红壤区常用土壤侵蚀模型中植被因子估算方法研究进展

田培 于田溪源 毛梦培 龚雨薇 喻海军

［关键词］土壤侵蚀模型；植被因子；估算方法；红壤区

［摘要］受自然环境和人为因素的共同影响，我国南方红壤区水土流失分布广泛。植被因子作为通用土壤流失方程的一个重要因子，对土壤流失量的准确预测具有重要意义。梳理近些年国内外学者对红壤区植被因子的相关研究，基于大尺度和小尺度区域的研究成果总结红壤区植被因子测算的方法、可行性及精度，发现当前红壤区的相关研究中还存在植被因子测算精度不高、结果移植性差、标准不一致等亟待解决的问题。为此，提出以下研究展望：逐步建立系统化、标准化的地面监测系统，通过系列化标准小区监测结果确定植被因子的量化结果；合理考虑植被结构，对红壤区植被因子的测算进一步细化；结合地理信息技术改善植被盖度的观测方法与精度；关注不同尺度的植被因子测算方法，以完善适合红壤区的土壤侵蚀模型的研发与应用。

［中图分类号］S157.1［文献标识码］A［文章编号］1000－0941（2023）04－0053－07

水土流失是多种因子综合作用的结果，包括降水强度、坡度等，其中植被因子对水土流失的影响作用更是多方面的，不同的植被盖度、植被种类、枯枝落叶以及植被根系对水土流失均有影响[1]。南方红壤区水热条件充分、立地条件多样、植被类型丰富、人口基数大，是我国主要的粮食产地，也是中国五大水蚀类型区之一，其水蚀强度仅次于黄土高原区，对与生物措施、植被结构等有关的植被因子有着迫切研究需求。

1红壤区土壤侵蚀模型及植被因子研究现状

1.1红壤区常用土壤侵蚀模型

目前，常用的土壤侵蚀模型可分为物理成因模型和经验统计模型两大类［2］。物理成因模型如LISEN、WATEM/WDEEM、HSPE、EPICC及水蚀预测模型WEPP均能够较好地描述土壤侵蚀或泥沙输移过程，相比经验统计模型具有更好的移植性［3］，但是往往很难针对特定小流域给出指导意见，因此目前我国研究及应用较广的仍是USLE、RUSLE和CSLE等经验统计模型。考虑到经验统计模型在应用区域及参数选取方面存在限制，一旦脱离原研究区预测精度就会产生较大不确定性［4］，因此研究人员一直致力于基于实际情况的模型改进及其因子测定方法的研究。

目前在红壤区土壤侵蚀模型方向的研究方面已取得大量成果，但是往往缺乏在过程和机理方面的深入系统探讨，侵蚀模型和影响因子的确定方式不能做到统一标准，数据资料的共享性差。

1.2植被因子研究现状

植被因子在USLE/RUSLE经验统计模型中定义为在一定植被覆盖条件下的土壤流失量与在同等条件下适时翻耕、连续休闲的对照地上土壤流失量的比值。作物不同生长期侵蚀性降雨量的多少对其值的大小影响很大，根据年内季节分布的降雨侵蚀力进行全年平均值加权计算。同理，在其他土壤侵蚀模型中都有相应的具体计算方式，其中经验统计模型中的植被因子也会受到水土保持措施等人为因素的影响。常用的土壤侵蚀模型如USLE、RUSLE等都是以植被覆盖因子作为重要参数，而对于植被因子的研究分析往往采用植被盖度指标进行表征[5-6]。USLE、RUSLE两个模型在我国应用较广，许多学者都对其中的植被因子以及与之相关的管理因子进行了深入研究。然而由于研究区域的不同，植被类型、结构以及土壤性质等因素也不同，因此植被因子的数值在土壤侵蚀模型中也会出现显著差异。

我國的红壤区存在“远看青山在，近看水土流”的问题，虽然近些年水土保持工作取得一定进展，植被盖度较高，但是植被分布破碎化，垂直结构发育依旧较差，林下水土流失严重[7-8]，这说明红壤区植被盖度因子在一定意义上并不能完全取代植被因子。并且我国目前的土壤流失方程研究多为在原有国内外经验方程的基础上进行改进，这些经验方程的研究区域在研究初期多集中在黄土高原地区，近几年则着重在青藏高原[9-11]和喀斯特地区[12-14]。这些研究区域的特异性较强，无论是气候还是土壤等条件都与红壤区存在较大差异，许多现有的经验方程在南方红壤区应用过程中都或多或少存在“水土不服”的状况。目前，我国在进一步引进国外研究方法的基础上，应不断结合自身特点，着重于对适应本国国情的新模型的开发，并且通过结合土壤侵蚀模型与GIS、RS等地理信息技术以增加通用性和统一性，建立更完整的中国土壤侵蚀评价模型体系。

