摘要：【目的】定量分析大連市果園土壤侵蝕狀況和時空分異特征，并探究其主要影響因素，為大連市果園產(chǎn)業(yè)的健康發(fā)展和生態(tài)保護提供參考?！痉椒ā炕谠诰€地理大數(shù)據(jù)和目視解譯結(jié)果，利用中國土壤流失方程（Chinese soil lose equation， CSLE），得出大連市果園土壤侵蝕特征，分析研究區(qū)土壤侵蝕動態(tài)變化及影響因素?！窘Y(jié)果】①大連市土壤侵蝕面積約占大連市總面積的40%，北部及南部的山地丘陵區(qū)侵蝕較嚴重；②2015—2020年大連市果園平均土壤侵蝕模數(shù)依次為1 230.29、1 150.95、2 311.36、6 384.55、3 399.60和3 484.24 t/（km²·a），以微度侵蝕和輕度侵蝕為主，強烈及以上等級侵蝕主要分布在甘井子區(qū)、金州區(qū)和旅順口區(qū)；③大連市果園土壤侵蝕主要分布于坡度25°以下等級以及500～900 mm降雨等級區(qū)；④大棚覆蓋可以減少設(shè)施大棚果園和露地/設(shè)施大棚果園的土壤侵蝕，對于露地果園，植被覆蓋度則能夠有效降低果園水土流失?！窘Y(jié)論】大連市果園土壤侵蝕具有南高北低的空間分布特征，適當提高設(shè)施大棚覆蓋面積、增加露地大棚的植被蓋度并合理選擇果園位置，是今后治理果園土壤水土流失以及促進果園產(chǎn)業(yè)高效可持續(xù)發(fā)展的關(guān)鍵。

關(guān)鍵詞：土壤侵蝕；土壤侵蝕模數(shù)；CSLE模型；設(shè)施大棚；大連市果園

中圖分類號：S157.1 文獻標志碼：A開放科學(xué)（資源服務(wù)）標識碼（OSID）：

文章編號：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

土壤資源是地球生態(tài)系統(tǒng)中不可或缺的部分，農(nóng)業(yè)耕作、生產(chǎn)建設(shè)等人類活動會擾動原生土壤，改變土壤的賦存狀態(tài)。土壤侵蝕是全球重大環(huán)境問題之一，它使得土壤質(zhì)量降低^[1]，威脅區(qū)域可持續(xù)發(fā)展^[2]。動態(tài)監(jiān)測土壤侵蝕情況、研究土壤侵蝕發(fā)生機理是防治土壤侵蝕的重要手段。

果樹是我國農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的重要組成部分，我國果園普遍種植于山區(qū)坡地，坡面水土流失制約了水果產(chǎn)業(yè)的發(fā)展^[3]。大連市是遼寧省重要的水果產(chǎn)區(qū)，2020年末大連市水果總產(chǎn)量達1.62×10⁶ t，約占遼寧省水果總產(chǎn)量的1/4^[4]。但大連市地處溫帶季風氣候區(qū)，多低山丘陵，降雨主要集中在7—8月，且多暴雨^[5]?？紤]到大連市重要水果如櫻桃（Prunus pseudoserasus）、蘋果（Malus domestica）等果樹多為露地栽培且分布在陡坡地帶，易受短歷時強降雨和坡度的影響，同時隨著水果產(chǎn)業(yè)的發(fā)展，大連市果園土壤受人類擾動程度加深，產(chǎn)生了土壤污染、土壤侵蝕等一系列環(huán)境問題，亟須對市域果園土壤侵蝕進行定量分析。

