基于CSLE模型的大连市果园土壤侵蚀特征研究

摘要：【目的】定量分析大连市果园土壤侵蚀状况和时空分异特征，并探究其主要影响因素，为大连市果园产业的健康发展和生态保护提供参考。【方法】基于在线地理大数据和目视解译结果，利用中国土壤流失方程（Chinese soil lose equation， CSLE），得出大连市果园土壤侵蚀特征，分析研究区土壤侵蚀动态变化及影响因素。【结果】①大连市土壤侵蚀面积约占大连市总面积的40%，北部及南部的山地丘陵区侵蚀较严重；②2015—2020年大连市果园平均土壤侵蚀模数依次为1 230.29、1 150.95、2 311.36、6 384.55、3 399.60和3 484.24 t/（km²·a），以微度侵蚀和轻度侵蚀为主，强烈及以上等级侵蚀主要分布在甘井子区、金州区和旅顺口区；③大连市果园土壤侵蚀主要分布于坡度25°以下等级以及500～900 mm降雨等级区；④大棚覆盖可以减少设施大棚果园和露地/设施大棚果园的土壤侵蚀，对于露地果园，植被覆盖度则能够有效降低果园水土流失。【结论】大连市果园土壤侵蚀具有南高北低的空间分布特征，适当提高设施大棚覆盖面积、增加露地大棚的植被盖度并合理选择果园位置，是今后治理果园土壤水土流失以及促进果园产业高效可持续发展的关键。

关键词：土壤侵蚀；土壤侵蚀模数；CSLE模型；设施大棚；大连市果园

中图分类号：S157.1 文献标志码：A开放科学（资源服务）标识码（OSID）：

文章编号：1000-2006（2024）03-0117-08

The spatio-temporal characteristics of soil erosion in orchards of Dalian City based on the CSLE model

JI Xinyu， YU Yue^*， ZHANG Sifan， LIU Yuanyuan

（School of Geography Science， Liaoning Normal University， Dalian 116029， China）

Abstract：【Objective】The orchards in Dalian City suffer from soil erosion due to vigorous developmental activities. This study aimed to quantitatively analyze the status of soil erosion， determine the spatio-temporal characteristics of soil erosion in orchards in Dalian City， and explore the key factors that influence soil erosion. The results can provide significant insights for the healthy development and ecological protection of the orchard industry in Dalian City. 【Method】 The characteristics of soil erosion in orchards in Dalian City were assessed by using the Chinese soil loss equation （CSLE） model， based on geographic big data available online. The results were visually interpreted， and the dynamic changes and factors influencing soil erosion in the study area were subsequently analyzed. 【Result】 The area of soil erosion constituted approximately 40% of the total area of Dalian City， and the erosion was serious in the northern and southern mountainous and hilly regions. The average soil erosion modulus of the orchards in Dalian City was 1 230.29， 1 150.95， 2 311.36， 6 384.55， 3 399.60 and 3 484.24 t/（km²·a） in 2015， 2016， 2017， 2018， 2019 and 2020， respectively. Analysis of the intensity of soil erosion primarily revealed micro and slight erosion. Strong and above grade erosion was primarily observed in Ganjingzi， Jinzhou， and Lüshunkou District. Soil erosion was primarily observed in slope grades below 25° and in regions with rainfall grades ranging between 500 and 900 mm. The finding revealed that greenhouse coverage could reduce soil erosion in greenhouse orchards and open field/facility orchards， and vegetation coverage could effectively reduce soil erosion in open field orchards. 【Conclusion】 Soil erosion in the orchards in Dalian City exhibits obvious spatial distribution characteristics in that the intensity of erosion is high in the south and low in the north area. The successful control of soil erosion in orchards and the efficient promotion and sustainable development of the orchard industry can be achieved in future by increasing the area of greenhouse coverage， increasing the vegetation coverage of outdoor greenhouses， and selecting the location of orchards reasonably.

Keywords：

soil erosion; soil erosion modulus; CSLE model; facility greenhouse; orchard of Dalian City

土壤资源是地球生态系统中不可或缺的部分，农业耕作、生产建设等人类活动会扰动原生土壤，改变土壤的赋存状态。土壤侵蚀是全球重大环境问题之一，它使得土壤质量降低^[1]，威胁区域可持续发展^[2]。动态监测土壤侵蚀情况、研究土壤侵蚀发生机理是防治土壤侵蚀的重要手段。

果树是我国农业产业结构的重要组成部分，我国果园普遍种植于山区坡地，坡面水土流失制约了水果产业的发展^[3]。大连市是辽宁省重要的水果产区，2020年末大连市水果总产量达1.62×10⁶ t，约占辽宁省水果总产量的1/4^[4]。但大连市地处温带季风气候区，多低山丘陵，降雨主要集中在7—8月，且多暴雨^[5]。考虑到大连市重要水果如樱桃（Prunus pseudoserasus）、苹果（Malus domestica）等果树多为露地栽培且分布在陡坡地带，易受短历时强降雨和坡度的影响，同时随着水果产业的发展，大连市果园土壤受人类扰动程度加深，产生了土壤污染、土壤侵蚀等一系列环境问题，亟须对市域果园土壤侵蚀进行定量分析。