2红壤区大尺度植被因子的测算方法

大尺度是指流域尺度以及区域尺度。在大尺度的前提下若想获得植被因子，则离不开地理信息技术的应用。遥感技术的发展促进了大尺度植被因子估算的发展，使得植被因子的估算更加精确和便利，但是全面性以及准确性仍然不足。所以，探索更新的大尺度植被因子测算方法，紧跟RS以及GIS技术的发展步伐，是现阶段土壤侵蚀方程各因子测算的重要研究方向。

2.1直接赋值法

直接赋值法多结合遥感技术，估算数据依赖于当地的其他研究成果或文献，估算方法依赖于前人经验。大部分学者采用将地区的遥感影像分类或解译之后，将相似地区的植被因子值直接赋予土地利用类型的方式，但是存在大量文献以及数据基础的情况一般都是较为少见的。尤其是在南方红壤区，有一些学者会基于自身计算的典型植被因子值，结合研究区情况进行赋值[15]，即根据小尺度的值推算大尺度值。还有部分学者会通过TM遥感影像数据进行计算得到植被盖度因子，之后对比文献进行赋值[16-17]。目前在世界上普遍使用的是结合植被盖度的赋值方法，此方法虽简单易行，但是获得的植被因子为固定值[6]，不能很好地考虑林下植被盖度、植被均匀度等影响因素，故不适合在我国南方红壤区应用，需结合前期计算以及小规模试验进行调整。不过，直接赋值法也是有自身优势的，因而在国内外使用频率并不低，虽然不能对同一土地利用类型的时空等方面的异质性做到精细的考量，但是充分考虑了土地利用类型的变化，可以在研究中达到预测未来不同土地利用类型场景下水土流失变化趋势的目的[18]。

2.2建立C因子估算关系模型

作为USLE/RUSLE模型核心参数之一的C因子，是指特定地表覆盖和管理措施下的土壤流失量与同等条件下适时翻耕、连续休闲的对照地土壤流失量之比，它反映了植被或作物覆盖对土壤侵蚀的综合影响，具有强烈的时空变异特征［19］。因直接赋值法无法反映植被因子时空变异的特点，故有学者提出建立植被因子值与遥感信息的回归方程，再通过回归方程反演地面的植被因子值的估算关系模型法[20]，并将此方法与赋值法结合使用[17]。由于C因子计算比较复杂，因此目前国内外基本都是按照USLE模型的思路，根据实测数据进行简单快速拟合[21]。将遥感影像图与土地利用图叠加，提取各个土地利用类型的波段组合或植被指数，参照相关资料建立回归方程。或在野外实测的基础上，建立植被因子与遥感像元波段组合或植被指数的关系方程，将极大值赋值为1，将负值赋值为0[6，22-23]。此类方法在现有的研究中已经可以达到区别植被种类等变量的水平，甚至可以根据不同的植被类型建立各自的回归方程，灵活性高、针对性强，对于测算我国南方红壤区的植被因子具有先天的优势。

植被盖度因子作为影响C因子的一个重要因素，在我国已有众多研究者对其进行了广泛而深入的研究，构建了众多C因子和盖度关系式，目前使用较为广泛的是蔡崇法等[24]建立的关系式，也有许多学者在红壤区进行研究[25-26]。在评估植被盖度因子时多以归一化植被指数（NDVI）为标准[27]。但是归一化植被指数存在误差较大的问题：一是土壤和树冠背景噪音常造成植被指数的不确定，并且校正水平有限；二是NDVI值在高覆盖区容易饱和，进而使植被指数在高覆盖区易被压缩、低覆盖区易被夸大；三是NDVI受其本身的非线性特征影响，不能很好地应用于植被碎块，在异质性土地覆盖上有很强的尺度差异[28]。这就使得其与C因子的方程拟合精度不高[29]。因此，国内外学者多根据植被所处生长期或是植被类型，选择不同的植被指数进行植被因子的评估，例如NDSVI、NDTI、ND15等[30-31]衰败植被指数。此外，SDVI指数比较适合分析碎块化植被以及高度异质性的植被[28]。但是，此类方法仍需要依靠前人的研究成果，并不能保证依靠植被指数所建立的回归方程在中国南方红壤区具有可移植性，并且目前国内针对植被衰败指数、高光谱数据和微波数据应用于大尺度植被因子估算的研究还很不成熟[6]。

