基于RUSLE模型和地理探测器的黄河“几字弯”土壤侵蚀时空演变与驱动因素研究

Spatiotemporal evolution and driving factors of soil erosion in Ω-shaped bend of Yellow River based on RUSLE model and geodetector

摘要

目的 系统探究黄河“几字弯”土壤侵蚀时空演变规律及其驱动因素，推动黄土高原地区社会经济发展，加强生态环境治理与修复以及有效开展水土流失防治工作。 方法 通过RUSLE模型与GIS技术分析2000—2020年黄河“几字弯”土壤侵蚀变化情况及时空分布特征，结合地理探测器定量分析单因子及其交互作用对土壤侵蚀强度的影响程度，系统评估了不同驱动因素的解释能力。 结果 （1） 黄河“几字弯”区域土壤侵蚀模数总体呈下降趋势，从2000年的48.76 t/（hm² · a）降至2020年的20.89 t/（hm² · a），下降了约57.16%。（2） 植被覆盖度是土壤侵蚀最主要的驱动因子，其q值最高可达0.317 4，与降水量的交互作用对土壤侵蚀的解释力最强，最高可达0.475 0，说明植被恢复与降雨特征的协同效应对降低土壤侵蚀风险具有关键作用。（3） 坡度在与降水量和植被覆盖度交互后，其解释力显著增强，成为第二、三主导交互因子，q值最高分别为0.393 3，0.330 4，说明降水与植被变化在多因子耦合条件下可放大坡度的作用，在区域侵蚀机制中具有关键控制效应。 结论 2000—2020年黄河“几字弯”土壤侵蚀整体呈减弱趋势，其时空分异主要受植被覆盖度及其与降水量的交互作用控制；在多因子耦合条件下，坡度对土壤侵蚀的调控作用显著增强。

Abstract

Objective This study aims to comprehensively understand the soil erosion change patterns and driving factors of the Ω-shaped bend of the Yellow River， promote the social and economic development of the Loess Plateau region， enhance ecological management and restoration efforts， and effectively carry out soil erosion prevention and control work. Methods The RUSLE model and GIS technique were combined with the geodetector to analyze the changes and spatiotemporal distribution characteristics of soil erosion in the Ω-shaped bend of the Yellow River from 2000 to 2020. The geodetector was then used to quantify the effects of single-factors and their interactions on soil erosion intensity， and to systematically evaluate the explanatory power of different driving factors. Results （1） The soil erosion modulus in the Ω-shaped bend of the Yellow River exhibited a marked decreasing trend， declining from 48.76 t/（hm² · a） in 2000 to 20.89 t/（hm² · a） in 2020， representing a reduction of approximately 57.16%. （2） Vegetation coverage was identified as the primary driving factor of soil erosion， with its q value reaching up to 0.317 4. The interaction between vegetation coverage and precipitation showed the strongest explanatory power （with a maximum q value of 0.475 0）， indicating that the synergistic influence of vegetation recovery and rainfall characteristics played a crucial role in reducing soil erosion risk. （3） When interacting with precipitation and vegetation coverage， the explanatory power of slope increased substantially， becoming the second and third dominant interaction factors， with maximum q values of 0.393 3 and 0.330 4， respectively. This suggested that， under multi-factor coupling， variations in precipitation and vegetation amplified the role of slope， highlighting its important control effect in shaping regional soil erosion processes. Conclusion From 2000 to 2020， the soil erosion in the Ω-shaped bend of the Yellow River shows an overall weakening trend， and its spatiotemporal differentiation is mainly controlled by the vegetation coverage and its interaction with precipitation. Under the condition of multi-factor coupling， the regulatory effect of slope on soil erosion is significantly enhanced.

Graphical abstract

关键词

RUSLE模型 / 黄河“几字弯” / 土壤侵蚀 / 地理探测器

Key words

RUSLE model / the Ω-shaped bend of the Yellow River / soil erosion / geodetector

土壤侵蚀作为全球土地退化最严重的类别之一^［1］，对全球粮食安全和生态可持续发展构成了严峻挑战^［2］。中国是受土壤侵蚀影响最为严重的国家之一，而黄河流域则是中国水土流失的核心区。《黄河流域水土保持公报（2023年）》公布的数据显示，黄河流域的侵蚀面积达到了25.11万km²，占该区域土地总面积的31.6%，约占全国侵蚀总面积的10%，对中国生态安全屏障构成严重威胁。黄河“几字弯”位于黄河上中游的过渡带和黄土高原与内蒙古高原的交汇区，在国家生态安全与高质量发展格局中具有重要战略地位。该区域地形破碎、植被稀疏、降雨集中且人类活动强烈，不仅是京津与华东地区沙尘暴的重要沙源区与路径区，更是黄河中下游粗泥沙的主要来源地^［3］，其生态健康状况直接关系到整个黄河流域的高质量发展。因此，系统量化该地区土壤侵蚀的时空演变特征并揭示其驱动机制，对制定差异化治理策略、推动土地功能优化与区域可持续发展具有重要意义。