土壤侵蚀模型是近年来水土保持研究的热点之一^[6]，也是估算土壤侵蚀量的重要方式。通用土壤流失方程（universal soil loss equation， USLE）^[7]以及修正的通用土壤流失预报方程（revised universal soil loss equation， RUSLE）^[8]在国外应用广泛，但这些模型均建立在缓坡、平原地形的数据基础上，我国的土壤侵蚀则多发生在15°以上的陡坡地区，两者在国内的应用具有一定局限性。Liu等^[9]根据中国大部分地区实验站的土壤流失数据，对中国单位样地的尺度进行修正，得出中国土壤流失方程（Chinese soil lose equation， CSLE）。该模型充分考虑中国的地形特征，并且把水土保持措施进一步分化为生物措施、工程措施和耕作措施，结构简单，参数易获取，目前已广泛应用于西南喀斯特区、南方红壤区、西北黄土高原区以及东北黑土地区^[10-17]，但在北方土石山区的应用研究相对较少^[18]。基于此，本研究利用CSLE模型、RS和GIS 技术，基于降雨数据、土壤数据、数字高程数据以及遥感影像数据，定量评价2015—2020年大连市果园土壤侵蚀量和土壤侵蚀速率，以期为大连地区果园土壤的水土保持规划、区域水土流失治理提供理论基础。

1 材料与方法

1.1 研究区概况

大连市位于中国东北地区最南端（120°58′～123°31′ E，38°43′ ～40°12′ N），东、西部分别与黄海和渤海相邻，南端与山东半岛隔海相望。山地丘陵多，平原低地少，地势北高南低、北宽南窄，由中央轴部向东南和西北两侧倾斜。大连市属于暖温带大陆性季风气候，兼有海洋性特点，年平均气温为10.5 ℃，年降水量550～950 mm。降水主要集中在夏季，季降水量占年降水量的60%～70%，春季、秋季干燥少雨，冬季寒冷干燥少雨雪。土壤类型有棕壤、褐土、草甸土、滨海盐土和水稻土等，其中地带性棕壤分布最广。

大连市辖区包括2个县级市（瓦房店市、庄河市）、1个县（长海县）和7个区（中山区、西岗区、沙河口区、甘井子区、旅顺口区、金州区、普兰店区）。截至2021年末，区内户籍人口共有603.6万人，属特大城市。多年来，大连市一直重视农产品品牌建设，自2019年起，“大连苹果”和“大连樱桃”等6个地理标志农产品陆续被列入国家地理标志农产品保护工程，推动大连优质特色农产品国际化，同时也带动了当地农业经济发展^[19]。

1.2 数据来源与预处理

本研究在高德地图和百度地图开放平台——坐标拾取器中以关键词“果园”“采摘园”“樱桃园”“草莓园”“葡萄园”“苹果园”“樱桃庄园”进行检索，得到563条记录及经纬度坐标。将检索记录与遥感影像对比以剔除无关数据，最终获取523条有效数据，并在ArcGIS中基于2018年高德卫星遥感影像目视解译果园边界。

大连市1 km分辨率逐月降雨数据集（2015—2020年）来自国家地球系统科学数据中心（http：//www.geodata.cn）；大连市土壤属性数据来源于世界土壤数据库（harmonized world soil database v1.2， HWSD）^[20]；大连市土地利用数据来自清华大学Gong等^[21]监测的2017年10 m分辨率土地利用数据；大连市土壤类型空间分布数据来源于中国科学院资源环境与科学数据中心（https：//www.resdc.cn/）；数字高程数据来源于美国国家航空航天局（NASA）发布的全球30 m分辨率DEM数据^[22]；遥感影像数据来源于美国地质勘探局Landsat-8 2015—2020年卫星数据（https：//earthexplorer.usgs.gov/），并基于ENVI 5.3通过波段运算得出大连市逐月植被指数数据。

1.3 CSLE模型

本研究基于中国土壤流失方程（CSLE）^[9]计算土壤侵蚀模数，CSLE模型表达式如下：

A=R·K·L·S·B·E·T。（1）

式中： A为土壤侵蚀模数，t/（hm²·a）；R为降雨侵蚀力因子，MJ·mm/（hm²·h·a）；K 为土壤可蚀性因子，t·hm² ·h/（hm²·MJ·mm）；L、S 分别为坡长、坡度因子；B 为生物措施因子；E 为工程措施因子；T 为耕作措施因子。