土壤侵蝕模型是近年來水土保持研究的熱點之一^[6]，也是估算土壤侵蝕量的重要方式。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預(yù)報方程（revised universal soil loss equation， RUSLE）^[8]在國外應(yīng)用廣泛，但這些模型均建立在緩坡、平原地形的數(shù)據(jù)基礎(chǔ)上，我國的土壤侵蝕則多發(fā)生在15°以上的陡坡地區(qū)，兩者在國內(nèi)的應(yīng)用具有一定局限性。Liu等^[9]根據(jù)中國大部分地區(qū)實驗站的土壤流失數(shù)據(jù)，對中國單位樣地的尺度進行修正，得出中國土壤流失方程（Chinese soil lose equation， CSLE）。該模型充分考慮中國的地形特征，并且把水土保持措施進一步分化為生物措施、工程措施和耕作措施，結(jié)構(gòu)簡單，參數(shù)易獲取，目前已廣泛應(yīng)用于西南喀斯特區(qū)、南方紅壤區(qū)、西北黃土高原區(qū)以及東北黑土地區(qū)^[10-17]，但在北方土石山區(qū)的應(yīng)用研究相對較少^[18]?；诖耍狙芯坷肅SLE模型、RS和GIS 技術(shù)，基于降雨數(shù)據(jù)、土壤數(shù)據(jù)、數(shù)字高程數(shù)據(jù)以及遙感影像數(shù)據(jù)，定量評價2015—2020年大連市果園土壤侵蝕量和土壤侵蝕速率，以期為大連地區(qū)果園土壤的水土保持規(guī)劃、區(qū)域水土流失治理提供理論基礎(chǔ)。

1 材料與方法

1.1 研究區(qū)概況

大連市位于中國東北地區(qū)最南端（120°58′～123°31′ E，38°43′ ～40°12′ N），東、西部分別與黃海和渤海相鄰，南端與山東半島隔海相望。山地丘陵多，平原低地少，地勢北高南低、北寬南窄，由中央軸部向東南和西北兩側(cè)傾斜。大連市屬于暖溫帶大陸性季風氣候，兼有海洋性特點，年平均氣溫為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。土壤類型有棕壤、褐土、草甸土、濱海鹽土和水稻土等，其中地帶性棕壤分布最廣。

大連市轄區(qū)包括2個縣級市（瓦房店市、莊河市）、1個縣（長海縣）和7個區(qū)（中山區(qū)、西崗區(qū)、沙河口區(qū)、甘井子區(qū)、旅順口區(qū)、金州區(qū)、普蘭店區(qū)）。截至2021年末，區(qū)內(nèi)戶籍人口共有603.6萬人，屬特大城市。多年來，大連市一直重視農(nóng)產(chǎn)品品牌建設(shè)，自2019年起，“大連蘋果”和“大連櫻桃”等6個地理標志農(nóng)產(chǎn)品陸續(xù)被列入國家地理標志農(nóng)產(chǎn)品保護工程，推動大連優(yōu)質(zhì)特色農(nóng)產(chǎn)品國際化，同時也帶動了當?shù)剞r(nóng)業(yè)經(jīng)濟發(fā)展^[19]。

1.2 數(shù)據(jù)來源與預(yù)處理

本研究在高德地圖和百度地圖開放平臺——坐標拾取器中以關(guān)鍵詞“果園”“采摘園”“櫻桃園”“草莓園”“葡萄園”“蘋果園”“櫻桃莊園”進行檢索，得到563條記錄及經(jīng)緯度坐標。將檢索記錄與遙感影像對比以剔除無關(guān)數(shù)據(jù)，最終獲取523條有效數(shù)據(jù)，并在ArcGIS中基于2018年高德衛(wèi)星遙感影像目視解譯果園邊界。

大連市1 km分辨率逐月降雨數(shù)據(jù)集（2015—2020年）來自國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心（http：//www.geodata.cn）；大連市土壤屬性數(shù)據(jù)來源于世界土壤數(shù)據(jù)庫（harmonized world soil database v1.2， HWSD）^[20]；大連市土地利用數(shù)據(jù)來自清華大學(xué)Gong等^[21]監(jiān)測的2017年10 m分辨率土地利用數(shù)據(jù)；大連市土壤類型空間分布數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境與科學(xué)數(shù)據(jù)中心（https：//www.resdc.cn/）；數(shù)字高程數(shù)據(jù)來源于美國國家航空航天局（NASA）發(fā)布的全球30 m分辨率DEM數(shù)據(jù)^[22]；遙感影像數(shù)據(jù)來源于美國地質(zhì)勘探局Landsat-8 2015—2020年衛(wèi)星數(shù)據(jù)（https：//earthexplorer.usgs.gov/），并基于ENVI 5.3通過波段運算得出大連市逐月植被指數(shù)數(shù)據(jù)。

