南方红壤区植被覆盖因子估算模型构建与验证

黄 俊，金平伟，姜学兵，林丽萍，寇馨月，徐 舟，刘 斌，方宗福

南方红壤区植被覆盖因子估算模型构建与验证

黄 俊，金平伟，姜学兵，林丽萍，寇馨月，徐 舟，刘 斌，方宗福

（1. 珠江水利委员会珠江流域水土保持监测中心站，广州 510610；2. 珠江水利委员会珠江水利科学研究院，广州 510610）

研究红壤区植被覆盖因子变化规律、构建植被覆盖因子计算模型可为该区域水土流失防治及动态监测提供科学依据。该研究基于广东省五华县水土保持试验推广站200余场降雨试验观测数据，分析了影响水土流失的各关键因子与次降雨土壤侵蚀模数（Individual Rainfall Event Soil Erosion Modulus，ISEM）间定量关系，基于中国土壤流失方程计算了系列次降雨事件不同植被覆盖度对应植被覆盖因子值，构建了植被覆盖因子值与植被覆盖度间数学模型，从点、面2个尺度对模型计算精度进行了验证。结果表明：1）ISEM随植被覆盖度增加而降低；ISEM与雨前土壤表层含水率间存在显著正相关对数关系；ISEM随坡度增加呈先增后减的变化规律；ISEM随次降雨量、次降雨侵蚀力和次降雨径流深呈显著正相关线性变化关系。2）构建了植被覆盖因子值与植被覆盖度间二阶指数衰减模型，该模型决定系数和纳什系数分别达0.947和0.876。点尺度验证结果表明90%样本模型计算值与观测值相对误差均小于0.30；面尺度验证结果表明，70%～80%的植被覆盖因子计算值相对误差不超过0.1。总体而言，该模型计算精度较为理想，但由于研究对象典型的时空尺度特征，仍需要更多观测数据对该模型进行完善和验证。研究成果可为深入理解红壤区土壤侵蚀规律、水土流失动态监测提供有益参考。

土壤；侵蚀；植被覆盖因子；中国土壤流失方程；指数衰减模型；红壤；南方

0 引 言

区域土壤侵蚀状况直接对人类健康和经济社会发展产生重要影响[1]，定期开展水土流失动态监测可为水土流失状况评价、水土保持治理工程空间布局等提供重要支撑[2]。土壤侵蚀模型是开展水土流失动态监测的重要技术手段[3-4]。迄今为止，美国通用土壤流失方程（Universal Soil Loss Equation，USLE）及其改进模型（Revised Universal Soil Loss Equation，RUSLE）仍在土壤侵蚀领域广泛应用[5-6]；该模型综合土壤侵蚀多个影响因子及其相互作用关系，同时各因子具有一定物理意义且因子获取方法及模型计算过程较为简单[7-8]。Liu等[9-10]利用黄土高原丘陵沟壑区径流小区实测资料构建了中国土壤流失方程（China Soil Loss Equation，CSLE），该模型依据中国土壤侵蚀与水土保持工作特点，充分考虑了生物措施、工程措施和耕作措施对土壤侵蚀及水土流失过程的影响，与USLE相比更能反映中国土壤侵蚀的实际情况[11]。

2018年水利部印发《区域水土流失动态监测技术规定（试行）》，中国水土流失动态监测预报工作从定量与定性相结合的“三因子”综合判别法发展到以定量为主的“CSLE模型法”[12]。2018年结果表明中国仍有水土流失面积273.69万km2，约占国土总面积的28.54%[13]。CSLE模型广泛应用对中国水土流失动态监测应用工作和土壤侵蚀基础研究具有十分显著的促进作用，但也存在诸如模型计算精度偏低、模型因子区域适用性较差、地形及土壤等基础数据现势性不足等亟需解决的问题[14-15]。作为影响土壤侵蚀最重要因素之一：植被覆盖因子（），可直接反映植被覆盖变化状况或植被措施调控土壤侵蚀的能力，也是CSLE模型中的关键因子[16-19]。植被覆盖因子指一定条件下有植被覆盖或实施田间管理的土地的土壤流失总量与同等条件下实施清耕休闲地的土壤流失总量的比值，是介于0和1之间的一个无量纲数[20]。植被覆盖度大小是影响植被覆盖因子的关键因素；此外，植被覆盖因子大小还受到植被不同生长期内侵蚀性降雨多寡的影响，对于植被覆盖因子年值的研究还应充分考虑降雨侵蚀力年内季节分布的影响。标准小区法、次因子法、模型反推法、与植被覆盖度关系式法、直接赋值或手册查询法等是较为常用的植被覆盖因子获取方法。前3种方法依赖野外实测数据，逻辑性强、计算精度高；关系式法虽难以直接反映植被减蚀作用机理，但其经验关系具有相对较强的通用性和适用性；直接赋值或手册查询法较为依赖大量丰富的外业数据观测成果，通用性相对较弱。目前中国年度水土流失动态监测项目采用《区域水土流失动态监测技术规定（试行）》推荐的因子计算方法，利用监测年前3年内每年24个半月MODIS数据计算得到因子值。植被覆盖因子与土地利用方式关系密切，合理的土地利用方式可显著降低植被覆盖因子值而减少土壤侵蚀量[21-22]。张雪花等[23]基于人工模拟降雨试验确定了东北黑土农业区不同土地利用植被因子的取值范围，发现该值普遍小于USLE方程推荐的最优值。蔡崇法等[24]基于野外实测资料构建了三峡库区植被因子与植被覆盖度间经验模型，为三峡库区土壤侵蚀预报提供了基础支撑。中国地域辽阔，各区域气候、地形地貌、土地利用方式、植被类型与分布各不相同，造成CSLE模型中现有植被覆盖因子计算方法区域适用性和可操作性亟需提高。目前中国学者在USLE或RUSLE模型植被覆盖因子研究方面开展大量工作，且主要集中在西北黄土高原区和东北黑土区[11-25]；针对CSLE模型因子，特别是南方红壤区因子研究成果仍较为鲜见。此外，由于植被生长期划分、降雨侵蚀力空间分布等差异而导致植被覆盖因子研究结果地区间差异性较大[16]，应加强典型区域值的系统性研究，为提高年度水土流失动态监测计算精度提供可靠的基础参数。

