基于RUSLE模型的江西省土壤保持服务时空格局及驱动因子分析

Spatiotemporal patterns and driving factors of soil conservation services in Jiangxi Province based on the RUSLE model

摘要

研究江西省土壤保持情况以及影响土壤保持服务的驱动因子，有利于对江西省水土保持服务进行科学管理，从而实现区域可持续发展。基于ArcGIS软件的空间分析功能，利用RUSLE模型对江西省2000—2020年的土壤侵蚀量和土壤保持量进行量化评估，综合多种维度选取土壤保持影响因子，利用地理探测器的因子探测器和交互探测器功能研究江西省土壤保持量的主要影响因子及不同影响因子之间的交互作用。结果表明：2000年、2005年、2010年、2015年、2020年江西省的土壤侵蚀量依次为3.60×10⁶、6.74×10⁶、6.59×10⁶、4.52×10⁶和4.70×10⁶ t，土壤保持量依次为2.28×10⁶、4.30×10⁶、4.18×10⁶、2.96×10⁶和3.05×10⁶ t，均呈现先增加后减少再增加的变化趋势，整体呈现中北部高、四周低的空间分布格局；江西省土壤保持量表现出强烈的空间正相关性，主要以低—低环鄱县域聚集和高—高在周边丘陵县域分散为主；地理探测器结果表明，坡度、高程、林地占比、植被指数和距建设用地距离这5个影响因子的解释力最强，降水与坡度的交互作用的解释力最强。

Abstract

Understanding soil conservation and its driving factors in Jiangxi Province is critical for the scientific management of soil and water conservation services and for advancing regional sustainable development. Using ArcGIS spatial analysis and the Revised Universal Soil Loss Equation （RUSLE）， we quantitatively assessed soil erosion and soil conservation in Jiangxi Province from 2000 to 2020. Candidates drivers were compiled from multiple dimensions and evaluated with the Geodetector framework （factor and interaction detectors） to identify key controls and their interactions. The estimated soil erosion amounts in 2000， 2005， 2010， 2015， and 2020 were 3.60×10⁶， 6.74×10⁶， 6.59×10⁶， 4.52×10⁶， and 4.70×10⁶ t， respectively； the corresponding soil conservation amounts were 2.28×10⁶， 4.30×10⁶， 4.18×10⁶， 2.96×10⁶， and 3.05×10⁶ t. Both series showed a trend of “increase-decrease-increase”， with an overall spatial pattern of higher values in the central and northern parts of the province and lower values along the periphery. Soil conservation exhibited strong positive spatial autocorrelation， characterized by “low-low” clusters in counties surrounding Poxian County and “high-high” clusters in peripheral hilly counties. Geodetector results indicated that slope， elevation， forest cover proportion， vegetation index， and distance to construction land had the greatest explanatory power， and that the interaction between precipitation and slope was the most influential.

Graphical abstract

关键词

土壤保持 / RUSLE模型 / 地理探测器 / 影响因子 / 空间自相关 / 江西省

Key words

soil conservation / RUSLE model / geographic detector / driving factors / spatial autocorrelation / Jiangxi Province

自改革开放以来，生态环境问题日益凸显^[1]，而生态系统服务关乎人类切身利益，是人类赖以生存的基础^[2]。土壤保持服务作为生态系统服务的重要功能之一，在防止土壤侵蚀和进行土壤保持方面起着重要作用^[3]，严重的土壤侵蚀甚至会导致生态系统功能退化^[4]。然而在长期的人类活动中，不可持续的土地利用、气候变化等因素^[5-7]导致土壤侵蚀加剧、土壤保持量减少。如何减缓土壤侵蚀进程，开展土壤保持工作成为全球范围内主要环境问题之一。