3红壤区小尺度植被因子的确定方法

小尺度是指坡面、小区以及小流域尺度[6]。近几年我国小尺度试验发展较快，尤其是以采用可调坡钢槽为主的室内人工降雨以及冲刷试验得到了一定发展，积累了大量实践经验。根据我国现阶段研究特点，在小尺度植被因子的估算上有人工种植和使用自然植被两个方向，采用人工种植植被的试验主要关注植被盖度等因子的控制方法，而采用天然植被的试验估算植被因子还需借助一些前人总结的经验。

3.1植被因子的控制方法

植被因子的控制方法一般在室内人工降雨、坡面冲刷试验以及室外小区、坡面试验等需要人工种植植被的试验上有一定的应用价值，现阶段还不存在一种统一的经验范式。目前在小尺度研究中控制植被因子主要有两个方向：一是在前期种植时把握种植的植被种类和种植密度，在种植期间进行间苗和补种以达到要求盖度[32]，一般采用穴播法以方便观察和管理；二是利用相机或手机进行拍照之后通过ERDAS或PhotoshopCS4等软件进行分析，测算植被盖度，一旦植被的生长状况超过预期，一般就会应用人工修剪的方法降低植被盖度。也有一些学者如潘成忠等[33]将两种方法进行结合，前期根据经验通过穴播法控制盖度，后期应用软件识别照片并对多余植被进行处理以达到精度更高的目的。

3.2植被因子减沙效果计算方法

3.2.1标准小区法

标准小区法即前期设定统一的小区作为标准，在后续研究中直接订正到标准小区上进行分析并探寻规律。我国在标准小区法方面的研究开始较早，并且在小区划定和参数设置方面逐步实现了立足我国国情。江忠善等[34]采用坡度为10°、坡面投影长度为20m、宽为5m的直型坡裸露小区作为标准小区开展黄土高原地区土壤流失预报方程研究。张科利等[35]考虑到我国陡坡开垦情况以及坡度范围，为将标准小区进一步推广，建议将清耕休闲地参数设置为坡度为15°、坡面长20m、宽5m。目前我国主要农作区的标准小区都有学者进行过测算以及研究，其中红壤分布较广的华东农作区[36]也有学者进行了标准小区的植被因子测算。但是，由于不同学者对标准小区划分标准的认定存在差异，以及对作物生长状况、作物种类等条件的限定不统一，因此不同学者对标准小区植被因子的测算结果相差甚远，相互不具备参考性。

3.2.2次因子法

目前使用较为广泛的是RUSLE模型提供的次因子法，即通过实测获得冠层郁闭度、雨滴降落高度、地表盖度、土壤含水量等参数，代入次因子计算公式或RUSLE计算机程序[6]。在参数的获取过程中一部分数据在一般条件下难以实测获得，需要查询前人的经验数据，这就导致了数据的不准确性，并且使用这种方法一旦出现数据问题就很难察觉和补救，一些学者为减小这类问题导致的误差会结合观测数据进行校准[37]。值得肯定的是，使用该方法计算的植被因子能使考虑的因素更加全面。

次因子法的理论在某些半物理模型中也有体现，例如用于模拟降雨侵蚀的MMF模型是一个基于过程的半物理模型，其在应用中考虑了冠层、单位高度、茎干数、茎直径等参数对植被因子进行表征，最初是为了在小尺度范围估算年土壤损失，例如山间的破碎地块等。值得注意的是这种方法目前使用GIS结合一种基于光栅/网格单元的分布式方法，成功扩展到更大的尺度规模[37]，完成了从小尺度到大尺度的跨越。

