FLUS-CSLE模型预测黄土高原典型流域不同土地利用变化情景土壤侵蚀

吴淑芳，张 彪，石学瑾，苑紫岩，冯 浩

FLUS-CSLE模型预测黄土高原典型流域不同土地利用变化情景土壤侵蚀

吴淑芳1,2，张 彪1,2，石学瑾1，苑紫岩1，冯 浩3

（1. 西北农林科技大学水利与建筑工程学院，杨凌 712100；2. 西北农林科技大学中国旱区节水农业研究院，杨凌 712100；3. 中国科学院水利部水土保持研究所，杨凌 712100）

流域土壤侵蚀预测对于了解未来土壤侵蚀发展趋势，制定未来水土保持治理策略具有重要意义。为了提出一种适用于黄土高原地区的易于评估未来不同土地利用管理策略的土壤侵蚀预测方法，该研究基于地形、降雨、土壤、遥感影像数据，完成韭园沟流域2010—2020年的土地利用空间分布解译，并计算历史时期（2010—2020）的土壤侵蚀模数，基于未来土地利用模拟（Future Land Use Simulation，FLUS）模型完成流域2025年土地利用分布状况预测，以此为基础获得未来植被覆盖措施因子和耕作措施因子，结合CSLE模型预测2025年自然发展、经济增长、生态保护3种不同土地利用变化情景下土壤侵蚀状况。结果表明：1）韭园沟流域土地利用类型主要为草地（面积占比62.23%）和林地（28.41%），其次是耕地、建筑物和水体，在2010—2020年期间土地利用空间分布格局经历了较大变化，林、草地面积增加8.36%，耕地面积减少30.3%。2）流域2010、2015、2020年这3 a间土壤侵蚀模数平均值分别为19.49、15.83、20.7 t/(hm2·a)，整体呈现先降低后增加的趋势，不同土地利用类型的土壤侵蚀模数由大到小为耕地（40.56 t/(hm2·a)）、草地（18.79 t/(hm2·a)）、建设用地（10.25 t/(hm2·a)）、林地（8.02 t/(hm2·a)）。3）在积极的生态保护情景下，2025年林、草地面积较自然发展情景基本持平但林地面积比例有所增加，较经济增长情景林、草地面积增加5.06%，耕地面积较自然发展情景增加1.20%，较经济增长情景减少14.73%。4）2025年流域自然发展、经济增长、生态保护情景下土壤侵蚀模数分别为24.3、22.9、18.3 t/(hm2·a)。采取积极的生态保护情景发展模式，建设用地面积适度扩张可以兼顾生态保护和经济发展的需要。该研究为流域未来的土地利用规划以及水土保持治理提供参考。

土壤；侵蚀；土地利用；黄土高原丘陵沟壑区；土壤侵蚀评估和预测；CSLE模型；FLUS模型

0 引 言

黄土高原是中国乃至世界上水土流失最严重的地区之一，黄土高原丘陵沟壑区更是其中侵蚀最为严重的典型区域[1-2]。随着20世纪90年代末退耕还林还草工程实施以来，截止2010年该区域的土壤侵蚀状况得到了显著改善。大规模退耕还林还草工程的实施在改善区域土壤侵蚀状况，改良流域生态环境的同时也极大地改变了区域内土地利用空间格局的分布[3]，而土地利用通过改变地表形态影响径流和泥沙输移过程进而成为影响土壤侵蚀过程的重要因素[4]，土壤侵蚀与土地利用两者之间相互影响，关系密切[5]。

3S技术的迅速发展极大地推动了土壤侵蚀模型的发展，使之为土壤侵蚀的预测与评价提供有力的支持[6]，然而现有土壤侵蚀模型，无论是经验模型还是物理模型均是基于流域的地形、植被、土壤、降雨数据进行当下以及过去的侵蚀状况评估，无法获得流域未来的土壤侵蚀状况和发展趋势[7]。在土壤侵蚀恢复治理的工作中，在了解土壤侵蚀过去及现在变化状况的基础上掌握其未来的演变趋势，对水土保持措施的成效判断和指导下一步工作具有重要意义[8]。因此，众多国内外学者开展了关于土壤侵蚀预测的研究，目前的土壤侵蚀预测主要包括2个方面：1）运用机器学习算法与元胞自动机（Cellular Automata，CA）模型，基于现有土壤侵蚀评价结果的直接预测[9-10]；2）通过其他模型预测未来侵蚀模型因子，而后将其导入土壤侵蚀模型完成未来土壤侵蚀预测。例如，Zare等[11]通过修正土壤流失方程（RUSLE）结合元胞自动机—马尔科夫（CA-Markov）模型完成了伊朗Kasilian流域1981—2011年土壤侵蚀状况调查，并预测了2030年的土壤侵蚀状况；Cunha等[12]采用RUSLE、Invest和CA-Markov模型耦合评估了巴西Cerrado biome流域1986年、1999年、2007年和2016年的土壤流失状况，并预测了2050—2100年的土壤侵蚀状况。然而，第一种方法忽略了土壤侵蚀的影响因素和复杂演变过程，缺少对于机理过程的探究。第二种方法中，目前应用较多的是RUSLE与CA/Markov/CA-Markov的耦合模型，而CA-Markov模型未能处理好不同土地利用类型之间的复杂竞争和相互作用。FLUS（Future Land Use Simulation）模型是基于CA-ANN-Markov理论的未来土地利用模拟模型[13]，通过人工神经网络（Artificial Neural Network，ANN）算法的引入提出自适应惯性和竞争机制，改进了传统CA-Markov模型中存在的上述问题，在土地利用演变领域取得了不错的效果，得到了广泛应用。侯建坤等[14]利用FLUS模型模拟黄河源区不同情景下的土地利用变化并且集合INVEST模型实现不同情景下的碳储量预测；苟贞珍等[15]以喀什地区为例利用FLUS模型预测2030年的土地利用空间格局并以此为切入点预测该地区的生态承载力时空格局；张晓荣等[16]采用FLUS模型和SD模型预测中巴经济走廊性发展、投资优先以及生态协调3种不同情景模式下的土地利用空间格局，成功为未来中巴经济走廊建设过程中的土地利用规划提供了建议，在众多侵蚀模型中，中国土壤侵蚀方程——CSLE模型在黄土高原径流小区试验资料的基础上提出植被覆盖管理措施因子（）、水土保持工程措施因子（）、水土保持耕作措施因子（），使其相对RUSLE模型更加适应于黄土高原独特地形和水土保持措施。尽管FLUS模型和CSLE模型分别在区域土地利用空间格局预测和土壤侵蚀评估领域获得广泛应用，但是前人研究中却鲜有将两者结合应用以此实现未来不同土地利用变化情景的土壤侵蚀预测。