目前，USLE和RUSLE模型已广泛应用于土壤侵蚀的定量评估与空间模拟研究^［4］，RUSLE在USLE的基础上对各影响因子及计算方法进行了优化，模型结构更加简洁合理，参数获取方式更加便捷，提高了适用性和评价精度^［5］。近年来，众多学者将RUSLE模型与地理信息技术相结合，在多种空间尺度上开展土壤侵蚀定量模拟与分析，以揭示其时空演变规律。例如，张艳等^［6］基于RUSLE模型和地理探测器，结合GIS和水文分析，系统分析了黄河中游退耕前后区域降雨与土地利用的时空变化特征，揭示不同年份土壤侵蚀格局及其主导驱动因子；何佳瑛等^［7］基于RUSLE模型构建了土壤侵蚀强度对土地利用/覆被变化（Land-Use and Land-Cover Change， LUCC）响应的分析框架，结果表明在延河流域的不同发展阶段，受多种社会经济因素驱动的LUCC会引起侵蚀过程及土壤保持功能的差异化变化。Shi等^［8］将RUSLE模型与残差趋势法相结合，利用气候因子和植被指数分别量化了黄土高原气候变化和人类活动对土壤侵蚀的贡献程度；Wu等^［9］基于RUSLE模型估算了黄土高原1990—2020年的土壤侵蚀模数，利用景观格局指数分析侵蚀格局及其演变特征，采用随机森林评估各影响因子的贡献程度，利用地理加权回归与时间加权回归模型揭示县域尺度驱动因素的空间与时间异质性。综上分析，RUSLE模型作为一种有效的评估工具，在区域尺度上的土壤侵蚀研究中具有较高的适用性与操作性，尤其与GIS等空间信息技术相结合时，能够实现对侵蚀空间格局与时空动态的精准模拟，这为形成因地制宜的水土流失空间管控方案提供了关键的技术支撑。

截至目前，学界围绕黄河流域的土壤侵蚀机理^［10］、演变特征及其驱动因素^［11］已开展大量研究。然而，受数据质量与可获取性限制，针对黄河“几字弯”地区的相关研究仍相对较少，其主要困难体现在数据年份、数据类型、处理方法、空间分辨率及时空尺度等方面存在不一致性，导致难以对该区域的土壤侵蚀状况进行全面系统的评估。基于以上，本文选取黄河“几字弯”为研究区，采用RUSLE模型计算2000—2020年的土壤侵蚀模数，分析RUSLE模型因子和土壤侵蚀强度的时空变化特征，并利用地理探测器评估各驱动要素对土壤侵蚀的解释力，为黄河“几字弯”地区生态治理、环境保护、土地功能提升和区域可持续发展提供科学依据。

1 研究区概况

黄河“几字弯”区域是黄河中游的核心地理单元，其名称源于黄河围绕陕西、山西、内蒙古、宁夏、甘肃省（自治区）形成的“几”字形独特地理区域^［12］。黄河“几字弯”区域范围的界定因研究视角与目标的差异而尚未统一，本文综合考虑其独特的地理特征及在国家生态安全格局中的战略地位，将研究区范围划分为西起“几”字形弯折起点甘肃省白银市，东抵其终点山西省临汾市，北达内蒙古包头市北界，南至临汾市南缘，所形成的跨黄河中上游、涵盖5省区17个地市的地理单元^［13］，如图1所示，总面积约40.17万km²，其地理坐标大致在北纬33°—42°，东经102°—112°，地处我国干旱-半干旱区，年均降水量介于146~463 mm，年均气温介于4.6~16.7 ℃^［14］。

2 研究方法

2.1 数据来源与预处理

降水量数据来自国家青藏高原科学数据中心（https：∥data.tpdc.ac.cn/），数据格式为NetCDF，时间分辨率为逐月，单位为0.1 mm。土壤数据为基于联合国粮农组织（Food and Agriculture Organization， FAO）和维也纳国际应用系统研究所（International Institute for Applied Systems Analysis， IIASA）联合开发的世界土壤数据库（HWSD2.0），空间分辨率为1 km，数据格式为TIFF。归一化植被指数数据来源于国家青藏高原科学数据中心（https：∥data.tpdc.ac.cn/），时间范围为2000—2020年空间分辨率为250 m，时间分辨率为逐月，数据格式为TIFF。SRTM DEM来源于国家地球系统科学数据中心（https：∥www.geodata.cn/），分辨率为250 m。土地利用数据来自中国科学院资源环境科学数据中心（https：∥www.resdc.cn/），时间范围为2000—2020年空间分辨率为1 km，数据格式为TIFF。由于数据来源多样，为保持数据一致性^［15］，将所有数据重采样至1 km分辨率。