1.3 CSLE模型

本研究基于中國土壤流失方程（CSLE）^[9]計算土壤侵蝕模數(shù)，CSLE模型表達式如下：

A=R·K·L·S·B·E·T。（1）

式中： A為土壤侵蝕模數(shù)，t/（hm²·a）；R為降雨侵蝕力因子，MJ·mm/（hm²·h·a）；K 為土壤可蝕性因子，t·hm² ·h/（hm²·MJ·mm）；L、S 分別為坡長、坡度因子；B 為生物措施因子；E 為工程措施因子；T 為耕作措施因子。

降雨侵蝕力因子是表述降雨過程導(dǎo)致土壤發(fā)生侵蝕的潛在能力，反映了雨滴擊濺和徑流對土壤及土壤顆粒的沖刷和轉(zhuǎn)運程度^[8]。運用 Fournier 指數(shù)法^[23]及前人經(jīng)驗計算大連市降雨侵蝕力^[24]；土壤可蝕性因子表示土壤能夠抵抗降雨等外力侵蝕的能力，是影響土壤侵蝕的內(nèi)在因素^[8]。基于Sharpley等^[25]提出的EPIC模型并根據(jù)張科利等^[26]的研究結(jié)果對EPIC 模型進行改進，得到大連市K因子圖層；坡長、坡度因子也被統(tǒng)稱為地形因子，反映了地形特征對土壤流失量的影響^[8]。借助符素華等^[27]提供的方法生成大連市L、S因子圖層；生物措施因子反映了植被覆蓋對土壤侵蝕的抑制作用，B值越小，表示對土壤侵蝕的抑制性越強，反之則越弱^[9]。利用 ENVI 軟件計算歸一化植被指數(shù)（NDVI）和植被覆蓋度（f），采用蔡崇法等^[28]建立的分段式方程計算B值，得到大連市B因子圖層；工程措施因子為采取某種工程措施下的土壤流失量與相同條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種耕作措施下土壤流失量與平作情況下土壤流失量的比值^[9]。由于缺少工程措施數(shù)據(jù)，本研究E 因子賦值為1，T因子則根據(jù)不同坡度條件來確定。土地利用類型為非耕地的賦值為1，耕地則根據(jù)坡度范圍賦值，即坡度為0°，T因子值為0；坡度≤5°，T因子值為0.1；坡度為（5°，10°]，T因子值為0.221；坡度為（10°，15°]，T因子值為0.305；坡度為（15°，20°]，T因子值為0.575；坡度為（20°，25°]，T因子值為0.705；坡度＞25°，T因子值為1。

根據(jù)CSLE模型中各因子的關(guān)系，在ArcGIS中將研究區(qū)上述各因子的柵格圖層通過地圖代數(shù)工具相乘，計算出2015—2020年大連市和大連市果園平均土壤侵蝕模數(shù)，根據(jù)水利部制定的SL 190—2007《土壤侵蝕分類分級標準》^[29]對其進行等級劃分。結(jié)合研究區(qū)降雨特征劃分降雨量等級（≤550、（550，600]、（600，700]、（700，900]、（800，900]、（900，1 000]、gt;1 000 mm），同時參考《土壤侵蝕分類分級標準》對坡度進行等級劃分。

2 結(jié)果與討論

2.1 大連市土壤侵蝕時空分異特征

以CSLE模型計算結(jié)果表明，大連市2015—2020年平均土壤侵蝕模數(shù)依次為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年大連市土壤侵蝕等級為輕度侵蝕，2019—2020年為中度侵蝕，2018年為強烈侵蝕（圖1）。

