区域尺度喀斯特区石漠化强度对土壤流失的影响

李 瑞，袁 江

区域尺度喀斯特区石漠化强度对土壤流失的影响

李 瑞，袁 江

（1. 贵州师范大学喀斯特研究院，贵阳 550001；2. 国家喀斯特石漠化防治工程技术研究中心，贵阳 550001）

石漠化和水土流失是西南喀斯特区突出的生态问题，制约着社会经济的发展。目前，石漠化与土壤流失的耦合关系尚未系统探明，石漠化强度评价因子植被盖度、土层厚度和基岩裸露率的交互作用如何影响土壤流失知之甚少。基于石漠化现状的调查，采用RUSLE模型、Getis−OrdGi*、地理探测器等方法，测算了贵州喀斯特区土壤侵蚀状况并识别了冷热区分布，量化了石漠化强度评价因子与土壤侵蚀之间的关系，解析了因子组合对土壤流失的交互影响。结果表明：1）贵州喀斯特区土壤侵蚀以中度和微度侵蚀为主，平均土壤流失率17.69 t/(hm2·a)，侵蚀热区（重点防治区）主要集中在贵州西部经济相对欠发达区，侵蚀冷区（轻微区）则主要集中在黔北遵义市和黔中贵阳市等经济相对发达区。2）土壤流失随石漠化强度评价指标植被盖度、土层厚度的增加呈降低趋势，随基岩裸露率的增加则呈增加趋势；石漠化与土壤流失之间并非简单的线性关系，而呈复杂的非线性关系，3个评价因子分别以三次曲线函数、指数函数和反正弦函数拟合优度最高。3）石漠化强度评价因子对土壤流失空间分异的解释力依次为植被盖度、基岩裸露率和土层厚度，且因子组合对土壤流失的交互影响均呈非线性增强，其中基岩裸露率与植被盖度的交互作用起主导作用，其次是土层厚度与植被盖度，基岩裸露率与土层厚度的解释力最小。研究结果可为喀斯特区水土流失、石漠化的协同防治提供理论参考。

土壤；植被；石漠化；盖度；土层厚度；基岩裸露率；RUSLE模型；交互作用

0 引 言

土壤侵蚀是全球最为突出的生态环境问题之一，严重威胁着土壤安全[1-2]。土壤侵蚀破坏表土结构、降低土层厚度和蓄水能力，造成土壤流失和肥力下降，进而导致土地退化[3-5]。中国是世界上喀斯特地貌最为发育的国家之一，该地貌主要分布在以贵州为中心的西南地区[6]，这些区域生态环境脆弱，水土流失严重，基岩大面积裸露，形成了类似“荒漠化”的喀斯特石漠化景观[7]。当前，喀斯特地区土壤流失和石漠化依然严重[8]，加之区域人口密集、人地矛盾突出，对该区脆弱生态系统的可持续性造成了严重威胁，也阻碍了国民经济和社会的可持续发展，故开展水土流失、石漠化防治仍是当前及未来喀斯特区社会发展领域的一项长期任务。国家一向高度重视喀斯特地区水土流失、石漠化的治理，明确指出，喀斯特区须持之以恒推进生态文明建设，科学推进区域水土流失、石漠化综合治理[9]。

目前，基于区域尺度的喀斯特区水土流失相关研究多聚焦于土壤流失的时空演变及单一驱动因素的解析。时间尺度上，土壤流失的月际、年际和年代际变化主要与降雨、植被盖度和土地利用等因素有关[10-13]；空间尺度上的研究则主要对不同的流域、行政区、地貌单元等区域的土壤侵蚀特征进行探讨，认为土壤侵蚀的空间分异主要受地貌类型、岩性、土地利用和坡度等因素影响[12-15]。

石漠化强度（程度）的评价因子主要包括植被盖度、土层厚度和基岩裸露率[16-17]，是岩溶坡地下垫面状况的综合标识（侵蚀土源）。当前，石漠化与土壤流失定量关系探讨较少，且主要聚焦石漠化强度的单一评价指标—植被盖度和基岩裸露率方面，缺少对土层厚度的关注。其中植被盖度与土壤流失之间的定量关系研究结论较为一致，多认为随着植被盖度的增加，土壤流失呈二次函数[18]、指数函数[19]、倒数函数[20]等趋势降低；基岩裸露率与土壤流失的定量关系研究相对较少，且存在复杂性和不确定性[21]，随着基岩裸露率的增加，土壤流失可能呈减少趋势[22-24]，也可能呈上升趋势[18,25]。前述基岩裸露率与土壤流失之间关系研究主要基于较小的尺度（地面观测/人工模拟），缺少对大尺度（如区域尺度）的考量。因此，亟需从不同尺度深入探究基岩裸露率与土壤流失之间的定量关系；此外，除基岩裸露率与土壤流失之间的定量关系尚需进一步探讨外，喀斯特区不同土层厚度对土壤侵蚀影响的相关定量研究则更少，尚不清楚两者之间的数量关系。然而，土层厚度作为石漠化强度的重要评价因子，更是土壤侵蚀过程的物质载体（侵蚀土源），故探究土层厚度对土壤侵蚀的影响非常重要。

自然条件下，土壤侵蚀往往受多因素的交互影响，因此探讨不同因素之间的交互作用对土壤侵蚀的影响及贡献率显得尤为重要[15]。但目前的研究主要针对土地利用、岩性、降雨、坡度、海拔等因子组合对土壤流失的交互影响[15,26-27]，而植被盖度、土层厚度及基岩裸露率等石漠化强度评价因子之间的交互作用则鲜见报道。然而，探讨石漠化强度评价因子之间的交互作用对土壤流失的影响十分必要，有助于明确因子交互作用的贡献度，为喀斯特区土壤流失和石漠化的协同治理提供理论参考。