2.2 RUSLE模型

RUSLE模型在计算时综合了降雨、土壤、地形、植被覆盖和水土保持措施等因素对土壤侵蚀的影响，RUSLE模型的表达式如下^［16］：

A=R\times K\times LS\times C\times P（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 · h）/（MJ · mm）〕；L为坡长因子；S为坡度因子；C为植被覆盖因子；P为水土保持措施因子。L，S，C，P均为无量纲参数，通过计算得出2000—2020年空间分辨率为1 km的土壤侵蚀数据^［17］。

2.2.1 降雨侵蚀力因子

降雨侵蚀力因子（R）用来定量描述降雨的物理特性（如降雨冲刷）对土壤侵蚀的影响大小。降雨侵蚀力因子（R）依据Wischmeier和Smith^［18］提出的月尺度计算模型估算，计算公式如下：

R={\displaystyle \sum _{i=\mathrm{1}}^{\mathrm{12}}}\mathrm{1.75}\times {\mathrm{10}}^{〔\mathrm{1.51}\mathrm{g}\left(\frac{P_i^{\mathrm{2}}}{\mathrm{A}\mathrm{P}}\right)-\mathrm{0.8188}〕}（2）

式中：AP为年均降水量（mm）；P_i 为栅格尺度上第i月（i=1，2，…，12）平均降水量（mm）。

2.2.2 土壤可蚀性因子

土壤可蚀性因子（K）用于定量表征土壤自身对侵蚀作用的敏感性或内在脆弱程度，K值越大，说明土壤受到的侵蚀风险越大。土壤可蚀性因子（K）采用EPIC模型计算^［19］。计算公式如下：

\begin{array}{l}{K}_{\mathrm{E}\mathrm{P}\mathrm{I}\mathrm{C}}=\left\{\mathrm{0.2}+\mathrm{0.3}\mathrm{e}\mathrm{x}\mathrm{p}〔-\mathrm{0.0256}\mathrm{S}\mathrm{A}\mathrm{N}\left(\mathrm{1}-\frac{\mathrm{S}\mathrm{I}\mathrm{L}}{\mathrm{100}}\right)〕\right\}\times \\ {\left(\frac{\mathrm{S}\mathrm{I}\mathrm{L}}{\mathrm{C}\mathrm{L}\mathrm{A}+\mathrm{S}\mathrm{I}\mathrm{L}}\right)}^{\mathrm{0.3}}\times \left\{\mathrm{1}-\frac{\mathrm{0.25}C}{〔C+\mathrm{e}\mathrm{x}\mathrm{p}\left(\mathrm{3.718}-\mathrm{2.947}C\right)〕}\right\}\times \\ 〔\mathrm{1}-\frac{\mathrm{0.7}\mathrm{S}{\mathrm{N}}_{\mathrm{1}}}{\mathrm{S}{\mathrm{N}}_{\mathrm{1}}+\mathrm{e}\mathrm{x}\mathrm{p}\left(-\mathrm{5.509}+\mathrm{22.899}\mathrm{S}{\mathrm{N}}_{\mathrm{1}}\right)}〕\end{array}（3）

K=\left(-\mathrm{0.01383}+\mathrm{0.51575}{K}_{\mathrm{E}\mathrm{P}\mathrm{I}\mathrm{C}}\right)\times \mathrm{0.1317}（4）

\mathrm{S}{\mathrm{N}}_{\mathrm{1}}=\mathrm{1}-\frac{\mathrm{S}\mathrm{A}\mathrm{N}}{\mathrm{100}}（5）

式中：K为修正后的土壤可蚀性因子［（t · h）/（MJ · mm）］；K_EPIC为修正前的土壤可蚀性因子［（t · h）/（MJ · mm）］；SAN为砂土（%）；SIL为壤土（%）；CLA为黏土（%）；C为土壤中的有机碳（%）。

2.2.3 地形因子

在进行土壤侵蚀分析时，坡长因子（L）用来描述因坡长变化导致的径流汇集效应对土壤侵蚀的影响。坡度因子（S）用来描述坡度变化通过影响径流流速和重力分量对土壤侵蚀的影响。

坡长因子采用Wischmeier等^［18］提出的公式进行计算。计算公式如下：

L={\left(\frac{\lambda }{\mathrm{22.13}}\right)}^m（6）

\lambda =l\times \mathrm{c}\mathrm{o}\mathrm{s}\alpha（7）

式中：λ为坡长（m）；m为坡度指数；l为水流长度（m）；α为坡度（°）。

当坡度α<0.57°时，m=0.2；当0.57°≤α<1.72°时，m=0.3；当1.72°≤α<2.56°时，m=0.4；当α≥2.56°时，m=0.5^［20］。