大連市土壤侵蝕以北側(cè)和南側(cè)最為嚴重，2015—2016年強烈及以上等級土壤侵蝕主要集中在莊河市北部地區(qū)，2017年后侵蝕區(qū)域向南擴展，最南部旅順口區(qū)和甘井子區(qū)強烈及以上等級侵蝕面積逐漸增加，這與崔云燕^[24]、劉思藝等^[30]對大連市土壤侵蝕評價的研究結(jié)果相符。

大連市土壤侵蝕面積占大連市總面積的40%以上，其中2018、2020年土壤侵蝕面積接近50%。大連市土壤侵蝕面積隨著侵蝕等級的增加而降低，微度侵蝕面積占比最大，其次為輕度侵蝕，每年占20%～25%，劇烈侵蝕面積占比最小，每年在1.46%～12.25%。土壤侵蝕量則隨著侵蝕等級的增加而增加，微度侵蝕量僅占土壤侵蝕總量的1%，極強烈侵蝕和劇烈侵蝕面積之和占比約為10%，但是對土壤侵蝕總量的貢獻率每年均達到50%以上，2018年甚至達到了88.51%。上述分析表明，大連市土壤侵蝕面積較大，且局部地區(qū)侵蝕嚴重，其中極強烈和劇烈侵蝕是水土流失的重點治理對象。

2.2 大連市果園土壤侵蝕模數(shù)分異特征

2.2.1 果園土壤侵蝕的空間分布特征

大連市果園土壤侵蝕具有明顯的空間分布特征。CSLE模型計算結(jié)果顯示，2015—2020年大連市果園多年平均年土壤侵蝕量為3.9×10⁴ t，多年平均土壤侵蝕模數(shù)為2 993.50 t/（km²·a），屬于中度侵蝕。統(tǒng)計果園不同侵蝕等級多年平均土壤侵蝕模數(shù)和土壤侵蝕量（表1）表明：大連市果園土壤侵蝕以微度侵蝕和輕度侵蝕為主，兩者占大連市果園總面積的73.07%，但侵蝕量只占了多年平均土壤侵蝕總量的12.05%；中度及以上等級侵蝕面積僅占總面積的26.93%，土壤侵蝕量比例卻高達87.95%。

各行政區(qū)果園面積從大到小表現(xiàn)為金州區(qū)gt;旅順口區(qū)gt;甘井子區(qū)gt;莊河市g(shù)t;瓦房店市g(shù)t;普蘭店區(qū)，多年平均土壤侵蝕模數(shù)則表現(xiàn)為甘井子區(qū)gt;旅順口區(qū)gt;瓦房店市g(shù)t;金州區(qū)gt;莊河市g(shù)t;普蘭店區(qū)，多年平均土壤侵蝕量從大到小表現(xiàn)為金州區(qū)gt;甘井子區(qū)gt;旅順口區(qū)gt;瓦房店市g(shù)t;莊河市g(shù)t;普蘭店區(qū)。除甘井子區(qū)外，其余5區(qū)土壤侵蝕等級均以微度侵蝕和輕度侵蝕為主，兩者在各區(qū)面積占比超過了60%，其中在普蘭店區(qū)和莊河市的面積占比甚至達到了90%以上；甘井子區(qū)則以輕度侵蝕為主，其他各等級侵蝕面積占比相差不大，為14%～18%。大連市果園大部分地區(qū)土壤侵蝕強度低，但局部地區(qū)水土流失嚴重，強烈及以上侵蝕主要分布在南部的甘井子區(qū)、金州區(qū)和旅順口區(qū)，整體呈南高北低的分布特征。

大連市地處山地丘陵區(qū)，果園的坡度主要分布在0°～8°之間，占大連市果園總面積的76.79%；其次在8°～15°之間，占大連市果園總面積的15.40%；坡度15°以上的果園占比不到10%。統(tǒng)計2015—2020年大連市果園不同坡度等級土壤侵蝕特征（圖2）。大連市果園土壤侵蝕面積隨坡度的增加而降低，平均土壤侵蝕模數(shù)隨坡度的增加而增加。土壤侵蝕主要集中在25°以下坡度范圍內(nèi)，0°～8°坡度范圍內(nèi)的土壤侵蝕面積分別是8°～15°和15°～25°的4.99、11.16倍，土壤侵蝕量則分別是上述兩個坡度等級的0.76和0.94倍，說明大連市果園在8°～25°等級內(nèi)的土壤侵蝕尤為嚴重。要重點監(jiān)測研究區(qū)內(nèi)坡度25°以下果園土壤侵蝕的動態(tài)變化，著重治理8°～25°范圍內(nèi)果園的水土流失問題，及時采取合理規(guī)范的水土保持措施。