本研究的主要目的包括：1）探究贵州喀斯特区土壤侵蚀空间分异特征，识别土壤侵蚀重点防治区；2）基于区域尺度探讨石漠化强度评价因子与土壤流失之间的定量关系；3）解析影响喀斯特区土壤流失的主导因子及因素组合的交互作用，明确因素组合的影响度，以期为协同推进喀斯特区土壤流失、石漠化防治提供理论参考。

1 材料和方法

1.1 研究区概况

贵州喀斯特区（图1）位于103°36′～109°35′E、24°37′～29°13′N之间，海拔176～2 890 m，面积111 517.55 km2，占贵州省国土总面积的63.30%，地处中国西南喀斯特中心地带，区内峰丛洼地、溶蚀槽谷等喀斯特景观发育，是中国喀斯特分布面积最大、石漠化危害最严重的省份[16]。该区地势西高东低，地形以山地、丘陵为主，兼具喀斯特高原、峡谷、盆地等多种地貌类型。气候属亚热带湿润季风气候，冬无严寒夏无酷暑，年平均气温15.8 ℃，多年平均降水量963～1 460 mm，但年内分配不均，主要集中在5－10月。土壤以黄壤、石灰土为主，土体松软、抗蚀能力弱。原生植被以亚热带常绿阔叶林为主。

注：DEM为数字高程模型。

研究区地处长江和珠江两大水系的分水岭，是长江及珠江水源的重要补给区，生态区域突出。研究区土层瘠薄且破碎，水源涵养能力弱，工程性缺水问题突出，区域生态环境脆弱。由于区域人口密度大，人地矛盾突出，长期的人类活动，致使水土流失严重、石漠化现象突出。

1.2 数据来源与处理

1）遥感影像数据为分辨率30 m的Landsat影像，云量小于10%以保证数据精度，来源于地理空间数据云（http://www.gscloud.cn），用于植被盖度的提取，以及C因子的计算；2）数字高程模型（DEM，30 m）和土地利用数据（30 m）来自中国科学院资源环境科学与数据中心（http://www.resdc.cn/）；3）土壤数据来自第二次全国土壤普查数据库（http://vdb3.soil.csdb.cn），包括土壤质地和土壤有机质含量；4）降雨数据来自国家气象科学数据中心（http://data.cma.cn），运用ArcGIS对气象站点进行空间插值得到栅格化的降雨数据集；5）基岩裸露率和土层厚度数据来源于贵州省全国第三次石漠化普查数据库（贵州省林业局提供），该数据库基于“3S”技术，结合野外实地调查的方式获取，其中区划和调查监测小斑达175.62万个，地面验证点达27 043个。

1.3 石漠化强度划分

当前岩溶区石漠化强度的划分未形成统一的标准，本文在综合参考前人的研究[16-17, 28]，以及中华人民共和国水利部《岩溶地区水土流失综合治理技术标准》（SL461-2009）和国家林业和草原局《岩溶地区石漠化调查技术规定（2021年修订）》[29-30]对石漠化强度等级划分的基础上，结合贵州喀斯特区特点，将研究区石漠化强度等级划分为5级，相应的3个评价指标水平划分如表1所示。

表1 石漠化强度划分及评价因子水平

1.4 研究方法

1.4.1 RUSLE模型

RUSLE模型是Renard等[31]通过修正USLE模型[32]得到，在土壤侵蚀定量研究方面被广泛使用，表达式如下：

式中为年均土壤流失率，t/(hm2·a)；为降雨侵蚀力因子，MJ·mm/(hm2·h)；为土壤可蚀性因子，t·hm2·h/(MJ·mm·hm2)；为坡长和坡度因子，为植被覆盖与管理因子，P为水土保持措施因子，均为无量纲。

因子采用周伏建等[33]提出的适合于中国南方地区的公式计算；因子采用Williams等[34]在土壤侵蚀和生产力影响估算模型（Erosion Productivity Impact Calculator-model, EPIC）中提出的经典算法计算；坡长坡度因子采用Liu等[35]提出的坡度因子的分段计算修正公式提取；植被覆盖与管理因子（）采用蔡崇法等[36]提出的因子和植被覆盖度的回归方程计算，利用研究区遥感影像数据计算归一化植被指数（Normalized Difference Vegetation Index, NDVI），采用混合像元二分模型确定植被覆盖度（f）；P因子则根据南方喀斯特地区先前研究结果[11]对不同土地利用类型赋值获得。

1.4.2 空间关联指数Getis-OrdGi*分析

Getis-OrdGi*分析是一种空间自相关分析方法，用于反映样本属性空间上的高值和低值的聚集程度，即可以识别一定空间范围内的高值聚集区（热点区，土壤流失重点防治区）和低值聚集区（冷点区，土壤侵蚀轻微区），计算式如下：

与得分对应的值则代表空间聚集的显著性水平，可以基于得分或值选择满足置信度区间的区域作为热点区或冷点区，主要的置信度为90%、95%和99%，对应的得分和值如表2所示，也即是本文土壤侵蚀冷热点分区。