本研究旨在提出一种快速、高效地评估不同土地利用管理策略下未来土壤侵蚀发展趋势的预测方法，为流域未来土地管理政策制定和水土保持治理提供参考。鉴于FLUS和CSLE模型的研究应用现状和黄土高原丘陵沟壑区典型流域—韭园沟流域土地利用空间格局对于土壤侵蚀的重要影响，以及近年来该流域退耕还林还草工程实施后流域空间格局的重要变化和未来发展的不确定性，本研究利用FLUS模型通过成本矩阵和邻域因子设置预测2025年流域不同情景下的土地利用空间格局分布，并以此为基础计算未来不同土地利用变化情景下和因子，然后通过CSLE模型，基于降雨、地形、土壤、以及遥感影像数据完成对该流域2010—2020年的土地利用与土壤侵蚀时空演变分析，并利用未来土地利用变化情景下的和因子对未来的土壤侵蚀发展状况进行充分探讨。

1 材料与方法

1.1 研究区概况

韭园沟流域（37°33′～37°38′N，110°16′～110°26′E）位于黄土高原丘陵沟壑区，是中国陕西省榆林市无定河左岸的一级支沟（图1）。流域沟壑密度为5.34 km/ km2，面积为70.7 km2，海拔820～1 180 m。主要土壤类型为马兰黄土，松散、多孔，易于遭受侵蚀。流域地表破碎、沟壑纵横的地貌特征是黄土高原丘陵沟壑区的典型代表。1953年黄河水利委员会在绥德建立绥德试验站，确定黄土丘陵沟壑区第一分区代表流域—韭园沟流域作为黄河水土保持生态建设示范区。

图1 研究区位置图

1.2 数据来源与处理

使用美国地质调查局（US Geological Survey，USGS）下载的2010—2020年Sentinel 2A和陆地卫星5-8系列数据（https://www.usgs.gov/）绘制2010—2020年土地利用类型图，分为5类：耕地、建设用地、林地、草地和水体。同时基于上述卫星影像提取植被信息以获得2010—2020年韭园沟流域的植被覆盖度状况。通过美国宇航局（https://search.asf.alaska.edu/#/）下载的12.5 m分辨率的数字高程模型（Digital Elevation Model，DEM）数据提取流域地形参数。通过国家气象数据中心（https://data.cma.cn/）下载2010—2020年韭园沟流域周围站点的日降雨量数据集并基于该数据对气象数据进行空间插值，以获得该流域2010—2020年的降雨侵蚀力。该流域的土壤理化性质来自ISRIC的250 m分辨率的全球土壤质地调查数据（https://soilgrids.org/）。使用Google高分辨率历史影像确定2010—2020年流域的水土保持工程和耕作措施，同时获得流域内交通道路、城镇分布。为保证数据的一致性，将以上数据的空间分辨率统一重采样到10 m×10 m，地理坐标系均采用 GCS_WGS_1984。

1.3 研究方法

1.3.1 基于FLUS模型的未来土地利用预测

采用FLUS模型预测黄土高原丘陵沟壑区典型流域—韭园沟流域2025年不同情景下的土地利用变化，该模型是由 Liu等[13]开发的用于模拟未来不同情景下土地利用变化的模型，已被广泛用于模拟全球和区域尺度的土地利用变化。本研究中FLUS模型的实现是通过GeoSoS-FLUS软件实现。

1）未来土地利用变化情景设置

自然发展情景是取决于过去至未来的土地利用空间格局演变过程和发展趋势，这种情景是在没有政策和限制的干预下，遵循以往土地利用发展演变规律进行土地利用空间格局的演变预测[17]；生态保护情景的核心是以保证研究区域的生态安全为主，提高生态系统多样性，减少林草地和水域向建设用地转换比例[18]；经济增长情景的主要目的则是保持经济增长速率，进行必要的生活与交通道路区域扩张，增大居民区、道路等建设用地的面积比例[19]。

各种情景的实现主要通过对土地利用转移成本矩阵和邻域参数因子设置，不同情景下各个土地利用类型的邻域因子参考王保盛等[20]研究中的邻域因子计算公式。借鉴孙乔[21]在多情景模式中的研究，成本矩阵和邻域因子设置如表1和表2所示。

表1 土地利用转移成本矩阵

表2 邻域因子设置

2）模拟参数设置

参考前人[20-21]的研究，选择邻域范围为3×3，设定迭代次数为300，加速因子为0.1。

1.3.2 CSLE模型

章文波等[22]根据黄土高原的实际水土保持情况，结合RUSLE方程创新性地提出了植被措施因子、工程措施因子、耕作措施因子，建立了适用于黄土高原地区的中国土壤侵蚀预报模型——中国土壤流失方程CSLE如下：

式中为多年平均土壤流失量，t/(hm2∙a)；为降雨侵蚀力，MJ∙mm/(hm2∙h∙a)；为土壤可蚀性因子，t∙hm2∙h/(hm2∙MJ∙mm)；为坡长因子；为坡度因子，无量纲；为植被覆盖措施因子，无量纲；为水土保持工程措施因子，无量纲；为水土保持耕作措施因子，无量纲。

