基于USLE模型的滇池流域土壤侵蚀时空演变分析

彭双云，杨 昆，洪 亮，许泉立，黄雅君

（1. 云南师范大学旅游与地理科学学院，昆明 650500；2. 云南师范大学信息学院，昆明 650500；3. 西部资源环境地理信息技术教育部工程研究中心，昆明 650500）

0 引 言

土壤侵蚀是发生在特定时空条件下的土体迁移过程，是世界范围内最重要的土地退化问题[1]。表层土壤往往富含丰富的养分和有机质，土壤侵蚀会直接导致土壤质量的下降和影响表层土的发育，产生土壤退化、土地生产力下降等严重后果[2-3]。土壤流失会导致大量泥沙被冲刷后进入江河湖库，极易造成江河湖库淤积，降低了江河湖库的滞洪蓄水能力，加剧地区洪涝、干旱、滑坡、泥石流等自然灾害的发生频率，严重影响地区水土资源的综合开发和有效利用[4-5]。同时，泥沙中所携带的氮、磷元素使受纳水体，如湖泊、河流等发生污染，降低饮用水质量，导致生态环境恶化，进而制约社会经济发展，威胁人类社会的健康发展[6-7]。土壤侵蚀的研究经历了从经验统计模型到物理模型再到模型与空间信息技术集成的发展历程。随着空间信息技术的飞跃发展，遥感和GIS等技术手段不仅为土壤侵蚀动态监测提供了广阔的空间与强大的数据支持，而且能实时动态监测侵蚀分布变化、准确客观地反映土壤侵蚀时空动态演变[8]。土壤侵蚀时空演变研究不仅能反映区域侵蚀数量变化情况，而且能展现侵蚀在地理空间上的变化趋势，因此已经成为目前水土保持领域的研究热点之一。

利用RS和GIS技术进行土壤侵蚀的动态监测与分析研究发展出来 2个主要应用的方向，一是基于遥感影像对土壤侵蚀的控制因素进行解译，获得相应空间范围，而后根据国家土壤侵蚀分类分级标准确定侵蚀强度，最后通过 GIS绘制成图；二是与土壤侵蚀模型结合，从遥感影像中提取模型所需的因子，在 GIS环境中实现模型的计算分析得到侵蚀量空间分布图。方法一充分利用了遥感快速获取地面信息的优势，但其缺点是考虑因素相对较少，缺少模型计算仅能定性侵蚀的强度等级而不能定量侵蚀模数。方法二较好的弥补了方法一的缺陷，既利用了遥感的优势又充分考虑了模型能量化的特点，因此方法二已成为目前广泛采用的侵蚀监测与动态演变分析方法[9]。李月臣等[10]基于TM影像借助 GIS技术，分析了三峡库区重庆段1999—2004年期间土壤侵蚀的时空演变及地理空间分异特征与规律。马力等[11]将 RS、GIS与侵蚀模型结合分析了南京市2001—2008年间土壤侵蚀的时空变化。信忠保等[12]利用GIS技术分析了近50 a黄土高原水土流失的时空变化。姚志宏等[13]将RS、GIS技术与土壤侵蚀模型进行集成，分析了黄土高原孤山川流域1975—2006年来的土壤侵蚀量时空动态变化。林晨等[14]基于不同时期跨度30 a的4景遥感影像、DEM及其他侵蚀数据，借助 GIS软件支撑，提出了土壤侵蚀度的概念并以此对长汀县土壤侵蚀时空演变规律进行定量分析。刘会玉等[15]在利用遥感影像获取土地利用数据的基础上，结合DEM在GIS环境下对滇池流域1992年、2000年和2006年的土壤侵蚀等级强度进行了监测。查良松等[16]在利用修正的通用土壤流失方程（RUSLE）模型计算出巢湖流域 1992—2013年土壤侵蚀模数的基础上，利用GIS和RS技术制作了土壤侵蚀变化图谱并分析了巢湖土壤侵蚀强度时空演变规律。董婷婷等[17]利用元胞自动机模型模拟预测了朝阳市 2010年土壤侵蚀的时空演变趋势。陆建忠[18]等基于空间信息技术和土壤侵蚀模型（USLE）分析了鄱阳湖流域1990年至2000年土壤侵蚀的变化。Teng等[19]通过利用遥感影像的可见光-近红外光谱特性获取土壤可蚀性因子K，并集成到土壤侵蚀模型中分析了澳大利亚侵蚀的时空分布格局。Alexakis等[20]基于RS、GIS和RUSLE模型在对GeoEye-1影像、降雨、土壤、DEM等数据处理的基础上，分析了塞浦路斯Yialias流域的土壤侵蚀率变化。将空间信息技术（GIS、RS）与土壤侵蚀模型集成，能清晰地掌握土壤侵蚀的空间分布情况。结合时间因素所形成系列时空变化图谱有助于明晰区域土壤侵蚀变化机制，并对评价水土防治以及更深入指导水土保持建设有着重要意义。