S根据不同坡度采用分段计算^［21］，计算公式为：

（8）

式中：θ为坡度（°）。

2.2.4 植被覆盖因子

植被覆盖因子（C）是一个重要的生态学参数，用于描述植被覆盖度对土壤侵蚀的影响。C值介于0~1，值为1表示地面完全裸露，没有植被，接近0则表示植被覆盖良好。其值的计算采用蔡崇法等^［22］提出的表达式，计算公式如下：

\mathrm{F}\mathrm{V}\mathrm{C}=\frac{\mathrm{N}\mathrm{D}\mathrm{V}\mathrm{I}-\mathrm{N}\mathrm{D}\mathrm{V}{\mathrm{I}}_{\mathrm{m}\mathrm{i}\mathrm{n}}}{\mathrm{N}\mathrm{D}\mathrm{V}{\mathrm{I}}_{\mathrm{m}\mathrm{a}\mathrm{x}}-\mathrm{N}\mathrm{D}\mathrm{V}{\mathrm{I}}_{\mathrm{m}\mathrm{i}\mathrm{n}}}（9）

（10）

式中：FVC为植被覆盖度；NDVI为归一化植被指数；NDVI_max，NDVI_min分别为它的最大值和最小值。

2.2.5 水土保持因子

水土保持措施因子（P）表示在相同自然条件下，采取治理措施后的土壤流失量与未采取任何措施时土壤流失量之间的相对比值^［20］。P值的范围在0~1，P=0时表示无土壤侵蚀发生，P=1时表示未实施任何水土保持措施。由于P因子在模型输入中通常存在较大的不确定性，本研究参考已有的文献成果^［23］，依据不同土地利用类型进行赋值：耕地、草地和林地的P值为0.31，0.16，0.05，其他土地利用类型统一赋值为1.00，得到分辨率为1 km的2000—2020年黄河“几字弯”P因子空间分布特征。

2.3 地理探测器

地理探测器（Geodetector）是由中国科学院王劲峰团队提出的基于空间分异性理论的一种统计学分析方法，其核心思想是通过解析地理要素的空间分异特性（Spatial Stratified Heterogeneity， SSH），识别不同环境因子对地理格局形成的驱动效应，深入揭示地理要素空间分异的内在机制，已被广泛应用于地理学、生态学、环境科学等多个领域，成为解析空间分异特征的有效工具^［24］。

分异及因子探测包括两方面，一是检验Y的空间分异性，二是定量评估某个驱动因子X对Y的空间分异格局形成的贡献程度，贡献度通过q值来度量^［25］，公式如下：

q=\mathrm{1}-\frac{{\displaystyle \sum _{h=\mathrm{1}}^L}{N}_h{\sigma }^{\mathrm{2}}}{N{\sigma }^{\mathrm{2}}}=\mathrm{1}-\frac{\mathrm{S}\mathrm{S}\mathrm{W}}{\mathrm{S}\mathrm{S}\mathrm{T}}（11）

\mathrm{S}\mathrm{S}\mathrm{W}={\displaystyle \sum _{h=\mathrm{1}}^L}{N}_h{\sigma }_h^{\mathrm{2}},\mathrm{S}\mathrm{S}\mathrm{T}=N{\sigma }^{\mathrm{2}}（12）

式中：h=1，…，L为变量Y或因子X的分层（Strata），即分类或分区；N_h 和N分别为第h层及整个研究区的单元数量；{\sigma }_h^{\mathrm{2}}和{\sigma }^{\mathrm{2}}分别为第h层与全区范围内Y值的方差。SSW和SST分别为层内方差之和（within sum of squares）和全区总方差（total sum of squares）。q值介于0~1，q值越大就表明因子X对Y的解释力越强，反之则越弱。

交互探测是计算两个驱动因子X₁与X₂共同作用时对Y空间分异的综合影响，因子X₁与X₂的共同作用对于因变量Y是增强还是减弱，二者关系可分为5种类型，见表1^［24］。

本文将黄河“几字弯”土壤侵蚀强度（Y）设为因变量，选取海拔（X₁）、坡度（X₂）、年均降水量（X₃）、植被覆盖度（X₄）和土地利用类型（X₅）5个因子为自变量。

3 结果与分析

3.1 土壤侵蚀因子

如图2所示，2000—2020年降雨侵蚀力因子R呈现出自西北向东南逐渐升高的空间分布特征，整体来看，年降雨分布存在较大的随机波动性。在所选取的5个时间点里，黄河“几字弯”R值平均值分别为271.68，256.69，423.79，263.26，806.22 （MJ · mm）/（hm² · h · a），呈现波动上升的趋势，从第一年到最后一年增加了约196%。