表2 土壤侵蚀冷热区划分

1.4.3 渔网创建

渔网创建是基于ArcMap完成的，具体操作路径为ArcToolbox>Data Management Tools>Feature Class> Create Fishnet。渔网输出的要素可以是点要素类、线要素类或面要素类，面要素类可以将面要素与现有图层叠加，以得到需要的效果；线要素类则会生成格网线，但其一般只用于辅助划分研究区范围。如果输出要素为点图层，则可选中Labels，会在每个格网单元的中心创建标注点，形成新的点要素图层。如果只需要点要素而不需要其他要素，可将几何类型参数选择为Polyline，然后选中创建标注点参数，并将输出线要素类删除。本文创建渔网的目的是建立标注点，模板范围选中贵州喀斯特区矢量范围，像元宽度和像元高度设置均为5 000。

1.4.4 相关分析和回归分析

基于语言采用Spearman相关分析法，探究石漠化强度评价因子与土壤流失之间的相关关系。当相关系数>0时表示两者呈正相关，<0时表示负相关。||的值反映了两个变量之间的线性相关程度。

在石漠化强度评价因子与土壤流失之间存在显著相关关系的基础上，进一步进行回归分析。本文尝试通过植被盖度、土层厚度和基岩裸露率与土壤流失之间的关系建立不同石漠化评价因子与土壤流失之间的数量关系。

1.4.5 地理探测器

地理探测器[37]是探索空间分异性的工具，包括因子探测、交互探测、风险探测和生态探测4个探测器，本文主要用到因子探测和交互探测。基于Arcgis将因变量（）图层与各自变量（）图层进行空间叠加分析，其中自变量（）需进行重分类以类型变量表示，因变量（）则为数值变量。

1）分异及因子探测：探测的空间分异性，引入该探测器用以探测石漠化评价因子多大程度上解释了对土壤侵蚀的空间分异，用值度量，的范围是[0,1]，越大，说明的空间分异性越明显。其计算式[38]为

2）交互作用探测：用于评价两因子（1和2）之间的共同作用是否会增加或减弱对因变量的解释力，或这些因子对的影响相互独立，其判断依据如表3所示。

表3 自变量X1和X2对因变量的交互作用方式

注：为度量各个影响因子贡献率的指标。

Note:is an index to measure the contribution rate of each impact factor.

2 结果与分析

2.1 土壤侵蚀空间分布特征

贵州喀斯特区土壤侵蚀模数均值17.69 t/(hm2·a)。根据《岩溶地区水土流失综合治理技术标准》（SL461-2009）[29]，可将研究区土壤侵蚀程度划分为6个等级（图2a）。各土壤侵蚀等级面积及占比依次呈中度侵蚀（43 968.57 km2，39.43%）、微度侵蚀（21 500.75 km2，19.28%）、轻度侵蚀（14 762.58 km2, 13.24%）、强烈侵蚀（12 773.27 km2，11.45%）、剧烈侵蚀（10 097.97 km2, 9.06%）、极强烈侵蚀（8 414.40 km2，7.55%）的趋势减小。总体来看，研究区以中度和微度侵蚀为主，两者合计65 469.32 km2（58.71%）。

为进一步探究研究区土壤侵蚀的空间分布格局特征，基于Getis-OrdGi*热点分析，从99%、95%、90% 3个置信度水平分析了贵州喀斯特区土壤侵蚀冷热区分布，如图2b和表4所示。可以看出，研究区土壤侵蚀热区主要集中在贵州西部地区，尤以毕节市东部、安顺市西部、六盘水市中部，以及毕节与六盘水交界处最为聚集，遵义及黔南也有小面积热区分布，侵蚀热区总面积达31 617.18 km2，占研究区总面积的28.35%，这些区域是水土流失的重点防治区。冷区则主要集中在黔北的遵义市南部和黔中地区的贵阳市，总面积为22 533.26 km2，占比20.21%，是研究区水土流失较为轻微的区域。

图2 研究区土壤侵蚀等级及冷热区

表4 土壤侵蚀冷/热区面积统计

2.2 石漠化强度评价因子与土壤流失的耦合关系

基于试验创建并选用5 000 m × 5 000 m的渔网对研究区石漠化强度评价因子及其对应的土壤侵蚀模数进行采样，分析石漠化强度评价指标植被盖度、土层厚度、基岩裸露率与土壤流失率的耦合关系，结果如表5所示。各评价因子均与土壤流失呈显著相关关系，其中植被盖度和土层厚度与土壤流失呈负相关关系，而基岩裸露率与土壤流失呈正相关关系，表明土壤流失随植被盖度、土层厚度的增加呈降低趋势，而随基岩裸露率的增加呈增加趋势。然而，各评价因子与土壤流失之间相关系数的绝对值均较小，即植被盖度、土层厚度和基岩裸露率与土壤流失之间的线性关系较弱。

表5 石漠化强度评价因子与土壤流失相关性

2.3 石漠化强度评价因子对土壤流失的交互影响

2.3.1 因子探测结果

因子探测结果表明（表6），不同石漠化评价因子对土壤流失空间分布的影响存在较大差异，其解释力依次为植被盖度（0.16）、基岩裸露率（0.06）和土层厚度（0.02）。可见植被盖度对土壤流失空间差异的解释力最强，在土壤侵蚀空间分异中起重要作用，其次是基岩裸露率，而土层厚度贡献率最小。

2.3.2 交互探测结果

交互探测结果如表6所示，各石漠化强度评价因子交互探测后的值均高于单因子之和，即所有组合的交互效果均呈非线性增强。其中基岩裸露率与植被盖度的交互作用（=0.36）对土壤侵蚀空间差异的解释力最强，在土壤侵蚀空间分异中起主导作用；其次是土层厚度与植被盖度（=0.23）；基岩裸露率与土层厚度的解释力最小，=0.13。