3.2.3C因子与盖度关系式法

这种方法在数据不易获得的情况下使用非常普遍，因此在我国南方红壤区水土流失数据和研究成果比较缺乏的情况下，通过小规模试验建立植被盖度与C因子关系式的方法更具合理性。这种方法与基于大尺度遥感组合波段测算植被因子的方法类似，都具有一定的灵活性，但是在我国红壤区水土流失治理应用存在两方面的缺陷：一是此方法应用于小区域会先通过径流小区试验建立植被因子与盖度的关系方程，相对大尺度区域研究来讲缺乏可移植性；二是C因子與盖度关系计算方法多样，标准小区不统一，导致建立的关系式之间可比性差，难以判断C因子的准确性[6]，并且现阶段在我国研究和应用较广的C因子与盖度关系模型多在黄土高原地区建立，在红壤区水土流失治理中很难保证精度。刘宝元等[38]在考虑冠层的同时考虑了地表覆盖因子，使得植被因子的测算更具合理性，这种方式对植被垂直结构发育不完善的红壤区C因子与盖度关系模型的建立具有参考和借鉴意义。

3.2.4方程反用法

目前国内外在USLE/RUSLE模型植被因子方面开展了大量研究，但是针对中国红壤区开展的研究较少，方程反用法也多为基于USLE模型的应用。方程反用法是直接通过方程计算植被因子值，这种方法需要对方程中的其他因子进行测定。目前在我国南方红壤区此类方法的应用比较少见，但是也有学者在基于参数本地化的CSLE模型的基础上在红壤区使用。秦伟等[39]以南方红壤区的气候以及下垫面特征为基础，结合长期观测的降水等数据特征，利用CSLE模型先根据各小区逐年土壤侵蚀量获得相对应治理模式的B因子和E因子（其中B因子为生物措施因子，E因子为工程措施因子）乘积值，再通过B、E因子值互相比算得到与植被相关的B因子值。由于贛南等典型红壤地形区地形多样，植被类型差异较大，有限数量的试验小区尚不能涵盖全面，因此其试验结果并不具有普遍代表意义，但是其方法的应用对后续研究具有一定的启发意义。黄俊等[40]利用CSLE模型对红壤区植被盖度因子进行反推，并通过纳什系数、均方根误差和决定系数进行评估，结果虽然相对理想，但仍然存在试验数据有限、样本数据不足等问题。

4不同尺度C因子估算方法对比

4.1大尺度

首先，根据我国红壤区丘陵广布、植被分布破碎的特点，将植被因子直接赋值为定值显然是不科学的，运用灵活性较高的遥感波段组合以及建立回归方程的方法更具合理性；其次，红壤区植被普遍存在林下灌丛发育不完善、裸露土壤面积较大的问题，导致以植被盖度为测算标准的植被因子误差较大，不具有普遍指导意义；再次，植被因子的精度还会受到植被类型的影响，单一植被类型的线性模型拟合精度一般较高，而多植被类型的模型拟合精度会受到一定影响[41]。因此，在植被类型复杂的红壤区如何定量估算植被因子还需要进一步研究。

在南方红壤大尺度地区测算植被因子需要综合考虑研究区的植被生长状况及植被类型，对研究区域进行前期考察和定性分析[42]，适时引入结构化植被因子指标等研究成果，以有效提高数据精度和试验合理性。例如代侨等[43]以南京市为研究区域，利用南方植被结构指数对C因子进行估算以提高模型精度；姚雄[44]在南方红壤水土流失区综合了森林植被不同层次的水土保持综合作用，经过反复分析试验，构建了C因子与森林植被结构化因子的量化耦合模型，并结合土地利用专题图，定性验证了基于森林植被结构化因子的C因子合理性。以上研究结果都表明：适时引入结构化植被因子可以有效提高南方红壤水土流失区的模型精度，并且具有较强的地区针对性。除此之外，郎燕等[18]的研究为我们提供了一种新思路：根据两种方法的优缺点对植被因子进行分时段测算，在对历史或现状进行测算时发挥C因子估算模型反映时空变异特点的优势，使用NDVI对植被盖度进行表征，而对未来的状况进行估测时充分发挥赋值法模拟变化趋势的优势，达到对未来状况进行模拟的目的。

4.2小尺度

小尺度植被因子的测算一般对精度要求较高，特异性较强，因此前人研究的经验总结以测算方法的评价和移植为主。可以将小尺度植被因子的测算分为室内和室外两种：室内试验多结合人工降雨以及坡面冲刷等设备，植被以人工种植为主，意在模拟自然的植被状态，对于环境的控制具有天然的优势，目前植被因子的测算以拍照结合软件分析为主；室外试验以小区、坡面为主，对于植被因子的测算常结合遥感等技术，但许多控制因子难以实测，因而对经验数据的依赖性较高。

