不同时间尺度下基于绿量的草地水土保持效应研究

吴晓霞, 顾祝军

南京晓庄学院 环境科学学院, 南京 211171

不同时间尺度下基于绿量的草地水土保持效应研究

吴晓霞, 顾祝军*

南京晓庄学院 环境科学学院, 南京 211171

基于福建省长汀县河田镇土壤侵蚀试验小区连续四年的自然降雨、植被、产流和产沙观测数据, 分析了次降雨、月、季和年这四种时间尺度下草地植被绿量、降雨指标和保水、保土效应的变化特征及其相互关系。结果表明, 随着时间尺度的增大, 降雨和植被参数呈现或增或减的变化特征, 保水效应值(RE)变幅较小, 而保土效应值(SE)的变幅则缓慢降低。各时间尺度RE的均值呈约10%—20%幅度的变化, RE表征的草地保水效应以季尺度最好, 年尺度最差,而SE表征的草地保土效应以月尺度最好, 季和次降雨尺度最差且接近。草地植被的保水效应多受制于降雨因素, 次降雨尺度下, RE与降雨历时和降雨量关系密切, 较长时间尺度下最大 30分钟雨强是主要的控制因子。而保土效应则多受制于植被因素, 在次降雨尺度下, 贴近地表的枯叶层对保土效应的贡献值得重视, 在中等的月和季尺度保土效应同时受降雨和植被的影响, 而在较大的年时间尺度下, 草本植被绿量参数可有效表征植被的保土效应。可见, 在不同的时间尺度, 影响水土保持的诸要素呈现不同的变化和耦合特征, 水土保持效应亦存在差异, 因而在水土保持的研究和管理工作中应关注时间尺度的影响。

绿量; 时间尺度; 保水效应; 保土效应

1 前言

水土流失是世界性的环境问题, 也是我国社会经济持续稳定发展的主要限制因素之一。在水土流失治理中, 植被已被看作是关键性控制因子[1-3]。在不同的时空尺度, 植被的水土保持效应呈现不同的特征, 因而基于特定植被结构指标比较不同时空尺度的植被水土保持效应日益受到学者们的重视。

定量化和时空尺度是目前水土保持研究的热点。量化的植被指标以植被覆盖度(VFC)和叶面积指数(LAI)最为常见。植被覆盖度是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比[4], 叶面积指数是指地表单位面积上总绿叶面积的一半[5], 二者分别描述了植被(要素)的水平和垂直分布特征。多数学者认为这两种指标与水土流失呈负相关[6-7], 但亦有与水土流失呈正相关或无明显相关性的报道[8-9], 显示仅从水平或垂直层面描述植被水土保持效应的不确定性。为此, Gu 等[10]将VFC和LAI相乘, 作为新的绿量指标(LVV), 他们发现在描述林地水土保持效应方面LVV多优于LAI这二个指标。

从时空尺度看, 水土保持研究已在小区、地块、田间、坡面、流域和区域等多个空间尺度展开[11-16],涉及时间尺度的研究则包括次降雨、月、季、年和多年等。次降雨的研究多基于人工降雨试验[17], 月和季节尺度则关注土壤侵蚀带来的养分流失[18]、土壤粒径分布[19]等属性的变化。在年尺度, 土壤侵蚀模数的变化会小于较短的时间尺度[20], 多年尺度的研究则关注土壤与植被覆盖的耦合效应, 如学者们提出了不同的影响土壤侵蚀的覆盖度临界值[21]。

不同时空尺度下的水土流失研究已取得不少成果, 但是结合特定植被结构指标的多时间尺度水土保持效应定量研究鲜有报道, 这制约着人们对植被水土保持效应的深入理解和水土保持工作的科学决策。本文通过土壤侵蚀试验小区观测, 基于草地绿量指标研究速生草本植被宽叶雀稗(Paspalurn wettsteinii)的水土保持效应在次降雨、月、季和全年时间尺度下的变化特征。

2 材料和方法

2.1 研究区概况

福建省长汀县是我国南方典型的严重水土流失地区。本区地处武夷山南段, 地质结构复杂, 在年内暴雨－干旱周期的作用下, 风化作用十分强烈, 坡面在自然力作用下易产生表土流失[22]。多年平均降雨量为1621 mm, 降水的季节分配极不均匀, 其中4—6月降雨量可占全年降雨量的50%, 7、8月份的降雨多为午后短暂的暴雨, 1月和10月的降雨量最少[23]。本区原生植被主要为中亚热带常绿阔叶林,但由于严重的水土流失被破坏殆尽, 在水土流失严重地段几近裸地, 灌草覆盖度极低。