林下水土流失严重、崩岗侵蚀剧烈、水土流失呈零星斑点状分布等是南方红壤区水土流失特点[26-27]。近10年该区域侵蚀面积总体呈递减趋势，其中江西、湖北等6个省（区）呈下降趋势，广东、广西等4个省（区）呈增加趋势[28]。小流域综合治理（如农业生态工程、“大封禁、小治理”等）、坡地水土保持工程（等高植物篱等）、林下水土流失治理（林下补种草灌、针阔混交等）、侵蚀劣地和崩岗治理等是红壤区常见的水土流失防治模式[29]。与狗牙根、阔叶雀稗草等全园覆盖措施相比，百喜草全园覆盖措施蓄水保土效果最为显著，是常见水土保持植物措施[30]；特别是百喜草植物篱对于防治坡地水土流失效果十分显著，且对土壤理化性质改善具有积极作用[31]。也有研究表明，尽管植物措施可显著拦蓄径流、减少泥沙，但红壤丘陵区梯田果园应以浅根系豆科牧草为主，且不适当的牧草种植模式对果树产量有负面影响[32]。胡建民等[33]基于野外标准径流小区3种不同耕作方式5 a连续观测数据研究发现，横坡间作水土保持防治效果最优，减流减沙率在75%～80%；顺坡间作减流减沙率为60%～65%。黄俊等[34]基于野外天然降雨试验研究发现，自然撂荒地次降雨产流产沙量均高于灌草地和人工林地。总体而言，植物、工程措施的有机结合、高效配置是红壤坡地水土保持防治切实有效途径[35-38]。

本研究基于南方红壤区自然坡面野外系列降雨试验，分析次降雨土壤侵蚀模数与土壤侵蚀各影响因子间定量关系，构建植被覆盖因子与植被覆盖度间定量关系，以期为南方红壤区水土流失动态监测、土壤侵蚀研究等提供有益启示。

1 材料与方法

1.1 试验地点、材料及设备

试验在广东省五华县水土保持试验推广站进行（115°37'E，24°05'N），该站点属珠江流域韩江上游典型的红壤丘陵区，亚热带季风气候，年降水量为1 300～1 900 mm；该区域土壤侵蚀以面蚀、沟蚀和崩岗侵蚀等为主，地表植物主要有马尾松（Lamb.）、桉树（Hill）、柚树（(Burm.) Merr.）、木荷（T. Chang）、绢毛蔷薇（Lindl.）、芒萁（(Thunb. ) Bernh.）、蔗鸪草（. Br.）等。研究区土壤田间持水量及饱和含水率分别为26.7%～36.7%和42.5%～44.4%，有机质质量分数为0.78%～1.69%；砂粒（0.05～1 mm）、粗粉粒（0.01～<0.05 mm）、中细粉粒（0.001～<0.01 mm）、黏粒（<0.001 mm）质量分数分别为12.7%～14.7%、10.8%～22.9%、26.3～15.8%、28.6%～36.1%。

1.2 试验材料及设备

本试验使用的人工模拟降雨装置由西安理工大学生产的下喷式人工模拟降雨器，主要由降雨喷头及供水管道、恒压供水系统、控制系统、铝合金支架等构成（如图1所示）。该装置有效降雨面积为2 m×3 m，降雨高度3.0 m，降雨强度范围0.5～2.5 mm/min，雨滴直径大小为0.6～2.2 mm（滤纸色斑法测定），雨滴终速度为2.85～7.14 m/s，次降雨降雨动能为19.89～30.06 J/(m2·mm)。该装置降雨均匀度测试结果表明，20场不同降雨强度下降雨均匀度均值为81.5%～93.6%。试验过程中降雨器周围设有遮风帘，以减少自然风对降雨试验的不利影响。

图1 人工模拟降雨装置示意图

1.3 观测指标及方法

受雨坡面为自然灌草地或清耕休闲地（裸地）坡面，在“降雨区”投影下方使用PVC板材形成封闭的人工径流小区（1.5 m×2.5 m），坡度使用罗盘实测获取，植被覆盖度采用照相法获取[39]。各场次降雨试验观测指标均参照《径流小区和小流域水土保持监测手册》[40]收集。各场次降雨径流深由次降雨径流体积除以径流小区投影面积计算得到。次降雨土壤侵蚀模数等于次降雨产沙量除以降雨面积与次降雨历时乘积值。次降雨量由电子雨量计自动记录（记录间隔1 min）。

试验开始前采用烘干法测定1次雨前土壤含水率，测定土层深度为0～15 cm。每个小区仅开展人工模拟降雨1次。经统计本试验各小区雨前表层土壤含水率在10.5%～28.4%之间波动，平均值为17.3%±5.1%。

