长汀县水土流失敏感性时空分异研究

赖日文, 赖敏华, 苏艳琴

长汀县水土流失敏感性时空分异研究

赖日文1, 赖敏华1, 苏艳琴2

1. 福建农林大学林学院, 福州 350002 2. 龙岩市永定区龙潭镇党委, 龙岩 364120

长汀县是我国水土流失极为严重的地区, 及时快速地监测区域内水土流失敏感性并开展相关治理显得尤为重要。以长汀县为研究区, 选择1994、2006和2016年三期Landsat遥感影像为主要数据源, 采用熵权法及多因子加权求和模型, 以降雨、地形因子、土壤类型、植被覆盖度与土地利用类型5个指标作为水土流失敏感性评价指标, 构建水土流失敏感性综合评价指标体系及各年份评价模型, 对研究区水土流失敏感性分布情况进行综合评价。再采用自然分界法将其水土流失敏感性划分为不敏感、轻度敏感、中度敏感、高度敏感、极敏感5个等级, 结合海拔、坡度分析其空间分异情况。结果表明: 研究区水土流失敏感性等级以轻度敏感和中度敏感为主, 空间格局表现为内高外低的分布特征。在水土流失敏感性等级变化中, 1994—2016年, 不同敏感性等级均有不同程度的转化, 仅有局部地区敏感性等级有所上升, 但总体呈高等级敏感区向低等级敏感区转移的趋势, 该现象与长汀县政府对水土流失治理的重视密切相关。各年份敏感性等级随着海拔、坡度的上升均表现为增加后减少的趋势, 与人类活动的频繁程度密切相关。研究结果能为研究区生态环境管控措施的制定提供一定的参考与指导。

熵权法; 自然分界法; 敏感性等级

0 前言

水土流失是指在自然营力的作用和人类活动的影响下, 水土资源和土地生产力遭到破坏和丧失。作为当今世界面临的重大灾害和环境问题, 水土流失严重影响着生态环境的建设和社会经济的可持续发展, 对人类构成了严重威胁, 国内外学者围绕此问题进行了深入研究。水土流失敏感性是指在自然状态下, 发生水土流失的可能性, 可以用来反映水土流失对人类活动的敏感程度[1]。为水土流失防范治理、生态环境修复、生态环境综合规划和管理提供科学的参考以及依据[2]。

南方红壤丘陵区是我国水土流失非常严重的区域, 长汀县则成为福建省乃至整个南方红壤区水土流失的典型区域, 强烈的水土流失已经成为阻碍当地民众生产发展的巨大因素。长汀县的土地利用类型中, 林地面积约占85%, 为典型的“八山一水一分田” 山区县。特殊的自然地理环境以及长期不科学的开发利用使长汀县的水土流失现象异常严重, 共有水土流失面积6.96万km2, 水土流失率为7.5%[3]。同时, 侵蚀劣地的治理久攻不克, 部分经过治理的水土流失区存在再次退化现象, 并且随着土地开发利用活动的不断进行, 边治理边破坏的问题仍然存在[4], 水土流失的防治工作显得迫不可待。因此, 对长汀县境内进行水土流失敏感性遥感监测并用于指导水土流失治理显得尤为重要。

1 研究区概况

长汀县(25°18′40″—26°02′05″N, 116°00′45″— 116° 39′20″E)隶属于福建省龙岩市, 地处闽西山区, 武夷山脉南麓。以低山丘陵为主, 地形破碎, 盆谷相间。属于亚热带季风气候, 年均温在17.5—18.8℃之间, 降雨充沛, 年降水总量为1613.5 mm。成土母岩类型主要包括酸性火成岩、砂和泥质岩等, 经过风化作用后形成的土壤类型主要有红壤和砂壤土。全县的森林覆盖率总体处于较高的水平, 按中国植被区划, 属于亚热带常绿阔叶林区, 但组成林分的树种过于单一, 林分结构简单, 生长情况差, 林下植被稀疏。独特的自然条件、人类对森林资源与土壤资源的不合理开发决定了长汀县生态的脆弱性, 导致水土流失严重, 历史上水土流失时间长、面积大、程度重。