采用2003年章文波等[23]提出的逐月降雨侵蚀力计算方法，计算流域2010—2020年平均降雨侵蚀力因子。采用土壤侵蚀和生产力影响估算模型EPIC[24]中的方法，结合土壤有机质和颗粒组成估算土壤可蚀性因子因子。基于ALOS PALSAR 12.5 m分辨率DEM数据通过Zhang等[25]团队研发的LS_TOOL坡长坡度因子计算软件完成地形因子的计算。参考Huang等[26]提出的结合土地利用类型与植被覆盖度进行赋值的方法获得因子，通过获取高分辨率Google历史影像获得流域水土保持工程措施，参考谢红霞[27]的方法计算流域因子。根据“耕作措施轮作区代码”字段值，查《全国轮作制度区划及轮作措施三级分类表》，获取不同区域耕作措施因子值，结合土地利用解译结果对耕地进行赋值，其他区域赋值为1。以上各因子，经过重采样在ArcGIS10.7中生成10 m分辨率的栅格图层。

2 结果与分析

2.1 土地利用变化分析

图2是2010年、2015年和2020年韭园沟流域土地利用类型分布图，主要包括耕地、林地、草地、建设用地和水体。2010—2020年韭园沟流域土地利用类型主要为草地（62.23%）和林地（28.41%），其次是耕地（6.77%）、建筑物（2.49%）和水体（0.09%）。土地利用类型的空间分布受地形和人类活动的影响。农田分布在整个韭园沟流域，靠近居民区。居民点、道路等建筑区域主要分布在地势平坦的地区，水体主要为流域内的人工湖泊，靠近建设用地的面积较小。通过马尔科夫模型获得流域2010 —2020年之间土地利用转移矩阵（表3）可知，草地从2010年的3 613.33 hm2增加到2020年的4 349.05 hm2，林地从2010年的2 191.53 hm2减少到2020年的1 985.54 hm2。2010 —2020年韭园沟流域共有877.74 hm2的耕地和建设用地转为林地和草地，447.48 hm2林地和草地转为耕地和建设用地，其中约有3 542.24 hm2的森林和草地面积保持不变。流域林地面积有所减少但是随着草地面积的迅速增长，2020年森林和草地覆盖率比2010年增加10%，林、草地面积增加8.36%，耕地面积减少30.3%。流域林草覆盖面积显著增加，区域环境治理和退耕还林工程成效显著。

2.2 基于FLUS模型的未来土地利用变化预测

2.2.1 FLUS模型精度验证

为了定量评价模型的模拟效果，首先以2015年土地利用数据为基础，结合高程、坡度、坡向、距城镇距离、距交通道路距离等自然经济因素，获得流域土地利用变化各驱动因子及适应性概率图集（图 3），以2015年土地利用数据为基础进行2020年土地利用状况模拟，将FLUS模型模拟获得的2020年土地利用数据与基于遥感影像解译的2020年土地利用分布数据之间构建混淆矩阵，计算各土地利用类型的总体精度和 Kappa系数，结果表明韭园沟流域2020年模型模拟结果的Kappa系数为0.72，总体精度为85.6%。模型验证模块中的Figure of Merit（FoM）系数为0.35。前人利用FLUS模型开展了大量关于区域土地利用变化模拟的研究[14,16,20]，其FoM值大多在0.1～0.2范围之内，低于本研究FoM值，理论中该值越大模型模拟准确性越高，可见本文模型准确性高。统计2020年FLUS模型模拟结果与2020年实际土地利用分布的不同土地利用类型面积，进行面积总量模拟精度验证，结果如表4所示，林地误差相对较大达到11.8%，其余地类误差均在5%以内，表明了FLUS模型结果的可靠性。

图2 2010—2020年韭园沟流域土地利用类型分布

表3 2010—2020年韭园沟流域土地利用面积转移矩阵

注：主对角线元素代表各土地利用类型中没有发生变化的面积。

Note: The main diagonal element represents the unchanged area of each land use type.

图3 韭园沟流域各驱动因子及适宜性概率图

表4 2020年土地利用类型面积总量验证

2.2.2 基于不同情景的2025年土地利用变化预测

根据设定的3种发展情景，基于2020年土地利用分布状况，通过构建的FLUS 模型，预测流域2025年土地利用类型空间分布（图4）。利用ArcGIS中的分区统计工具统计韭园沟流域2025年不同情景下不同土地利用类型面积。由表5可知，2025年韭园沟流域耕地面积在自然发展和生态保护情景下与2020年相比分别减少58.74 hm2和53.74 hm2，经济增长情景下与2020年相比增加18.83 hm2；对于林地而言，经济增长情景与自然发展情景分别减少183.94 hm2和15.27 hm2，生态保护情景下面积则增加了100 hm2；对于流域分布最广、面积最大的草地来说，自然和经济增长情景中，呈现相反的变化趋势，分别增加1.79 hm2和减少122.96 hm2，生态保护情景之下，面积减少了2%；建设用地在经济增长情景中增加203.05 hm2，增加比例为116%，面积变化最为显著。

图4 黄土高原韭园沟流域2025年不同发展情景土地利用类型分布

对不同土地利用发展情景进行横向比较可知（表 5），流域在无任何政策和人为干预下即自然发展状态下，流域退耕还林还草的趋势得以继续保持，自然发展模式下2025年与2020年相比耕地面积减少，林地面积减少与草地面积增加印证了这一点；经济增长情景主要以满足经济发展的相关基础建设为主，因此交通道路、居民区等建设用地以及耕地等相比其他2种土地变化情景存在一定程度的面积扩张；生态保护情景下，林、草地面积较自然发展情景基本持平但林地面积比例有所增加，较经济增长情景增加5.06%。耕地面积较自然发展情景增加1.20%，较经济发展情景减少14.73%。