本试验各场次降雨历时、降雨强度和次降雨量统计结果如表1所示，可以看出本试验各场次降雨总体呈现短历时、大雨强、小雨量的基本特征。按照秦伟等[41]在红壤区次降雨雨型研究结果，本试验人工模拟降雨属于“A雨型”降雨，也是造成土壤侵蚀的主要降雨类型，与试验地点常见的“短历时大雨强小雨量”降雨雨型基本一致。

表1 本试验各场次降雨参数统计结果

1.4 植被覆盖因子计算方法

本文植被覆盖因子（）值计算方法基于降雨试验实测数据，借助CSLE方程反推获取，具体如下：

设某一清耕休闲地（裸地）1次人工模拟降雨土壤流失量为

A=RKLSBET（1）

同一区域某一植被覆盖度为V的灌草地坡面1次人工模拟降雨土壤流失量为

A=RKLSBET（2）

植被覆盖度为V的灌草地坡面植被覆盖因子s由如下方程计算：

B=(ARKSLBET)/(ARKSLET)（3）

式中为土壤侵蚀模数，t/(hm2·a)；为降雨侵蚀力因子，MJ·mm/(hm2·h·a)；为土壤可蚀性因子，t·hm2·h /(hm2·MJ·mm)；为坡长因子，无量纲；为坡度因子，无量纲；为植被覆盖与生物措施因子，无量纲；为工程措施因子，无量纲；为耕作措施因子，无量纲；下标和分别表示清耕休闲地（裸地）、植被覆盖度为V的灌草地坡面对应的变量值。、、、、因子可通过实测或计算获取，、因子可根据实际情况取值获取；清耕休闲地（裸地）植被覆盖因子=1。

各场次降雨侵蚀计算采用章文波等[42]提出PI10指标，即为次降雨量（P，mm）和最大10 min降雨强度（10，mm/h）的乘积。土壤可蚀性采用基于侵蚀/生产力的土壤侵蚀预报模型（Erosion Productivity Impact Calculator，EPIC）计算获得[43]。坡长和坡度因子计算公式如下[5,44]：

=(Len/22.13)1/(1+t)（4）

=21.9sin-0.96 (≥10°)（5）

式中为小区坡度值（本研究中人工模拟降雨试验小区坡度在10°～15°之间，自然降雨试验小区坡度为20°和30°），Len为小区实际坡长值，m；为坡长因子指数为(sin/0.0896)/(3sin0.8+0.56)。

此外，本研究中所有径流小区均无水土保持耕作和工程措施，因此工程措施因子和耕作措施因子均为1，即为=1，=1。

1.5 数据收集与处理

2016年7―8月和2018年5―6月共计完成110余场次人工模拟降雨试验，经过分析筛选出98组包含完整次降雨产流产沙过程曲线的有效观测数据（包含对照处理清耕休闲地9场次）。此外，本研究还使用了《全国水土流失动态监测与公告项目》广东省五华县乌陂河综合观测站2016年、2017年和2019年标准人工径流小区（20 m×5 m）天然降雨观测数据81场次（包含对照处理清耕休闲地10场次）、29场次（包含对照处理清耕休闲地5场次）和33场次（不含对照处理清耕休闲地观测数据），数据来源于《全国水土流失动态监测与公告项目》广东省五华县乌陂河综合观测站2016年、2017年和2019年年度整编数据成果，未公开发表。

本研究中的人工模拟降雨试验与标准径流小区天然降雨试验的土壤理化参数完全一致、降雨雨型基本相同、植被类型高度一致，因此人工模拟降雨试验数据与标准径流小区观测数据具有较强的可比性，可一同用于开展植被覆盖因子研究。

使用Microsoft Excel 2013®软件包进行数据处理，使用Origin Pro 8.5®软件包绘图。

1.6 模型模拟精度评价

采用拟合方程决定系数（2）、纳什统计系数（Nash-Sutcliffe Efficiency Coefficient，NS）、均方根误差（Root Mean Square Error，RMSE）、平均绝对百分误差（Mean Absolute Percentage Error，MAPE）、平均绝对误差（Mean Absolute Error，MAE）对模型模拟进行定量评价，计算公式如下：

式中YSIM为数据序列第个模拟值；YOBS为数据序列第个观测值；YOBSmean为数据序列观测值的算术平均值；为数据样本总数。

2 结果与分析

2.1 次降雨土壤侵蚀模数

图2为次降雨土壤侵蚀模数（Individual Rainfall Event Soil Erosion Modulus，ISEM）与土壤侵蚀各影响因子散点图。当V≤0.5区间内，ISEM随V增加而急剧降低，而后降低速率逐渐放缓趋于平稳。ISEM与雨前表层土壤含水率呈对数变化关系。ISEM随地表坡度（）呈先增加后减小的变化趋势，其中临界坡度值约为10.75°。当≤6°或≥15°时，ISEM相对较小均不超过0.5 t/(hm2·h)。ISEM与次降雨量、次降雨侵蚀力和次降雨径流深间呈现极显著正相关线性关系（2=0.63～0.81）。