针对以上问题，首先对于室内试验需要注重提高设备精密程度，以减小误差，并且在植被因子的控制上要尽量贴近自然状态；其次，室外小尺度试验在对植被生长状态（包括植被种植密度、植株生长时间、所处季节等）的控制上及标准小区的选择上都要做到严格界定，要求清晰地说明植被的生长状态以及此状态的研究意义并选择符合实际的标准小区。除此之外，不论是标准小区的选择还是植被生长状态的控制都应该考虑其对于未来红壤区水土保持工作的意义，应尽可能地贴合当前生产生活实际，争取能够为其他学者在我国红壤区的研究以及水土保持工作提供经验或数据的支撑。

小尺度试验虽然可移植性差，但是重在针对性和精度，可以对水土流失过程和机理进行深入研究。如何有效地模拟研究区植被自然生长状况，如何克服红壤区前期资料不足的缺陷，如何将小规模的经验推广到大尺度地区，仍然是当前植被因子测算研究中的关键突破点。因此，对于研究区的前期考察和调研不能忽视，需要充分了解红壤区的植被生长状态和植被类型，适时采用最新的研究成果提高精度，例如使用MMP等模型结合GIS技术的拓展应用[37]，将试验结果推广到大尺度。

4.3估算方法对比

通过对红壤区不同植被因子估算方法进行总结，对比其优缺点，结果见表1。

5结论及展望

目前国内外还没有一个完全适用于各种类型的土壤侵蚀模型，尤其是我国南方红壤区这种特异性强的水土流失地区，更是缺乏一种普遍适用的土壤侵蚀模型。同时，针对红壤区的植被因子测算方法还很不完善，无论是从大尺度还是从小尺度，植被因子的测算方法都存在数据难获得、标准不统一以及对植被结构考虑不足等缺陷，在此基础上测算出的植被因子移植性较差，对于红壤区大范围水土保持工作指导意义不大。

针对以上问题，首先需要建立统一的标准，例如根据水利部的统一标准划定径流小区以及限定研究区域植被生长状况；其次需要对红壤区植被因子的测算参数进一步细化，合理考虑植被结构；最后对于大尺度植被因子的测算要考虑研究结果的通用性，对于小尺度植被因子的测算要考虑研究结果的针对性和可应用性，不断注重遥感等地理信息技术的综合应用，进一步优化模型，提高模型的可移植性，针对中国红壤丘陵水土流失地区建立更加完善的评价体系。综上，现对我国土壤侵蚀方程以及植被因子测算发展提出如下几点展望：

（1）模型的应用与开发应与信息技术手段结合。尤其是要结合GIS和RS等技术，不断改善水土流失及与之紧密相关的植被盖度因子等的观测方法，建立完善的水土保持数据支撑体系。

（2）关注模型尺度，实现结果推广。在模型的选择上要关注模型的适用尺度，同时可以将大尺度研究与小尺度研究相结合，利用现代信息技术实现从小尺度到大尺度的拓展应用。这一点在植被因子的估算方面尤为重要。

（3）完善物理模型研究与应用，探究水土流失机理。我国现阶段物理模型的研究及应用还不够充分，尤其是有关坡面、沟道等输沙机理及规律等方面的基础研究还处于滞后阶段，前期工作不充分，这些问题都在很大程度上影响了我国土壤侵蚀方程的发展。

（4）完善各因子测算技术，规范前期观测试验。在以上有关植被因子测算方法的讨论中可以发现：以次因子法为例，许多数据难以实测获得并且严重依赖前人的数据结果，这在很大程度上影响了结果的准确性。除此之外，模型的水文参数以及糙度、摩阻系数等物理参数都是参数确定的大难题，若观测缺失则势必影响试验结果。因此，完善因子测算技术，规范前期观测试验就显得十分必要。

（5）完善侵蚀模型的开发。我国的侵蚀环境具有多样性和复杂性特点，因此土壤侵蚀模型的开发以及相关因子的测算要首先考虑其应用价值，因地制宜、因时制宜，以便在红壤区等水土流失严重地区的水土保持工作中发挥更好的指导作用。

［参考文献］

[1]吴光艳，金平伟，钟雄，等.南方红壤区植被盖度对水土流失影响初探[J].亚热带水土保持，2016，28（4）：1-4.