表6 石漠化强度评价因子对土壤流失影响的因子交互探测

3 讨 论

3.1 贵州喀斯特区土壤侵蚀空间分异特征

研究区平均土壤侵蚀模数为17.69 t/(hm2·a)，侵蚀热区主要集中在贵州西部地区，尤以毕节市东部、安顺市西部、六盘水市中部，以及毕节与六盘水交界处土壤侵蚀最为严重，需加大防治力度。冷区则主要集中在黔北遵义市南部和黔中地区的贵阳市。首先，土地利用类型是影响土壤侵蚀的重要因素之一[39-40]，也可在一定程度上指示区域的社会经济发展状况，经济发展水平越高，土壤侵蚀强度越低[41]。如图3所示，贵州喀斯特区土壤侵蚀热区耕地比例达35.75%（其中坡耕地占比31.44%），冷区耕地占比为25.04%（坡耕地占比20.06%），可见土壤侵蚀热区坡耕地占比较冷区高11.38%，而坡耕地是区域土壤侵蚀的重要策源地[11]，是导致研究区土壤侵蚀冷/热区空间分异的重要因素；其次，侵蚀冷区林地占比达60.77%，远大于热区的36.33%，而林地的增加会显著降低土壤侵蚀风险[42]，故侵蚀冷区相较于热区植被的固土保水作用更为突出，显著降低了冷区的土壤侵蚀率，这也是导致贵州喀斯特区土壤侵蚀空间格局分异的重要因素之一；3）侵蚀冷区建设用地面积达755.94 km2，占冷区总面积的3.36%，而热区建设用地面积为403.26 km2，仅占侵蚀热区的1.28%。侵蚀冷区集中分布的遵义市南部与贵阳市相较于贵州其他市（州）而言，经济较为发达，城镇化率较高，下垫面硬化程度高，减少了侵蚀土源，从而降低了土壤侵蚀风险。而侵蚀热区聚集的贵州西部六盘水、毕节等区域，较冷区而言，城镇化率较低，经济发展相对滞后，农业活动更为频繁，地形地势更为复杂，成为土壤侵蚀的易发区，也是贵州省水土流失重点防治区域。

图3 研究区土壤侵蚀热区和冷区土地利用现状

3.2 石漠化强度评价因子与土壤流失的关系

研究发现，石漠化强度评价因子中植被盖度和土层厚度与土壤流失为负相关关系，而基岩裸露率与土壤流失则为正相关关系。

一方面，植被叶片可以有效拦截降雨和减小雨滴动能，避免了雨滴对地表的直接击溅，植被盖度越大，地表受到击溅侵蚀的作用力和作用面积越小，从而减少土壤分离，由于雨滴击溅而产生的泥沙量也越少[43-44]；另一方面，植被盖度越大，降水拦截能力越强，削弱降水侵蚀力越大，植被地下根量及根系分布相应增大，植被拦蓄径流、涵养水源的能力相应增强，土壤保持能力显著增加[45-47]。因此，随着植被盖度的增加，土壤流失风险降低。类似的研究结论在黄土高原、河西地区[42-43,45]等区域也得以验证。

滇东南喀斯特山地土壤厚度与植被盖度空间关联性研究发现，随着植被盖度的增加，土壤厚度逐渐变厚[48]，也即植被盖度与土层厚度呈正相关关系。而本研究已表明，植被盖度与土壤流失之间呈显著负相关关系，因此土层厚度与土壤流失呈负相关关系。与较厚的土层相比，薄土表现出更短的径流滞后效应、更高的峰值流速和更大的流量[49]，则薄土区产沙时间会更早，受径流冲刷也会更剧烈，土壤侵蚀显然会更严重。当然，对于喀斯特区而言，较薄的土层意味着更高的的基岩裸露率和较低的植被覆盖率，增加了土壤侵蚀风险。Rhoton等[50]通过研究不同土层厚度的可蚀性变化，发现薄土的侵蚀率高于厚土，也证实了这一结论。

研究表明，基岩裸露率与土壤流失呈显著正相关关系，即土壤流失随着基岩裸露率的增加而加剧。随着岩石裸露率的增加，土壤厚度逐渐变薄[48]，植被变得稀疏，表层土壤在次降雨条件下被雨滴击溅、剥离和搬运，加大了地表土壤侵蚀风险；其次，基岩裸露率的增加，意味着喀斯特发育程度的增加，则浅层岩溶带裂（孔）隙愈加发育，加剧了坡地表层土壤通过裂（孔）隙向地下的“蠕移、蠕滑”漏失[51]，也即随着基岩裸露率的增加，土壤地下漏失可能大幅增加，如图4所示。因此，较高的基岩裸露率可能意味着较大的侵蚀风险。部分小尺度（模拟试验）研究结果也得到了与本研究类似的结论，例如降雨初期，土壤侵蚀随基岩裸露率的增加而加剧[52]；基岩裸露率较低时，土壤流失随着基岩裸露率的增加呈上升趋势[53]；砂壤土土壤流失与岩石含量之间的关系为正相关关系，即砂壤土平均土壤侵蚀速率随岩石含量的增加而加剧[25]等。但小尺度（模拟试验）研究还存在另一类观点，即认为随着基岩（岩石）裸露率的增加，土壤侵蚀风险降低，主要理由是随着基岩裸露率的增加，地表可侵蚀土壤面积减少[54]。小尺度上发生观点分歧的可能原因一方面与具体的试验条件有关，当前的研究主要是模拟试验，同野外自然岩溶坡地条件下的土壤侵蚀环境差异较大，这就要求室内土壤侵蚀过程模拟试验的设计需尽可能地符合野外岩溶发育特征；另一方面可能是由于部分试验未考虑表层土壤通过浅层岩溶带裂（孔）隙向地下的漏失部分（即土壤地下漏失部分），从而导致结论的分歧。当然，极端情况下，如岩溶极度发育，基岩已接近100%裸露，表土几乎完全丧失的情况下，也即无土可蚀的极端情况则另当别论。