2.2 试验小区的建立

试验小区位于长汀县河田镇罗地草山, 于2007年2月在山岗坡地上建立2个土壤侵蚀试验小区, 分别为草地和作为对照的裸地(图1)。小区坡度均为8°,水平投影面积为5 m×20 m。小区四周用水泥板与外部隔开, 水泥板露出地表20 cm, 埋深20 cm, 下坡向设有径流和泥沙出口及径流池。小区内土壤均为发育于花岗岩母质的山地红壤, 呈酸性(pH值约为3.6),土壤容重为1.3 g·cm-3, 有机质含量4.4 g·kg-1, 砂土、壤土和粘土的百分比分别为32%、27%和41%[24]。草为一年生宽叶雀稗(Paspalurn wettsteinii), 2007年3月在草地小区均匀撒播草种, 任其自然生长, 此后每年的2月进行草坪养护, 去除枯草, 盖播草种。草的高度夏秋可达60 cm左右, 最大植被覆盖度可达80%左右。

2.3 降雨和植被参数的测量

降雨数据来自设在试验小区附近的气象观测台。试验小区2007—2010年共获得268场自然次降雨观测数据, 剔除无明显侵蚀发生的降雨场次, 余得144场降雨作为侵蚀性降雨。历次降雨的降雨量P(mm)、降雨历时T(min)、最大30分钟雨强I30(mm·h-1)均从降雨自记曲线读取。根据观测数据分别计算次降雨的降雨动能与降雨侵蚀力。一次降雨总动能E(MJ·ha-1)是将各时段单位降雨动能与该时段雨量的乘积按时段进行累加[25]。一次降雨侵蚀力 R (MJ·mm/ha·h)是将一次降雨总动能 E(MJ/ha)乘以这次降雨的最大30分钟雨强I30(mm·h-1), 即R = E*I30。前11天累计降雨量(AP11, mm)为计算日期前11天降雨量之和。月、季和年的降雨参数除降雨量(P)和降雨历时(T)用累加计算外, 其他参数均用相应时间尺度的均值。为保证数据量值的可比性, 各时间尺度下降雨特征参数通过下式进行归一化处理：

图1 试验区地理位置及土壤侵蚀试验小区示意图Fig. 1 Location of the experimental plots and diagrammatic sketch of the plots

其中 X1、X0、Xmax、Xmin分别为降雨特征指标归一化值、原数据、原数据的最大值和最小值。

自2007年3月起至2010年11月, 每周选择晴朗无云天气定期测量小区植被覆盖度和叶面积指数。草地分为上、中、下三个子区, 每个子区等间隔设一个固定测量点并作标志。植被覆盖度采用数码照相法测量, 垂直向下拍摄每个子区的草本相片,根据相片中植被和非植被像元的灰度值差异, 计算植被覆盖度值, 多张相片植被覆盖度平均值作为草地的植被覆盖度值[26]。叶面积指数利用 LP80 AccuPAR冠层分析仪测量, 在小区外空旷处和小区内草本植被下部分别测量太阳辐射值, 根据光合作用有效辐射计算叶面积指数, 并取三个子区的测量均值作为草地的叶面积指数。植被覆盖度和叶面积指数相乘得到绿量(LVV绿草)。草地绿量在夏季达到峰值以后, 理论上应该在此后几个月内保持不变(不考虑被风吹走等因素), 但实测发现逐渐减少, 减少的部分可以理解为枯草的贡献。为分析枯草的影响,采用小区观测 LVV峰值减去观测值作为枯草的绿量(LVV枯草)。月、季和年的LVV值(包括LVV绿草和LVV枯草)采用相应时间尺度均值。

2.4 水土保持效应的计算

每次降雨后测量径流池水位, 并计算池内积水的体积, 除以小区垂直投影面积作为小区历次降雨产生的径流深度(RD), 用来表征小区径流量。用烘干法[27]测得径流中的泥沙含量, 再根据径流量计算出历次降雨产生的土壤流失量(SL)。用各时间尺度下草地产生的径流深度(土壤流失量)与裸地径流深度(土壤流失量)的比值来表征草地的保水(保土)效应RE(SE)值：

其中RDv和RDc分别表示草地和裸地产生的径流深度(mm); SLv和SLc分别表示草地和裸地的土壤流失量(t·ha-1)。这种比值减小了降雨、地形和土壤等其他外界因子的影响。RE和SE越低, 植被水土保持效应越好。

