的叠加均会增强其对渭河流域土壤侵蚀的解释力。

(4)对各因子进行土壤侵蚀风险探测发现，植被覆盖度小于0.3、降雨量在481.27～547.75 mm区间、海拔处于3 282～3 874 m区间以及坡度位于20°～25°区间的地区为高风险区域，这些地区需注重土壤侵蚀的防治工作。

(5)退耕还林工程的实施缓解了渭河流域土壤侵蚀的严峻态势，但流域整体仍处于中度侵蚀级别，需继续在地形复杂、人类活动剧烈的区域开展退耕还林工程，尤其应注重20°～25°坡地的植被恢复。