降雨侵蚀力因子是表述降雨过程导致土壤发生侵蚀的潜在能力，反映了雨滴击溅和径流对土壤及土壤颗粒的冲刷和转运程度^[8]。运用 Fournier 指数法^[23]及前人经验计算大连市降雨侵蚀力^[24]；土壤可蚀性因子表示土壤能够抵抗降雨等外力侵蚀的能力，是影响土壤侵蚀的内在因素^[8]。基于Sharpley等^[25]提出的EPIC模型并根据张科利等^[26]的研究结果对EPIC 模型进行改进，得到大连市K因子图层；坡长、坡度因子也被统称为地形因子，反映了地形特征对土壤流失量的影响^[8]。借助符素华等^[27]提供的方法生成大连市L、S因子图层；生物措施因子反映了植被覆盖对土壤侵蚀的抑制作用，B值越小，表示对土壤侵蚀的抑制性越强，反之则越弱^[9]。利用 ENVI 软件计算归一化植被指数（NDVI）和植被覆盖度（f），采用蔡崇法等^[28]建立的分段式方程计算B值，得到大连市B因子图层；工程措施因子为采取某种工程措施下的土壤流失量与相同条件下未采取工程措施土壤流失量之比^[9]。耕作措施因子指在某种耕作措施下土壤流失量与平作情况下土壤流失量的比值^[9]。由于缺少工程措施数据，本研究E 因子赋值为1，T因子则根据不同坡度条件来确定。土地利用类型为非耕地的赋值为1，耕地则根据坡度范围赋值，即坡度为0°，T因子值为0；坡度≤5°，T因子值为0.1；坡度为（5°，10°]，T因子值为0.221；坡度为（10°，15°]，T因子值为0.305；坡度为（15°，20°]，T因子值为0.575；坡度为（20°，25°]，T因子值为0.705；坡度＞25°，T因子值为1。

根据CSLE模型中各因子的关系，在ArcGIS中将研究区上述各因子的栅格图层通过地图代数工具相乘，计算出2015—2020年大连市和大连市果园平均土壤侵蚀模数，根据水利部制定的SL 190—2007《土壤侵蚀分类分级标准》^[29]对其进行等级划分。结合研究区降雨特征划分降雨量等级（≤550、（550，600]、（600，700]、（700，900]、（800，900]、（900，1 000]、gt;1 000 mm），同时参考《土壤侵蚀分类分级标准》对坡度进行等级划分。

2 结果与讨论

2.1 大连市土壤侵蚀时空分异特征

以CSLE模型计算结果表明，大连市2015—2020年平均土壤侵蚀模数依次为1 258.00、1 720.01、2 480.76、6 063.30、2 722.47和3 938.04 t/（km²·a）。其中，2015—2017年大连市土壤侵蚀等级为轻度侵蚀，2019—2020年为中度侵蚀，2018年为强烈侵蚀（图1）。

大连市土壤侵蚀以北侧和南侧最为严重，2015—2016年强烈及以上等级土壤侵蚀主要集中在庄河市北部地区，2017年后侵蚀区域向南扩展，最南部旅顺口区和甘井子区强烈及以上等级侵蚀面积逐渐增加，这与崔云燕^[24]、刘思艺等^[30]对大连市土壤侵蚀评价的研究结果相符。

大连市土壤侵蚀面积占大连市总面积的40%以上，其中2018、2020年土壤侵蚀面积接近50%。大连市土壤侵蚀面积随着侵蚀等级的增加而降低，微度侵蚀面积占比最大，其次为轻度侵蚀，每年占20%～25%，剧烈侵蚀面积占比最小，每年在1.46%～12.25%。土壤侵蚀量则随着侵蚀等级的增加而增加，微度侵蚀量仅占土壤侵蚀总量的1%，极强烈侵蚀和剧烈侵蚀面积之和占比约为10%，但是对土壤侵蚀总量的贡献率每年均达到50%以上，2018年甚至达到了88.51%。上述分析表明，大连市土壤侵蚀面积较大，且局部地区侵蚀严重，其中极强烈和剧烈侵蚀是水土流失的重点治理对象。

2.2 大连市果园土壤侵蚀模数分异特征

2.2.1 果园土壤侵蚀的空间分布特征

大连市果园土壤侵蚀具有明显的空间分布特征。CSLE模型计算结果显示，2015—2020年大连市果园多年平均年土壤侵蚀量为3.9×10⁴ t，多年平均土壤侵蚀模数为2 993.50 t/（km²·a），属于中度侵蚀。统计果园不同侵蚀等级多年平均土壤侵蚀模数和土壤侵蚀量（表1）表明：大连市果园土壤侵蚀以微度侵蚀和轻度侵蚀为主，两者占大连市果园总面积的73.07%，但侵蚀量只占了多年平均土壤侵蚀总量的12.05%；中度及以上等级侵蚀面积仅占总面积的26.93%，土壤侵蚀量比例却高达87.95%。

各行政区果园面积从大到小表现为金州区gt;旅顺口区gt;甘井子区gt;庄河市gt;瓦房店市gt;普兰店区，多年平均土壤侵蚀模数则表现为甘井子区gt;旅顺口区gt;瓦房店市gt;金州区gt;庄河市gt;普兰店区，多年平均土壤侵蚀量从大到小表现为金州区gt;甘井子区gt;旅顺口区gt;瓦房店市gt;庄河市gt;普兰店区。除甘井子区外，其余5区土壤侵蚀等级均以微度侵蚀和轻度侵蚀为主，两者在各区面积占比超过了60%，其中在普兰店区和庄河市的面积占比甚至达到了90%以上；甘井子区则以轻度侵蚀为主，其他各等级侵蚀面积占比相差不大，为14%～18%。大连市果园大部分地区土壤侵蚀强度低，但局部地区水土流失严重，强烈及以上侵蚀主要分布在南部的甘井子区、金州区和旅顺口区，整体呈南高北低的分布特征。