在各时间尺度下, 运用最小二乘法分别建立RE/SE与LVV绿草、LVV枯草以及降雨指标的单变量线性模型。统计与分析工作均借助SPSS17.0 (SPSS Inc., USA)软件及Excel (Microsoft, USA)软件完成。

3 结果与分析

3.1 降雨和植被参数的时间动态

不同降雨特征参数在各时间尺度下的均值随着时间尺度的增大呈不同趋势(图2)。降雨量 (P)、 最大30分钟雨强(I30)、降雨侵蚀力(R)、 乘积因子(P*I30)从次降雨尺度到年尺度逐步上升; 前11天累计降雨量(AP11)在月尺度下达到最低点后上升; 降雨动能E(MJ/ha)和降雨历时 T(min)则或增或减。从植被参数来看, 随着时间尺度的增大, 无论均值或标准差, LVV绿草均总体呈下降趋势, 而 LVV枯草则先增后减(图3)。 这一结果表明, 降雨和植被参数随着时间尺度的变化而呈不同的变化特征, 时间尺度带来的参数量值的变化显示植被水土保持效应研究中关注时间尺度问题的必要性。

3.2 不同时间尺度下的草地保水效应

图2 不同时间尺度下各降雨参数Fig. 2 Rainfall parameters at each time scale

图3 不同时间尺度下植被参数Fig. 3 Vegetation parameters at each time scale

考虑到离散系数包含了均值和标准差信息, 且可以表征数据的波动性, 本文选用各指标的离散系数进行草地的保水效应分析。径流深度(RD)和保水效应值(RE)在各时间尺度的离散系数如图4。可见各时间尺度RD的离散系数均高于RE, 二者的差异以月和季尺度最大, 年尺度最小, 次降雨尺度居中;随着时间尺度的增大, RD的离散系数明显地先升后降, 而RE离散系数则基本不变。这一结果表明, RD这一绝对量因受到多种因素的影响在各时间尺度上呈较大波动, 而RE值则由于消除了降雨、土壤等同类因子的影响, 无论在时间尺度内部还是各时间尺度之间均相对稳定, 这就为植被水土保持效应的进一步研究提供了较好的基础。

为了进一步分析RE的变化特征及其影响因素,统计了各时间尺度的 RE均值和标准差, 并分别建立了 RE与各降雨和植被参数的线性关系模型, 其中次降雨尺度由于数据呈一定的聚类分布则按照RE分段建立模型(表1)。各时间尺度RE的均值呈现约10%—20%幅度的变化, RE表征的草地保水效应以季尺度最好(RE = 0.45), 年尺度最差(RE = 0.47), 次和月尺度居中且接近(RE = 0.46)。从RE的标准差来看, RE在各时间尺度内部的变化以次降雨尺度最大(0.222), 月和季尺度最小且接近(＜ 0.1), 年尺度居中(0.18)。可见不同时间尺度下草地的保水效应评估结果存在差异, 因而在进行植被保水效应的分析时需考虑时间尺度因素。在所建立的最优模型中, 除次降雨尺度下0.4 ＜ RE ＜ 0.7时RE与LVV绿草呈弱相关外(R2= 0.2, p = 0.3), 次降雨尺度的其他分段及其他时间尺度, 最优模型均以降雨参数为自变量, 包括降雨历时(T)、降雨量(P)、最大 30分钟雨强(I30)以及后二者的乘积(P*I30)。在次降雨尺度下,当RE较小时(RE ＜ 0.4), T可解释80%的RE, 表明草地的较好的保水效应主要取决于降雨历时; 当 RE较大时(RE ＞ 0.7),P可解释78%的保水效应, 即较差的保水效应取决于降雨量; 而对中等的RE(0.4 ＜ RE ＜0.7), 只有 LVV绿草与其微弱相关, 显示草地的保水效应受制于多种影响因素, 而植被因素的影响可能略大于降雨参数。在月、季和年等较大的时间尺度,最优模型自变量均有 I30, 显示较大的时间尺度下雨强是制约草地保水效应的重要因素, 尤其是在年尺度, I30可90%以上解释RE。而在月和季尺度, P*I30则在0.05的显著性水平上部分解释RE(R2＞ 0.2), 表明在中等的时间尺度下, 草地的保水效应受制于多种因素, 其中降水因素(尤其是 P和 I30)较之植被因素影响更为明显。