滇池流域是云南省人口最密集、人类活动最频繁、经济最发达的区域，近年来城市化的快速发展使流域水质持续恶化，土壤侵蚀已成为重要的污染源之一。但目前针对滇池流域土壤侵蚀时空演变的研究相对较为缺乏，因此，有必要从时空演变角度分析流域土壤侵蚀的变化规律，为滇池污染防治、城市可持续发展提供决策支持。本文将RS、GIS技术与土壤侵蚀模型集成，基于1999年、2002年、2005年、2008年、2011年、2014年6个年度的遥感影像、DEM、降雨量、土壤等数据，对滇池流域近15 a来的土壤侵蚀强度空间分布进行动态监测，揭示侵蚀的时空分布规律及时空格局特点，以期为该区域的水土保持和生态环境建设提供科学参考。

1 研究区概况与数据来源

1.1 研究区概况

滇池流域位于云南省中东部，昆明市的西南部，具体位置如图 1所示。流域涉及昆明市五华区、官渡区、西山区、盘龙区、呈贡区及晋宁县、嵩明县5区2县，53个乡镇（街道办事处），流域面积2 920 km2，城市建成区面积 412 km2。2015年滇池流域常住总人口约为406.86万人，约占昆明市总人口的60%；流域GDP达到3 168亿元，约占昆明市GDP的80%，占全省GDP的23%[21]。

图1 研究区位置Fig.1 Location of study area

滇池流域以约占云南省0.75%的土地面积，承载了全省约23%的GDP和8%的人口，是云南省人口高度密集、城镇化程度最高的地区，污染排放超过了环境承载力。2000年以来，滇池流域经济快速发展，城市规模急速扩大，不透水表面增长迅速，由此带来了一系列生态环境问题[22]。滇池流域坡度在2°以上35°以下的区域占流域面积的 87.6%[23]，这样的坡度结构进一步导致水土流失频发。滇池地处昆明城市下游，是滇池盆地最低凹地带，城市周边所有径流基本都汇入了滇池，径流中所携带的污染物是导致其水质恶化和水环境退化的主要原因[24]。因此，进行滇池流域土壤侵蚀研究对滇池污染防治、城市可持续发展具有重要的现实意义与科学价值。

1.2 数据来源

本文采用的数据为USLE侵蚀模型所需的5个因子数据，包括：1）降雨数据，滇池流域1999年、2002年、2005年、2008年、2011年、2014年6年5个监测点（昆明站、太华山站、晋宁站、嵩明站、呈贡站）的日降雨数据；2）土壤数据，滇池流域1∶25万土壤类型数据；3）高程数据，流域数字高程模型（DEM）数据，空间分辨率为30 m；4）遥感影像数据，滇池流域1999年、2002年、2005年、2008年、2011年、2014年6期Landsat TM影像。

2 研究方法

2.1 土壤侵蚀模型

使用通用土壤侵蚀方程 USLE与中国土侵蚀方程CSLE分别对滇池流域土壤侵蚀量进行计算，结果显示USLE模型计算精度高于CSLE模型，因此本文采用通用土壤侵蚀方程USLE，该模型的表达式如下

式中A为土壤侵蚀量，t/(hm2·a)，乘以100后单位转换为t/(km2·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)/(MJ·mm·hm2)；LS 为坡长坡度因子，C为覆盖与管理因子，P为保持措施因子，LS、C、P均为无量纲。