图4 岩溶坡地土壤流失概念模型

3.3 石漠化强度评价因子对土壤流失的交互影响

复杂的地理过程往往是由多个因子共同作用导致的，并非单因子起决定作用。目前多因子共同作用的影响机制仍是相关研究的难点。本文基于地理探测器进行土壤侵蚀与石漠化强度评价因子间交互的作用规律研究发现，各石漠化强度评价因子交互探测后的值均高于单因子之和，即所有组合的交互影响均呈非线性增强，说明在自然状态下因子组合对土壤侵蚀的影响大于单因子，其中基岩裸露与植被盖度的交互作用（=0.36）对土壤侵蚀空间差异的解释力最强，即两者的共同作用对土壤侵蚀空间分异起主导作用，土层厚度与植被盖度（=0.23）、基岩裸露率与土层厚度（=0.13）之间的交互作用也显著增强了对土壤侵蚀空间差异的解释力。如前所述，植被盖度与土壤流失呈负相关关系，而基岩裸露率与土壤流失呈正相关关系，所以在较高的基岩裸露率和较低的植被盖度的共同作用下，土壤侵蚀发生率会越高，反之较低的基岩裸露率往往意味着较高的植被覆盖度，并可形成林、灌、草立体结构（图5所示）。因此，基岩裸露和缺少植被覆盖在土壤侵蚀过程中起主导作用。喀斯特区由于长期的岩溶作用导致地表基岩大面积裸露，土层浅薄，植被因缺乏足够的土壤深度来获取养分而只能生长一些低矮灌草丛，水土流失严重[44]。故加大封育、退耕还林（草）、植树造林等生物措施，以及坡改梯等工程措施实施力度，可有效增加植被盖度和土层厚度，防治水土流失，从而遏制石漠化的进一步发展。

注：图片均拍摄于贵州省乌江上游野纪河流域金兰小流域，拍摄时间为2022年2月，其中b图为无人机拍摄。

4 结 论

本研究采用RUSLE模型、Getis−OrdGi*、地理探测器等方法手段，基于区域尺度探讨了贵州喀斯特区土壤侵蚀空间分异特征，量化了石漠化强度评价因子植被盖度、土层厚度及基岩裸露率与土壤流失的数量关系，并基于地理探测器探究了石漠化强度评价因子间的交互作用对土壤侵蚀的影响，主要结论如下：

1）贵州喀斯特区土壤侵蚀以中度和微度侵蚀为主，均值17.69 t/(hm2·a)，侵蚀热区主要集中在贵州西部社会经济相对落后的地区，是水土流失的重点防治区，而冷区主要集中在黔北遵义市南部与黔中贵阳市等经济较发达地区。

2）石漠化强度评价因子均与土壤流失呈显著相关关系，其中土壤流失随植被盖度、土层厚度的增加呈降低趋势，而随基岩裸露率的增加呈增加趋势。岩溶区石漠化与水土流失呈复杂的非线性关系。

3）石漠化强度评价因子对土壤侵蚀空间分布差异的解释力依次为植被盖度、基岩裸露率和土层厚度，并且因子间所有组合的交互效果均呈非线性增强，其中基岩裸露率与植被盖度的交互作用在土壤侵蚀空间分异中起主导作用，其次是土层厚度与植被盖度，而基岩裸露率与土层厚度的解释力最小。

本研究基于空间尺度通过模型模拟估算了贵州喀斯特区的土壤流失率，分析了土壤流失的空间分异特征，并探讨了石漠化强度评价因子与土壤流失之间的定量关系，发现石漠化强度评价因子与土壤流失之间存在显著的相关关系。但石漠化与水土流失之间的数量关系具有复杂性，未来还需从不同尺度（地面、小流域、中等流域、大流域、区域等）进一步探讨，并基于不同尺度研究结果相互验证，建立各尺度间研究结果的联系，以实现尺度间研究结果的相互转换应用；本研究从区域尺度探讨了石漠化强度评价因子植被盖度、土层厚度和基岩裸露率对土壤侵蚀的交互影响，发现因素组合对土壤流失的影响大于单因子，为区域土壤流失、石漠化防治提供了一定理论参考。但本研究为区域尺度，未来尚需基于地面尺度采取野外坡面径流小区开展3个石漠化评价因子交互作用的长期定位观测，以期为水土流失和石漠化的协同防治提供更为精准的理论指导。

致谢：贵州省林业局为我们提供了石漠化空间数据库，在此由衷感谢。

[1] Guo L, Liu R, Men C, et al. Multiscale spatiotemporal characteristics of landscape patterns, hotspots, and influencing factors for soil erosion[J]. Science of the Total Environment, 2021, 779: 146474.

[2] Li Y, Wang Z, Zhao J, et al. Characterizing soil losses in China using data of 137Cs inventories and erosion plots[J]. Catena, 2021, 203: 105296.

[3] 史东梅，金慧芳，蒋光毅. 土壤侵蚀对坡耕地耕层质量退化作用及其评价趋势展望[J]. 农业工程学报，2019，35(18)：118-126.