图2 次降雨土壤侵蚀模数与各因子散点图

2.2 B因子计算模型构建

基于2016年和2018年98场次人工模拟降雨试验、2016年81场天然降雨试验、2017年29场次天然降雨试验观测数据，根据式（3）计算各场次降雨植被覆盖因子（）值，进而采用线性函数、指数函数、自然对数函数、幂函数，以及一阶、二阶和三阶指数衰减模型7种函数关系对和V进行了回归拟合，获得不同植被覆盖度（V）和因子之间定量关系，如表2所示。各拟合方程均达到统计学显著水平（<0.01）。其中“模型Ⅵ”决定系数最大为0.947；“模型Ⅵ”和“模型Ⅶ”纳什系数最大且均为0.876、均方根误差最小且均为0.021、平均绝对误差最小约为0.02；“模型Ⅱ”平均绝对百分误差最小为33.1%。总体而言，“模型Ⅵ”和“模型Ⅶ”为和V回归拟合的最优模型。但“模型Ⅶ”相对更为复杂，因此本研究选择“模型Ⅵ”作为定量刻画与V间定量关系的数学模型。基于模型VI的拟合曲线如图3所示，随V增加呈先迅速降低、后逐渐放缓的变化过程。

表2 植被覆盖因子与植被覆盖度不同拟合方程

注：2为决定系数，NS纳什统计系数，RMSE均方根误差，MAPE平均绝对百分误差，MAE平均绝对误差。变量和V均无量纲。

Note:2is determination coefficient, NS is Nash-Sutcliffe Efficiency Coefficient, RMSE is Root Mean Square Error, MAPE is Mean Absolute Percentage Error, and MAE is Mean Absolute Error. The variablesandVin the functional formula are dimensionless.

对于特定区域而言，在土壤侵蚀其他影响因素不变的情况下，当植被覆盖度从0增加到最大值，植物措施的水土保持效应也逐渐增强，对应的因子也将从最大值降低到最小值，而该区域土壤侵蚀量也从理论最大值降低到理论最小值，这是植被措施调控土壤侵蚀作用的具体表现。这一变化过程中客观存在某一特定点V值（为临界植被覆盖度，设为V_），当V>V_，值衰减速率逐渐放缓并趋于稳定某一值，植被措施调控土壤侵蚀的作用也达到最大化；此时，在其他影响因素恒定情况下，V增加基本不会引起土壤侵蚀量改变。

图3 植被覆盖因子与植被覆盖度散点图

基于和V间二阶指数衰减模型无法直接写出(V)=0对应V计算表达值，难以直接获取V_值。基于模型Ⅲ（自然对数函数），令(V)=0可直接得到V=e0.054/0.116=62.59%，故而可近似认为V_为62.59%。

对模型Ⅵ（二阶指数衰减函数）求一阶导数，得到：

'=-1.373e-4.35Vc-27.534e-39.87Vc（10）

显然，任意植被覆盖度V计算得到的'均表示曲线=(V)上对应点的斜率值，即为值随植被覆盖度增加而下降的速率。将V_=62.59%代入式（4）得到'=-9‰。由于二阶指数衰减函数是单调递减函数，随着植被覆盖度增加，其递减速率逐渐降低。

因此，当V>62.59%时，△V引起因子变化量△的绝对值<9‰。在V∈[0.626 1.00]范围内，9‰≤≤13.1‰，且均值为5.9‰±4.3‰；可认为在V∈[0.626 1.00]范围内因子并未跟随V持续增加而显著降低，即植被措施调控土壤侵蚀能力并未显著增加。因此，为减少计算工作量可简化认为当V>62.59%时，≈0。则因子计算模型可以简化为

2.3 B因子计算模型验证

本研究成果为点尺度因子研究结论，由于植被措施水土保持效应具有典型的时空特征，因子计算模型应从点、面2个尺度进行验证。因此，本研究首先采用经典方法使用点尺度野外观测数据对因子计算式（11）进行评价，以确定式（11）计算结果的精度和合理性；在点尺度验证结果精度和合理性满足要求的基础上，从面尺度对式（11）的适用性和精度进行评价。点、面2个尺度对式（11）的验证结果可相互支撑佐证。

点尺度采用乌陂河综合观测站2019年度33场次自然降雨试验观测数据对式（11）进行验证；面尺度是以五华县为例，使用式（11）计算得到的因子（记为）与广东省五华县2018和2019年“区域水土流失动态监测成果”因子（记为）进行对比统计分析。其中计算使用前3年的24个半月MODIS数据，具体计算方法见《区域水土流失动态监测技术规定（试行）》。为保证计算结果的可比性，本文同样使用前3年24个半月MODIS数据计算植被覆盖度值，然后基于式（11）计算值。图4为因子计算式（11）在点尺度验证结果。可以看出，使用式（11）计算得到各次降雨土壤流失量模拟值与实际观测值基本吻合，二者间线性拟合方程达到了极显著水平（<0.01）；模拟值和观测值相对误差全部分布在±0.40以内，其中相对误差绝对值小于0.20的模拟值占总数的54.55%，小于0.30的占90%；33组观测数据模拟值与观测值均方根误差为0.012 t/hm2，相对误差绝对值的平均值为0.186。总体而言，因子计算式（11）在点尺度的计算精度良好，其中计算误差较大的几组样本主要是其次降雨量和次降雨侵蚀力偏小所致。

图4 植被覆盖因子（B）计算模型点尺度验证结果

如前所述，因子计算模型点尺度验证结果较为理想，土壤流失模拟值与观测值十分接近，计算精度良好。因此，从面尺度对因子计算模型进一步验证。图5和表3分别为五华县2018和2019年与相对误差绝对值栅格图和统计结果。总体而言与十分接近，2018和2019年相对误差绝对值小于0.1的分别超过80%和70%。这表明式（11）实际可行的，其计算精度也较为理想，可使用植被覆盖度作为单一变量计算值。需要注意的是2018和2019年与相对误差绝对值超过50%的也分别占到样本总量的17%和29%左右，这些误差较大的像元主要位于植被和非植被分界地带，而本研究仅将植被区域纳入计算，加上植被措施的空间尺度效应等综合导致位于这些边界地带的像元计算结果误差偏大。