刘宇等^[8]基于WaTEM/SEDEM侵蚀产沙和输沙模拟的框架评估碾庄沟流域的土壤保持量；王森等^[9]采用生态系统服务和权衡的综合评估模型（Integrated Valuation of Ecosystem Services and Trade-offs， InVEST）中泥沙输移比模块对延安市退耕还林前后的土壤保持量进行定量评估；郑婷等^[10]基于土地利用与水文过程模拟模型（Soil And Water Assessment Tool， SWAT）模拟泾河流域的产沙量，定量评估研究区土壤保持量。然而这些模型所需参数较多，不易获得且计算复杂。修正后通用土壤流失方程（Revised Universal Soil Loss Equation， RUSLE）^[11]由美国农业局和土壤保持局基于通用土壤流失方程（Universal Soil Loss Equation， USLE）进行优化获得，相较于其他模型，RUSLE模型所需参数较少，且较易获得，可以结合地理信息系统（geographic information system， GIS）使用，运用更为简便，是国内外广泛使用的一个土壤侵蚀模型^[12-13]。常畅等^[14]利用InVEST模型对碧流河流域土壤保持功能进行研究；刘婷等^[15]采用SWAT模型对延河流域土壤保持量进行模拟并进行叠加分析。这些研究大多以黄土高原为研究区，而少量关于江西省土壤保持的研究也多从县域或者市域出发^[16-17]，鲜有从全域出发开展的研究。纵观目前有关土壤保持研究的成果，大多学者选用的评价因子多从同一类型出发^[18-20]，未能综合考虑多方面的影响因素，而且很多相关研究未考虑不同影响因子间交互影响的作用，因此无法全面地对土壤保持的影响因子进行评估。基于此，本文采用RUSLE模型对江西省土壤保持量进行定量评估，并选择更为全面的影响因子，采用地理探测器对江西省土壤保持量的驱动因子进行分析。

江西省作为我国首批生态文明示范区，对于我国开展生态文明建设起着重要示范作用。江西省地貌主要以山地丘陵为主，花岗岩区域分布广泛，是典型红壤地区^[21]，属于土壤侵蚀高度敏感区。近年来，由于矿山过度开采、管理漏洞等，江西省水土流失严重^[22]，据相关统计，每年排入鄱阳湖的泥沙量赣江位居第一^[23]。因此，本文以江西省为研究区，以2000—2020年5期30 m×30 m分辨率的土地利用数据为基础，以1 000 m\times1 000 m格网为研究单元，综合运用RUSLE模型定量评估江西省土壤侵蚀模数和土壤保持模数，综合多种因素选择影响因子，基于地理探测器分析土壤保持的主要影响因子及其交互作用，以期为江西省水土保持治理提供一定科学依据，为江西省未来洪涝、滑坡、泥石流等自然灾害重点监测提供有效参考。

1 研究区概况与数据来源

1.1 研究区概况

江西省位于中国中南部，部分地区属于粤闽浙沿海城市群，同时也是长江经济带重要组成部分，行政区划面积为16.7 万km²，作为首批国家生态文明试验区，对于中国其他地区生态文明建设起着重要示范作用。江西省气候类型属于亚热带温暖湿润季风气候，四季分明，南北差异较小，降水量季节分配不均，年际变化大，易发生旱涝灾害；河流众多，平均年径流量为687 亿m³；地形以丘陵、山地为主，省境东、西、南三面环山，中部地区丘陵和河谷交错分布，北部为鄱阳湖平原。江西省红壤大面积分布，有黄岗岩区、紫色页岩区、第四纪红土区、红砂岩区，以及滨湖河岸沙地，都是极易发生土壤侵蚀的地区^[21]。江西省稀有矿产资源丰富，过量的矿山开采导致自然灾害频发，总体来看，存在着一定的水土流失风险。

1.2 数据来源

本文以降水数据、土壤质地类型数据、土地利用数据、归一化植被指数（NDVI）数据和DEM（digital elevation model）数据为基础，通过ArcGIS对数据进行提取、计算和分析，使用数据类型有栅格数据、矢量数据，数据使用及来源如表1所示。所有数据统一使用CGCS2000坐标系统，对矢量数据进行栅格化处理，并将分辨率不同的栅格数据均重采样成1 km\times1 km分辨率。