Shi Dongmei, Jin Huifang, Jiang Guangyi. Degradation effect of soil erosion on tillage-layer quality of slope farmland and its evaluation trend[J]. Transactions of The Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(18): 118-126. (in Chinese with English abstract).

[4] 江娜，史东梅，曾小英，等. 土壤侵蚀对紫色土坡耕地耕层障碍因素的影响[J]. 土壤学报，2022，59(1)：105-117.

Jiang Na, Shi Dongmei, Zeng Xiaoying, et al. Influence of soil erosion on the obstacle factors of cultivated layer in purple sloping farmland[J]. Acta Pedologica Sinica, 2022, 59(1): 105-117. (in Chinese with English abstract)

[5] Li R, Li Q, Pan L. Review of organic mulching effects on soil andwater loss[J]. Archives of Agronomy and Soil Science, 2021, 1: 136-151.

[6] Chen F, Wu S, Cui P, et, al. Progress and prospects of applied research on physical geography and the living environment in China over the past 70 years (1949-2019) [J]. Journal of Geographical Sciences, 2021, 31(1): 3-45

[7] Wang S, Liu Q, Zhang D. Karst rocky desertification in southwestern China: Geomorphology, landuse, impact and rehabilitation[J]. Land Degradation and Development, 2004, 15: 115-121.

[8] Pu J, Zhao X, Miao P, et al. Integrating multisource RS data and GIS techniques to assist the evaluation of resource-environment carrying capacity in karst mountainous area[J]. Journal of Mountain Science, 2020, 17(10): 2528-2547.

[9] 中华人民共和国中央人民政府. 关于支持贵州在新时代西部大开发上闯新路的意见[EB/OL]. (2022-01-26) [2022-06-03]. http://www.gov.cn/zhengce/content/2022-01/26/content_5670527.htm.

[10] Luo W, Jiang Z, Yang Q, et al. The features of soil erosion and soil leakage in karst peak-cluster areas of Southwest China[J]. Journal of Groundwater Science and Engineering, 2018, 6: 18-30.

[11] 李瑞，陈康，刘瑞禄，等. 基于小流域尺度的黔北喀斯特地区产流产沙特征[J]. 农业工程学报，2019，35(11)：139-147.

Li Rui, Chen Kang, Liu Ruilu, et al. Characteristics of runoff and sediment in karst area of northern Guizhou province based on small watershed scale[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(11): 139-147. (in Chinese with English abstract)

[12] Zeng C, Wang S, Bai X, 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.

[13] Gao J, Wang H. Temporal analysis on quantitative attribution of karst soil erosion: A case study of a peak-cluster depression basin in Southwest China[J]. Catena, 2019, 172: 369-377.

[14] Zhou H, Pan X, Zhou W. Assessing spatial distribution of soil erosion in a karst region in southwestern China: A case study in Jinfo Mountains[J]. IOP Conference Series: Earth and Environmental Science, 2017, 52(1): 012047.

[15] Wang H, Gao J, Hou W. Quantitative attribution analysis of soil erosion indifferent geomorphological types in karst areas: Based on the geodetector method[J]. Journal of Geographical Sciences, 2019, 29(2): 271-286.

[16] 熊康宁，黎平，周忠发，等. 喀斯特石漠化的遥感-GIS典型研究：以贵州省为例[M]. 北京：地质出版社，2002，23-28.

[17] 李瑞玲，王世杰，熊康宁，等. 喀斯特石漠化评价指标体系探讨：以贵州省为例[J].热带地理，2004，24(2)：145-149.

Li Ruiling, Wang Shijie, Xiong Kangning, et al. A study on rocky b desertification evaluation index system: Acasestudy of Guizhou province[J]. Tropical Geography, 2004, 24(2): 145-149. (in Chinese with English abstract)

[18] Liu Q, Deng D, Liao Q, et al. Analysis on the influence of rainfall characteristics on soil and water loss in rocky desertification region[J]. Carbonates and Evaporites, 2021, 36(4): 1-11.

[19] 杨青，杨广斌，赵青松，等. 喀斯特地区不同降雨和植被覆盖的坡面产流产沙特征[J]. 水土保持通报，2020，40(1)：9-16.

Yang Qing, Yang Guangbin, Zhao Qingsong, et al. Characteristics of runoff sediment yield on slopes under different rainfall and vegetation cover in Karst Areas[J]. Bulletin of Soil and Water Conservation, 2020, 40(1): 9-16. (in Chinese with English abstract)

[20] 贺祥. 喀斯特生态治理区的土壤侵蚀特征空间规律研究[D]. 贵阳：贵州师范大学，2007.

He Xiang. Spatial Rule of the Soil Erosion for the Ecological Management of the Karst Regions[D]. Guiyang: Guizhou Normal University, 2007. (in Chinese with English abstract)

[21] 李瑞，盘礼东. 岩石裸露与水土流失关系研究现状及石漠化因子研究存在的问题[J].水土保持学报，2021，35(5)：10-15，23.

Li Rui, Pan Lidong. Research status of the relationship between rock exposure and soil and water loss and discussion on the existing problems in the research of rocky desertification factors[J]. Journal of Soil and Water Conservation, 2021, 35(5): 10-15, 23. (in Chinese with English abstract)

[22] Niu Y B, Gao Z L, Li Y H, et al. Effect of rock fragment content on erosion processes of disturbed soil accumulation under field scouring conditions[J]. Journal of Soils and Sedments, 2019, 19(4): 1708-1723.

[23] Han Z, Wang X, Song D, et al. Response of soil erosion and sediment sorting to the transport mechanism on a steep rocky slope[J]. Earth Surface Processes and Landforms, 2019, 44(12): 2467-2478.