大连市地处山地丘陵区，果园的坡度主要分布在0°～8°之间，占大连市果园总面积的76.79%；其次在8°～15°之间，占大连市果园总面积的15.40%；坡度15°以上的果园占比不到10%。统计2015—2020年大连市果园不同坡度等级土壤侵蚀特征（图2）。大连市果园土壤侵蚀面积随坡度的增加而降低，平均土壤侵蚀模数随坡度的增加而增加。土壤侵蚀主要集中在25°以下坡度范围内，0°～8°坡度范围内的土壤侵蚀面积分别是8°～15°和15°～25°的4.99、11.16倍，土壤侵蚀量则分别是上述两个坡度等级的0.76和0.94倍，说明大连市果园在8°～25°等级内的土壤侵蚀尤为严重。要重点监测研究区内坡度25°以下果园土壤侵蚀的动态变化，着重治理8°～25°范围内果园的水土流失问题，及时采取合理规范的水土保持措施。

2.2.2 果园土壤侵蚀动态分异特征

2015—2020年大连市果园土壤侵蚀表现为动态上升：2015—2018年大连市果园土壤侵蚀整体呈上升趋势，2018—2020年整体呈下降趋势，2020年平均土壤侵蚀模数较2015年增加了183.20%（图3）。

其中，2016年平均土壤侵蚀模数最小，较2015年降低了6.43%；2018年平均土壤侵蚀模数最大，为6 384.55 t/（km²·a），较2016年增加了4.55倍；2019年平均土壤侵蚀模数较2018年减少近一半；2020年平均土壤侵蚀模数略有上升，较2019年增加了2.49%。分析2016、2018年降水量可知，2018年降水比2016年降水更为集中。2018年降水最大月份降水量占全年总降水量的55.06%，2016年降水最大月份降水量占全年总降水量的26.45%，使得2018年R值是2016年R值的3.41倍，导致2018年平均土壤侵蚀模数较2016年成倍增加。

研究区降水量年际变化较大，导致平均土壤侵蚀模数和土壤侵蚀量在不同的年份表现出不同的特征。分析2015—2020年大连市果园不同降水量等级上平均土壤侵蚀模数与土壤侵蚀量的关系，结果表明：2015—2018年平均土壤侵蚀模数在600～700 mm降水等级内最大，2019、2020年平均土壤侵蚀模数最大值分别位于降水500～600 mm、800～900 mm等级内；从土壤侵蚀量看，2015—2016年土壤侵蚀量最大值位于各年第1个降水等级内，2017—2020年土壤侵蚀量最大值位于各年第2个降水等级内。大连市果园平均土壤侵蚀模数和土壤侵蚀量均随着降水量的增加先增加后减少，其土壤侵蚀与降水量有一定的关系。

为进一步分析2015—2020年大连市果园土壤侵蚀模数的动态演变，以平均土壤侵蚀模数最大的年份（2018年）为节点，制作2015—2018、2018—2020年土壤侵蚀等级转移矩阵，结果如表2所示。2015—2018年，土壤侵蚀分级没有改变的果园面积有7.40 km²，向其他等级转移的面积有5.68 km²，其中，96.96%由低等级转向高等级。在低等级转向高等级的区域中，55.44%转移至强烈及以上侵蚀等级。2018—2020年，土壤侵蚀分级没有发生变化的区域占8.68 km²，侵蚀等级发生变化的区域有4.40 km²，其中，将近76.82%的区域由高等级转移至低等级。在转移至低等级的土壤中，有59.60%的区域由高等级转移至微度侵蚀和轻度侵蚀，其中31.82%来自强烈及以上强度等级。

2.3 果园种植设施分析

将果园按照种植设施类型分为：Ⅰ类，设施大棚果园；Ⅱ类，露地/设施大棚果园；Ⅲ类，露地栽培果园。本研究选取的523个大连市果园中，有99个Ⅰ类果园、16个Ⅱ类果园和408个Ⅲ类果园。结合大连市果园土壤侵蚀图分析不同种植设施果园的土壤侵蚀量和平均土壤侵蚀模数（表3），大连市果园种植设施仍以Ⅲ类为主，Ⅰ类次之。本研究基于ENVI软件计算归一化植被指数和植被覆盖度，进而计算B因子值。经研究发现，NDVI指数中农业大棚与植被的可分性较小、易混淆^[31]，故大棚覆盖区与露天果园的植被覆盖度相近，Ⅰ类果园土壤侵蚀模数计算值为1 572.69 t/（km²·a），土壤侵蚀量计算值为2 526.09 t/a，但真实土壤侵蚀量应为零（表3）。大棚覆盖分别减少了Ⅰ类地区2 526.09 t/a的土壤侵蚀以及Ⅱ类地区27.4%的土壤侵蚀。设施大棚技术的发展改变了农户靠天种地的方式，在人工改善通风透光条件的同时也能很好地防治侵蚀性降雨造成的果园土壤、水分和肥力的流失。在果园水土保持治理中，建议条件允许的地区适当引进设施农业技术，从而降低果园土壤侵蚀程度，提高果树产量，促进大连市果园产业高速、平稳、可持续发展。