黄河“几字弯”土壤可蚀性因子K为0.008~0.048 （t · h）/（MJ · mm），平均值为0.031 （t · h）/（MJ · mm），由图3A可以看出，研究区K值呈现出四周高、中部地区低的空间分布特征。K值的大小与土壤砂粒、粉粒含量呈显著相关关系。地形因子LS如图3B所示，高值区主要沿黄河干支流及邻近区域分布，反映出河谷地带的地形特征所带来的较强侵蚀敏感性。

黄河“几字弯”植被覆盖因子C值范围在0~1，如图4所示，2000—2020年C值的空间分布特征基本相同，整体表现为西北地区高、东南地区低、中部地区高低交错分布的空间分布格局。从区域平均水平来看，研究期内C值整体呈下降趋势，反映出植被覆盖状况持续改善。随着植被覆盖度的提高，因地表裸露导致的土壤侵蚀风险也相对降低。

2000—2020年黄河“几字弯”水土保持因子P空间分布特征如图5所示，在所选的5个时间点，P因子的空间分布特征基本一致。从整体上看林地和草地在研究区内部有所增长。

3.2 土壤侵蚀强度变化特征

依据国家水利部门颁发的《土壤侵蚀分类分级标准（SL190—2008）》，对RUSLE模型的计算结果进行分级，将黄河“几字弯”2000—2020年土壤侵蚀强度分为微度、轻度、中度、强烈、极强烈和剧烈6个等级（表2）。

由图6可以看出，2000—2020年黄河“几字弯”的土壤侵蚀强度空间分布特征基本相同，呈现出西部地区比东部地区高、北部地区比南部地区高的空间分布格局。2000年、2005年、2010年、2015年和2020年平均土壤侵蚀模数依次为48.76，18.22，20.17，17.54，20.89 t/（hm² · a），其中2020年较2000年下降了57.16%，多年平均侵蚀模数为24.92 t/（hm² · a），属于轻度侵蚀，总体呈现下降趋势。结合表3可以得出，微度和轻度侵蚀在范围内占据主导地位，其总面积占比分别为43.22%，80.01%，75.32%，87.00%，80.05%，覆盖面积呈现波动上升的趋势。尽管2020年微度与轻度土壤侵蚀面积比2015年的略有下降，但是从整体演变趋势来看，2000—2020年微度侵蚀的区域面积持续扩大，说明该区域土壤侵蚀状况整体呈现逐步改善态势，水土保持措施在长时间尺度上发挥了积极效应。

2000—2020年黄河“几字弯”土壤侵蚀情况整体上得到改善，但是局部区域仍表现出较高的土壤侵蚀风险，强烈以上等级的侵蚀区域主要呈点状或线状分布，主要集中在黄河支流附近，局部沟谷地带有地表径流引起的冲刷、沟蚀等问题，尤其在极端降雨事件或不合理耕作时土壤侵蚀易加剧。

3.3 土壤侵蚀驱动因子分析

3.3.1 单因子影响

本文采用因子探测器方法分析黄河“几字弯”地区土壤侵蚀的主要影响因子及其驱动效应。结果表明，所选5个影响因子均通过显著性检验（p<0.05）。由图7可以看出，2000—2020年植被覆盖度（X₄）始终为黄河“几字弯”土壤侵蚀空间分异特征的最强主导因子，q值在0.284 0~0.317 4波动，说明植被覆盖度在降低区域土壤侵蚀风险中具有关键作用；其次是降水量（X₃），2000—2020年间始终为第二主导因子，q值在0.245 4~0.292 6；相比之下，土地利用类型（X₅）对土壤侵蚀空间分异特征的解释力一直最弱，且q<0.1；海拔（X₁）和坡度（X₂）的q值作用不突出，2000—2020年交替为第三、第四主导因子。

3.3.2 多因子交互作用

为进一步揭示各影响因子对土壤侵蚀的协同驱动机制，本文借助地理探测器的交互探测功能，对5个因子两两的交互作用进行了分析，分析结果如下：

由图8可以看出，黄河“几字弯”2000—2020年所有因子交互作用后，降水量与植被覆盖度的交互（X₃∩X₄）始终是第一主导交互因子，其解释力在0.417 7~0.475 0之间波动，均为双因子增强，这说明降水与植被覆盖对侵蚀过程具有高度协同性，是区域侵蚀变化的核心驱动组合。

单因子探测中作用不突出的坡度（X₂）在与降水量（X₃）和植被覆盖度（X₄）交互后，其影响显著增强，坡度与降水量的交互（X₂∩X₃）、坡度与植被覆盖度的交互（X₂∩X₄）分别为第二、第三主导交互因子，解释力最高分别为0.393 3，0.330 4，属于非线性增强、双因子增强，说明降水与植被变化在多因子耦合条件下可放大坡度的作用，从而在区域侵蚀机制中呈现出重要控制效应。海拔（X₁）、土地利用类型（X₅）与降水量（X₃）、植被覆盖度（X₄）交互后解释力也有所提升。交互探测的结果进一步表明，黄河“几字弯”土壤侵蚀的发生更受双因子交互作用的影响，驱动过程呈现出高度复杂性。