2 研究方法

2.1 土壤保持模型

采用RUSLE模型计算研究区土壤侵蚀模数，其计算公式为

A_{\mathrm{r}}=R\times K\times S\times C\times P，（1）

式中：A_{\mathrm{r}}为实际土壤侵蚀模数（t·hm^-2·a^-1）；R为降水侵蚀因子（MJ·mm·hm^-2·h^-1·a^-1）；K为土壤可蚀性因子（t·hm²·h·MJ^-1·mm^-1·hm^-2）；S为坡度因子，C为植被覆盖与经营管理因子，P为水土保持措施因子，三者均为无量纲。各因子的计算方法参考文献[24]、[25]。

计算潜在土壤侵蚀模数，公式为

A_{\mathrm{p}}=R\times K\times S，（2）

式中：A_{\mathrm{p}}为潜在土壤侵蚀模数（t·hm^-2·a^-1）。

计算土壤保持模数，公式为

A_{\mathrm{C}}=A_{\mathrm{p}}-A_{\mathrm{r}}，（3）

式中：A_{\mathrm{C}}为土壤保持模数（t·hm^-2·a^-1）。

2.2 空间自相关

地理学第一定律认为任何事情之间都存在关联，空间自相关是指事物或者现象在空间分布上具有相关性^[26]。本文利用ArcGIS软件测算江西省土壤保持服务全局和局部的空间自相关性。

1）全局空间自相关。采用莫兰指数（Moran’s I）表示，计算公式为

I=\frac{n{\displaystyle \sum _{i=\mathrm{1}}^n}{\displaystyle \sum _{j=\mathrm{1}}^n}{w}_{ij}(x_i-\overline{x})(x_j-\overline{x})}{{\displaystyle \sum _{i=\mathrm{1}}^n}{\displaystyle \sum _{j=\mathrm{1}}^n}{w}_{ij}{\displaystyle \sum _{i=\mathrm{1}}^n}(x_i{-\overline{x})}^{\mathrm{2}}}，（4）

式中：I为全局空间自相关指数；n为空间单元数量；i、j为不同空间单元的代号；x_i、x_j为单元i、单元j的属性值；\overline{x}为所有空间单元的平均属性值；w_{ij}为空间权重矩阵。当Moran’s I>0时，表示空间呈正相关性，其值越大，空间相关性越明显；当Moran’s I<0时，表示空间呈负相关性，其值越小，空间差异越明显；当Moran’s I=0时，空间呈随机性。若高值周围聚集值都为高值或低值周围聚集值都为低值，则为聚集；若高低值交错出现，则为离散。

2）局部空间自相关。计算公式为

I_i=\frac{n(x_i-\overline{x})}{{\displaystyle \sum _{i=\mathrm{1}}^n}(x_i{-\overline{x})}^{\mathrm{2}}}{\displaystyle \sum _{j=\mathrm{1},j\ne i}^n}{w}_{ij}(x_j-\overline{x})，（5）

式中：I_i为局部空间自相关指数；j表示所有与空间单元i相邻的空间单元；其余所有字母所代表的含义与公式（4）中字母含义一致。

2.3 土壤保持量驱动因子分析

2.3.1 影响因子选择

参考已有研究结果^[27-30]，本文综合考虑人类活动、土地利用类型、气候、地形和生境特征，并从中选择14个影响因子，如表2所示。

2.3.2 地理探测器

地理探测器是探测空间分异性以及揭示其背后驱动因子的一种常用统计学方法^[31]，可以用于度量空间分异性、探测解释因子、分析变量之间的交互关系，现已用于多个研究领域^[32-35]。本文采用在GeoDetector网站下载的地理探测器进行探测。其中因子探测器主要用于探测因变量的空间分异性，并对不同影响因子对因变量的解释力进行评估。解释力用q表示，其计算公式为

q=\mathrm{1}-\frac{{\displaystyle \sum _{h=\mathrm{1}}^L}{N}_h{\sigma }_h^{\mathrm{2}}}{N{\sigma }^{\mathrm{2}}}=\mathrm{1}-\frac{\mathrm{S}\mathrm{S}\mathrm{W}}{\mathrm{S}\mathrm{S}\mathrm{T}}，（6）