表5 2025年韭园沟流域不同土地利用类型面积统计

2.3 土壤侵蚀现状分析

2.3.1 CSLE模型验证

中国土壤侵蚀模型CSLE在全国土壤侵蚀状况评估领域得到了广泛应用[28-30]，传统的土壤侵蚀模型结果验证和评估主要采用基于现场监测、同位素示踪技术的测量和高分辨率遥感影像定性分析。由于缺少研究时期内详实的历史泥沙观测数据，本文整理了研究地区已发表的研究结果，并将其与本文模型结果进行了比较。Huang等[26]使用CSLE模型评估了1970—2015年韭园沟流域的土壤流失，绘制了土壤侵蚀模数分级图（1977年、2004年和2015年）。将2015年的土壤侵蚀模型计算结果与其相应年份的土壤侵蚀模数计算结果按坡度分级统计进行比较，相对误差绝对值在8.0%～23.5%之间（表6），考虑到两者在模型个别因子计算方法的差别，误差处于可接受范围。

表6 2015年土壤侵蚀模数按坡度分级对比表

2.3.2 2010—2020土壤侵蚀时空演变

通过CSLE模型计算土壤侵蚀模数，得到2010—2020年土壤侵蚀模数分级图（图5），流域2010、2015、2020年土壤侵蚀模数分别为19.49、15.83、20.7 t/(hm2·a)。对韭园沟流域2010—2020年土壤侵蚀模数进行分级统计结果如表7所示。2010年微度侵蚀面积为3 374.68 hm2，为流域面积48.51%，中度、强烈、极强烈和剧烈侵蚀面积为流域面积24.09%。2015相比2010年，微度侵蚀面积增加953.95 hm2，中度及以上侵蚀等级面积减少683.81 hm2。2015—2020年微度侵蚀面积变化最大，2020相比2015年，微度侵蚀面积减少1 416.28 hm2，中度及以上侵蚀面积增加969.86 hm2。2010 —2020年3个时期韭园沟流域土壤侵蚀空间分布相似（图5），面积最大的土壤侵蚀等级是微度侵蚀，其次是轻度侵蚀，微度侵蚀面积2010—2020年减少462 hm2，中度侵蚀面积增加353.27 hm2，强烈、极强烈和剧烈侵蚀面积减少49.22 hm2。总体来看，韭园沟流域2010—2015年土壤侵蚀状况得到有效控制，但是在2015年后存在反弹趋势。

2.4 基于FLUS-CSLE模型的未来不同情景土地利用与土壤侵蚀响应

以流域2025年土地利用预测结果为基础，计算流域内2025年植被覆盖措施因子以及耕作措施因子，以流域2010—2020年流域多年平均降雨侵蚀力作为流域平均降雨侵蚀力因子，依据水利部颁布的土壤侵蚀分类分级标准《SL190—2007》，将流域土壤侵蚀强度分为微度、轻度、中度、强烈、极强烈、剧烈共6个级别，得到流域2025年不同发展情景土壤侵蚀模数分级图（图6）。在2025年3种不同情景的土地利用预测结果下，流域自然发展、经济增长、生态保护情景下土壤侵蚀模数分别为24.3、22.9、18.3 t/(hm2·a)，流域不同土地利用类型土壤侵蚀预测结果由大到小为耕地、草地、建设用地、林地，2025年3种土地利用变化情景土壤侵蚀预测结果由大到小为自然发展情景、经济增长情景、生态保护情景。

图5 2010—2020年黄土高原韭园沟流域土壤侵蚀模数分级

表7 2010—2020年土壤强度面积分级统计

图6 高土高原韭园沟流域2025年不同发展情景土壤侵蚀强度分级

统计流域2010—2020年不同土地利用类型土壤侵蚀模数与不同年份土壤侵蚀强度等级面积并将结果与2025年不同土地利用发展情景进行比较（表8和表9），统计分析结果表明，2010—2020年不同土地利用类型的土壤侵蚀模数由大到小为耕地（40.56 t/(hm2·a)）>草地（18.79 t/(hm2·a)）>建设用地（10.25 t/(hm2·a)）>林地（8.02 t/(hm2·a)），这与2025年不同发展情景的不同土地利用类型侵蚀状况相一致。自然发展情景中流域内微度侵蚀和轻度侵蚀面积为主，分别占流域总面积的30.7%和34.3%。经济增长情景与生态保护情景下均是以微度侵蚀为主，分别为流域面积的37.5%和43.4%。与2020年相比，自然发展情景下流域微度侵蚀面积减少27.3%，强烈及极强烈侵蚀面积减少10.8%，轻度以及中度侵蚀面积增加24.3%；经济增长情景与2020年相比，强烈及以上侵蚀面积减少16.5%，中度及以下的侵蚀面积增加1.7%；生态保护情景与2020年相比，强烈及以上侵蚀面积减少22.5%，中度及以下侵蚀面积增加2.3%。与自然发展情景相比，经济增长情景下强烈及以上侵蚀面积减少7%，中度及以下侵蚀面积则增加0.6%；生态保护模式与自然发展模式相比，强烈及以上侵蚀面积减少13.7%，中度及以下侵蚀面积增加1.2%。总的来说，与其他2种情景相比生态保护情景下流域土壤侵蚀状况得到有效控制，经济增长情景下的侵蚀状况与自然发展情景相比有所改善。

表8 韭园沟流域不同土地利用类型不同年份土壤侵蚀模数统计

表9 韭园沟流域不同年份土壤侵蚀强度面积统计

3 讨 论

3.1 土地利用变化对土壤侵蚀的影响

2010—2020年之间流域内不同土地利用类型之间土壤侵蚀模数差异显著。造成上述现象的原因一方面是不同土地利用类型之间植被覆盖程度的差异，植被覆盖在一定程度上决定土壤侵蚀状况，对土壤侵蚀起到明显干预作用[31]，耕地由于耕作造成土层扰动，减少土壤抗蚀性，同时地表的裸露容易导致地表径流的产生，增强对地表的冲刷，加剧侵蚀[32]，因此耕地土壤侵蚀模数较大。本文中植被覆盖较差的建设用地的土壤侵蚀模数比草地小，一方面是由于流域中的交通道路、居民区等建设用地主要分布在地形相对平坦地区，草地占据流域的绝大部分面积，同时由于农村人口流动、耕地质量和经济效益等原因，导致弃耕撂荒的现象频繁发生。据统计，黄土高原近年来经历了大规模的农田废弃，2016年对中国235个村庄的调查显示，78.3%的村庄废弃了14.32%的耕地[33-34]，这导致流域内部分具有水土保持功能的梯田出现崩塌破坏，同时部分转化为草地，从而导致流域中草地土壤侵蚀模数的增加。这充分说明土壤侵蚀是受到地形，植被，人类活动等多种因素共同影响的复杂现象[35-36]。根据本研究结果，在流域内提供足够的植被和重新造林将显著减少土壤侵蚀。