2.2 降雨侵蚀力因子

降雨是引起土壤侵蚀的主要动力，降雨时雨滴击溅并分离土壤颗粒，降雨形成径流后进一步冲刷并搬运土壤进而形成土壤侵蚀，因此降雨是土壤侵蚀形成的直接驱动力。章文波、付金生等[25]通过大量的计算发现基于日降水量获得的降雨侵蚀力结果误差最小精度最高，因此基于日降水量构建了降雨侵蚀力模型，模型算法如下式

式中 Rj为第 j 个半月的降雨侵蚀力，MJ·mm/(hm2·h·a)，Pi为半月时段内第i天的日降雨量，mm，K为半月时段的天数，α、β为模型参数。模型中如果Pi≤12则Pi值计入0，反之Pi≥12才计入值。Pd12是当日降雨量≥12 mm的日均降雨量，Py12是日降雨量≥12 mm 时的年均降雨量。基于公式（2）根据研究区5个监测点日降水数据计算得到6 a的降雨侵蚀力，并利用GIS的插值功能生成流域降雨侵蚀力空间分布图（图2）。

2.3 土壤可蚀性因子

土壤可蚀性因子K是评价土壤受侵蚀营力破坏难易程度的指标，反映土壤对侵蚀营力分离和搬运作用的敏感程度。K值的确定方法很多，最常用的有中值粒径法、实测法、EPIC模型等，大多数方法需要很多土壤性质参数，如土壤质地、结构、有机质、通透性等，而土壤结构、通透性很难获取。因此，Wischmeier和Smith[26]对侵蚀-生产力评价模型（erosion productivity impact calculator，EPIC）中K值的计算方法进行了简化，简化后K值主要与砂粒、粉粒、黏粒和有机质含量相关，得到如下公式

式中SAD为砂粒含量，SIL为粉粒含量，CLA为黏粒含量，C为有机质含量，上述 4个变量单位均为%。EPIC方法主要是美国的经验模型，为了适宜中国的情况，张科利对该模型进行了修正[27]，得到公式（6）。

根据K值计算的EPIC公式可知，K值与土壤的机械组成（砂粒、粉粒、黏粒）及有机质的含量相关。通过查询《云南土种志》获得流域各类土壤的机械组成和有机质含量等参数，将参数代入公式（5）和（6）计算得到滇池流域各种土壤类型的K值，如表1。

表1 滇池流域砂粒、粉粒、黏粒、有机质含量及K值Table 1 Contents of sand, silt, clay, organic matter and K value in Dianchi Basin

基于GIS对滇池流域土壤可蚀性因子K进行空间化表达，得到K值空间分布图（图3a）。可以看出，流域绝大部分区域的K值在0.03～0.1之间，K值最大的区域处于流域的北端和东部的小部分区域，最低值基本上位于流域南段。

图3 滇池流域土壤可蚀性因子和坡度坡长因子空间分布Fig.3 Spatial distribution of soil erodibility factor and slope length factor in Dianchi Basin

2.4 坡长坡度因子

坡长坡度因子LS包含坡长因子L和坡度因子S。坡长的大小影响着地表径流的流速，一般情况下，坡长越长地表径流的速度就越快，对地表土壤的侵蚀力也就越大，坡长反映了地形对侵蚀的影响。坡长因子 L的计算本文采用刘宝元[28]提出的求算公式

式中L为坡长因子，l为坡长值，m为坡长指数。m取值如下式

式中θ为坡度值，（°）。

坡度表示地表的倾斜程度，其值的大小直接影响着物质流动与能量转换的规模和强度，是影响土壤侵蚀的直接因素。坡度因子计算方程如下式

基于滇池流域 DEM 数据，根据式(7)、(8)、(9)在ArcGIS软件中首先计算坡长、坡度因子，然后利用ArcGIS的栅格计算功能将坡长L和坡度S进行叠加得到流域坡长坡度因子LS的空间分布图（图3b）。

2.5 覆盖与管理因子

通用土壤侵蚀模型中C为一定条件下有植被覆盖或实施田间管理的土壤流失量与同等条件下休闲地上的土壤流失量之比，其值在0到1之间。该值反映的是植被覆盖和经营管理对土壤侵蚀量的影响，C值越大则说明这类土地利用方式造成的土壤侵蚀量越大。C值的确定目前主要有经验法和植被覆盖度计算法，前者主要通过大量统计数据得到，后者在计算研究区植被覆盖度的基础上通过建立回归关系方程而得到。本文采用蔡崇法等[29]建立的C值模型，该模型构建了植被覆盖度与C值的线性关系，公式如下