图5 植被覆盖因子相对误差绝对值栅格图

表3 植被覆盖因子相对误差绝对值统计结果

本文基于点尺度降雨试验、基于中国土壤流失方程获取不同V下值，采用回归分析法构建了值与V间二阶指数衰减模型，并从点尺度和面尺度2个层次验证了该模型计算精度。尽管该模型在点尺度验证上表现出良好的结果，但面尺度验证中仍存在20%～30%样本值相对误差仍超过50%。尽管有诸多研究表明人工模拟降雨试验一定程度可代替自然降雨开展水土保持研究，但诸多雨滴速度、降雨动能、雨滴大小等指标仍不能完成与自然降雨一致，或者上述指标未能与自然降雨实现一致的比例关系，这是本研究结论中相对误差原因之一，需要后续更为丰富的野外观测数据对模型进行完善补充。本研究面尺度验证中仅考虑了植被区域值计算，但由于遥感影像分辨率的客观问题，影像中植被/非植被交接区域像元的计算结果仍存在较大误差，也是误差的主要来源。此外，本研究成果直接“由点到面”的验证应用仍存在空间尺度转换的问题，需要不同空间尺度下更为丰富的观测数据继续开展深入研究。

3 结 论

本文分析了次降雨土壤侵蚀模数与影响水土流失各关键因子定量关系，可为红壤区水土流失防治、土壤侵蚀模型构建提供参考。

1）次降雨土壤土壤侵蚀模数随植被覆盖度增加而逐渐降低；次降雨土壤侵蚀模数随雨前土壤含水率增加而逐渐增大，二者呈正相关对数关系；次降雨土壤侵蚀模数与坡度间呈二次抛物线关系，次降雨土壤侵蚀模数随坡度增加呈先增加后减小变化趋势；次降雨土壤侵蚀模数随次降雨量、次降雨侵蚀力和次降雨径流深呈显著正相关线性变化关系。

2）基于系列次降雨实测资料，采用中国土壤流失方程反推法获取了不同植被覆盖度下植被覆盖因子；采用线性函数、指数函数、对数函数、幂函数和指数衰减函数对植被覆盖因子和植被覆盖度定量关系进行了拟合，基于5个统计量对各拟合方程进行了对比分析，优选确定二阶指数衰减函数为刻画植被覆盖因子和植被覆盖度间定量关系的数学模型，该拟合方程纳什系数、均方根误差和决定系数分别为0.876、0.021和0.947。该模型点尺度验证结果良好，计算模拟值与实际观测值十分吻合，二者线性拟合方程达到了极显著水平（<0.01）；面尺度验证结果较为理想，70%～80%模型计算数据相对误差绝对值不超过0.1。

限于试验数据有限，研究中用于建立和验证植被覆盖因子计算模型的样本数据仍然相对较少，后续工作还需更为丰富的观测资料、继续完善相关研究成果。

致谢：感谢广东省梅州市五华县水土保持试验推广站对本研究的支持。

[1]邹丛荣，齐斐，张庆红，等. CSLE模型应用中不同抽样密度和推算方法的比较[J]. 中国水土保持科学，2016，14(3)：130-138. Zou Congrong, Qi Fei, Zhang Qinghong, et al. Comparison of different sampling densities and extrapolation methods based on CSLE model[J]. Science of Soil and Water Conservation, 2016, 14(3): 130-138. (in Chinese with English abstract)

[2]游翔，陈锐银，廖睿智. 2018年度四川省级监测区水土流失动态监测研究[J]. 中国水土保持，2019，1(12)：23-25. You Xiang, Chen Ruiyin, Liao Ruizhi. Study on soil and water loss dynamic monitor in sichuan provincial monitoring area in 2018[J]. Soil and Water Conservation in China, 2019, 1(12): 23-25. (in Chinese with English abstract)

[3]蔡强国，刘纪根. 关于我国土壤侵蚀模型研究进展[J]. 地理科学进展，2003，22(3)：242-250. Cai Qiangguo, Liu Jigen. Evolution of soil erosion models in China[J]. Progress in Geography, 2003, 22(3): 242-250. (in Chinese with English abstract)

[4]李锐. 中国水土流失基础研究的机遇与挑战[J]. 自然杂志，2008，30(1)：6-11. Li Rui. Opportunities and challenges of basic research on soil and water loss in China[J]. Chinese Jounal of Nature, 2008, 30(1): 6-11. (in Chinese with English abstract)

[5]Wischmeier W H, Smith D D. Predicting Rainfall-Erosion Losses From Cropland East Of The Rocky-Mountains[M]. Washington DC: Soil Conservation Service, USDA, 1965.

[6]Wischmeier W H, Smith D D. Predicting rainfall erosion losses-a guide to conservation planning[M]. Washington DC: US Government Printing Office, 1978.