Ⅲ类果园不仅面广量大，也是研究区域内水土流失的主要策源地，是本研究研究的重点对象，因此对该类果园的坡度、降水以及植被覆盖度进行细化分析。结果表明：不同坡度等级上，Ⅲ类果园平均土壤侵蚀模数随坡度等级的增加而增加；不同降水等级上，Ⅲ类果园平均土壤侵蚀模数在lt;700 mm时随降水量的增加而增加，在700 mm以上时有所减小，可能与降水量在700 mm以上的果园面积较小有关（仅占Ⅲ类果园面积1.5%）；不同植被覆盖度等级上，Ⅲ类果园平均土壤侵蚀模数随植被覆盖度的增加先减小后增加。植被覆盖度在30%以下时，Ⅲ类果园平均土壤侵蚀模数为7 812.24 t/（km²·a）；植被覆盖度在30%～60%时，Ⅲ类果园平均土壤侵蚀模数最低，为2 511.34 t/（km²·a）；植被覆盖度大于60%时，Ⅲ类果园平均土壤侵蚀模数为3 243.81 t/（km²·a）。植被覆盖度大于60%时平均土壤侵蚀模数略有升高，可能是因为该覆盖度等级上的Ⅲ类果园平均坡度较高，为7.42°，而植被覆盖度在30%以下和30%～60%的Ⅲ类果园平均坡度分别为5.35°和3.96°。上述分析表明，植被覆盖能够有效地改善研究区内的水土流失状况，同时坡度会在一定程度上加速果园土壤侵蚀。因此Ⅲ类果园在开发时应合理规划选址，适当提高果园的表土盖度，采用以自然恢复为主、人为治理为辅的生态保护措施。

3 讨 论

1）大连市土壤侵蚀程度南北高中间低，土壤侵蚀严重区集中在最北部及南部的低山丘陵区；2015—2020年土壤侵蚀程度呈现出先增加后减少整体上升的变化趋势，2018年平均土壤侵蚀模数最大，为6 063.30 t/（km²·a），是2015年土壤侵蚀模数的4.8倍。

2）大连市果园土壤侵蚀以微度侵蚀和轻度侵蚀为主，强烈及以上等级侵蚀主要分布在甘井子区、金州区和旅顺口区，具有南高北低的土壤侵蚀空间分异规律；2015—2018年，96.96%的果园土壤侵蚀等级由低等级转向高等级；2018—2020年，76.82%的果园土壤侵蚀等级由高等级转向了低等级。

3）大连市果园土壤侵蚀面积随着坡度的增加而降低，平均土壤侵蚀模数随着坡度等级的升高逐步增加；2015—2018年平均土壤侵蚀模数在600～700 mm降水等级内最大，2019、2020年平均土壤侵蚀模数最大值分别位于500～600 mm、800～900 mm降雨等级区。

4）种植设施对大连市果园的土壤侵蚀有一定的影响，大棚覆盖可以减少果园土壤侵蚀；适当提高植被盖度能够改善露地栽培果园的水土流失状况。

本研究基于CSLE模型预测大连市果园土壤侵蚀状况，进一步研究将从以下两个方面展开：①土壤侵蚀预报研究多建立在实测数据的基础上，耗费很多人力物力，遥感手段在该领域的应用克服了上述不足，但其精度需要进一步验证。经查阅辽宁省水利厅发布的水土保持公报，2018—2020年大连市土壤侵蚀面积占比分别为29.30%、30.74%、30.92%，而本研究得到的2018—2020年大连市土壤侵蚀面积占比为49.17%、41.90%、47.44%，利用CSLE模型对大连市土壤侵蚀模数进行估算的结果整体偏高但相对可信。此外，亦有学者基于GIS与RUSLE对小流域中不同土地利用类型^[32]（包括果园）的土壤侵蚀进行估算，因此本研究基于CSLE模型得到的大连市果园土壤侵蚀模数的方法可行，亦能够反应研究区的真实情况。然而，本研究结果仍需对大连市果园进行实地验证，以提高模型估算果园土壤侵蚀的精度。另外由于近3年受到疫情影响，未进行长期的野外试验，此验证将在后续研究中进行。②果园是介于农地与林地之间一种特殊的土地利用类型。Zhang等^[33]基于GIS和USLE模型提出专门用于预测林地土壤侵蚀模数的FUSLE模型。该模型在USLE模型基础上增加了凋落物因子，提高了林地土壤侵蚀估算的准确性。本研究在预测大连市果园土壤侵蚀时，由于果园地表凋落物盖度远不及林地，且果园凋落物可能被清理，因此在计算时未着重考虑凋落物因子。但果园地表凋落物在未被清理的时间段内可一定程度上降低水土流失，日后的研究中应考虑凋落物的影响，提高果园水土流失预测的精确性。