2.2.2 果園土壤侵蝕動態(tài)分異特征

2015—2020年大連市果園土壤侵蝕表現(xiàn)為動態(tài)上升：2015—2018年大連市果園土壤侵蝕整體呈上升趨勢，2018—2020年整體呈下降趨勢，2020年平均土壤侵蝕模數(shù)較2015年增加了183.20%（圖3）。

其中，2016年平均土壤侵蝕模數(shù)最小，較2015年降低了6.43%；2018年平均土壤侵蝕模數(shù)最大，為6 384.55 t/（km²·a），較2016年增加了4.55倍；2019年平均土壤侵蝕模數(shù)較2018年減少近一半；2020年平均土壤侵蝕模數(shù)略有上升，較2019年增加了2.49%。分析2016、2018年降水量可知，2018年降水比2016年降水更為集中。2018年降水最大月份降水量占全年總降水量的55.06%，2016年降水最大月份降水量占全年總降水量的26.45%，使得2018年R值是2016年R值的3.41倍，導(dǎo)致2018年平均土壤侵蝕模數(shù)較2016年成倍增加。

研究區(qū)降水量年際變化較大，導(dǎo)致平均土壤侵蝕模數(shù)和土壤侵蝕量在不同的年份表現(xiàn)出不同的特征。分析2015—2020年大連市果園不同降水量等級上平均土壤侵蝕模數(shù)與土壤侵蝕量的關(guān)系，結(jié)果表明：2015—2018年平均土壤侵蝕模數(shù)在600～700 mm降水等級內(nèi)最大，2019、2020年平均土壤侵蝕模數(shù)最大值分別位于降水500～600 mm、800～900 mm等級內(nèi)；從土壤侵蝕量看，2015—2016年土壤侵蝕量最大值位于各年第1個降水等級內(nèi)，2017—2020年土壤侵蝕量最大值位于各年第2個降水等級內(nèi)。大連市果園平均土壤侵蝕模數(shù)和土壤侵蝕量均隨著降水量的增加先增加后減少，其土壤侵蝕與降水量有一定的關(guān)系。

為進一步分析2015—2020年大連市果園土壤侵蝕模數(shù)的動態(tài)演變，以平均土壤侵蝕模數(shù)最大的年份（2018年）為節(jié)點，制作2015—2018、2018—2020年土壤侵蝕等級轉(zhuǎn)移矩陣，結(jié)果如表2所示。2015—2018年，土壤侵蝕分級沒有改變的果園面積有7.40 km²，向其他等級轉(zhuǎn)移的面積有5.68 km²，其中，96.96%由低等級轉(zhuǎn)向高等級。在低等級轉(zhuǎn)向高等級的區(qū)域中，55.44%轉(zhuǎn)移至強烈及以上侵蝕等級。2018—2020年，土壤侵蝕分級沒有發(fā)生變化的區(qū)域占8.68 km²，侵蝕等級發(fā)生變化的區(qū)域有4.40 km²，其中，將近76.82%的區(qū)域由高等級轉(zhuǎn)移至低等級。在轉(zhuǎn)移至低等級的土壤中，有59.60%的區(qū)域由高等級轉(zhuǎn)移至微度侵蝕和輕度侵蝕，其中31.82%來自強烈及以上強度等級。