基于过去的土地利用空间格局，通过CSLE模型完成了流域土壤侵蚀状况评估。将FLUS模型与CSLE模型耦合，设置不同的土地利用发展情景，保持模型中因子不变，通过与土地利用密切相关的、因子反映流域土壤侵蚀对土地利用空间变化的响应，与传统观念不同的是，保持经济增长模式与传统的自然发展模式相比并未造成更加严重的土壤侵蚀。杨波等[37]通过CSLE模型与FLUS模型耦合在多年平均降雨侵蚀力条件下预测未来榆林市大多数区县的土壤侵蚀模数将小于20 t/(hm2·a)，土壤侵蚀以轻度和微度为主，这与本研究结果相近，由于两者选择2种不同的土壤侵蚀模型，因此在土壤侵蚀模数计算上存在一定的差异。徐云环等[38]利用RUSLE模型完成了榆林市1988—2013年土壤侵蚀评价，通过马尔科夫模型预测未来40 a土壤侵蚀状况，微度土壤侵蚀面积逐渐增加，其他侵蚀等级的面积持续减少，这与本研究生态保护情景下的预测结果相似。FLUS-CSLE模型可以实现流域未来土壤侵蚀状况的快速、便捷、高效的趋势预测和定量评价，成为未来土壤侵蚀预测的可靠工具，具有以下优点：1）易于评估不同土地利用管理策略对土壤侵蚀的影响；2）可进行气候和土地利用变化对土壤侵蚀影响的响应分析；3）易于集成到GIS中进行地理精确分析和空间制图。

3.2 未来土地利用格局优化建议

土地利用空间分布是土壤侵蚀模型中最为关键的影响因素，同时也是土地利用政策制定者们能够以较低成本快速改善区域土壤侵蚀状况的重要途径[39]。黄土高原地区农村劳动力析出导致的耕地撂荒现象较为普遍[40-41]，旱作梯田作为黄土高原坡面水土流失治理的核心工程措施，梯田撂荒不仅加大了水土流失的风险，还会对生态系统产生严重的负面影响。本研究表明，经济增长情景下相比自然发展情景并未造成更加严重的土壤侵蚀，因此，建议流域未来的土地利用在保持林草地面积、巩固生态建设成果基础上兼顾经济建设的需求，同时注意梯田修复与治理，重视撂荒现象导致的耕地向草地的土地利用转变。

3.3 研究的局限性

本研究选取DEM、坡度、坡向、距城镇距离和距道路距离作为模拟未来土地利用格局的驱动因子，虽然这些因素对各类土地利用类型具有重要影响，最终模拟的结果也具有较高的精度，但却忽略了如生态保护红线等其他经济因素对土地利用变化的影响。降雨同样对土壤侵蚀发展具有重要影响，本研究中降雨侵蚀力因子采用的是2010—2020年的平均降雨侵蚀力，并未考虑到未来气候变化下的降雨状况对土壤侵蚀的实际影响，这对于模型预测精度也有一定的影响。因此，未来可以考虑通过降尺度方法结合未来全球气候变化数据集进行土地利用和气候变化综合背景下的土壤侵蚀演化研究。

4 结 论

本研究利用未来土地利用模拟（Future Land Use Simulation，FLUS）模型模拟流域未来土地利用变化，模拟了流域2020年土地利用分布格局，通过与2020年真实情况的对比，结果显示Kappa系数0.72，总精度为85.6%，证实了模型可靠性，基于FLUS和CSLE模型完成韭园沟流域2025年土壤侵蚀预测。通过对2010—2020年以及2025年韭园沟流域侵蚀状况统计分析表明，流域2010—2020年土壤侵蚀状况呈现先减弱后增强的趋势。2025年流域自然发展、经济增长、生态保护情景下土壤侵蚀模数分别为24.3、22.9、18.3 t/(hm2·a)，生态保护情景下流域土壤侵蚀状况得到有效控制。流域内不同土地利用类型多年土壤侵蚀状况存在较好的一致性，不同土地利用类型的土壤侵蚀模数大小依次为耕地、草地、建设用地和林地。未来一段时间的土壤侵蚀状况在无较为严重极端降雨天气影响下将维持在与现在相似水平，采取积极的土地利用生态保护情景发展模式，建设用地面积适度扩张可以兼顾生态保护和经济发展的需要。

[1] 袁和第，信忠保，侯健，等. 黄土高原丘陵沟壑区典型小流域水土流失治理模式[J]. 生态学报，2021，41(16)：6398-6416.

Yuan Hedi, Xin Zhongbao, Hou Jian, et al. Models of soil and water conservation in the loess hilly region of China[J]. Acta Ecologica Sinica, 2021, 41(16):6398-6416. (in Chinese with English abstract)

[2] Xia L, Bi R T, Song X Y, et al. Dynamic changes in soil erosion risk and its driving mechanism: A case study in the Loess Plateau of China[J]. European Journal of Soil Science, 2021, 72(3):1312-1331.

[3] 郝姗姗，李梦华，马永强，等. 黄土丘陵区土壤侵蚀因子敏感性分析[J]. 中国水土保持科学，2019，17(2)：77-86.

Hao Shanshan, Li Menghua, Ma Yongqiang, et al. Significance analysis of soil erosion factors in loess hilly gully region[J]. Science of Soil and Water Conservation, 2019, 17(2):77-86. (in Chinese with English abstract)

[4] Tian P, Mu X M, Liu J L, et al. Impacts of climate variability and human activities on the chahanges of runoff and sediment load in a catchment of the Loess Plateau, China[J]. Advances in Meteorology, 2016, 2016:1-15.