图4 不同时间尺度下保水参数的离散系数Fig. 4 Variation coefficient of water conservation parameters at each time scale

3.3 不同时间尺度下的草地保土效应

土壤侵蚀量(SL)和保土效应值(SE)在各时间尺度的离散系数如图5所示。在次降雨和月尺度下SL的离散系数高于 SE, 而季和年尺度二者相当, 表明较小的时间尺度下SL较之SE变化大; SL的离散系数随时间尺度的粗化而明显降低, 而 RE离散系数则缓慢降低, 显示SL在各时间尺度之间的变化亦大于SE。总之, 绝对量SL因受到多种因素的影响在各时间尺度上变化显著, 而消除了同类因子影响的SE值则变化平缓。

表1 不同时间尺度下估算RE最优模型Tab. 1 Optimal models estimating RE at different time scale

图5 不同时间尺度下保土参数的离散系数Fig. 5 Variation coefficient of soil conservation parameters at each time scale

类似于RE, 为了进一步分析SE的变化特征及其影响因素, 统计了各时间尺度的SE均值和标准差,并分别建立了 SE与各降雨和植被参数的线性关系模型, 其中次降雨尺度亦按照 SE分段建立模型(表2)。各时间尺度SE的均值呈现较大幅度的变化, 保土效应以月尺度最好(SE = 0.40), 季和次降雨尺度最差且接近(SE = 0.47), 年尺度居中(SE = 0.45)。从SE的标准差来看, SE在各时间尺度内部的变化仍以次降雨尺度最大(0.49), 年尺度最小且接近(0.16),月和季尺度居中且接近(0.27)。可见不同时间尺度下草地的保土效应评估结果较之保水效应存在较大差异, 二种效应评估的最优结果对应的时间尺度亦不一致, 因而在进行植被保土效应的比较时更需考虑时间尺度因素, 并与保水效应分别进行独立分析。在所建立的最优模型自变量中, R2较高的模型(10)为I30, 模型(11)和(14)均为LVV绿草, 显示在特定的时间尺度, 降雨强度和绿草绿量均可分别制约植被的保土效应(R2＞ 0.8)。在次降雨尺度下, SE ＜ 1时模型的R2不及0.5, 而SE ＞ 1时模型的R2＞ 0.8, 且在本研究中, 只有LVV枯草可在SE ＜ 0.5时约50%解释SE的变化(p ＜ 0.01), 而LVV枯草可在0.5 ＜ SE ＜1时30%解释SE的变化(p ＜ 0.05), 表明当LVV枯草与次降雨尺度的LVV枯草总体均值(0.151)接近时, 植被呈现最好的保土效应, 而当LVV枯草略低于该值时, 亦仍呈现一定的保土正效应(SE ＜ 1)。因此, 贴近地表的枯叶层对保土效应的贡献值得重视。需要注意的是,本试验区保土负效应(SE ＞ 1)可在不同的SE区间分别用I30和LVV绿草80%以上解释SE的变化, 其中的I30高于次降雨尺度的总体均值(I30＝11.6), 而LVV绿草低于次降雨尺度的总体均值(LVV绿草＝0.621), 显示在强降雨条件或草本植被绿量相对较低时, 草地呈现保土负效应。换言之, 在降雨强度较大或绿量较低时植被的存在反而增加了土壤侵蚀, 其侵蚀机制值得进一步观测研究。从时间尺度来看, 在中等的月和季尺度, 无论降雨强度或绿量参数, 均不及50%解释SE的变化, 而年尺度模型R2则达80%以上, 表明在中等的月和季尺度多种环境要素对植被保土效应的影响均需要考虑, 而在较大的年时间尺度下, 绿草绿量可有效表征植被的保土效应。

4 结论

表2 不同时间尺度下估算SE最优模型Tab. 2 Optimal models estimating SE at different time scale

(1) 降雨和植被参数随时间尺度的增大而呈现或增或减的变化特征, 水土流失绝对量指标 RD和SL因受到多种因素的影响而在各时间尺度上有较大波动, 而消除了降雨、土壤等因子影响的 RE和SE值则相对稳定, 但亦存在不同程度的变化;

(2) 各时间尺度RE的均值呈现约10%—20%幅度的变化, RE表征的草地保水效应以季尺度最好,年尺度最差, 而SE表征的草地保土效应以月尺度最好, 季和次降雨尺度最差且接近, RE和SE的标准差均以次降雨尺度最大。可见不同的时间尺度下, 水土保持效应的评估结果存在差异;