2.3 果園種植設(shè)施分析

將果園按照種植設(shè)施類型分為：Ⅰ類，設(shè)施大棚果園；Ⅱ類，露地/設(shè)施大棚果園；Ⅲ類，露地栽培果園。本研究選取的523個大連市果園中，有99個Ⅰ類果園、16個Ⅱ類果園和408個Ⅲ類果園。結(jié)合大連市果園土壤侵蝕圖分析不同種植設(shè)施果園的土壤侵蝕量和平均土壤侵蝕模數(shù)（表3），大連市果園種植設(shè)施仍以Ⅲ類為主，Ⅰ類次之。本研究基于ENVI軟件計算歸一化植被指數(shù)和植被覆蓋度，進而計算B因子值。經(jīng)研究發(fā)現(xiàn)，NDVI指數(shù)中農(nóng)業(yè)大棚與植被的可分性較小、易混淆^[31]，故大棚覆蓋區(qū)與露天果園的植被覆蓋度相近，Ⅰ類果園土壤侵蝕模數(shù)計算值為1 572.69 t/（km²·a），土壤侵蝕量計算值為2 526.09 t/a，但真實土壤侵蝕量應(yīng)為零（表3）。大棚覆蓋分別減少了Ⅰ類地區(qū)2 526.09 t/a的土壤侵蝕以及Ⅱ類地區(qū)27.4%的土壤侵蝕。設(shè)施大棚技術(shù)的發(fā)展改變了農(nóng)戶靠天種地的方式，在人工改善通風透光條件的同時也能很好地防治侵蝕性降雨造成的果園土壤、水分和肥力的流失。在果園水土保持治理中，建議條件允許的地區(qū)適當引進設(shè)施農(nóng)業(yè)技術(shù)，從而降低果園土壤侵蝕程度，提高果樹產(chǎn)量，促進大連市果園產(chǎn)業(yè)高速、平穩(wěn)、可持續(xù)發(fā)展。

Ⅲ類果園不僅面廣量大，也是研究區(qū)域內(nèi)水土流失的主要策源地，是本研究研究的重點對象，因此對該類果園的坡度、降水以及植被覆蓋度進行細化分析。結(jié)果表明：不同坡度等級上，Ⅲ類果園平均土壤侵蝕模數(shù)隨坡度等級的增加而增加；不同降水等級上，Ⅲ類果園平均土壤侵蝕模數(shù)在lt;700 mm時隨降水量的增加而增加，在700 mm以上時有所減小，可能與降水量在700 mm以上的果園面積較小有關(guān)（僅占Ⅲ類果園面積1.5%）；不同植被覆蓋度等級上，Ⅲ類果園平均土壤侵蝕模數(shù)隨植被覆蓋度的增加先減小后增加。植被覆蓋度在30%以下時，Ⅲ類果園平均土壤侵蝕模數(shù)為7 812.24 t/（km²·a）；植被覆蓋度在30%～60%時，Ⅲ類果園平均土壤侵蝕模數(shù)最低，為2 511.34 t/（km²·a）；植被覆蓋度大于60%時，Ⅲ類果園平均土壤侵蝕模數(shù)為3 243.81 t/（km²·a）。植被覆蓋度大于60%時平均土壤侵蝕模數(shù)略有升高，可能是因為該覆蓋度等級上的Ⅲ類果園平均坡度較高，為7.42°，而植被覆蓋度在30%以下和30%～60%的Ⅲ類果園平均坡度分別為5.35°和3.96°。上述分析表明，植被覆蓋能夠有效地改善研究區(qū)內(nèi)的水土流失狀況，同時坡度會在一定程度上加速果園土壤侵蝕。因此Ⅲ類果園在開發(fā)時應(yīng)合理規(guī)劃選址，適當提高果園的表土蓋度，采用以自然恢復(fù)為主、人為治理為輔的生態(tài)保護措施。

3 討 論

1）大連市土壤侵蝕程度南北高中間低，土壤侵蝕嚴重區(qū)集中在最北部及南部的低山丘陵區(qū)；2015—2020年土壤侵蝕程度呈現(xiàn)出先增加后減少整體上升的變化趨勢，2018年平均土壤侵蝕模數(shù)最大，為6 063.30 t/（km²·a），是2015年土壤侵蝕模數(shù)的4.8倍。