[24] Lü J, Luo H, Xie Y. Effects of rock fragment content, size and cover on soil erosion dynamics of spoil heaps through multiple rainfall events[J]. Catena, 2019, 172: 179-189.

[25] Lv J, Luo H, Hu J, et al. The effects of rock fragment content on the erosion processes of spoil heaps: A laboratory scouring experiment with two soils[J]. Journal of Soils and Sediments, 2019, 19(4): 2089-2102.

[26] Gao J, Zuo L, Liu W. Environmental determinants impacting the spatial heterogeneity of karst ecosystem services in Southwest China[J]. Land Degradation & Development, 2020, 32(4): 1718-1731.

[27] Gao J, Wang H, Zuo L. Spatial gradient and quantitative attribution of karst soil erosion in Southwest China[J]. Environmental Monitoring and Assessment, 2018, 190(12): 730.

[28] Jiang Z, Lian Y, Qin X. Rocky desertification in Southwest China: impacts, causes, and restoration[J]. Earth-Science Reviews, 2014, 132: 1-12.

[29] 岩溶地区水土流失综合治理技术标准: SL 461-2009[S].

[30] 国家林业和草原局. 岩溶地区石漠化调查技术规定（2021年修订）[Z].

[31] Renard K G, Foster G R, Weesies G A, et al. Predicting Soil Erosion by Water: A Guide to Conservation Planning with The Revised Universal Soil Loss Equation (RUSLE)[M]. Alexandria: National Technical Information Service, 1997.

[32] Wischmeier W, Smith D. Predicting rainfall erosion losses-A Guide To Conservation Planning: Agriculture handbook (USA), No. 537[M]. Berkeley (CA): Department of Agriculture, Science and Education Administration, 1978.

[33] 周伏建，黄炎和. 福建省降雨侵蚀力指标R值[J]. 水土保持学报，1995，9(1)：13-18.

Zhou Fujian, Huang Yanhe. The rainfall erosivity index in Fujian Province[J]. Journal of Soil and Water Conservation, 1995, 9(1): 13-18. (in Chinese with English abstract)

[34] Williams J, Nearing M, Nicks A, et al. Using soil erosion models for global change studies[J]. Journal of Soil and Water Conservation, 1996, 51(5): 381-385.

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

[36] 蔡崇法，丁树文，史志华，等. 应用USLE模型与地理信息系统ID-RISI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.

Cai Chongfa, Ding Shuwen, Shi Zhihua, et al. Study of applying USLE and geographical information system IDRISI to predict soil erosion in small watershed[J]. Journal of Soil and Water Conservation, 2000, 14(2): 19-24. (in Chinese with English abstract)

[37] Wang J, Zhang T, Fu B. A measure of spatial stratified heterogeneity[J]. Ecological Indicators 2016, 67: 250-256.

[38] 张扬，周忠发，黄登红，等. 喀斯特山区耕地时空演变与影响因子分析[J]. 农业工程学报，2020，36(22)：266-275.

Zhang Yang, Zhou Zhongfa, Huang Denghong, et al. Spatio-temporal evolution of cultivated land and analysis of influence factors in karst mountainous areas[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(22): 266-275. (in Chinese with English abstract)

[39] Li R, Wu Q, Zhang J, et al. Effects of land use change of sloping farmland on characteristic of soil erosion resistance in typical karst mountainous areas of Southwestern China[J]. Polish Journal of Environmental Studies, 2019, 28(4): 2707-2716.

[40] Damaneh H E, Khosravi H, Habashi K, et al. The impact of land use and land cover changes on soil erosion in western iran[J]. Natural Hazards, 2022, 110(3): 2185-2205.

[41] 莫建飞，陈燕丽，莫伟华. 岩溶生态系统水土流失敏感性关键指标和评估模型比较[J]. 水土保持研究，2021，28(2)：256-266.

Mo Jianfei, Chen Yanli, Mo Weihua. Comparison of key indicators and evaluation models of soil and water loss sensitivity in karst ecosystem[J]. Research of Soil and Water Conservation, 2021, 28(2): 256-266. (in Chinese with English abstract)

[42] Lin J, Guan Q, Tian J, et al. Assessing temporal trends of soil erosion and sediment redistribution in the Hexi Corridor region using the integrated RUSLE-TLSD model[J]. Catena, 2020, 195: 104756.

[43] Ma B, Yu X, Ma F, et al. Effects of crop canopies on rain splash detachment[J]. Plos One, 2014, 9(7): e99717.

[44] Cai X, Wang J, An Y, et al. Laboratorial simulation on soil erosion under different vegetation coverage in Southwest Karst Area, China[C]//International Symposium on Water Resource and Environmental Protection (ISWREP), (2011.5.20-2011.5.22). Xi’an: IEEE, 2011.

[45] Sun W, Shao Q, Liu J, et al. Assessing the effects of land use and topography on soil erosion on the Loess Plateau in China[J]. Catena, 2014, 121: 151-163.

[46] Xiong M, Sun R, Chen L. A global comparison of soil erosion associated with land use and climate type[J]. Geoderma, 2019, 343: 31-39.

[47] 王猛，王鹤松，姜超，等. 基于 RUSLE 和地理探测器模型的西南地区土壤侵蚀格局及定量归因[J]. 应用基础与工程科学学报，2021，29(6)：1386-1402.