[5] Wang Q Z, Guan Q Y, Lin J K, et al. Simulating land use/land cover change in an arid region with the coupling models[J]. Ecological Indicators, 2021, 122:107231.

[6] Shi W H, Huang M B, Barbour S Lee. Storm-based CSLE that incorporates the estimated runoff for soil loss prediction on the Chinese Loess Plateau[J]. Soil and Tillage Research, 2018, 180:137-147.

[7] 赵金涛，马逸雪，石云，等. 基于ANN-CA模型的黄土丘陵区县域土壤侵蚀演变预测[J]. 中国水土保持科学(中英文)，2021，19(6)：60-68.

Zhao Jintao, Ma Yixue, Shi Yun, et al. Prediction of soil erosion evolution in counties in the loess hilly region based on ANN-CA model[J]. Science of Soil and Water Conservation, 2021, 19(6):60-68. (in Chinese with English abstract)

[8] 周伟东，汪小钦，吴佐成，等. 1988—2013年南方花岗岩红壤侵蚀区长汀县水土流失时空变化[J]. 中国水土保持科学，2016，14(2)：49-58.

Zhou Weidong, Wang Xiaoqin, Wu Zuocheng, et al. Spatio-temporal variation of the soil and water loss in Changting County of granite red soil eroded area of southern China from 1988 to 2013[J]. Science of Soil and Water Conservation, 2016, 14(2):49-58. (in Chinese with English abstract)

[9] 葛永刚，崔鹏，林勇明，等. 综合137Cs，RS和GIS的土壤侵蚀评估和预测：以云南小江流域为例[J]. 遥感学报，2014，18(4)：887-901.

Ge Yonggang, Cui Peng, Lin Yongming, et al. Soil erosion evaluation and prediction approach using137Cs, RS, and GIS in Xiaojiang River basin of China[J]. National Remote Sensing Bulletin, 2014, 18(4):887-901. (in Chinese with English abstract)

[10] 赵明松，李德成，张甘霖. 1980—2010年间安徽省土壤侵蚀动态演变及预测[J]. 土壤，2016，48(3)：588-596.

Zhao Mingsong, Li Decheng, Zhang Ganlin. Dynamic Evolution and Prediction of Soil Erosion in Anhui Province from 1980 to 2010[J]. Soils, 2016, 48(3):588-596. (in Chinese with English abstract)

[11] Zare M, Panagopoulos T, Loures L. Simulating the impacts of future land use change on soil erosion in the Kasilian watershed, Iran[J]. Land Use Policy, 2017, 67:558-572.

[12] Cunha E R D, Santos C A G, Silva R M D, et al. Assessment of current and future land use/cover changes in soil erosion in the Rio da Prata basin (Brazil)[J]. Science of The Total Environment, 2022, 818:151811.

[13] Liu X P, Liang X, Li X, et al. A Future Land Use Simulation Model (FLUS) for simulating multiple land use scenarios by coupling human and natural effects[J]. Landscape and Urban Planning, 2017, 168:94-116.

[14] 侯建坤，陈建军，张凯琪，等. 基于InVEST和GeoSoS-FLUS模型的黄河源区碳储量时空变化特征及其对未来不同情景模式的响应[J]. 环境科学，2022，43(11)：5253-5262.

Hou Jiankun, Chen Jianjun, Zhang Kaiqi, et al. Temporal and spatial variation characteristics of carbon storage in the source region of the Yellow River based on InVEST and GeoSoS-FLUS models and its response to different future scenarios[J]. Environmental Science, 2022, 43(11):5253-5262. (in Chinese with English abstract)

[15] 苟贞珍，尹小君，郭丽洁，等. 基于FLUS-Markov模型的喀什地区生态承载力时空格局预测[J]. 石河子大学学报（自然科学版），2022，40(3)：333-341.

Gou Zhenzhen, Yin Xiaojun, Guo Lijie, et al. Spatio-temporal pattern prediction of the biocapacity in the Kashi Prefecture on the basis of the FLUS-Markov model[J]. Journal of Shihezi University(NaturalScience), 2022, 40(3):333-341. (in Chinese with English abstract)

[16] 张晓荣，李爱农，南希，等. 基于FLUS模型和SD模型耦合的中巴经济走廊土地利用变化多情景模拟[J]. 地球信息科学学报，2020，22(12)：2393-2409.

Zhang Xiaorong, Li Ainong, Nan Xi, et al. Multi-scenario simulation of land use change along China-Pakistan Economic Corridor through coupling FLUS Model with SD model[J]. Journal of Geo-information Science, 2020, 22(12):2393-2409. (in Chinese with English abstract)

[17] 潘雯，刘云慧，武泽浩，等. 不同发展情景下青海省土地利用布局及生物多样性变化模拟[J]. 生物多样性，2022，30(4)：103-116.

Pan Wen, Liu Yunhui, Wu Zehao, et al. Simulation of changes in land use distribution and biodiversity under different development scenarios in Qinghai Province[J]. Biodiversity Science, 2022, 30(4):103-116. (in Chinese with English abstract)

[18] 刘甲红，胡潭高，潘骁骏，等. 基于Markov-CLUES耦合模型的杭州湾湿地多情景模拟研究[J]. 生态环境学报，2018，27(7)：1359-1368.

Liu Jiahong, Hu Tangao, Pan Xiaojun, et al. Simulating coastal wetland changes in Hangzhou Bay using Markov-CLUES coupling model[J]. Ecology and Environmental Sciences, 2018, 27(7):1359-1368. (in Chinese with English abstract)

[19] 陈兵飞，廖铁军，张莉坤. 生态红线约束下万州区土地利用情景模拟及生态价值评估[J]. 水土保持研究，2020，27(5)：349-357.

Chen Bingfei, Liao Tiejun, Zhang Likun. Simulation of land use situation and ecological value assessment in Wanzhou District under the constraints of ecological[J]. Research of Soil and Water Conservation, 2020, 27(5):349-357. (in Chinese with English abstract)

[20] 王保盛，廖江福，祝薇，等. 基于历史情景的FLUS模型邻域权重设置：以闽三角城市群2030年土地利用模拟为例[J]. 生态学报，2019，39(12)：4284-4298.