[7]刘光. 土壤侵蚀模型研究进展[J]. 水土保持研究，2003，10(3)：73-76. Liu Guang. A review of the soil erosion model[J]. Research of Soil and Water Conservation, 2003, 10(3): 73-76. (in Chinese with English abstract)

[8]张光辉. 土壤侵蚀模型研究现状与展望[J]. 水科学进展，2002，13(3)：389-396. Zhang Guanghui. Research situation and prospect of the soil erosion model[J]. Advances in Water Science, 2002, 13(3): 389-396. (in Chinese with English abstract)

[9]Liu B Y, Zhang K L, Xie Y. An empirical soil loss equation[C]. 12th International Soil Conservation Origanization Conference. Beijing: Tsinghua University, 2002: 21-25

[10]刘宝元. 西北黄土高原区土壤侵蚀预报模型开发项目研究成果报告[R]. 北京：水利部水土保持监测中心，2006.

[11]秦伟，朱清科，张岩，等. 基于GIS和RUSLE的黄土高原小流域土壤侵蚀评估[J]. 农业工程学报，2009，25(8)：157-163. Qin Wei, Zhu Qingke, Zhang Yan, et al. Soil erosion assessment of small watershed in loess plateau based on GIS and RUSLE[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2009, 25(8): 157-163. (in Chinese with English abstract)

[12]王爱娟. 基于抽样调查法的水土流失普查技术问题解析[J]. 中国水土保持，2018，1(1)：25-27. Wang Aijuan. Analysis of technical problems of soil and water loss survey based on the sampling survey[J]. Soil and Water Conservation in China, 2018, 1(1): 25-27. (in Chinese with English abstract)

[13]中华人民共和国水利部. 中国水土保持公报（2018）[R]. 北京.

[14]刘桂成. 江西省2018年度省级重点监测区水土流失动态监测中存在的问题与建议[J]. 中国水土保持，2019，1(12)：29-32. Liu Guicheng. Problems and suggestions in soil and water loss dynamic monitor in key provincial monitoring areas of jiangxi province in 2018[J]. Soil and Water Conservation in China, 2019, 1 (12): 29-32. (in Chinese with English abstract)

[15]王爱娟，曹文华. 水土流失动态监测技术问题解析[J]. 中国水土保持，2018，1(12)：5-6，45. Wang Aijuan, Cao Wenhua. Analysis on the technical problem of soil and water loss dynamic monitor[J]. Soil and Water Conservation in China, 2018, 1(12): 5-6, 45. (in Chinese with English abstract)

[16]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. Feng Qiang, Zhao Wenwu. The study on cover-management factor in USLE and RUSLE: A review[J]. Acta Ecologica Sinica, 2014, 34(16): 4461-4472. (in Chinese with English abstract)

[17]吴昌广，李生，任华东，等. USLE/RUSLE模型中植被覆盖管理因子的遥感定量估算研究进展[J]. 应用生态学报，2012，23(6)：1728-1732. Wu Changguang, Li Sheng, Ren Huadong, et al. Quantitative estimation of vegetation cover management factor in usle and rusle models by using remote sensing data: A review[J]. Chinese Journal of Applied Ecology, 2012, 23(6): 1728-1732. (in Chinese with English abstract)

[18]张锦凰，刘丹强，姜小三，等. 小流域植被覆盖与工程措施因子遥感监测研究[J]. 水土保持通报，2017，37(2)：131-136. Zhang Jinfeng, Liu Danqiang, Jiang Xiaoshan, et al. Remote sensing monitoring of vegetation cover and engineering measure factors of small watershed[J]. Bulletin of Soil and Water Conservation, 2017, 37(2): 131-136. (in Chinese with English abstract)

[19]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. Zhang Yan, Yuan Jianping, Liu Baoyuan. Advance in researches on vegetation cover and management factor in the soil erosion prediction model[J]. Chinese Journal of Applied Ecology, 2002, 13(8): 1033-1036. (in Chinese with English abstract)

[20]王略，屈创，赵国栋. 基于中国土壤流失方程模型的区域土壤侵蚀定量评价[J]. 水土保持通报，2018，38(1)：1222-1125，1130. Wang Lue, Qu Chuang, Zhao Guodong. Quantitative assessment of regional soil erosion based on chinese soil loss equation model[J]. Bulletin of Soil and Water Conservation, 2018, 38(1): 1222-1125, 1130. (in Chinese with English abstract)

[21]唐寅，代数，蒋光毅，等. 重庆市坡耕地植被覆盖与管理因子C值计算与分析[J]. 水土保持学报，2010，24(6)：53-59. Tang Yin, Dai Shu, Jiang Guangyi, et al. Calculation and analysis of the vegetation cover and management factor C value in slope farmland of chongqing area[J]. Journal of Soil and Water Conservation, 2010, 24(6): 53-59. (in Chinese with English abstract)

[22]于东升，史学正，吕喜玺. 低丘红壤区不同土地利用方式的C值及可持续性评价[J]. 土壤侵蚀与水土保持学报，1998，4(1)：72-77. Yu Dongsheng, Shi Xuezheng, Lü Xiyu. C value of different land-use patterns and its assessment on sustainability in low hill red soil area[J]. Journal of Soil Erosion and Soil and Water Conservation, 1998, 4(1): 72-77. (in Chinese with English abstract)

[23]张雪花，侯文志，王宁. 东北黑土区土壤侵蚀模型中植被因子C值的研究[J]. 农业环境科学学报，2006，25(3)：797-801. Zhang Xuehua, Hou Wenzhi, Wang Ning. C-value in the model of soil erosion in black earth area in the northeastern China[J]. Journal of Agro-Environment Science, 2006, 25(3): 797-801. (in Chinese with English abstract)

[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，2000，14(2)：19-24. Cai Congfa, 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)

[25]张宪奎，徐靖华，卢秀琴，等. 黑龙江省土壤流失方程的研究[J]. 水土保持通报，1992，12(4)：1-9，18. Zhang Xiankui, Xu Jinghua, Lu Xiuqin, et al. A study on the soil loss equation in heilongjiang province[J]. Bulletin of Soil and Water Conservation, 1992, 12(4): 1-9, 18. (in Chinese with English abstract)

[26]梁音，杨轩，潘贤章，等. 南方红壤丘陵区水土流失特点及防治对策[J]. 中国水土保持，2008，1(12)：50-53.