2 材料与方法

2.1 遥感影像数据的收集与处理

本研究在考虑各类影像特点的基础上, 分析数据时效性、便捷性等特征, 综合研究目的, 确定使用Landsat遥感影像作为数据来源。1994、2006、2016年三期影像数据质量良好, 研究区范围内无云覆盖, 并且获取的季相时间相近, 空间分辨率相同, 有利于去除由于季相、空间分辨率和传感器差异引起的信息的不确定性, 作为土地利用类型提取、水土流失敏感性评价的主要数据源。在ArcGIS软件的支持下, 对Landsat系列数据进行辐射定标、大气校正、几何校正、裁剪、融合等预处理, 再对其进行数据处理、格式转换和空间分析等操作, 以获取所需信息。

2.2 水土流失敏感性综合评价方法

2.2.1 水土流失敏感性评价因子选取

水土流失主要受降水, 地形, 生物有机质, 植被类型, 土地利用类型, 土壤粒径的表面分布, 表层土粗糙度系数, 碎石岩屑和废弃物含量等因素影响。本文参考土壤流失方程(USLE)方程以及相关学者的研究, 并考虑长汀县的区域特点, 最终确定了降水, 土壤类型, 地形, 植被覆盖率和土地利用类型这五个因素作为水土流失敏感性的评估指标。其中, 降雨侵蚀力是一个动力因素, 可以表征降雨引起土壤侵蚀的潜力。植被覆盖度是水土流失的一个阻抗因素和重要的影响因素, 这对生态环境管理和水土保持具有重要意义。地形因素是构成水力侵蚀的动力条件, 影响降雨和外力的分布, 影响表层物质的运输和积累, 并决定地表径流对水土流失的能量分布。[5-6]。土壤可蚀性是指在雨滴溅落、径流侵蚀的情况下, 土壤被搬运、冲刷的敏感性[7]。土地利用类型作为定性指标, 是引起水土流失的主要环境效应之一, 不同的土地利用类型对水土流失有着很大的影响。可以将选取的5个评价指标用函数表达为(式1):

其中:(水土流失敏感性),(降水、土壤类型、地形、植被覆盖度、土地利用类型)

1) 降水侵蚀力因子()

国外学者Wischmeier等将因子定义为最大降雨动能与30 min最大降雨强度的乘积, 并确定了经验公式, 表明其与土壤流失具有良好的相关性。但是我国各气象站点对降雨观测量没有详细的记录, 因此参数较难获得, 国内学者也通过大量研究来解决这个问题, 例如周伏建提出适合福建省降雨侵蚀力的计算方法, 见公式2。收集长汀县境内多年平均降雨量数据, 包括长汀县14个乡镇及5个邻县降雨数据。结合数据本身的特点, 基于19个站点的月降雨资料, 采用反距离权重插值, 得到长汀县月降雨量, 再利用公式2计算降雨侵蚀力因子图(图1)。

式中:P为月降雨量(mm);为年降雨侵蚀力(MJ·mm·hm-2·h-1·a-1)

2)土壤可蚀性因子()

长汀县境内土壤类型以红壤和砂壤土为主, 大量学者对福建省土壤类型值进行了计算和分析。基于前人对土壤值的研究及野外实地调查数据, 以福建省土壤类型图为基础, 用长汀县矢量边界裁剪研究区土壤类型图, 由其属性表可知土壤类型专题图的每个代码代表一个土壤类型: 根据表格1, 将不同的土壤类型赋予对应的土壤值, 修改相对应参数后得到长汀县土壤可蚀性K因子图。

3)地形因子()

本文采用Moore和Burch[8]提出的累计流量的单位汇水面积来提取坡长, 基于ArcGIS10.2的水文分析模块, 以填洼后的DEM为基础数据, 采用刘宝元等提取的坡度因子关系式来计算坡度因子(式3), 然后确定径流源点和终点计算累积坡长(式4、5)。同时结合公式3和4, 来计算长汀县因子值, 利用DEM数据计算因子中生成图包括坡向图、坡度图、因子空间分布图、因子空间分布图, 最后得到因子空间分布图。

式中:代表像元上坡来水流入该像元的累积面积;代表像元栅格边长,代表USLE模型的坡度指数。DEM数据中栅格分辨率为30 m *30 m,的值为30。

4)植被覆盖度

目前, 植被覆盖度的研究主要是利用遥感数据测量。本文选用在原始影像引入NDVI的线性光谱混合模型来估算1994、2006、2016年的植被覆盖度。参照国家2008颁布《土壤侵蚀分类分级标准》的植被覆盖度划分标准, 将长汀县植被覆盖度划分为6个等级: <15%(极低覆盖度)、15%—30%(低覆盖度)、30%—45%(中低覆盖度)、45%—60%(中覆盖度)、60%—75%(中高覆盖度)和>75%(高覆盖度)。统计不同等级植被覆盖度的面积变化。