4 讨论与结论

4.1 讨 论

本研究采用RUSLE模型对2000—2020年黄河“几字弯”区域的土壤侵蚀进行定量评估，在所选时间段内土壤侵蚀模数范围为17.54~47.76 t/（hm² · a），多年平均土壤侵蚀模数为24.92 t/（hm² · a），空间上表现出“西北高、东南低”的格局，这一结果与张艳等^［6］对黄河中游的研究结论较为相近。总体来看，研究区土壤侵蚀呈下降趋势，与尹作堂^［26］、路志强^［27］、Yan^［28］等对黄河流域、蒲河流域、北洛河流域的研究结果相比虽有差异但在合理范围内，这是因为黄河流域的土壤侵蚀过程具有高度复杂性，加之不同学者选用的时空尺度、方法和数据各不相同，研究结果也呈现一定差异。2000—2020年研究区整体侵蚀减弱，但2020年相对前几年有所增加，对比数据后发现，2020年黄河“几字弯”区域降雨量大幅增加，极端降水事件频发，从而导致降雨侵蚀力因子R骤增，这一现象与石学瑾等^［29］的研究结果一致。

地理探测器的结果表明，植被覆盖度和降水量的解释力明显高于其他因子，是影响黄河“几字弯”区域土壤侵蚀空间分布的主要因素。其中，植被覆盖度的解释力最强，是影响研究区土壤侵蚀的第一主导因子，这与张艳^［6］、尹作堂^［26］等得出的植被覆盖度是控制土壤侵蚀的主导因素的研究结果一致。此外，在所选取的5个驱动因子中，土地利用类型在单因子探测中未能表现出预期的显著性，原因主要是土壤侵蚀过程具有显著的尺度效应，不同空间尺度下侵蚀发生的机制、主导因素及其作用强度均存在差异，倪九派等^［30］指出某一影响因子的显著变化通常只在特定空间尺度内表现明显，当研究尺度发生变化时，原有的统计关系也会随之改变。

2000—2020年黄河“几字弯”地区土壤侵蚀的持续改善与国家及地方层面实施的大规模生态治理工程密切相关。梯田、淤地坝与鱼鳞坑等水土保持工程通过改变地形坡面形态、缩短有效坡长、降低地表径流流速，并提高土地利用方式的抗蚀能力，从而有效抑制了侵蚀过程，但是这些工程也会使侵蚀量的计算产生偏差。鉴于研究区尺度较大，难以系统获取各类工程措施的空间分布信息，在开展土壤侵蚀模拟时，水土保持因子P的量化存在一定不确定性，未来模型构建及侵蚀量估算应更加重视工程措施对土壤侵蚀过程的影响。黄河“几字弯”部分地区存在风蚀，而RUSLE模型仅适用于模拟水蚀，本研究未能纳入风蚀过程，可能造成风沙地带侵蚀强度估计偏低，后续工作将尝试引入适用于风蚀的模型，构建风水复合侵蚀评价框架，以更全面地反映该地区土壤侵蚀过程。

4.2 结 论

（1） 黄河“几字弯”区域土壤侵蚀模数总体呈下降趋势，从2000年的48.76 t/（hm² · a）降至2020年的20.89 t/（hm² · a），下降了57.16%，从中度侵蚀变为轻度侵蚀，表明该区域水土保持工作成效显著。

（2） 植被覆盖度是土壤侵蚀最主要的驱动因子，其q值最高可达0.317 4，且与降水量的交互作用对土壤侵蚀的解释力最强，最高可达0.475 0，说明植被恢复与降雨特征的协同效应对降低土壤侵蚀风险具有关键作用。

（3） 坡度在与降水量和植被覆盖度交互后，其解释力显著增强，成为第二、三主导交互因子，q值最高分别为0.393 3，0.330 4，说明降水与植被变化在多因子耦合条件下可放大坡度的作用，在区域侵蚀机制中具有关键控制效应。

本研究结果可为黄河“几字弯”地区的水土保持工作和生态修复工程实施提供科学依据，建议未来可以采用植被恢复与梯田建设相结合的综合治理模式，以实现区域生态环境的可持续发展。

参考文献

[1] 刘璐，郭月峰，姚云峰，等.十大孔兑上游土壤侵蚀空间分布及动态变化［J］.水土保持研究，2021，28（4）：34-41，47.

[2] Liu L， Guo Y F， Yao Y F， et al. Spatial distribution and dynamic change of soil erosion in ten tributaries［J］. Research of Soil and Water Conservation， 2021，28（4）：34-41，47.