\mathrm{S}\mathrm{S}\mathrm{W}={\displaystyle \sum _{h=\mathrm{1}}^L}{N}_h{\sigma }_h^{\mathrm{2}}，（7）

\mathrm{S}\mathrm{S}\mathrm{T}=N{\sigma }^{\mathrm{2}}，（8）

式中：h为变量Y或因子X的分层数，即分类数或分区数；N_h和N分别为第h层和全区的单元数；{\sigma }_h^{\mathrm{2}}和{\sigma }^{\mathrm{2}}分别是第h层和全区Y值的方差。SSW为层内方差之和（within sum of squares）；SST为全区总方差（total sum of squares）。q的取值范围为[0，1]，q值越大表明X对Y的解释力越强。

交互作用探测用于识别不同影响因子交互作用时的解释力，即研究2个影响因子共同作用时对因变量Y的解释力是否会增强或者减弱，其5种探测结果如表3所示。

3 结果与分析

3.1 土壤侵蚀量时空格局分析

通过对各因子进行计算，使用RUSLE模型对江西省2000年、2005年、2010年、2015年和2020年5期土壤侵蚀量进行评估。从时间上看，土壤侵蚀量在2000年最小，为3.60×10⁶ t，在2005年达到峰值后逐渐下降，从峰值6.74×10⁶ t降到2015年的4.52×10⁶ t，随后又转为增长态势，到2020年时小幅度增长到4.70×10⁶ t。从空间上看，土壤侵蚀量的空间分布趋于一致，主要呈现四周高、中间低的分布格局。在2005—2015年，江西省的土壤侵蚀量显著减少，这与当地水土保持工作取得的显著成果密切相关。自2012年起，江西省实施了改进后的水土保持措施，重点加强了水土流失的监测与预报，开展了综合治理，并鼓励植树造林和种草。同时，强化了对取土、挖矿和采石等活动的管理，并对陡坡地的种植活动进行了限制。这些水土保持措施在2015年取得了显著成效，土壤侵蚀量减少了30.31%。2020年土壤侵蚀量的增长可能与当年降水量的增加有关。2020年7月，江西省遭遇了洪涝灾害，尤其是赣江中下游地区在7—10月间持续降雨，导致土壤侵蚀情况进一步加剧。综合来看，江西省仍需持续加强水土保持工作。

根据水利部制定的《土壤侵蚀分类分级标准》^[36]（表4），对江西省土壤侵蚀强度进行等级划分，得到江西省土壤侵蚀各个强度等级对应面积占比（图1），土壤侵蚀强度占比较大的是微度侵蚀和轻度侵蚀，2000—2020年微度侵蚀和轻度侵蚀的面积占比之和均在58%及以上，其中2005—2015年微度侵蚀和轻度侵蚀的占比均有小幅度上升，占比之和从58.61%上升至68.52%，而中度侵蚀、强度侵蚀、极强度侵蚀、剧烈侵蚀的占比均有所下降，尤其是2010—2015年，这4类占比之和下降约10%。但是在2020年，江西省微度侵蚀和轻度侵蚀的面积占比出现了轻微下降，另外4种侵蚀的占比之和从2015年的31.48%轻微上升至32.16%。2000—2020年的江西省土壤侵蚀占比的变化主要与降水量有关。在2000—2010年间，江西省东部降水量增加，导致剧烈侵蚀面积扩大；而到了2015年，雨量有所下降，剧烈侵蚀面积相应减少。总体看，从2005年开始，江西省的水土保持工作取得了良性发展，土壤侵蚀情况有所改善。但仍需特别关注气候变化对土壤侵蚀的影响，尤其是在剧烈侵蚀地区。