表1 福建省主要土壤类型K值表

5)土地利用类型

研究结合野外调查数据、长汀县森林资源二类调查数据, 采用基于纹理信息的CART决策树的面向对象分类对1994、2006、2016年三期遥感影像的地物类别进行提取。长汀县土地利用类型主要划分为以下五类: 林地、耕地、建筑用地、未利用地、水域, 获得最终1994年、2006年、2016年遥感影像分类图, 土地利用覆盖面积变化情况。模型的坡度指数。DEM数据中栅格分辨率为30 m*30 m,的值为30。

2.2.2 评价指标的建立

选取的五个水土流失敏感性评价因子的量纲和数量级不同, 各个指标间的度量标准不统一, 无法直接进行计算, 因此在综合评价之前需要对评价因子进行标准化处理。研究采用极差变换法对评价指标进行标准化处理[9]。当评价指标与水土流失敏感性呈正相关时, 即因子值越大, 水土流失敏感性越高, 作为正向指标, 包括降雨侵蚀力因子、土壤可蚀性因子、地形因子, 采用公式6进行标准化处理。当评价指标与水土流失敏感性成负相关时, 即因子值越大, 水土流失敏感性越小, 作为负向指标, 包括植被覆盖度, 采用公式7对数据进行标准化处理。对于定性指标土地利用类型, 参考王红岩[10]对土地利用类型的划分标准, 采用赋值法实现定量化处理, 如表2, 再通过公式7进行标准化处理。

表2 定性指标赋值

2.2.3 评价指标权重的确定

2.2.4 评价模型的构建

参考王红岩等采用的水土流失敏感性评价模型, 采用多因子加权求和模型(公式12), 将权重结果带入公式12, 获得了1994、2006和2016年研究区水土流失敏感性的评价反演模型。

2.3 水土流失敏感性分级

2.3.1 水土流失敏感性分级的空间分布

根据1994、2006、2016年长汀县水土流失敏感性评价模型, 得出不同年份水土流失敏感性评价图, 结合邹兴浪[14]、刘军会[15]对水土流失敏感性的分级方法, 基于1994年水土流失敏感性评价图, 采用自然分界法(Nature Break), 将水土流失敏感性划分为不敏感、轻度敏感、中度敏感、高度敏感、极敏感五个等级。根据1994年的水土流失敏感性评价图按自然分界法的划分阈值(表3), 对2006年和2016的水土流失敏感性评价图进行划分, 得到研究区三个年份水土流失敏感性分级图。

2.3.2 水土流失敏感性的动态变化

为进一步研究水土流失敏感性等级转移的情况, 对研究区1994—2016的水土流失敏感性等级图进行交叉分析, 统计1994—2016年的不同敏感性等级面积转移矩阵。

3 结果与分析

3.1 敏感性评价因子

3.1.1 降水侵蚀力因子()

基于19个站点的月降雨资料, 采用反距离权重插值, 得到长汀县月降雨量, 再利用公式计算降雨侵蚀力因子图(图1)。从中可以看出, 长汀县东北部值比较大, 其他地区的值都较小, 中部地区的值则是最小。

3.1.2 土壤可蚀性因子()

为不同的土壤类型分配相应的值, 并修改相关参数以获得因子图(图2)。从图中看出, 长汀县整体区域的值都较大, 只有西南部和北部小部分区域的值相对小些。

3.1.3 地形因子()

基于ArcGIS10.2的水文分析模块, 以填洼后的DEM为基础数据, 根据公式计算坡长和坡度因子, 利用DEM数据得到因子空间分布图(图3)。从中可以看出, 西部地区和东部边缘地区值较大, 而在中部地区以及东南部,值较小。

表3 水土流失敏感性评价分级

图1 R因子空间分布图

Figure 1 Spatial distribution map ofvalue

图2 K因子空间分布图

Figure 2 Spatial distribution map ofvalue

图3 LS因子空间分布图

Figure 3 Spatial distribution map ofvalue

3.1.4 植被覆盖度

在原始图像中引入NDVI的线性光谱混合模型用于估算三个时期的植被覆盖率, 参照国家于2008年发布的《土壤侵蚀分类分级标准》, 长汀县的植被覆盖度被分为6个等级, 以此得到植被覆盖分级图(图4)。