2）大連市果園土壤侵蝕以微度侵蝕和輕度侵蝕為主，強烈及以上等級侵蝕主要分布在甘井子區(qū)、金州區(qū)和旅順口區(qū)，具有南高北低的土壤侵蝕空間分異規(guī)律；2015—2018年，96.96%的果園土壤侵蝕等級由低等級轉(zhuǎn)向高等級；2018—2020年，76.82%的果園土壤侵蝕等級由高等級轉(zhuǎn)向了低等級。

3）大連市果園土壤侵蝕面積隨著坡度的增加而降低，平均土壤侵蝕模數(shù)隨著坡度等級的升高逐步增加；2015—2018年平均土壤侵蝕模數(shù)在600～700 mm降水等級內(nèi)最大，2019、2020年平均土壤侵蝕模數(shù)最大值分別位于500～600 mm、800～900 mm降雨等級區(qū)。

4）種植設(shè)施對大連市果園的土壤侵蝕有一定的影響，大棚覆蓋可以減少果園土壤侵蝕；適當提高植被蓋度能夠改善露地栽培果園的水土流失狀況。

本研究基于CSLE模型預(yù)測大連市果園土壤侵蝕狀況，進一步研究將從以下兩個方面展開：①土壤侵蝕預(yù)報研究多建立在實測數(shù)據(jù)的基礎(chǔ)上，耗費很多人力物力，遙感手段在該領(lǐng)域的應(yīng)用克服了上述不足，但其精度需要進一步驗證。經(jīng)查閱遼寧省水利廳發(fā)布的水土保持公報，2018—2020年大連市土壤侵蝕面積占比分別為29.30%、30.74%、30.92%，而本研究得到的2018—2020年大連市土壤侵蝕面積占比為49.17%、41.90%、47.44%，利用CSLE模型對大連市土壤侵蝕模數(shù)進行估算的結(jié)果整體偏高但相對可信。此外，亦有學(xué)者基于GIS與RUSLE對小流域中不同土地利用類型^[32]（包括果園）的土壤侵蝕進行估算，因此本研究基于CSLE模型得到的大連市果園土壤侵蝕模數(shù)的方法可行，亦能夠反應(yīng)研究區(qū)的真實情況。然而，本研究結(jié)果仍需對大連市果園進行實地驗證，以提高模型估算果園土壤侵蝕的精度。另外由于近3年受到疫情影響，未進行長期的野外試驗，此驗證將在后續(xù)研究中進行。②果園是介于農(nóng)地與林地之間一種特殊的土地利用類型。Zhang等^[33]基于GIS和USLE模型提出專門用于預(yù)測林地土壤侵蝕模數(shù)的FUSLE模型。該模型在USLE模型基礎(chǔ)上增加了凋落物因子，提高了林地土壤侵蝕估算的準確性。本研究在預(yù)測大連市果園土壤侵蝕時，由于果園地表凋落物蓋度遠不及林地，且果園凋落物可能被清理，因此在計算時未著重考慮凋落物因子。但果園地表凋落物在未被清理的時間段內(nèi)可一定程度上降低水土流失，日后的研究中應(yīng)考慮凋落物的影響，提高果園水土流失預(yù)測的精確性。

參考文獻（reference）：

[1]怡凱，王詩陽，王雪，等. 基于RUSLE模型的土壤侵蝕時空分異特征分析： 以遼寧省朝陽市為例[J]. 地理科學(xué)，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]張燕，彭補拙，高翔，等. 人類干擾對土壤侵蝕及土壤質(zhì)量的影響： 以蘇南宜興低山丘陵區(qū)為例[J]. 地理科學(xué)，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]王堅樺，邱凡，謝福倩，等. 清耕對赤紅壤果園坡面土壤侵蝕特征的影響[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]大連市統(tǒng)計局. 大連統(tǒng)計年鑒[M]. 北京： 中國統(tǒng)計出版社， 2021. Dalian Municipal Bureau of Statistics. Dalian statistical yearbook[M]. Beijing： China Statistical Publishing House， 2021.