参考文献（reference）：

[1]怡凯，王诗阳，王雪，等. 基于RUSLE模型的土壤侵蚀时空分异特征分析： 以辽宁省朝阳市为例[J]. 地理科学，2015，35（3）： 365-372. YI K， WANG S Y， WANG X， et al. The characteristics of spatial-temporal differentiation of soil erosion based on RUSLE model： a case study of Chaoyang City， Liaoning Province[J]. Sci Geogr Sin， 2015， 35（3）： 365-372. DOI： 10.13249/j.cnki.sgs.2015.03.016.

[2]张燕，彭补拙，高翔，等. 人类干扰对土壤侵蚀及土壤质量的影响： 以苏南宜兴低山丘陵区为例[J]. 地理科学，2002，22（3）： 336-341. ZHANG Y， PENG B Z， GAO X， et al. Impact on soil erosion and soil properties by human disturbance：case of the low mountains and hills of Yixing， south Jiangsu Province[J]. Sci Geogr Sin， 2002， 22（3）： 336-341. DOI： 10.3969/j.issn.1000-0690.2002.03.014.

[3]王坚桦，邱凡，谢福倩，等. 清耕对赤红壤果园坡面土壤侵蚀特征的影响[J]. 水土保持研究，2022，29（3）： 12-17. WANG J H， QIU F， XIE F Q， et al. Effects of cleaning tillage on soil erosion characteristics of lateritic red soil on slope in orchard[J]. Res Soil Water Conserv， 2022， 29（3）： 12-17. DOI： 10.13869/j.cnki.rswc.20210926.003.

[4]大连市统计局. 大连统计年鉴[M]. 北京： 中国统计出版社， 2021. Dalian Municipal Bureau of Statistics. Dalian statistical yearbook[M]. Beijing： China Statistical Publishing House， 2021.

[5]王耕，韩冬雪. 1964—2014年大连市降雨侵蚀力时空演变分析[J]. 中国水土保持，2017（11）： 54-56， 67. WANG G， HAN D X. Temporal and spatial variability of rainfall erosivity in Dalian City in the period from 1964 to 2014[J]. Soil Water Conserv China， 2017（11）： 54-56， 67. DOI： 10.14123/j.cnki.swcc.2017.0287.

[6]陈茁新， 张金池. 近10年全球水土保持研究热点问题述评[J]．南京林业大学学报（自然科学版）， 2018，42（3）： 167-174. CHEN Z X， ZHANG J C. Review of global soil and water conservation in last ten years[J]. J Nanjing For Univ （Nat Sci Ed）， 2018， 42（3）： 167-174. DOI： 10.3969/j.issn.1000-2006.201709028.

[7]WISCHMEIER W H， SMITH D D. Predicting rainfall erosion losses： a guide to conservation planning[R]. Washington D C： U. S. Dept of Agriculture， Science and Education Administration， 1978.

[8]RENARD K G. Predicting soil erosion by water： a guide to conservation planning with the revised universal soil loss equation （RUSLE）[M]. Washington， D. C.： U. S. Dept. of Agriculture， Agricultural Research Service， 1997.

[9]LIU B Y， ZHANG K L， XIE Y. An empirical soil loss equation[C]//Proceedings of the 12th International Soil Conservation Organization Conference. Process of Erosion and its Environmental Effects. Beijing： Tsinghua University， 2002： 21-25.

[10]陈美淇，魏欣，张科利，等. 基于CSLE模型的贵州省水土流失规律分析[J]. 水土保持学报.2017，31（3）： 16-21，26. CHEN M Q， WEI X， ZHANG K L， et al. Analysis of the characteristics of soil and water loss in Guizhou Province based on CSLE[J]. J Soil Water Conserv， 2017， 31（3）： 16-21， 26. DOI： 10.13870/j.cnki.stbcxb.2017.03.003.

[11]魏梦瑶，张卓栋，刘瑛娜，等. 基于CSLE模型的广西土壤侵蚀规律[J]. 水土保持研究，2020，27（1）： 15-20. WEI M Y， ZHANG Z D， LIU Y N， et al. Characteristics of soil erosion in Guangxi based on CSLE[J]. Res Soil Water Conserv， 2020， 27（1）： 15-20. DOI： 10.13869/j.cnki.rswc.2020.01.002.

[10]陈锐银，严冬春，文安邦，等. 基于GIS/CSLE的四川省水土流失重点防治区土壤侵蚀研究[J]. 水土保持学报，2020，34（1）： 17-26. CHEN R Y， YAN D C， WEN A B， et al. Research on soil erosion in key prevention and control region of soil and water loss based on GIS/CSLE in Sichuan Province[J]. J Soil Water Conserv， 2020， 34（1）： 17-26. DOI： 10.13870/j.cnki.stbcxb.2020.01.003.