由图可知, 1994—2016年, 研究区植被覆盖度总体呈上升趋势, 说明这22年来长汀县水土流失治理的成效显著。多年来, 长汀县的中高植被覆盖率和高植被覆盖率分布大致相同, 主要分布在该县的西部和北部地区。极低植被覆盖度、低植被覆盖度这两个等级主要分布在县境内中部、以及东部地区。从等级面积和空间分布的变化来看: 从1994年到2016年, 中低植被覆率区域持续减少, 向中高覆率, 高覆盖率转移, 变化较大。中植被覆盖度在研究区分布相对零散, 22年间该等级面积表现为逐步减少的趋势, 变化幅度大。中高植被覆盖率区域的面积变化则相对稳定。

3.1.5 土地利用类型

研究结合野外调查数据、长汀县森林资源二类调查数据, 采用基于纹理信息的CART决策树的面向对象分类对1994、2006、2016年三期遥感影像的地物类别进行提取, 得到土地利用类型面积统计表(表4)。

由上表可知, 长汀县土地利用覆盖类型主要以林地为主, 面积变化表现为先增加后减少, 其变化率不大, 保持相对稳定的状态。从变化的绝对值来看, 建筑用地的变化值最大, 耕地面积也很大, 仅次于林地。水域占长汀县的面积比例较小, 但1994—2016其面积在不断上升。未利用地的比例呈下降趋势, 2006—2016随着长汀县加快城市发展进程, 开发未利用地, 同时, 水土流失治理效果成效大, 其面积变化速率比1994—2006年变化速率大。建设用地、未利用地, 耕地的面积变化主要是由于经济和人口增长造成的。

图4 植被覆盖度分级图

Figure 4 The level chart of fractional vegetation cover

表4 土地利用类型面积统计表

3.2 水土流失敏感性综合评价

3.2.1 评价指标权重

将熵思想引入水土流失敏感性评价研究中, 并且根据每个指标提供的信息客观地确定每个指标的权重, 并获得一个权重表(表5)。

由上表可知, 1994、2006、2016年各指标的权重大小均为: 植被覆盖度>地形因子>土壤可蚀性>降雨侵蚀力>土地利用类型。3个年份各指标最大的均为植被覆盖度, 说明水土流失敏感性受植被覆盖度影响大。

3.2.2 评价模型

采用多因子加权求和模型, 将各因子权重结果带入公式, 得到研究区三期水土流失敏感性的评价反演模型(式13、14、15)。

3.3 水土流失敏感性分级

3.3.1 水土流失敏感性空间分布

基于水土流失敏感性评价图, 使用自然边界法将水土流失敏感性分为五个级别: 不敏感, 轻度敏感, 中度敏感, 高度敏感和极敏感, 得到三个时期水土流失敏感性等级分布图(图5)。

从图5可以看出, 长汀县水土流失敏感性等级主要是轻度敏感和中度敏感。长汀县水土流失敏感性等级的空间格局表现为中部高, 四周低的分布特征。不敏感等级主要分布在长汀县西南部的红山乡、四都镇, 与刘亚迪[83]对长汀县水土流失动态监测研究表明红山乡、四都镇水土流失面积很少的结果相符合。高度敏感、极敏感区域主要分布在县域的中部地区河田镇、三州镇、策武镇, 即分布在水土流失比较严重的乡镇。轻度和中度敏感地区分布在全县范围内。1994、2006、2016年水土流失敏感性等级图中, 橘红色、红色的图斑面积表现为越来越小, 表明长汀县高敏感、极敏感区域在不断减少, 主要是由于长汀县相继实施了多项水土保持工程措施, 使水土流失敏感性水平降低, 生态环境向良好方向发展。

表5 评价指标权重

图5 水土流失敏感性等级分布图

Figure 5 Distribution of soil and water loss sensitivity levels

3.3.2 水土流失敏感性动态监测

对研究区1994—2016的水土流失敏感性等级图进行交叉分析, 得到水土流失敏感性等级转移矩阵(表6)以及水土流失敏感性部分等级转移图(图6)。

表6 1994—2016年水土流失敏感性等级转移矩阵(hm2)

由表6来看, 1994—2016年, 水土流失敏感性等级相互转化的面积总和为1334.97 km2, 不敏感、轻度敏感、中度敏感、高度敏感、极敏感区分别转化了35.92、214.57、449.17、479.68、155.63 km2, 不敏感区主要转移到轻度敏感区, 轻度敏感性区主要向不敏感区、中度敏感区转移; 中度敏感区主要转向轻度敏感性区; 高度敏感区主要转向中度敏感区; 极敏感区主要转向高敏感区、中度敏感区。