[5]王耕，韓冬雪. 1964—2014年大連市降雨侵蝕力時空演變分析[J]. 中國水土保持，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]陳茁新， 張金池. 近10年全球水土保持研究熱點問題述評[J]．南京林業(yè)大學(xué)學(xué)報（自然科學(xué)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]陳美淇，魏欣，張科利，等. 基于CSLE模型的貴州省水土流失規(guī)律分析[J]. 水土保持學(xué)報.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]魏夢瑤，張卓棟，劉瑛娜，等. 基于CSLE模型的廣西土壤侵蝕規(guī)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]陳銳銀，嚴冬春，文安邦，等. 基于GIS/CSLE的四川省水土流失重點防治區(qū)土壤侵蝕研究[J]. 水土保持學(xué)報，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]董麗霞，蔣光毅，張志蘭，等. 重慶市中國土壤流失方程因子研究進展[J]. 中國水土保持，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]陳羽璇，楊勤科，劉寶元，等. 基于CSLE模型的珠江流域土壤侵蝕強度評價[J]. 中國水土保持科學(xué)（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，萬小星，龔長春，等. 基于CSLE模型評價江西省土壤侵蝕強度空間分布[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，陳家慧，華麗，等. 基于CSLE的湖北省土壤侵蝕時空變化特征[J]. 水土保持學(xué)報，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]吳思穎，汪小欽，曾舒嬌，等. 基于CSLE的安溪縣土壤侵蝕估算與分析[J]. 中國水土保持科學(xué)，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，黃曦濤，陳瑞. 基于CSLE模型的神木市土壤侵蝕模數(shù)計算[J]. 中國水土保持，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，楊志，李建國，等. 基于CSLE模型的寧夏黃土地區(qū)水土保持措施因子研究[J]. 中國水土保持，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]馬亞亞，王杰，張超，等. 基于CSLE模型的陜北紙坊溝流域土壤侵蝕評價[J]. 水土保持通報， 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，屈創(chuàng)，趙國棟. 基于中國土壤流失方程模型的區(qū)域土壤侵蝕定量評價[J]. 水土保持通報，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]孫禹，哈斯額爾敦，杜會石. 基于GIS的東北黑土區(qū)土壤侵蝕模數(shù)計算[J]. 中國水土保持科學(xué)，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]顧治家，謝云，李驁，等. 利用CSLE模型的東北漫川漫崗區(qū)土壤侵蝕評價[J]. 農(nóng)業(yè)工程學(xué)報，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]蘇新宇，吳鎮(zhèn)宇，劉霞，等. 基于CSLE模型的區(qū)域水土流失風險分析[J]. 中國水土保持科學(xué)（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]黃艷玲，欒其琛. 大連市綠色有機及地理標志農(nóng)產(chǎn)品發(fā)展現(xiàn)狀與對策建議[J]. 農(nóng)產(chǎn)品質(zhì)量與安全，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. 大連市土壤侵蝕評價[D]. 大連： 遼寧師范大學(xué)，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]張科利，彭文英，楊紅麗. 中國土壤可蝕性值及其估算[J]. 土壤學(xué)報，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]符素華，劉寶元，周貴云，等. 坡長坡度因子計算工具[J]. 中國水土保持科學(xué)，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，丁樹文，史志華，等. 應(yīng)用USLE模型與地理信息系統(tǒng)IDRISI預(yù)測小流域土壤侵蝕量的研究[J]. 水土保持學(xué)報，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]中華人民共和國水利部.土壤侵蝕分級分類標準[S]. 北京： 中國水利水電出版社， 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]劉思藝，黃鳳榮. 基于GIS的大連市土壤侵蝕強度估測[J]. 科學(xué)技術(shù)創(chuàng)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]湯紫霞. 福建省農(nóng)業(yè)大棚遙感信息提取[D]. 福州： 福州大學(xué)，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，張旭東，何丹，等. 基于GIS與RUSLE的武陵山區(qū)小流域土壤侵蝕評價研究[J]. 長江流域資源與環(huán)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.

（責任編輯 孟苗婧 鄭琰燚）