3.2 土壤保持量时空格局分析

3.2.1 土壤保持量动态变化分析

江西省2000—2020年的土壤保持总量分别为2.28×10⁶、4.30×10⁶、4.18×10⁶、2.96×10⁶和3.05×10⁶ t，与土壤侵蚀量变化趋势相似，呈现先增长后下降再增长的趋势。从空间上看，上饶市、景德镇市、九江市、赣州市、抚州市的土壤保持量远远高于南昌市、宜春市、新余市，而这5期土壤保持模数的空间分布图类似，与土壤侵蚀模数分布图也相似，呈现为四周高、中间低。土壤保持量较高的地区通常意味着该地区的土壤保持力较强。山地丘陵地区由于其地形特点，土壤保持量较高；而城市聚集区的土壤保持量较低，这表明自然生态系统的土壤保持力优于城市生态系统^[37]。尤其在城市中心区域，随着现代工业化的发展，土地利用主要以耕地和建设用地为主，城镇化进程不断侵占其他土地类型。频繁的人类活动，加之长期的耕作和开垦，会破坏土壤结构，导致水土流失加剧，不利于土壤保持。相比之下，山地丘陵地区的土壤通常具有较高的植被覆盖率，从而增强了土壤保持力。

3.2.2 土壤保持量的空间自相关分析

通过ArcGIS空间自相关功能获得江西省全局莫兰指数，p均为0，表明全局莫兰指数显著，2000—2020年5期土壤保持模数的全局莫兰指数分别为0.381、0.373、0.370、0.361和0.358，均大于0，表明江西省土壤保持情况在空间分布上呈现正空间相关性。而全局莫兰指数的Z值均大于2.58，表明江西省土壤保持情况呈现明显的聚集性。

由于全局莫兰指数只能表明江西省土壤保持情况呈现空间聚集现象，却无法进行具体呈现，因此本文采用局部莫兰指数进一步分析江西省土壤保持情况的空间特性。江西省主要存在低—低（L—L）聚集、高—高（H—H）聚集、高—低（H—L）聚集、低—高（L—H）聚集4种聚集情况，具体表述如下。

1）L—L聚集。该类型为其自身及其周围县市土壤保持模数均低的区域，主要集中于江西省中部。从2010年开始，上饶市西部的鄱阳县就不属于L—L聚集；在2020年，宜春市东部的丰城市和抚州市北部的东乡区则属于L—L聚集。

2）H—H聚集。该类型为其自身及周围县市土壤保持模数均高的区域，主要出现在江西省四周，分散出现。在2005年，萍乡市南部的莲花县、吉安市西部的井冈山市不再属于H—H聚集，而九江市中部的武宁县属于H—H聚集；在2010年，萍乡市东部的芦溪县不再属于H—H聚集，而上饶市中部的德兴市和玉山县属于H—H聚集；但是在2020年，德兴市和玉山县不再属于H—H聚集，而宜春市北部的奉新县属于H—H聚集。

3）H—L聚集。该类型为其自身土壤保持模数较高，而周围区域土壤保持模数较低，主要出现在九江市中东部的庐山市，但是从2015年开始，庐山市不再属于H—L聚集类型。

4）L—H聚集。该类型为其自身土壤保持模数较低，而周围区域土壤保持模数较高，主要出现在上饶市中部的信州区。

总体看，江西省土壤保持情况的空间关联性差异较大，整体呈现低—低集中聚集，高—高分散在四周，高—低和低—高占比较小、分布范围较窄的特征。通过空间自相关分析，江西省未来水土治理应该着重关注高—高聚集区域，因地制宜，以实现更有效治理；针对高—低聚集和低—高聚集区域需要采取更加灵活的治理策略，以平衡不同区域间的治理需求，促进不同区域间协同发展。

3.3 土壤保持量驱动因子分析

3.3.1 单因子探测

本文综合考虑人类活动、土地利用类型、气候、地形、生境特征5个方面，共选取14个潜在影响因子，通过地理探测器的因子探测器测定其对土壤保持量的解释力，因子探测器的q值均小于0.01，每个因子的q值如图2所示。不同年份中各个影响因子的解释力不同，其中解释力排在前5位的影响因子依次是：坡度、高程、林地占比、植被指数、距建设用地距离，2000年、2005年、2010年、2015年、2020年的平均解释力分别为0.7584、0.6250、0.5404、0.4803、0.4720。由此可以看出，土壤保持量主要受地形影响。其中坡度影响一直在降低，但整体上解释力一直居高不下，而高程影响则是先降低后增加又降低。