[11]董丽霞，蒋光毅，张志兰，等. 重庆市中国土壤流失方程因子研究进展[J]. 中国水土保持，2021（2）： 40-44，69. DONG L X， JIANG G Y， ZHANG Z L， et al. Research progress of the factors of Chinese soil loss equation in Chongqing[J]. Soil Water Conserv China， 2021（2）： 40-44， 69. DOI： 10.14123/j.cnki.swcc.2021.0038.

[12]陈羽璇，杨勤科，刘宝元，等. 基于CSLE模型的珠江流域土壤侵蚀强度评价[J]. 中国水土保持科学（中英文），2021，19（6）： 86-93. CHEN Y X， YANG Q K， LIU B Y， et al. Assessment of soil erosion intensity in Pearl River basin based on CSLE model[J]. Sci Soil Water Conserv， 2021， 19（6）： 86-93. DOI： 10.16843/j.sswc.2021.06.011.

[15]廖元群，万小星，龚长春，等. 基于CSLE模型评价江西省土壤侵蚀强度空间分布[J]. 江西水利科技，2021，47（1）： 50-55. LIAO Y Q， WAN X X， GONG C C， et al. Evaluation of spatial distribution of soil erosion intensity in Jiangxi Province based on CSLE[J]. Jiangxi Hydraul Sci Technol， 2021， 47（1）： 50-55. DOI： 10.3969/j.issn.1004-4701.2021.01-08.

[13]李嘉麟，陈家慧，华丽，等. 基于CSLE的湖北省土壤侵蚀时空变化特征[J]. 水土保持学报，2022，36（4）： 43-52，62. LI J L， CHEN J H， HUA L， et al. Spatial and temporal characteristics of soil erosion in Hubei Province based on CSLE[J]. J Soil Water Conserv， 2022， 36（4）： 43-52，62. DOI： 10.13870/j.cnki.stbcxb.2022.04.007.

[17]吴思颖，汪小钦，曾舒娇，等. 基于CSLE的安溪县土壤侵蚀估算与分析[J]. 中国水土保持科学，2019，17（4）： 112-121. WU S Y， WANG X Q， ZENG S J， et al. Estimation and analysis of soil erosion in Anxi County based on CSLE[J]. Sci Soil Water Conserv， 2019， 17（4）： 112-121. DOI： 10.16843/j.sswc.2019.04.014.

[14]游浩妍，黄曦涛，陈瑞. 基于CSLE模型的神木市土壤侵蚀模数计算[J]. 中国水土保持，2021（4）： 47-49，68，9. YOU H Y， HUANG X T， CHEN R. Calculation of soil erosion modulus in Shenmu City based on CSLE model[J]. Soil Water Conserv China， 2021（4）： 47-49，68，9. DOI： 10.14123/j.cnki.swcc.2021.0093.

[15]沈子雅，杨志，李建国，等. 基于CSLE模型的宁夏黄土地区水土保持措施因子研究[J]. 中国水土保持，2021（7）： 53-55，5. SHEN Z Y， YANG Z， LI J G， et al. Research on factors of soil and water conservation measures in Ningxia loess area based on CSLE model[J]. Soil Water Conserv China， 2021（7）： 53-55，5. DOI： 10.14123/j.cnki.swcc.2021.0169.

[16]马亚亚，王杰，张超，等. 基于CSLE模型的陕北纸坊沟流域土壤侵蚀评价[J]. 水土保持通报， 2018， 38（6）： 95-102. MA Y Y， WANG J， ZHANG C， et al. Evaluation of soil erosion based on CSLE model in Zhifanggou watershed of northern Shaanxi Province[J]. Bull Soil Water Conserv， 2018， 38（6）： 95-102. DOI： 10.13961/j.cnki.stbctb.20180904.001.

[21]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）： 122-125，130. WANG L， QU C， ZHAO G D. Quantitative assessment of regional soil erosion based on Chinese soil loss equation model[J]. Bull Soil Water Conserv， 2018， 38（1）： 122-125， 130. DOI： 10.13961/j.cnki.stbctb.2018.01.021.

[22]孙禹，哈斯额尔敦，杜会石. 基于GIS的东北黑土区土壤侵蚀模数计算[J]. 中国水土保持科学，2015，13（1）： 1-7. SUN Y， Hasi E D， DU H S. Calculation of soil erosion modulus in the black soil region in northeastern China based on GIS[J]. Sci Soil Water Conserv， 2015， 13（1）： 1-7. DOI： 10.16843/j.sswc.2015.01.001.

[17]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 Z J， XIE Y， LI A， et al. Assessment of soil erosion in rolling hilly region of northeast China using Chinese soil loss equation （CSLE） model[J]. Trans Chin Soc Agric Eng， 2020， 36（11）： 49-56. DOI： 10.11975/j.issn.1002-6819.2020.11.006.