Wang Baosheng, Liao Jiangfu, Zhu Wei, et al. The weight of neighborhood setting of the FLUS model based on a historical scenario: A case study of land use simulation of urban agglomeration of the Golden Triangle of Southern Fujian in 2030[J]. Acta Ecologica Sinica, 2019, 39(12):4284-4298. (in Chinese with English abstract)

[21] 孙乔. 基于Markov-FLUS模型的洛川县土地利用变化和多情景模拟研究[D]. 西安：长安大学，2021.

Sun Qiao. Land Use Change and Multi-scenario Simulation in Luochuan County Based on Markov- Flus model[D]. Xi’an: Chang'an University, 2021. (in Chinese with English abstract)

[22] 章文波，刘宝元. 基于GIS的中国土壤侵蚀预报信息系统[J]. 水土保持学报，2003(2)：89-92.

Zhang Wenbo, Liu Baoyuan. Development of Chinese soil loss equation information system based on GIS[J]. Journal of Soil and Water Conservation, 2003(2):89-92. (in Chinese with English abstract)

[23] 章文波，付金生. 不同类型雨量资料估算降雨侵蚀力[J]. 资源科学，2003(1)：35-41.

Zhang Wenbo, Fu Jinsheng. Rinfall erosivity stimation under different rainfall amount[J]. Resources Science, 2003(1):35-41. (in Chinese with English abstract)

[24] Potter K N, Williams J R, Larney F J, et al. Evaluation of EPIC's wind erosion submodel using data from southern Alberta[J]. Canadian Journal of Soil Science, 1998, 78(3):485-492.

[25] Zhang H M, Wei J C, Yang Q K, et al. An improved method for calculating slope length (λ) and the LS parameters of the Revised Universal Soil Loss Equation for large watersheds[J]. Geoderma, 2017, 308:36-45.

[26] Huang C L, Yang Q K, Cao X Y, et al. Assessment of the soil erosion response to land use and slope in the Loess Plateau—A case study of Jiuyuangou[J]. Water (Basel), 2020, 12(2):529.

[27] 谢红霞. 延河流域土壤侵蚀时空变化及水土保持环境效应评价研究[D]. 西安：陕西师范大学，2008.

Xie Hongxia. Study on the Spatio-Temporal Change of Soil Loss and on the Assessment of Impacts on Environment of Soil and Water Conservation in Yanhe Basin[D]. Xi’an:Shaanxi Normal University, 2008. (in Chinese with English abstract)

[28] 顾治家，谢云，李骜，等. 利用CSLE模型的东北漫川漫岗区土壤侵蚀评价[J]. 农业工程学报，2020，36(11)：49-56.

Gu Zhijia, Xie Yun, Li Ao, et al. Assessment of soil erosion in rolling hilly region of Northeast China using Chinese Soil Loss Equation(CSLE) model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(11):49-56. (in Chinese with English abstract)

[29] 李子轩，赵辉，邹海天，等. 基于CSLE模型和抽样单元法的县域土壤侵蚀估算方法对比[J]. 农业工程学报，2019，35(14)：141-148.

Li Zixuan, Zhao Hui, Zou Haitian, et al. Comparison of soil erosion estimation methods at county scale based on CSLE Model and sampling unit[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(14):141-148. (in Chinese with English abstract)

[30] 陈剑南，刘益麟，李朋飞，等. 1901-2016年黄土高原降雨侵蚀力时空变化[J]. 水土保持研究，2022，29(4)：39-46.

Chen Jiannan, Liu Yilin, Li Pengfei, et al. Spatiotemporal changes of rainfall erosivity on the Loess Plateau during 1901-2016[J]. Research of Soil and Water Conservation, 2022, 29(4):39-46. (in Chinese with English abstract)

[31] 万赐航，周慧平，王强，等. 植被覆盖度和降雨侵蚀力变化对小流域泥沙连通性的影响[J]. 农业工程学报，2022，38(12)：127-134.

Wan Cihang, Zhou Huiping, Wang Qiang, et al. Effects of vegetation coverage and rainfall erosivity changes on sediment connectivity in small watersheds[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(12):127-134. (in Chinese with English abstract)

[32] 王林华，汪亚峰，王健，等. 地表粗糙度对黄土坡面产流机制的影响[J]. 农业工程学报，2018，34(5)：120-128.

Wang Linhua, Wang Yafeng, Wang Jian, et al. Effects of soil surface roughness on runoff generation mechanism on loess slope[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(5):120-128. (in Chinese with English abstract)

[33] 李升发，李秀彬，辛良杰，等. 中国山区耕地撂荒程度及空间分布：基于全国山区抽样调查结果[J]. 资源科学，2017，39(10)：1801-1811.

Li Shengfa, Li Xiubin, Xin Liangjie, et al. Extent and distribution of cropland abandonment in Chinese mountainous areas[J]. Resources Science, 2017, 39(10):1801-1811. (in Chinese with English abstract)

[34] 张天柱，郑亚楠，张凤荣，等. 工程设计视角下山区梯田撂荒影响因素分析[J]. 农业工程学报，2020，36(7)：276-283.

Zhang Tianzhu, Zheng Yanan, Zhang Fengrong, et al. Analysis of the factors affecting abandoned terraces in mountainous areas from the perspective of engineering design[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(7):276-283. (in Chinese with English abstract)

[35] 常梦迪，王新军，李娜，等. 基于CSLE模型的天山北坡中段山区水力侵蚀时空变化特征及影响因素研究[J]. 干旱区研究，2021，38(4)：939-949.

Chang Mengdi, Wang Xinjun, Li Na, et al. Study on temporal and spatial variation characteristics and influencing factors of hydraulic erosion in the middle of the northern slope of Tianshn Mountains based on CSLE model[J]. Arid Zone Research, 2021, 38(4):939-949. (in Chinese with English abstract)

[36] Panagos P, Ballabio C, Himics M, et al. Projections of soil loss by water erosion in Europe by 2050[J]. Environmental Science & Policy, 2021, 124:380-392.