(3) 草地的保水效应多受制于降雨因素, 次降雨尺度下, 保水效应与降雨历时和雨量关系密切,较长时间尺度下最大 30分钟雨强是重要的控制因子; 而保土效应则多受制于植被因素, 在次降雨尺度下, 贴近地表的枯叶层对保土效应的贡献值得重视, 在中等的月和季尺度保土效应受多种环境要素的影响, 而在较大的年时间尺度下, 绿草绿量可以有效表征植被的保土效应;

(4) 时间尺度影响着水土保持诸影响因素的量值及其稳定性、各要素的耦合过程、以及水土保持效应的评估结果, 因而在进行植被保土效应的比较和评估时需考虑时间尺度因素。

致谢：本研究得到国家自然科学基金项目(No. 41571415，41071281)、江苏省自然科学基金项目(No. BK20132 1325)和江苏省教育厅“青蓝工程”中青年学术带头人培养计划项目的资助。感谢福建省长汀水土保持工作站的技术支持。

[1] 余新晓, 毕华兴, 朱金兆, 等. 黄土地区森林植被水土保持作用研究[J]. 植物生态学报, 1997, 21(5)： 433-440.

[2] 郭忠升. 最佳森林覆盖率的初步研究[J]. 西北林学院学报, 1998, 13(3)： 23-27.

[3] 韦红波, 李锐, 杨勤科. 我国植被水土保持功能研究进展[J]. 植物生态学报, 2002, 26(4)： 489-496.

[4] LU H, RAUPACH M R, Mc VICAR T R, et al. Decomposition of vegetation cover into woody and herbaceous components using AVHRR NDVI time series[J]. Remote Sensing of Environment, 2003, 86(1)： 1-18.

[5] CHEN J M, BLACK T A. Defining leaf area index for non-flat leaves[J]. Plant Cell and Environment, 1992, 15：421-429.

[6] 韦红波. 区域植被水土保持功能遥感评价研究[D]. 杨凌：西北农林科技大学, 2001.

[7] CHEN Yuehong, WANG Feixin, LIU Guangqua, et al. Modified vegetation-erosion dynamics model and its application in typical watersheds in the Loess Plateau[J]. International Journal of Sediment Research, 2011, 26(1)：78-86.

[8] 刘世荣, 孙鹏森, 王金锡, 等. 长江上游森林植被水文功能研究[J]. 自然资源学报, 2001, 16(5)： 451-456.

[9] FOOT K, MORGAN R P C. The role of leaf inclination, leaf orientation and plant canopy architecture in soil particle detachment by raindrops[J]. Earth Surface Processes and Landforms, 2005, 30(12)： 1509-1520.

[10] GU Zhujun, JU Weimin, LIU Yibo, et al. Applicability of Spectral and Spatial Information from IKONOS2 Imagery in Retrieving Leaf Area Index of Forests in the Urban Area of Nanjing, China[J]. Journal of Applied Remote Sensing, 2012, 6(1)： 063556～1-14.

[11] 张赫斯, 张丽萍, 朱晓梅, 等. 红壤坡地降雨产流产沙动态过程模拟试验研究[J]. 生态环境学报, 2010, 19(5)：1210-1214.

[12] PENG Tao, WANG Shijie. Effects of land use, land cover and rainfall regimes on the surface runoff and soil loss on karst slopes in southwest China[J]. Catena, 2012, 90, 53-62.

[13] 郑海金, 杨洁, 汤崇军,等. 不同水土保持耕作措施对径流泥沙和土壤碳库的影响[J]. 水土保持通报, 2011, 31(6)：1-5.

[14] de VENTE J, POESEN J, VERSTRAETEN G, et al. Spatially distributed modeling of soil erosion and sediment yield at regional scales in Spain[J]. Global and Planetary Change, 2008, 60(3-4)： 393-415.

[15] 王琦, 杨勤科, 任宗萍. 中尺度流域NDVI尺度转换研究[J]. 水土保持通报, 2010, 30(3)： 96-100.

[16] 冯永丽, 李阳兵, 程晓丽, 等. 重庆市主城区不同地质条件下土壤侵蚀时空分异特征[J]. 水土保持学报, 2011, 25(5)： 30-34.

[17] 傅斌, 王玉宽, 王道杰. 变雨强连续降雨坡地侵蚀特征[J]. 水土保持学报, 2009, 23(2)： 25-28.