Liang Yin, Yang Xuan, Pan Xianzhang, et al. Prevention countermeasures and characteristics of Soil and Water Loss in red soil hilly region in Southern China [J]. Soil and Water Conservation in China, 2008, 1(12):50-53. (in Chinese with English abstract)

[27]赵其国. 我国南方当前水土流失与生态安全中值得重视的问题[J]. 水土保持通报，2006，26(2)：1-8. Zhao Qiguo. Some considerations for present soil and water conservation and ecology security of south China[J]. Bulletin of Soil and Water Conservation, 2006, 26(2): 1-8. (in Chinese with English abstract)

[28]石海霞，梁音，朱绪超，等. 南方红壤区水土流失治理成效的多尺度趋势分析[J]. 中国水土保持科学，2019，17(3)：66-74. Shi Haixia, Liang Yin, Zhu Xucao, et al. Multi-scale trend analysis of soil and water erosion control effect in the red soil region of south China[J]. Science of Soil and Water Conservation, 2019, 17(3): 66-74. (in Chinese with English abstract)

[29]莫明浩，谢颂华，聂小飞，等. 南方红壤区水土流失综合治理模式研究：以江西省为例[J]. 水土保持通报，2019，39(4)：207-213. Mo Minghao, Xie Songhua, Nie Xiaofei, et al. Research on patterns of soil and water loss comprehensive harness in red soil region of southern China: A case study in jiangxi province[J]. Bulletin of Soil and Water Conservation, 2019, 39(4): 207-213. (in Chinese with English abstract)

[30]张展羽，张国华，左长清，等. 红壤坡地不同覆盖措施的水土保持效益分析[J]. 河海大学学报：自然科学版，2007，35(1)：1-4. Zhang Zhanyu, Zhang Guohua, Zuo Changqing, et al. Benefits of soil and water conservation in red-soil slope land by adoption of different coverage measures[J]. Journal of Hohai Universiy: Natural Sciences, 2007, 35(1): 1-4. (in Chinese with English abstract)

[31]李新平，王兆骞，陈欣，等. 红壤坡耕地人工模拟降雨条件下植物篱笆水土保持效应及机理研究[J]. 水土保持学报，2002，16(2)：36-40. Li Xinping, Wang Zhaoqian, Chen Xin, et al. Research on soil and water conservation effect and mechanism of hedges under rainfall simulation in red soil slope field[J]. Journal of Soil and Water Conservation, 2002, 16(2): 36-40. (in Chinese with English abstract)

[32]徐明岗，文石林，高菊生. 红壤丘陵区不同种草模式的水土保持效果与生态环境效应[J]. 水土保持学报，2001，15(1)：77-80. Xu Minggang, Wen Shilin, Gao Jusheng. Effects of dif ferent forage planting model on soil and water conservation and environments in red hilly regions[J]. Journal of Soil and Water Conservation, 2001, 15(1): 77-80. (in Chinese with English abstract)

[33]胡建民，胡欣，谢颂华. 南方红壤坡地几种典型治理措施的径流调控效应[J]. 水土保持通报，2013，33(6)：32-36，41. Hu Jianmin, Hu Xin, Xie Songhua. Effects of several typical measures on regulating runoff in slope land of red soil in southern China[J]. Bulletin of Soil and Water Conservatio, 2013, 33(6): 32-36, 41. (in Chinese with English abstract)

[34]黄俊，亢庆，金平伟，等. 南方红壤区坡面次降雨产流产沙特征[J]. 中国水土保持科学，2016，14(2)：23-30. Huang Jun, Kang Qing, Jin Pingwei, et al. Characteristics of slope runoff and sediment yield under individual rainfall events in southern red soil region[J]. Science of Soil and Water Conservation, 2016, 14(2): 23-30. (in Chinese with English abstract)

[35]武琳，黄欠如，叶川，等. 红壤缓坡地不同经营模式水土保持效益研究[J]. 水土保持研究，2011，18(6)：132-135. Wu Lin, Huang Qianru, Ye Chuan, et al. Study on soil and water conservation benefit under different agro-forest compound management pattern on red soil sloping land[J]. Research of Soil and Water Conservation, 2011, 18(6): 132-135. (in Chinese with English abstract)

[36]杨洁，郭晓敏，宋月君，等. 江西红壤坡地柑橘园生态水文特征及水土保持效益[J]. 应用生态学报，2012，23(2)：468-474. Yang Jie, Guo Xiaomin, Song Yuejun, et al. Eco-hydrological characteristics and soil and water conservation effect of citrus plantation on slope red soil of jiangxi province, China[J]. Chinese Journal of Applied Ecology, 2012, 23(2): 468-474. (in Chinese with English abstract)

[37]张成梁，程冬兵，刘士余. 红壤坡地果园植草的水土保持效应[J]. 草地学报，2006，14(4)：365-369. Zhang Chengliang, Cheng Dongbing, Liu Shiyu. Effects of soil-and-water conservation by planting herbals on the sloping red soil land of an orchard[J]. Acta Agrestia Ainica, 2006, 14(4): 365-369. (in Chinese with English abstract)

[38]左长清，马良. 红壤坡地果园不同耕作措施的水土保持效应研究[J]. 水土保持学报，2004，18(3)：12-15. Zuo Changqing, Ma Liang. Study on soil and water conservation effect under different tillages for orchard on red soil sloped land[J]. Journal of Soil and Water Conservation, 2004, 18(3): 12-15. (in Chinese with English abstract)

[39]Wang Juan, Huang Jun, Wu Pute, et al. Application of neural network and grey relational analysis in ranking the factors affecting runoff and sediment yield under simulated rainfall[J]. Soil Research, 2016, 54(3): 291-301.