Wang Meng, Wang Hesong, Jiang Chao, et al. Spatial soil erosion patterns and quantitative attribution analysis in southwestern China based on RUSLE and geo-detector model[J]. Journal of Basic Science and Engineering, 2021, 29(6): 1386-1402. (in Chinese with English abstract)

[48] 高帅. 滇东南岩溶山地土壤厚度空间分布探测技术研究[D]. 昆明：昆明理工大学，2014.

Gao Shuai. Study on Detection Technology of Spatial Distribution of Soil Thickness in Karst Mountainous Areas in Southeast Yunnan[D]. Kunming: Kunming University of Science and Technology, 2014. (in Chinese with English bstract)

[49] Fu Z, Li Z, Cai C, et al. Soil thickness effect on hydrological and erosion characteristics under sloping lands: A hydropedological perspective[J]. Geoderma, 2011, 167/168: 41-53.

[50] Rhoton F E, Lindbo D L. A soil depth approach to soil quality assessment[J]. Journal of Soil & Water Conservation, 1997, 52(1): 66-72.

[51] Zhang X, Bai X, He X. Soil creeping in the weathering crust of carbonate rocks and underground soil losses in the karst mountain areas of southwest china[J]. Carbonates Evaporites, 2011, 26: 149-153.

[52] Liu D, She D. Can rock fragment cover maintain soil and water for saline-sodic soil slopes under coastal reclamation?[J]. Catean, 2017, 151: 213-224.

[53] Dai Q, Peng X, Zhao L, et al. Effects of underground pore fissures on soil erosion and sediment yield on karst slopes[J]. Land Degradation and Development, 2017, 28(7): 1922-1932.

[54] Dai Q, Peng X, Yang Z, et al. Runoff and erosion processes on bare slopes in the Karst Rocky Desertification Area[J]. Catena, 2017, 152: 218-226.

Influence of rocky desertification intensity of karst areas on soil loss at a regional scale

Li Rui, Yuan Jiang

(1.,,550001,; 2.,550001,)

Rocky desertification and water and soil loss are prominent ecological problems in karst area of Southwest China, which restrict the development of social economy. At present, the coupling relationship between rocky desertification and soil loss has not yet systematically proven, and how the interaction of rocky desertification intensity evaluation factors-vegetation coverage, soil layer thickness and bedrock exposure rate affects soil loss is ill-informed. Based on the investigation of the current situation of rocky desertification, the RUSLE model, spatial association index Getis-OrdGi* analysis, Spearman correlation analysis, geographic detector and other methods were used to calculate the soil loss status in karst area of Guizhou Province(103°36′-109°35′E、24°37′-29°13′N), identify the distribution of cold and hot zones, quantify the relationships between rocky desertification intensity evaluation factors and soil loss, and analyze the interactive effects of factor combination on soil loss. The results showed that: 1) The soil erosion in karst area of Guizhou was dominated by moderate and micro erosion, with a total of 65 469.32 km2, accounting for 58.71% of the total study area, and with an average soil loss rate of 17.69 t/(hm2·a). Erosion hot zones (major prevention and control area) were mainly in the relatively underdeveloped areas in western Guizhou, such as the eastern part of Bijie City, the western part of Anshun City, the central part of Liupanshui City and the junction of Bijie and Liupanshui, and the total area of erosion hot zones was 31 617.18 km2, accounting for 28.35% of the total study area; while erosion cold zones (slight area) were mainly in relatively economically developed areas such as Zunyi in northern Guizhou and Guiyang in central Guizhou, with a total area of 22 533.26 km2, accounting for 20.21%. 2) Soil loss had a significant negative correlation with vegetation coverage and soil layer thickness, and had a significant positive correlation with the exposure rate of bedrock. The correlation coefficients were -0.067, -0.022 and 0.025, respectively. The relationship between rocky desertification and soil loss was a complex nonlinear relationship. Among them, the relationship between vegetation coverage and soil loss was optimal by a cubic curve function. The relationship between soil layer thickness and soil loss could be described by an exponential function. And the arcsine function had the highest goodness of fit between the exposed rate of bedrock and soil loss. 3) The explanatory power of the evaluation factors of rocky desertification intensity on the spatial differentiation of soil loss was the highest by vegetation coverage, followed by bedrock exposure rate and soil layer thickness. The interaction effects of the factor combination on soil loss were all non-linear enhancement, among which the interaction between the exposed rate of bedrock and vegetation coverage had the strongest explanatory power for the spatial difference of soil erosion, playing a leading role in the spatial differentiation of soil erosion. It was followed by the thickness of soil layer and vegetation coverage, with the least explanatory power for exposed rate of bedrock and soil layer thickness. The results provide valuable information for the coordinated prevention and control of water and soil erosion and rocky desertification in karst area.

soils; vegetation; rocky desertification; coverage; thickness of soil layer; bedrock exposure rate; RUSLE model; interaction

10.11975/j.issn.1002-6819.2022.15.009

S157.1

A

1002-6819(2022)-15-0084-09

李瑞，袁江. 区域尺度喀斯特区石漠化强度对土壤流失的影响[J]. 农业工程学报，2022，38(15)：84-92.

doi：10.11975/j.issn.1002-6819.2022.15.009 http://www.tcsae.org

Li Rui, Yuan Jiang.Influence of rocky desertification intensity of karst areas on soil loss at a regional scale[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(15): 84-92. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.15.009 http://www.tcsae.org

2022-05-20

2022-07-10

国家自然科学基金项目（32060372）；贵州省科技支撑计划项目（黔科合支撑[2021]一般462）

李瑞，博士，研究员，博士生导师，研究方向为喀斯特区土壤侵蚀与水土保持、生态环境等方面。Email：rlfer@126.com