[18]苏新宇，吴镇宇，刘霞，等. 基于CSLE模型的区域水土流失风险分析[J]. 中国水土保持科学（中英文），2021，19（5）： 27-36. SU X Y， WU Z Y， LIU X， et al. Regional soil erosion risk analysis based on CSLE model[J]. Sci Soil Water Conserv， 2021， 19（5）： 27-36. DOI： 10.16843/j.sswc.2021.05.004.

[19]黄艳玲，栾其琛. 大连市绿色有机及地理标志农产品发展现状与对策建议[J]. 农产品质量与安全，2021（6）： 63-66. HUANG Y L， LUAN Q C. Development status and countermeasures of green organic and geographical indications agro-products in Dalian[J]. Qual Saf Agro Prod， 2021（6）： 63-66. DOI：10.3969/j.issn.1674-8255.2021.06.012.

[20]FISCHER G， NACHTERGAELE F， PRIELEI S， et al. Global agro-ecological zones assessment for agriculture. [DS/OL]. Austria and Italy： IIASA and FAO， 2008[2023-03-27]. https：//www.fao.org/.

[21]GONG P， LIU H， ZHANG M N， et al. Stable classification with limited sample：transferring a 30 m resolution sample set collected in 2015 to mapping 10 m resolution global land cover in 2017[J]. Sci Bull， 2019， 64（6）： 370-373. DOI： 10.1016/j.scib.2019.03.002.

[22]NASA JPL. NASADEM merged DEM global 1 arc second V001[DS/OL]. Washing to D C： NASA EOSDIS Land Processes Distributed Active Archive Center， 2018 [2023-03-27].https：//doi.org/10.5067/MEaSUREs/NASADEM/NASADEM_HGT.001.

[23]WISCHMEIER W H， Smith D D. Rainfall energy and its relationship to soil loss[J]. Eos Trans AGU， 1958， 39（2）： 285-291. DOI： 10.1029/TR039i002p00285.

[24]崔云燕. 大连市土壤侵蚀评价[D]. 大连： 辽宁师范大学，2010. CUI Y Y. Evaluation of soil erosion in Dalian City[D]. Dalian：Liaoning Normal University， 2010.

[25]SHARPLEY A N， WILLIAMS J R.EPIC-erosion/productivity impact calculator： 1. model documentation[M]. United States： USDA Technical Bulletin， 1990.

[26]张科利，彭文英，杨红丽. 中国土壤可蚀性值及其估算[J]. 土壤学报，2007，44（1）： 7-13. ZHANG K L， PENG W Y， YANG H L. Soil erodibility and its estimation for agricultural soil in China[J]. Acta Pedol Sin， 2007， 44（1）： 7-13. DOI： 10.3321/j.issn：0564-3929.2007.01.002.

[27]符素华，刘宝元，周贵云，等. 坡长坡度因子计算工具[J]. 中国水土保持科学，2015，13（5）： 105-110. FU S H， LIU B Y， ZHOU G Y， et al. Calculation tool of topographic factors[J]. Sci Soil Water Conserv， 2015， 13（5）： 105-110. DOI： 10.16843/j.sswc.2015.05.018.

[28]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 C F， DING S W， SHI Z H， et al. Study of applying USLE and geographical information system IDRISI to predict soil erosion in small watershed[J]. J Soil Water Conserv， 2000， 14（2）： 19-24. DOI： 10.13870/j.cnki.stbcxb.2000.02.005.

[29]中华人民共和国水利部.土壤侵蚀分级分类标准[S]. 北京： 中国水利水电出版社， 2008. Ministry of Water Resources of the People’s Republic of China. Standards for classification and gradation of soil erosion[S]. Beijing： China Water amp; Power Press， 2008.

[30]刘思艺，黄凤荣. 基于GIS的大连市土壤侵蚀强度估测[J]. 科学技术创新，2021（22）： 173-175. LIU S Y， HUANG F R. Estimation of soil erosion intensity in Dalian based on GIS[J]. Sci Technol Innov， 2021（22）： 173-175.

[31]汤紫霞. 福建省农业大棚遥感信息提取[D]. 福州： 福州大学，2021. TANG Z X. Remote sensing extraction of agricultural greenhouses in Fujian Province[D]. Fuzhou： Fuzhou University， 2021. DOI： 10.27022/d．cnki．gfzhu．2021.000483.

[32]周璟，张旭东，何丹，等. 基于GIS与RUSLE的武陵山区小流域土壤侵蚀评价研究[J]. 长江流域资源与环境，2011，20（4）： 468-474. ZHOU J， ZHANG X D， HE D， et al. Soil erosion evaluation of small watershed in Wuling Mountain based on GIS and rusle[J]. Resour Environ Yangtze Basin， 2011， 20（4）： 468-474.

[33]ZHANG J C， ZHUANG J Y， SU J S， et al. Development of GIS-based FUSLE model in a Chinese fir forest sub-catchment with a focus on the litter in the Dabie Mountains， China[J]. For Ecol Manag， 2008， 255（7）： 2782-2789. DOI： 10.1016/j.foreco.2008.01.045.

（责任编辑 孟苗婧 郑琰燚）