[18] KOTHYARI B P, VERMA P K, JOSHI B K, et al. Rainfallrunoff-soil and nutrient loss relationships for plot size areas of bhetagad watershed in Central Himalaya, India[J]. Journal of Hydrology, 2004, 293(1-4)： 137-150.

[19] ANDREU V, IMESON A C, RUBIO J L. Temporal changes in soil aggregates and water erosion after a wildfire in a Mediterranean pine forest[J]. Catena, 2001, 44： 69-84.

[20] 廖义善, 蔡强国, 卓慕宁, 等. 不同时空尺度下沟壑对流域侵蚀产沙的影响——以黄土丘陵沟壑区岔巴沟流域为例[J]. 地理科学进展, 2009, 28(1)： 47-54.

[21] GAO Yang, ZHONG Binglin, YUE Hui, et al. A degradation threshold for irreversible loss of soil productivity： a long-term case study in China[J]. Journal of Applied Ecology, 2011, 48(5)： 1145-1154.

[22] 江洪. 长汀县水土流失遥感监测及其生态安全评价[D].福州： 福州大学, 2005.

[23] 廖善刚, 赵昭昞. 长汀河田风化花岗岩坡面水土流失规律和预测方程[J]. 福建师范大学学报：自然科学版, 1990, 6(1)： 105-109.

[24] WU Xiaoxia, GU Zhujun, LUO Hao, et al. Analyzing the Effects of Pure Forest on Runoff and Sediment Production during Natural Rainfall Events Using Leaf Area Index[J]. Journal of Mountain Science, 2014, 11(1)： 119-130.

[25] WISCHMEIER W H, SMITH D D. Rainfall energy and its relationship to soil loss[J]. Transmission. American Geophysical Union, 1958, 39： 285-291.

[26] GU Zhujun, ZENG Zhiyuan, SHI Xuezheng, et al. A model for estimating total forest coverage with ground-based digital photography[J]. Pedosphere, 2010, 20(3)： 318-325.

[27] 刘光崧. 土壤物理化学分析与剖面结构描述[M]. 北京：中国标准化出版社, 1996.

Time scale influence on the study of water and soil conservation effects of grass based on live vegetation volume

WU Xiaoxia, GU Zhujun*
School of Environmental Science, Nanjing Xiaozhuang University, Nanjing 211171, China

Based on the continuous 4-year observation data of rainfall, vegetation, runoff and sediment yield in the experimental plots located in Hetian Town, Changting County of Fujian Province, the change characteristics and the interrelation were analyzed at four time scales of rainfall event, month, season, and year with the live vegetation volume of grass, rainfall parameters and water (soil) conservation effect RE (SE). Results show that with the coarsened time scale, the rainfall and vegetation indices increase or decrease more or less, the variation range of RE is small, while SE slowly decreases. The mean RE has 10%-20% variations at different time scales and the observed water conservation effect of grass is the best at season scale while the worst at year scale. The soil conservation effect of grass is the best at month scale, while the worst and close to each other at season and rainfall event scales. The water conservation effect of grass is mainly controlled by rainfall characteristics, including rainfall duration and precipitation at rainfall event scale, and maximum 30-min rainfall intensity at longer time scales. However, the soil conservation effect of grass is mainly controlled by vegetation properties, including the contribution of the litter on soil surface at rainfall event scale, the interaction of rainfall and vegetation at month and season scales, and the live vegetation volume of grass at the year scale. Consequently, at different time scales, the factors influencing water and soil conservation change and interact, and the observed water and soilconservation effects are also different, indicating that the time scale influence deserves attention in both research and management practices.

live vegetation volume; time scale; water conservation effect; soil conservation effect

10.14108/j.cnki.1008-8873.2016.01.013

S157.1

A

1008-8873(2016)01-085-07

2014-04-05;

2014-05-13

国家自然科学基金项目(41571415, 41071281); 江苏省自然科学基金项目(BK20131078); 江苏省教育厅“青蓝工程”中青年学术带头人培养计划

吴晓霞(1977—), 女, 广西南宁人, 硕士, 讲师, 主要研究方向为环境监测与生态评估

*通信作者：顾祝军, 男, 博士, 副教授, 主要从事水土保持和林业遥感研究, E-mail： zhujungu@163.com

吴晓霞, 顾祝军. 不同时间尺度下基于绿量的草地水土保持效应研究[J]. 生态科学, 2016, 35(1)： 85-91.

WU Xiaoxia, GU Zhujun. Time scale influence on the study of water and soil conservation effects of grass based on live vegetation volume[J]. Ecological Science, 2016, 35(1)： 85-91.