图6 1994—2016水土流失敏感性部分等级转移图

Figure 6 Partial conversion matrix of soil and water loss sensitivity level from 1994 to 2016

总体上看, 不同敏感性等级均有不同程度的转化, 总体趋势呈高敏感等级向低敏感等级转移的趋势, 且高等级的敏感区主要向低一等级的敏感区转移, 即水土流失敏感性降低, 生态环境好转。但研究期间, 有局部地区敏感等级上升, 图6为中度敏感区向高度敏感区, 高度敏感区向极敏感区转移的两种现象的格局图, 结合表6数据可知, 这两种情况的转移面积相对较大, 分别为57.06 km2、63.76 km2, 分别占各等级转移量的12.70%、12.29%, 中度敏感区向高度敏感区转移的区域分布较零散; 高度敏感区向极敏感区转移的现象主要分布在大同镇、汀州镇、策武镇等乡镇。结合土地利用类型, 植被覆盖度图可知, 高度敏感区转向极敏感区这种现象主要分布在植被覆盖度低、土地利用类型为建筑用地的区域, 即大同镇、汀州镇、策武镇等城乡发展地, 出现生态环境质量微下降的趋势, 查阅相关资料显示主要原因是城市发展需要, 建筑地不断扩张、人口压力增加, 导致这一区域水土流失敏感性向高等级敏感性转化。

4 讨论与结论

采用自然边界法将水土流失敏感性分为5个等级: 不敏感, 轻度敏感, 中度敏感, 高度敏感和极敏感。结果表明: 研究区水土流失的敏感性等级以轻度敏感和中度敏感为主, 这两个等级比例在1994、2006、2016年分别占58.49%、64.31%、67.99%; 空间格局表现为内高外低的分布特征, 即高度敏感区、极敏感区主要分布在河田镇、三州镇、策武镇等水土流失比较严重的区域, 而在河田盆地以外的乡镇敏感性等级较低, 生态环境好。随着时间的推移, 高度敏感区、极敏感区面积逐渐减少, 主要受人类活动的正面影响, 生态环境有所改善。在水土流失敏感性等级变化中, 1994—2016年, 不同敏感性等级都有不同程度的转化, 仅有局部地区如河田镇、策武镇、三州镇等区域敏感性等级向高等级敏感性转化, 主要是因为城市发展需要; 但总体转化趋势为高等级敏感区向低等级敏感区转移, 该现象与长汀县政府大力推进水土流失治理密切相关, 自从2000年以来, 政府全面采取封山育林措施, 同时人类对生态环境意识提高、进而适时改变生产生活方式, 使研究区的生态环境质量不断提高。

为保证长汀县发展的可持续性, 研究提出几点建议, 对水土流失敏感性出现向高等级敏感性转移, 生态环境出现微下降的大同镇、汀州镇、策武镇等乡镇, 要适时调整经济结构, 发展生态产业, 鼓励以沼气、天然气等清洁能源逐步代替燃煤、薪碳, 加强城市绿地、行道树规划建设, 促进人民生产生活方式的改变。在水土流失敏感性较低, 生态环境良好的区域, 可以发展生态农业、生态旅游业, 加强森林资源的保护。

[1] 凡非得, 王克林, 熊鹰, 等. 西南喀斯特区域水土流失敏感性评价及其空间分异特征[J]. 生态学报, 2011, 31(21): 6353–6362.

[2] 张玉娟, 刘丹丹, 王延亮. 基于RS和GIS东北农业主产区水土流失敏感性评价——以黑龙江省宾县为例[J]. 测绘与空间地理信息, 2013, 36(8): 37–39.

[3] 常言. 既要金山银山更要绿水青山——长汀县持续推进水土流失治理与生态文明建设[J]. 福建党史月刊, 2020(2): 14–18.

[4] 傅水龙, 梁娟珠, 黄路平. 基于RUSLE模型的长汀县水土流失评估[J]. 水土保持通报, 2016, 36(1): 196–200.

[5] 王恒松, 熊康宁, 张芳美. 地形因子对喀斯特坡面水土流失影响的机理研究[J]. 水土保持通报, 2015, 35(4): 1–7.

[6] 梁晓珍, 符素华, 丁琳. 地形因子计算方法对土壤侵蚀评价的影响[J]. 水土保持学报, 2019, 33(6): 21–26.

[7] 潘美慧, 伍永秋, 任斐鹏, 等. 基于USLE的东江流域土壤侵蚀量估算[J]. 自然资源学报, 2010, 25(12): 2154– 2164.