式中c为植被覆盖度。利用遥感影像进行植被覆盖度提取后基于上述公式在ArcGIS软件中计算得到C值空间分布图（图4）。

图4 1999—2014年滇池流域覆盖与管理因子空间分布Fig.4 Spatial distribution of cover and management factor in Dianchi Basin from 1999 to 2014

2.6 水土保持措施因子

在通用土壤侵蚀模型中，水土保持措施因子 P表示的是采取了特定措施下的土壤侵蚀量与对应未采取保持措施的土壤侵蚀量之比，其值范围在0～1之间。当P值为 0时，表示该区域水土保持措施很好，基本上不会发生侵蚀；为 1时，表示未采取任何水土保持措施。保持措施一般分为耕种措施和工程性措施，常见的耕种措施有带状耕作和等高耕作，工程性措施如修建梯田、建立排水措施、退耕还林等。本文 P值是在参考前人已有研究的基础上结合流域土地利用情况和水土保持措施而确定[30]。结合滇池流域土地利用/覆被类型及水土保持措施实施情况，确定流域P值，结果如表2。

表2 滇池流域水土保持措施因子Table 2 Soil and water conservation measures factor in Dianchi Basin

3 结果与分析

3.1 土壤侵蚀分级结果与验证

将上述计算所获得的各因子图层和式（1）利用ArcGIS栅格空间分析功能中的地图代数运算计算得到各时期土壤侵蚀量即侵蚀模数，按照国家水利部2007年制定的《土壤侵蚀分类分级标准》进行分级制图，得到滇池流域土壤侵蚀模数图（图5）。

图5 1999—2014年滇池流域土壤侵蚀模数空间分布Fig.5 Spatial distribution of soil erosion modulus in Dianchi Basin from 1999 to 2014

从图5可以看出，6个时期大部分区域为黄色，侵蚀模数很小，在0～500 t/(km2·a)之间，按照水利部颁布的侵蚀标准该区域为无明显侵蚀区域；图中其余部分以侵蚀模数在 500～2 500 t/(km2·a)的蓝色和 2 500～5 000 t/(km2·a)的红色为主，为轻度侵蚀和中度侵蚀；黑色表示的强度侵蚀占比非常小。对流域土壤侵蚀（即侵蚀模数>500 t/(km2·a)面积进行统计，得到侵蚀面积与占比情况，结果见表3。

表3 滇池流域侵蚀面积统计Table 3 Erosion area statistics of Dianchi Basin

表3结果显示，1999－2014年期间流域侵蚀面积呈不断下降趋势，15 a间下降了12%，说明土壤侵蚀现象得到了有效遏制。

对模拟计算结果的验证采用相对误差（Re）、决定系数（R2）法，模型验证实测数据来源于云南省水利厅所开展的《云南省2004年土壤侵蚀现状遥感调查工作》项目成果。该调查工作成果以县级行政辖区范围为基本统计单元，而滇池流域是一个集水区范围，在该集水区内涉及到了五华区、盘龙区、西山区、官渡区、呈贡区、嵩明县和晋宁县。在这 7个区县中仅盘龙区和呈贡区的辖区范围属于滇池流域范围，因此选择这 2个区作为模型验证区域。采用上述方法对2004年盘龙区和呈贡区侵蚀面积进行计算，并与实测数据进行比较，结果见表4。

表4 侵蚀面积模拟值与实测值对比Table 4 Comparison between simulated value and measured value of erosion area

从上述图表可以看出，2个区的模拟值与实测值的相对误差率总体在18.16%以内，进一步计算决定系数R2后得到：盘龙区 R2=0.997，呈贡区 R2=0.996，说明模型模拟结果比较准确。

3.2 土壤侵蚀时空演变分析

3.2.1 土壤侵蚀强度数量演变分析

依据土壤侵蚀强度划分标准对滇池流域进行侵蚀面积统计，得到1999—2014年15 a间不同侵蚀强度的侵蚀面积和占比变化情况，得到结果如表5和图6。从图6可以看出，滇池流域15 a间微度侵蚀均占较大比重且呈上升趋势，面积由1999年的1 843km2（占比70%）到2014年增加为2 151km2（占比82%），增幅达到12%；轻度侵蚀和中度侵蚀面积总体呈下降趋势，占比从最高 15%下降到最低9%；强度侵蚀占比非常小，几乎可以忽略不计。