3.3.2 因子交互探测

2000年、2005年、2010年、2015年、2020年各个影响因子的交互探测结果如图3所示。可以看出，土壤保持不同影响因子间相互作用的解释力均高于单一影响因子的解释力。

因子交互探测结果中解释力排在前10位的多数都是坡度与其他因子间交互作用，这与单因子探测结果中坡度因子影响力最高有关。因此，在土壤保持治理中，应该着重注意坡度治理，严格限制陡坡上的农作物种植，对坡度种植出台一个明确能减少对土壤保持造成影响的规定。在所有交互作用解释力中，坡度与降水共同作用解释力每年都最为显著，但是降水在单因子探测中解释力比较弱，表明降水对土壤保持的影响与其他和坡度的交互作用密切相关。此外，距道路距离解释力的平均值虽然在所有影响因子中最差，但是当它与其他因子交互作用时，解释力会大大增强。因此，在进行土壤保持治理时，不能仅考虑解释力强的影响因子，还需考虑其他影响因子间的交互作用，从而制定更加全面的土壤保持政策。

4 讨论

本文采用RUSLE模型量化江西省土壤保持服务，并基于地理探测器研究土壤保持量的驱动因子。结果表明，2000—2020年江西省土壤保持量和土壤侵蚀量的变化趋势十分相似，均为先增长后降低再增长，空间分布格局也极为相似，均呈现四周高中间低的格局，低值分布在中北部平原地区，高值分布在四周山地丘陵地区。这与其他学者的研究结果相符^[38]。在山地丘陵地区，由于高程变高，坡度变大，土壤容易发生侵蚀，但又由于这些地区往往属于林地，植被覆盖率高，致使其土壤保持量也高；而平原地区的建设和耕作用地都会破坏土壤结构，让土壤变得疏松，从而使土壤保持力降低。

通过地理探测器的结果可知，江西省土壤保持量的主要驱动因子是坡度、高程、林地占比、植被指数、距建设用地距离。这与张薇等^[28]研究的坡度和土地利用类型是其研究区土壤保持服务的主要影响因子，且土地利用类型中林地的土壤保持力最强的结果相符；这也与何庆芳^[39]得出的高程是影响土壤保持的主要因素的结果相符。也曾有学者提出植被覆盖度对土壤保持具有一定促进作用^[38]。至于距建设用地距离，离建设用地越近，人类活动越频繁，土地的开垦、施工等都会造成土壤结构破坏和植物覆盖率降低，从而对土壤保持力造成影响。交互探测器的结果显示，因子间的交互作用均强于单一影响因子的作用，尤其是降水因子与坡度共同作用的解释力极大程度地提高，这与李静等^[40]得出的结果相符。

江西省土壤保持量的空间分布格局及其驱动因子可以为该地区水土保持治理提供科学依据。对于土壤保持量低的中北部平原地区，应该着重注意水土流失问题，开展水土流失综合防治工程，对鄱阳湖平原地区进行湿地修复，对赣江流域进行河岸生态恢复，推动农业可持续发展，采用合理的耕作方式，减少对土地的过度开垦和利用。对于易发生土壤侵蚀的山地丘陵地区，应严格控制在陡坡种植农作物，宜采用梯田的方式减少水土流失，引入适宜植被，增加植被覆盖度，健全水土保持监测体系，定期对水土流失、植被覆盖率等进行科学评估。

5 结论

1）2000—2020年江西省土壤侵蚀量分别为3.60×10⁶、6.74×10⁶、6.59×10⁶、4.52×10⁶和4.70×10⁶ t，土壤保持量分别为2.28×10⁶、4.30×10⁶、4.18×10⁶、2.96×10⁶和3.05×10⁶ t，均呈现先增加后减少再增加的趋势，空间分布格局呈现中北部高、四周低。2000—2020年江西省微度侵蚀和轻度侵蚀面积有所增加，强度侵蚀、极强度侵蚀和剧烈侵蚀面积有所减少，表明江西省土壤侵蚀情况有所好转。