[2]郭兴月，王添，程圣东，等.近30年土壤侵蚀模型研究进展[J].泥沙研究，2023，48（1）：65-72.

[3]WAINWRIGHTJ，MULLIGANM．EnvironmentalModelling：FindingSimplicityinComplexity[M].Chichester：Wiley-Blackwell，2013：494．

[4]韩波.土壤侵蚀模型在黄土高原水土保持实践中的应用研究[J].工程技术研究，2020，5（16）：249-250.

[5]刘金.基于植物群落结构的水土流失植被因子指数研究[J].水利技术监督，2018（5）：147-150.

[6]ZHUXiaoyan，ZHANGRenzhi，SUNXuwei.SpatiotemporaldynamicsofsoilerosionintheecotonebetweentheLoessPlateauandWesternQinlingMountainsbasedonRUSLEmodeling，GIS，andremotesensing[J].ArabianJournalofGeosciences，2021，14（1）：377-392.

[7]陈佳，李忠武，方怒放，等.红壤丘陵区不同植被覆盖阈值小流域时空分布规律[J].水土保持研究，2023，30（2）：186-192.

[8]陈洋，张海东，于东升，等.南方红壤區植被结构类型与降雨模式对林下水土流失的影响[J].农业工程学报，2020，36（5）：150-157.

[9]魏健美，李常斌，武磊，等.基于USLE的甘南川西北土壤侵蚀研究[J].水土保持学报，2021，35（2）：31-37，46.

[10]魏梦美，符素华，刘宝元.青藏高原水力侵蚀定量研究进展[J].地球科学进展，2021，36（7）：740-752.

[11]陈同德，焦菊英，王颢霖，等.青藏高原土壤侵蚀研究进展[J].土壤学报，2020，57（3）：547-564.

[12]张琳卿，覃莉，刘忠仙，等.黔中喀斯特地区坡面种植措施对土壤水分及产流产沙的影响[J].水土保持通报，2021，41（3）：15-21，30.

[13]陈起伟，熊康宁，兰安军.基于GIS技术的贵州省土壤侵蚀危险性评价[J].长江科学院院报，2020，37（12）：47-52，66.

[14]黄凯，刘瑞禄，覃莉，等.不同降雨条件下坡长对喀斯特坡面土壤侵蚀的影响[J].应用生态学报，2021，32（1）：271-280.

[15]FUGuobin，CHENShulin，MCCOOLDK.ModelingtheimpactsofnotillpracticeonsoilerosionandsedimentyieldwithRUSLE，SEDD，andArcViewGIS[J].Soil&TillageResearch，2004，85（1）：38-49.

[16］SOYOUNGP，CHEYOUNGO，SEONGWOOJ，etal.SoilerosionriskinKoreanwatersheds，assessedusingthereviseduniversalsoillossequation[J].JournalofHydrology，2011，399（3）：263-273.

[17]ROBERTOR，THANHHLe，MARIACR.ARUSLEapproachtomodelsuspendedsedimentloadintheLoriver（Vietnam）：Effectsofreservoirsandlandusechanges[J].JournalofHydrology，2012（422）：17-29.

[18]郎燕，刘宁，刘世荣.气候和土地利用变化影响下生态屏障带水土流失趋势研究[J].生态学报，2021，41（13）：5106-5117.

[19]冯强，赵文武.USLE/RUSLE中植被覆盖与管理因子研究进展[J].生态学报，2014，34（16）：4461-4472

[20]MOHAMEDK，KUNIHIKOY，YUDIS.AssessmentandmappingofsoilerosionriskbywaterinTunisiausingtimeseriesMODISdata[J].PaddyandWaterEnvironment，2012，10（1）：59-73.

[21]胡文敏，周卫军，余宇航，等.基于RS和USLE的红壤丘陵区小流域水土流失量估算[J].国土资源遥感，2013，25（3）：171-177.

[22]KUNIHIKOY，YOSHINORII.Guidelinesforsoilconservationtowardsintegratedbasinmanagementforsustainabledevelopment：AnewapproachbasedontheassessmentofsoillossriskusingremotesensingandGIS[J].PaddyandWaterEnvironment，2005，3（4）：235-247.

[23]MohamedK，KUNIHIKOY，YUDIS，etal.Assessmentoftheeffectsofvegetationonsoilerosionriskbywater：acaseofstudyoftheBattawatershedinTunisia[J].EnvironmentalEarthSciences，2011，64（3）：707-719.