[3] 朱婉菁，王克勤，宋娅丽，等.滇西北云龙县2000—2020年土壤侵蚀时空演变特征及影响因素［J］.水土保持学报，2025，39（2）：378-389.

[4] Zhu W J， Wang K Q， Song Y L， et al. Temporal and spatial dynamics of soil erosion and its influencing factors in Yunlong County， Northwest Yunnan Province from 2000 to 2020［J］. Journal of Soil and Water Conservation， 2025，39（2）：378-389.

[5] 贾晓鹏，王海兵，李永山，等.风沙对黄河宁蒙河段的影响研究进展［J］.中国沙漠，2021，41（4）：152-157.

[6] Jia X P， Wang H B， Li Y S， et al. Research progress on effect of the coarse aeolian sand on the Ningxia-Inner Mongolian Reach of the Yellow River［J］. Journal of Desert Research， 2021，41（4）：152-157.

[7] 周璐红，王盼婷，曹瑞超.2000—2020年延安市土壤侵蚀驱动因素分析及生态安全评价［J］.生态与农村环境学报，2022，38（4）：511-520.

[8] Zhou L H， Wang P T， Cao R C. Soil Erosion driving factors and ecological security evaluation for Yan′an City from 2000 to 2020［J］. Journal of Ecology and Rural Environment， 2022，38（4）：511-520.

[9] 刘文超，刘纪远，匡文慧.陕北地区退耕还林还草工程土壤保护效应的时空特征［J］.地理学报，2019，74（9）：1835-1852.

[10] Liu W C， Liu J Y， Kuang W H. Spatiotemporal patterns of soil protection effect of the Grain for Green Project in northern Shaanxi［J］. Acta Geographica Sinica， 2019，74（9）：1835-1852.

[11] 张艳，史飞航，张悦，等.黄河中游土壤侵蚀时空变化及驱动因素［J］.水土保持研究，2023，30（5）：1-12.

[12] Zhang Y， Shi F H， Zhang Y， et al. Temporal and spatial changes and driving factors of soil erosion in the middle reaches of the Yellow River［J］. Research of Soil and Water Conservation， 2023，30（5）：1-12.

[13] 何佳瑛，任立清，蒋晓辉，等.延河流域土壤侵蚀对LUCC的响应及驱动力［J］.水土保持研究，2022，29（4）：184-191，206.

[14] He J Y， Ren L Q， Jiang X H， et al. Response of soil erosion to LUCC and driving forces in Yanhe River Basin［J］. Research of Soil and Water Conservation， 2022，29（4）：184-191，206.

[15] Shi S Y， Zheng W D， Han J Q， et al. Dominance of human activities in reducing soil erosion on the Loess Plateau［J］. Journal of Hydrology， 2025，662：133835.

[16] Wu Q L， Jiang X H， Shi X W， et al. Spatiotemporal evolution characteristics of soil erosion and its driving mechanisms： a case Study： loess Plateau， China［J］. Catena， 2024，242：108075.

[17] Ren Z G， Tian Z H， Wei H T， et al. Spatiotemporal evolution and driving mechanisms of vegetation in the Yellow River Basin， China during 2000—2020［J］. Ecological Indicators， 2022，138：108832.

[18] Li H C， Guan Q Y， Sun Y F， et al. Spatiotemporal analysis of the quantitative attribution of soil water erosion in the upper reaches of the Yellow River Basin based on the RUSLE-TLSD model［J］. Catena， 2022，212：106081.

[19] 曹晨，黄贤金.多要素流视角下黄河“几”字弯都市圈空间网络结构及影响因素研究［J］.干旱区地理，2023，46（6）：993-1003.

[20] Cao C， Huang X J. Spatial network structure and its influencing factors of Jiziwan Metropolitan Area of the Yellow River from the perspective of multi-dimensional feature flow［J］. Arid Land Geography， 2023，46（6）：993-1003.

[21] 刘任涛，程静.黄河“几字弯”的地理界定及主要生态问题［J］.应用生态学报，2025，36（2）：383-394.

[22] Liu R T， Cheng J. Geographical boundary line of the Yellow River′s ‘Ji Zi Bend’ and its main ecological issues［J］. Chinese Journal of Applied Ecology， 2025，36（2）：383-394.

[23] 侯迎，黄欣慧，褚阳，等.黄河“几字弯”大气水分亏缺及其影响因素的时空变化特征［J］.中国环境科学，2025，45（2）：637-647.

[24] Hou Y， Huang X H， Chu Y， et al. Spatiotemporal variability of atmospheric moisture deficit and its influencing factors in the “Jizi Bay” of the Yellow River［J］. China Environmental Science， 2025，45（2）：637-647.

[25] 黄庆丽，史常青，赵廷宁，等.基于RUSLE模型和最优地理探测器的兴安盟地区1985—2023年土壤侵蚀研究［J］.水土保持研究，2025，32（6）：1-10，20.