表5 滇池流域1999—2014年土壤侵蚀面积变化Table 5 Soil erosion area change from 1999 to 2014 in Dianchi Basin

图6 滇池流域1999—2014年不同侵蚀强度面积占比变化Fig.6 Change of area ratio of different erosion intensity from 1999 to 2014 in Dianchi Basin

3.2.2 土壤侵蚀强度空间演变分析

为了揭示滇池流域土壤侵蚀强度空间演变特征，利用ArcGIS软件的空间叠置功能制作流域侵蚀等级强度转化图，结果如图7所示。图7对滇池流域1999—2014年间 3个时间跨度的侵蚀空间演变进行了分析，从总的变化趋势来看，3个时段内75%左右区域侵蚀强度未发生变化，空间上集中分布在昆明市主城区、晋宁县城区和新街镇一带。1999—2008年期间（图7a）有15.28%区域侵蚀减轻，主要集中在盘龙江中下游、宝象河流域以及捞鱼河流域，13.31%区域发生了恶化，主要在盘龙江上游和柴河流域；2008－2014年间（图7b）有16.43%区域侵蚀减轻，以盘龙江流域、宝象河流域以及捞鱼河流域最为显著，6.66%区域发生了恶化，分布的区域较为分散，散布于整个流域范围；从整个研究期变化看（图 7c）有18.23%区域侵蚀侵蚀减轻，以昆明市主城区至晋宁县环湖公路一带最为明显，而该段区域基本为滇池主要入湖河流的中下游段，8.36%区域发生了恶化，呈贡区东部、晋宁县东南部、嵩明县较为集中，该区域为流域东、南、北角的山区地带，海拔较高坡度较大。从上述 3个时间段的变化可以看出，在空间上侵蚀得到改善的区域主要是沿滇池的入湖河流一带，这与昆明市近年来所实施的退耕还林、滨河滨湖植被保护带建设等水土保持政策紧密相关。

基于图7分析结果，制作上述3个时间段的土壤侵蚀等级转移矩阵，得到表6、表7、表8。3个表反映出几个共同特征：1）微度侵蚀变化率较小，有较高的保存率，3个时间段有近65%左右微度侵蚀区域未发生变化；2）高侵蚀等级向低侵蚀等级转换的比率为18.23%，比低侵蚀等级向高侵蚀等级转换比率高了近 10%，说明侵蚀逐步得到控制，区域水土保持措施得当；3）向中度和强度侵蚀的转换率非常低，3个时间段内均在0.94%以下，说明流域近15 a来土壤侵蚀并不严重。

图7 1999—2014年滇池流域土壤侵蚀强度空间变化Fig.7 Spatial variation of soil erosion intensity from 1999 to 2014 in Dianchi Basin

表6 1999－2008年滇池流域土壤侵蚀强度转移矩阵Table 6 Diverting matrix of soil erosion intensity in Dianchi Basin from 1999 to 2008

表7 2008－2014年滇池流域土壤侵蚀强度转移矩阵Table 7 Diverting matrix of soil erosion intensity in Dianchi Basin from 2008 to 2014

表8 1999－2014年滇池流域土壤侵蚀强度转移矩阵Table 8 Diverting matrix of soil erosion intensity in Dianchi Basin from 1999 to 2014

4 结 论

将RS、GIS和土壤侵蚀模型USLE进行集成计算了滇池流域1999－2014年每隔3 a的土壤侵蚀量，分析了土壤侵蚀强度的时空演变特征，得到以下结论：

1）1999－2014年滇池流域土壤侵蚀呈下降趋势，从776 km2下降到了468 km2。以流域内的盘龙区和呈贡区为例，将2004年侵蚀量计算结果与《云南省2004年土壤侵蚀现状遥感调查工作》项目成果进行精度验证，相对误差率总体在18.16%以内，R2≥0.996，计算结果可信。

2）不同土壤侵蚀强度面积占比差异显著，滇池流域从1999—2014年期间微度侵蚀占比在70%～82%之间波动，并且比重呈逐年上升趋势；轻度侵蚀和中度侵蚀面积占比总体一致，在9%～15%之间窄幅波动；强度侵蚀非常小，几乎可以忽略不计。