[40]水利部水土保持监测中心. 径流小区和小流域水土保持监测手册[M]. 北京：中国水利水电出版社，2015.

[41]秦伟，左长清，晏清洪，等. 红壤裸露坡地次降雨土壤侵蚀规律[J]. 农业工程学报，2015，31(2)：124-132. Qin Wei, Zuo Changqing, Yan qinghong, et al. Regularity of individual rainfall soil erosion in bare slope land of red soil[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(2): 124-132. (in Chinese with English abstract)

[42]章文波，谢云，刘宝元. 用雨量和雨强计算次降雨侵蚀力[J].地理研究，2002，21(3)：384-390.

Zhang Wenbo, Xie Yun, Liu Baoyuan. Estimation of rainfall erosivity using rainfall amount and rainfall intensity[J]. Geographical Research, 2002, 21(3): 384-390. (in Chinese with English abstract)

[43]Sharpley A N, Williams J R. Epic-erosion/productivity impact calculator: 1. Model documentation[R]. Washington (DC): USDA Agricultural Reaserch Service, 1990.

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

Model construction and verification of vegetation cover and management factor in southern red soil region of China

Huang Jun, Jin Pingwei, Jiang Xuebing, Lin Liping, Kou Xinyue, Xu Zhou, Liu Bin, Fang Zongfu

(1.,,510610,; 2.,,510610,)

Studying the change characteristic of vegetation cover factor in the red soil region and constructing vegetation cover factor calculation model can provide valuable information for regional soil erosion control and dynamic monitoring. Based on more than 200 field rainfall events in Soil and Water Conservation Experimental Extension Station of Wuhua County in Guangdong province, this study analyzed the quantitative relationship between the soil erosion modulus and factors which affected soil erosion. The plants were mainlyLamb.,Hill,(Burm.) Merr.,T. Chang,Lindl.,(Thunb.) Bernh.,. Br. and so on. The soil field water holding capacity was 26.7%-36.7%. The soil organic matter was 078%-1.69%. The artificial rainfall simulation device was used to produce rainfall. The effective rainfall area was 2 m by 3 m. The rainfall intensity was 0.5-2.5 mm/min. The rainfall dimeter was 0.6-2.2 mm. The rainfall uniformity was 81.5%-93.6%. This study obtained the vegetation cover factor values under different underlying surfaces based on the Chinese Soil Loss Equation, and constructed the quantitative model between the vegetation cover factor value and vegetation cover. The model was established based on data from 98 rainfall tests in 2016 and 2018, from 81 natural rainfall events in 2016 and from 29 natural rainfall events in 2017. Furthermore, the tested data were used at two spatial scales to verify the calculation accuracy of the model. The verification data was from 33 natural rainfall events in 2019 at Wubeihe station. In addition, data from Wuhua county was also used for model verification. The following key results were obtained: 1) The negative power function could be used to describe the relationship between the soil erosion modulus and vegetation cover, and the fitted equation reached a significant level (=1.11×10-6). There was a significant positive logarithmic function relation between the soil erosion modulus and the soil moisture at 0-15 cm soil depth before each rainfall event (=9.34×10-16). The soil erosion modulus increased firstly and then decreased with the increase of slope gradient. The soil erosion modulus increased significantly with the increase of the individual rainfall amount, the individual rainfall erosivity and the runoff depth (≤1.08×10-13). 2) Based on the comparison of the statistics of fitted equations, the second-order exponential decay model was determined to quantitatively characterize the dynamic relationship between vegetation cover factor and vegetation cover. The fitted equation between vegetation cover factor and vegetation cover based on the second-order exponential decay model reached to a significant level (=0.003), and the coefficient of determination and Sutcliffe efficiency coefficient were 0.947 and 0.876. The point scale verification result showed that the relative error of 90% verified samples were less than 0.30. The regional scale verification results showed that the absolute relative error of 70%-80% verified samples was less than 0.1. In summary, the calculation accuracy of the model was relatively ideal. The research results above could provide a useful method for in-depth understanding of the soil erosion characteristic and dynamic monitoring in red soil regions.

soils; erosion; vegetation cover and management factor; Chinese Soil Loss Equation; exponential decay model; red soil; southern region

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.doi：10.11975/j.issn.1002-6819.2020.17.013 http://www.tcsae.org

Huang Jun, Jin Pingwei, Jiang Xuebing, et al. Model construction and verification of vegetation cover and management factor in southern red soil region of China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(17): 106-114. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.17.013 http://www.tcsae.org

2020-03-06

2020-07-11

水利部中央财政预算项目“水土保持业务”（126206010000170001）；国家自然科学基金项目（41501019）

黄俊，博士，高级工程师，主要从事水土保持研究。Email：hjnwsuaf@qq.com

10.11975/j.issn.1002-6819.2020.17.013

S157.1

A

1002-6819(2020)-17-0106-09