[8] MOORE I, BURCH G. Modelling erosion and deposition: topographic effects[J]. Transactions of the ASAE, 1986, 29(6): 1624–1630.

[9] 肖继东, 王智, 师庆东, 等. 基于熵权法的土地覆被动态遥感监测与评价——以新疆伊犁地区和博州为例[J]. 中国沙漠, 2011, 31(5): 1286–1292.

[10] 王红岩, 李强子, 吴利桥, 等. 基于RS和GIS的水土流失敏感性评价及动态监测[J]. 水土保持研究, 2015, 22(2): 64–68.

[11] 李帅, 魏虹, 倪细炉, 等. 基于层次分析法和熵权法的宁夏城市人居环境质量评价[J]. 应用生态学报, 2014, 25(9): 2700–2708.

[12] 郭金维, 蒲绪强, 高祥, 等. 一种改进的多目标决策指标权重计算方法[J]. 西安电子科技大学学报, 2014, 41(6): 118–125.

[13] 张欣莹, 解建仓, 刘建林, 等. 基于熵权法的节水型社会建设区域类型分析[J]. 自然资源学报, 2017, 32(2): 301– 309.

[14] 邹金浪, 谢花林, 杨子生, 等. 基于USLE的土壤侵蚀敏感性评价及其空间自相关分析——以江西省兴国县为例[J].农业现代化研究, 2011, 32(6): 761–765.

[15] 刘军会, 高吉喜, 马苏, 等. 中国生态环境敏感区评价[J]. 自然资源学报, 2015, 30(10): 1607–1616.

Temporal and spatial differentiation of soil and water loss sensitivity in Changting County

LAI Riwen1, *, LAI Minhua1, SU Yanqin2

1. School of Forest, Fujian Agriculture and Forestry University, Fuzhou 350002, China 2. Party Commit of Longtan Town, Yongding District, Longyan City, Longyan 364120, China

Changting County is the most serious area of soil erosion in China; it is particularly important to monitor the soil and water loss sensitivity in time and quickly and carry out relevant treatment. This paper took Changting County as the research object, and used Landsat remote sensing images from 1994, 2006 and 2016 as the main data sources. By using the entropy weight method and the multifactor weighted summation model, five indexes including rainfall, topography factor, soil type, fractional vegetation coverage and land use type were used as the soil and water loss sensitivity evaluation indexes, a comprehensive evaluation index system for soil and water loss sensitivity and an evaluation model for each year were constructed to comprehensively evaluate the distribution of soil and water loss sensitivity in the study area. Soil and water loss sensitivity was divided into five levels: micro sensitivity, slight sensitivity, moderate sensitivity, strong sensitivity, and intense sensitivity, by the method of natural break. This article combined with terrain factors such as elevation and slope to analyze the spatial and temporal differentiation of soil and water loss sensitivity. The results showed that the soil and water loss sensitivity in Changting County was mainly at slight and moderate degree. The spatial pattern was characterized by the distribution features of the inner high and the outer low, and the intense sensitive areas were mainly distributed in the Hetian Basin with an elevation of <500 m and a gradient of <15°. Outside the Hetian Basin, the sensitivity level was lower and the ecological environment was better. In the change of sensitivity level of soil and water loss, from 1994 to 2016, different sensitivity levels all had different degrees of transformation, only the sensitivity level in some areas had increased, but the overall high-level sensitive areas shifted to low-grade sensitive areas. The trend was closely related to the Changting County government’s emphasis on the management of soil erosion. With the rise of elevation and slope, the areas of all sensitivity grades first increased and then decreased, which was closely related to the frequency of human activities. The research results can provide a certain reference and guidance for the development of ecological environment control measures in the study area.

entropy weight and multifactor weighted summation model; natural break sensitivity evaluation index; classification of sensitivity

10.14108/j.cnki.1008-8873.2021.06.014

P951

A

1008-8873(2021)06-116-09

赖日文, 赖敏华, 苏艳琴. 长汀县水土流失敏感性时空分异研究[J]. 生态科学, 2021, 40(6): 116–124.

LAI Riwen, LAI Minhua, SU Yanqin. Temporal and spatial differentiation of soil and water loss sensitivity in Changting County[J]. Ecological Science, 2021, 40(6): 116–124.

2020-05-05;

2020-05-13

福建农林大学科技创新基金项目(KFA17284A); 林学高峰学科建设项目(71201800755)

赖日文(1970—)，男，博士，副教授，主要从事森林经理学，3S研究，E-mail: fjlrw@126.com