2）空间相关性分析结果表明，江西省土壤保持量空间分布聚集性显著，呈现强烈正相关，以高—高聚集和低—低聚集为主。整体呈现低—低集中聚集，高—高分散在四周，高—低聚集和低—高聚集占比较小、分布范围较窄的特征。

3）因子探测器结果表明，不同年份不同影响因子解释力不同，坡度、高程、林地占比、植被指数和距建设用地距离解释力最高，其平均解释力分别为0.758 4、0.625 0、0.540 4、0.480 3、0.472 0。交互作用因子解释力排在前10的主要为坡度和其他因子间交互作用，降水与坡度间的交互作用在这5期里的解释力均最强。

参考文献

[1] 方正，张延飞，丁木华，等.基于RSEI的国家生态文明试验区（江西）生态环境质量变化分析：以抚州市为例[J].东华理工大学学报（自然科学版），2020，43（3）：271-279.

[2] 欧阳志云，王如松，赵景柱.生态系统服务功能及其生态经济价值评价[J].应用生态学报，1999，10（5）：635-640.

[3] Yin C C， Zhao W W， Pereira P. Soil conservation service underpins sustainable development goals[J]. Global Ecology and Conservation，2022，33：e01974.

[4] 孙权，何振立，纪立东.侵蚀退化生态系统恢复的土壤质量指标 [J].宁夏农学院学报，2004，25（2）：15-20.

[5] Albaladejo J， Díaz-Pereira E， De Vente J. Eco-holistic soil conservation to support land degradation neutrality and the sustainable development goals[J]. Catena，2021，196：104823.

[6] Bai J Z， Zhou Z X， Li J， et al. Predicting soil conservation service in the Jinghe River Basin under climate change[J]. Journal of Hydrology，2022，615：128646.

[7] Belayneh M. Factors affecting the adoption and effectiveness of soil and water conservation measures among small-holder rural farmers： The case of Gumara watershed[J]. Resources， Conservation & Recycling Advances， 2023，18：200159.

[8] 刘宇，滕佳昆.WATEM/SEDEM框架下的土壤保持效益传输研究[J].资源科学，2017，39（5）：860-870.

[9] 王森，王海燕，谢永生，等.延安市退耕还林前后土壤保持生态服务功能评价[J].水土保持研究，2019，26（1）：280-286.

[10] 郑婷，周自翔，白继洲.生态系统服务流模拟与特征分析：以泾河流域土壤保持服务为例[J].陕西师范大学学报（自然科学版），2022，50（4）：21-33.

[11] Renard K G， Foster G R， Weesies G A， et al.RUSLE： Revised universal soil loss equation[J]. J Soil & Water Conservation，1991，46（1）：30-33.

[12] 穆兴民，李朋飞，刘斌涛，等.1901—2016年黄土高原土壤侵蚀格局演变及其驱动机制[J].人民黄河，2022，44（9）：36-45.

[13] 钟旭珍，张素，吴瑞娟，等.沱江流域土壤侵蚀动态变化及驱动力分析[J].水土保持研究，2022，29（2）：43-49.

[14] 常畅，王耕.基于InVEST模型的碧流河流域土壤保持功能研究[J].国土与自然资源研究，2019（4）：8-10.

[15] 刘婷，周自翔，朱青，等.延河流域生态系统土壤保持服务时空变化[J].水土保持研究，2021，28（1）：93-100.

[16] 罗诚康，杜思敏，郑博福，等.赣南地区土壤保持功能的时空变化特征[J].水土保持通报，2022，42（3）：57-65.

[17] 周俊鑫，蔡梅芳，郭福生，等.江西省赣州市土壤保持和水源涵养时空特征及保护空缺 [J].水土保持通报，2023，43（4）：413-420.

[18] 朱丽，秦富仓，杨翠林，等.阴山北麓农牧交错带土壤侵蚀驱动机制研究[J].水土保持研究，2008，15（5）：34-37.