[37] 杨波，王全九，周佩，等. 退耕还林(草)背景下榆林市土壤侵蚀变化与未来趋势预测[J]. 中国水土保持科学(中英文)，2022，20(1)：56-64.

Yang Bo, Wang Quanjiu, Zhou Pei, et al. Change analysis and future prediction of soil erosion in Yulin in the context of Grain for Green Project[J]. Science of Soil and Water Conservation, 2022, 20(1):56-64. (in Chinese with English abstract)

[38] 徐云环，李景宜，任冲，等. 陕西省榆林市土壤侵蚀动态演变及预测[J]. 安徽农业科学，2020，48(13)：63-69.

Xu Yunhuan, Li Jingyi, Ren Chong, et al. Dynamic evolution and predictions of soil erosion in Yulin City, Shaanxi Province[J]. Journal of Anhui Agricultural Sciences, 2020, 48(13):63-69. (in Chinese with English abstract)

[39] Gashaw T, Tulu T, Argaw M, et al. Modeling the impacts of land use-land cover changes on soil erosion and sediment yield in the Andassa watershed, upper Blue Nile basin, Ethiopia[J]. Environmental Earth Science, 2019, 78(24).

[40] 张学珍，赵彩杉，董金玮，等. 1992-2017年基于荟萃分析的中国耕地撂荒时空特征[J]. 地理学报，2019，74(3)：411-420.

Zhang Xuezhen, Zhao Caishan, Dong Jinwei, et al. Spatio-temporal pattern of cropland abandonment in China from 1992 to 2017: A Meta-analysis[J]. Acta Geographica Sinica, 2019, 74(3):411-420. (in Chinese with English abstract)

[41] 张杰，张珂，赵峰. 农业劳动力转移性流失、耕地抛荒与“柔性”政策选择研究[J]. 新疆社会科学，2019(6)：131-140.

Zhang Jie, Zhang Ke, Zhao Feng. A Study on the shifting loss of agricultural labor, the abandonment of cultivated land and the choice of “Flexible” Policy[J]. Social Sciences in Xinjiang, 2019(6):131-140. (in Chinese with English abstract)

Prediction of soil erosion under different land uses in the typical watershed of the Loess Plateau based on FLUS-CSLE model

Wu Shufang1,2, Zhang Biao1,2, Shi Xuejin1, Yuan Ziyan1, Feng Hao3

(1.,,712100,; 2.-,,712100,; 3.,,712100,)

Soil erosion has posed a serious threat to the ecological balance and food security in the most fragile environment of the Loess Plateau. Frequent human activities are drastically changing the spatial pattern of land use in the economic and social development. Therefore, it is of great significance to predict the soil erosion under different strategies of land use for the regional coordinated development in the future. Taking the Jiuyuangou watershed as the research object, this study aims to propose an improved FLUS-CSLE model for the prediction of the spatial distribution pattern of land use in different scenarios. The vegetation coverage factor () and the tillage measure factor () were also calculated in the future scenario. The CSLE model was used to evaluate the soil erosion status in the historical period (2010-2020). The vegetation coverage factor and tillage measure factor were combined to predict the soil erosion under various scenarios of land use in 2025. Finally, a systematic analysis was made to determine the response of land use types to soil erosion status. The results show that: 1) The land use types were grassland (62.23%) and forest land (28.41%), followed by cropland, buildings, and water in the study area. There were the great variations in the spatial distribution pattern of land use. Specifically, the areas of forest and grassland increased by 8.36% from 2010 to 2020, whereas, the area of cropland was decreased by 30.3%. 2) The average modulus of soil erosion in the three years of 2010, 2015, and 2020 were 19.49, 15.83, and 20.7 t/(hm2·a), respectively, indicating a trend of first decreasing and then increasing. The soil erosion modulus of land use types was ranked in the descending order of the cropland (40.56 t/(hm2·a)) > grassland (18.79 t/(hm2·a)) > building (10.25 t/(hm2·a)) > forest land (8.02 t/(hm2·a)). 3) Under the positive ecological protection scenario, the area of forest and grassland in 2025 was basically the same as that in the natural development scenario, but the proportion of forest land increased. The area of forest and grassland was increased by 5.06% compared with the economic growth scenario. The area of cropland was increased by 1.20% compared with the natural development scenario and decreased by 14.73% compared with the economic growth scenario. 4) The soil erosion moduli were 24.3, 22.9, and 18.3 t/(hm2·a), respectively, under the natural development, economic growth, and ecological protection scenarios of the watershed in 2025. Therefore, an active ecological protection mode can be expected to appropriately expand the building area in the needs of economic development. Anyway, a rapid and efficient prediction of soil erosion can be given for the management strategies in the various scenarios of land use in the future. The findings can also provide the scientific reference for the decision-making on land use, as well as soil and water conservation in the watershed.

soils; erosion; land uses; hilly and gully region of the Loess Plateau; soil erosion assessment and prediction; CSLE model; FLUS model

10.11975/j.issn.1002-6819.2022.24.009

S157

A

1002-6819(2022)-24-0083-10

吴淑芳，张彪，石学瑾，等. FLUS-CSLE模型预测黄土高原典型流域不同土地利用变化情景土壤侵蚀[J]. 农业工程学报，2022，38(24)：83-92.doi：10.11975/j.issn.1002-6819.2022.24.009 http://www.tcsae.org

Wu Shufang, Zhang Biao, Shi Xuejin, et al. Prediction of soil erosion under different land uses in the typical watershed of the Loess Plateau based on FLUS-CSLE model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(24): 83-92. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.24.009 http://www.tcsae.org

2022-08-28

2022-10-10

国家自然科学基金项目“黄土高原沟壑区瓦背状地貌浅沟分布及侵蚀过程研究”（41977064）

吴淑芳，博士，研究员，研究方向为黄土高原土壤侵蚀过程及水土保持生态功能。Email：wsfjs@163.com