[26] Huang Q L， Shi C Q， Zhao T N， et al. Study on soil erosion in Xing′an League from 1985 to 2023 based on RUSLE model and optimal parameter-based geodetector［J］. Research of Soil and Water Conservation， 2025，32（6）：1-10，20.

[27] 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. Department of Agriculture， Agricultural Research Service， 1997.

[28] 牛丽楠，邵全琴，宁佳，等.黄土高原生态恢复程度及恢复潜力评估［J］.自然资源学报，2023，38（3）：779-794.

[29] Niu L N， Shao Q Q， Ning J， et al. Evaluation on the degree and potential of ecological restoration in Loess Plateau［J］. Journal of Natural Resources， 2023，38（3）：779-794.

[30] Wischmeier W H， Smith D D. Predicting rainfall erosion losses： a guide to conservation planning［M］. Washington D C： U. S. Department of Agriculture， Science and Education Administration， 1978.

[31] Williams J R. The erosion-productivity impact calculator（EPIC） model： a case history［J］. Philosophical Transactions of the Royal Society of London Series B： Biological Sciences， 1990，329（1255）：421-428.

[32] 魏健美，李常斌，武磊，等.基于USLE的甘南川西北土壤侵蚀研究［J］.水土保持学报，2021，35（2）：31-37，46.

[33] Wei J M， Li C B， Wu L， et al. Study on soil erosion in Northwestern Sichuan and Southern Gansu（NSSG）Based on USLE［J］. Journal of Soil and Water Conservation， 2021，35（2）：31-37，46.

[34] 章文波，谢云，刘宝元.利用日雨量计算降雨侵蚀力的方法研究［J］.地理科学，2002，22（6）：705-711.

[35] Zhang W B， Xie Y， Liu B Y. Rainfall erosivity estimation using daily rainfall amounts［J］. Geographical Science， 2002，22（6）：705-711.

[36] 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.

[37] 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］. Journal of Soil and Water Conservation， 2000，14（2）：19-24.

[38] 张卓佩，牛健植，樊登星，等.黄河中游多沙粗沙区土壤水蚀时空变化及动态驱动力分析［J］.水土保持学报，2024，38（2）：85-96.

[39] Zhang Z P， Niu J Z， Fan D X， et al. Analysis of spatial and temporal evolution and dynamic driving force of soil water erosion in the middle reaches of the Yellow River in the rich and coarse sediment area［J］. Journal of Soil and Water Conservation， 2024，38（2）：85-96.

[40] 王劲峰，徐成东.地理探测器：原理与展望［J］.地理学报，2017，72（1）：116-134.

[41] Wang J F， Xu C D. Geodetector： principle and prospective［J］. Acta Geographica Sinica， 2017，72（1）：116-134.

[42] Wang J F， Li X H， Christakos G， et al. Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun Region， China［J］. International Journal of Geographical Information Science， 2010，24（1）：107-127.

[43] 尹作堂，常军.2000—2020年黄河流域土壤侵蚀及其驱动因素分析［J］.西安理工大学学报，2023，39（3）：360-368.

[44] Yin Z T， Chang J. Analysis of soil erosion and its driving factors in the Yellow River Basin from 2000 to 2020［J］. Journal of Xi′an University of Technology， 2023，39（3）：360-368.

[45] 路志强，魏霞，安克俭.蒲河流域退耕前后降水和植被对土壤侵蚀变化的影响［J］.水土保持研究，2023，30（2）：7-12，21.

[46] Lu Z Q， Wei X， An K J. Influence of precipitation and vegetation on erosion change before and after Grain for Green Project in Puhe River Basin［J］. Research of Soil and Water Conservation， 2023，30（2）：7-12，21.

[47] Yan R， Zhang X P， Yan S J， et al. Estimating soil erosion response to land use/cover change in a catchment of the Loess Plateau， China［J］. International Soil and Water Conservation Research， 2018，6（1）：13-22.

[48] 石学瑾，张彪，郭家龙，等.黄土高原典型小流域土壤侵蚀时空演变［J］.地理学报，2024，79（7）：1787-1803.

[49] Shi X J， Zhang B， Guo J L， et al. Spatial-temporal evolution of soil erosion in a typical watershed of the Loess Plateau［J］. Acta Geographica Sinica， 2024，79（7）：1787-1803.

[50] 倪九派，魏朝富，谢德体.土壤侵蚀定量评价的空间尺度效应［J］.生态学报，2005，25（8）：2061-2067.

[51] Ni J P， Wei C F， Xie D T. Effects of spatial scale on the quantitative estimation of soil erosion［J］. Acta Ecologica Sinica， 2005（8）：2061-2067.

基金资助

国家自然科学基金面上项目(42571148)

国家重点研发计划专项课题(2023YFF1305100)

陕西省重点研发计划资助项目(2024SF-YBXM-589)