[19] 贾振宇，王世曦，刘学，等.辽河保护区土壤保持功能时空变化及其影响因素分析 [J].环境工程技术学报，2021，11（4）：686-692.

[20] 常盼盼，李纯斌，李怀海.民乐县土壤保持功能时空演变及影响因素研究[J].草原与草坪，2023，43（1）：82-91.

[21] 邬良兴，张荣峰.江西省主要侵蚀区的特点与治理[J].江西水利科技，1990，16（1）：5-8.

[22] 贾芳芳.基于InVEST模型的赣江流域生态系统服务功能评估[D].北京：中国地质大学（北京），2014.

[23] 徐丽媛.试论赣江流域生态补偿机制的建立[J].江西社会科学，2011，31（10）：154-158.

[24] 张紫怡，刘艳芳，张扬，等.生态系统服务协同权衡对影响因子的空间响应：以福建省生态功能区为例[J].武汉大学学报（信息科学版），2022，47（1）：111-125.

[25] Zhang Z Y， Tong Z M， Zhang L T， et al. What are the dominant factors and optimal driving threshold for the synergy and tradeoff between ecosystem services， from a nonlinear coupling perspective？[J]. Journal of Cleaner Production，2023，422：138609.

[26] 魏晓峰，吴健平.基于ArcGIS的空间自相关分析模块的开发与应用[J].测绘与空间地理信息，2005，28（6）：77-80.

[27] 燕玲玲，巩杰，徐彩仙，等.子午岭地区土壤保持服务时空变化及其影响因素[J].水土保持学报，2021，35（1）：188-197.

[28] 张薇，王凤春，万虹麟，等.基于InVEST模型的土壤保持服务时空变化及其影响因素分析：以密云水库上游流域河北张承地区为例[J].地球物理学进展，2022，37（6）：2339-2350.

[29] 张紫怡.生态系统服务协同权衡的空间分异和对“自然-社会经济”条件的非线性响应：以福建省为例[J].武汉大学学报（信息科学版），2023，48（9）：1555.

[30] 张紫微，张紫怡，张立亭.自然-社会经济因素驱动下江西省生境质量的时空演变与主控因子[J].水土保持通报.2024，44（1）：303-313.

[31] 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.

[32] 贾应，吴彩燕，应欣翰，等.基于RSEI和地理探测器的西昌市生态环境质量时空演变特征及其驱动力分析[J].化工矿物与加工，2023，53（9）1-14.

[33] 刘战豫，樊娟，张伞伞.公路运输碳排放空间关联性及影响因素研究[J].三峡生态环境监测，2024，9（3）：90-102.

[34] 张苗苗，安思远，史清晗.基于POI数据的医疗资源空间格局与影响因素探究：以石家庄市主城区为例[J].石家庄学院学报，2023，25（6）：25-33.

[35] 钟子豪，吴佳媚，朱萱，等.福州市中心城区植被覆盖度的时空演变及其驱动因素[J].东北林业大学学报，2023，51（12）：51-59.

[36] 中华人民共和国水利部. 土壤侵蚀分类分级标准：SL 190—2007 [S].北京：中国水利水电出版社，2008.

[37] 祁玉馨，赵聪聪，申沛鑫，等.哈尔滨市土壤保持服务价值时空演变及其驱动力[J].水土保持通报，2024，44（1）：357-367.

[38] 曾令建，杨振奇，秦富仓，等.植被覆盖变化与土壤保持演变空间异质性研究[J].水土保持学报，2023，37（5）：178-188.

[39] 何庆芳.基于InVEST模型的鄂东地区生态系统服务功能评估及多情景预测[D].黄石：湖北师范大学，2023.

[40] 李静，曹永强，么嘉棋，等.基于RUSLE模型的京津冀地区土壤侵蚀时空变化分析[J].水利水电技术（中英文），2024，55（4）：1-16.

基金资助

江西省自然科学基金青年基金项目(20224BAB213037)

江西省教育厅科学技术研究项目(GJJ2200745)

江西省哲学社会科学基地、江西省软科学培育基地联合项目(22SJDJC02)

东华理工大学博士启动基金项目(DHBK2022001)