[24]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（2）：19-24.

[25]齐述华，蒋梅鑫，于秀波.基于遥感和ULSE模型评价1995～2005年江西土壤侵蚀[J].中国环境科学，2011，31（7）：1197-1203.

[26]陈燕红，潘文斌，蔡芫镔.基于RS/GIS和RUSLE的流域土壤侵蚀定量研究：以福建省吉溪流域为例[J].地质灾害与环境保护，2007（3）：5-10.

[27]张岩，袁建平，刘宝元.土壤侵蚀预报模型中的植被覆盖与管理因子研究进展[J].应用生态学报，2002，13（8）：1033-1036.

[28]YUShan，DUWala，ZHANGXiang，etal.SpatiotemporalchangesinNDVIanditsdrivingfactorsintheKherlenriverbasin[J].ChineseGeographicalScience，2023，33（2）：377-392.

[29]AMDA，OMASAK.EstimationofvegetationparameterformodelingsoilerosionusinglinearSpectralMixtureAnalysisofLandsatETMdata[J].JournalofPhotogrammetryandRemoteSensing，2007，62（4）：309-324.

[30]CAOXiaoming，FENGYiming，SHIZhongjie.SpatiotemporalvariationsindroughtwithremotesensingfromtheMongolianPlateauduring1982-2018[J].ChineseGeographicalScience，2020，30（6）：1081-1094.

[31]JIAOWenzhe，WANGLixin，SMITHWK，etal.ObservedincreasingwaterConstraintonvegetationgrowthoverthelastthreedecades[J].Naturecommunications，2021（12）：3777.

[32]HUOJiayi，YUXinxiao，LIUChangjun，etal.EffectsofsoilandwaterconservationmanagementandrainfalltypesonrunoffandsoillossforaslopingareainNorthChina[J].LandDegradation&Development，2020，31（15）：2117-2130.

[33]潘成忠，上官周平.牧草对坡面侵蚀动力参数的影响[J].水利学报，2005，36（3）：371-377.

[34]江忠善，李秀英.黄土高原土壤流失预报方程中降雨侵蚀力和地形因子的研究[J].中国科学院西北水土保持研究所集刊，1988，4（1）：40-45.

[35]张科利，刘宝元，蔡永明.土壤侵蚀预报研究中的标准小区问题论证[J].地理研究，2000（3）：297-302.

[36]于东升，史学正，吕喜玺.低丘红壤区不同土地利用方式的C值及可持续性評价[J].土壤侵蚀与水土保持学报，1998，4（1）：72-77.

[37]JAINP，RAMSANKARANR.GISbasedmodellingofsoilerosionprocessesusingthemodifiedMMF（MMMF）modelinalargewatershedhavingvastagroclimatologicaldifferencesHYPERLINK"http：//onlinelibrary.wiley.com/doi/10.1002/esp.4372"t"https：//xueshu.baidu.com/usercenter/paper/_blank"[J].EarthSurfaceProcessesandLandforms，2018，43（10）：2064-2076.

[38]刘宝元，毕小刚，符素华，等.北京土壤流失方程［M］．北京：科学出版社，2010：72-77.

[39]秦伟，左长清，郑海金，等.赣北红壤坡地土壤流失方程关键因子的确定[J].农业工程学报，2013，29（21）：115-125.

[40]黄俊，金平伟，姜学兵，等.南方红壤区植被覆盖因子估算模型构建与验证[J].农业工程学报，2020，36（17）：106-114.

[41]杜春英，刘宏伟.荒漠化地区植被因子的定量反演方法[J].东北林业大学学报，2010，38（8）：133-135.

[42]于元芬.不同植被覆盖下红壤优先流特征与影响因素研究[D].武汉：华中农业大学，2020：26.

[43]代侨，林杰，朱燕芳，等.基于南方结构化植被指数的植被覆盖管理因子遥感反演[J].中国水土保持科学，2021，19（3）：64-71.

[44]姚雄.南方红壤水土流失区植被覆盖与管理因子（C因子）遥感重构研究[D].福州：福建农林大学，2016：15.

［作者简介］田培（1988—），男，湖北大悟人，副教授，博士，主要从事土壤侵蚀与水土保持、水文水资源基础理论研究。［收稿日期］2022-04-12

（责任编辑杨傲秋）