3）1999—2014年间流域侵蚀强度空间演变趋势特点显著，75%左右区域侵蚀强度未发生变化，空间上集中分布在昆明市主城区、晋宁县城区域和新街镇一带；18.23%区域侵蚀强度等级降低，集中于环滇池一带的入湖河流地带；8.36%区域侵蚀强度等级上升，多分布滇池流域东、北和南端的山区地带。

4）土壤侵蚀强度等级转移矩阵显示微度侵蚀变化率较小，有较高的保存率；高侵蚀等级向低侵蚀等级转换的比率均高于低侵蚀等级向高侵蚀等级转换的比率，显示侵蚀区域得到了治理，成效显著；由微度和轻度侵蚀向中度和强度侵蚀的转换率非常低，3个时间段内均未超过0.94%，说明自1998年以来开展的退耕还林政策实施效果较好。

将RS、GIS与土壤侵蚀模型集成制作侵蚀变化的系列图谱可从一个时空变化的角度发现、寻找土壤侵蚀脆弱区，有助于分析区域土壤侵蚀从产生、发展到消亡的变化过程，为进一步提出精准的侵蚀防治措施提供决策依据，为流域生态环境保护提供参考。

[1] E M Bridges, Ian D Hannam, L Roel Oldeman, et al. Response to Land Degradation[M]. USA: CRC Press, 2001.

[2] Gao Y, Zhong B L, Yue H, et al. A degradation threshold for irreversible loss of soil productivity: A long-term case study in China[J]. Journal of Applied Ecology, 2011, 48: 1145－1154.

[3] Hartanto H, Prabhu R, Widayat A S E, et al. Factors affecting runoff soil erosion: Plot-level soil loss monitoring for assessing sustainability of forest management[J]. Forest Ecology and Management, 2003, 180: 361－374.

[4] 赵其国，史学正. 土壤资源概论[M]. 北京：科学出版社，2007.

[5] Pimentel D, Harvey C, Resosudarmo P, et al. Environmental and economic costs of soil erosion and conservation benefits[J]. Science, 1995, 267: 1117－1123.

[6] Elsen E, Hessel R, Liu B. Discharge and sediment measurements at the outlet of a watershed on the Loess plateau of China[J]. Catena, 2003, 54: 147－160.

[7] Wei W, Chen L D, Fu B J, et al. The effect of land uses and rainfall regimes on runoff and soil erosion in the semi-arid loess hilly area, China[J]. Journal of Hydrology, 2007, 335:247－258.

[8] 许尔琪，张红旗，董光龙. 伊犁河谷土壤水力侵蚀的时空变化研究[J]. 资源科学，2016，38(7)：1203－1211.Xu Erqi, Zhang Hongqi, Dong Guanglong. Temporal and spatial dynamics of soil water erosion in the Yili Valley[J].Resources Science，2016, 38(7): 1203－1211. (in Chinese with English abstract)

[9] 郭兵，陶和平，刘斌涛，等. 基于GIS和USLE的汶川地震后理县土壤侵蚀特征及分析[J]. 农业工程学报，2012，28(14)：118－126.Guo Bing, Tao Heping, Liu Bintao, et al. Characteristics and analysis of soil erosion in Li county after Wenchuan earthquake based on GIS and USLE[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(14): 118－126. (in Chinese with English abstract)

[10] 李月臣，刘春霞，赵纯勇，等. 三峡库区重庆段水土流失的时空格局特征[J]. 地理学报，2008，63(5)：502－513.Li Yuecheng, Liu Chunxia, Zhao Chunyong, et al.Spatiotemporal features of soil and water loss in the three gorges reservoir area of Chongqing[J]. Acta Geographica Sinica, 2008, 63(5): 502－513. (in Chinese with English abstract)

[11] 马力，卜兆宏，彭桂兰，等. 南京市2001～2008年水土流失的时空变化与治理成效研究[J]. 土壤学报，2011，48(4)：683－692.Ma Li, Bu Zhaohong, Peng Cuilan, et al. Temporal and spatial variation of soil and water loss and its control in Nanjing area from 2001 to 2008[J]. Acta Geographica Sinica,2011, 48(4): 683－692. (in Chinese with English abstract)

[12] 信忠保，许炯心，余新晓. 近50年黄土高原水土流失的时空变化[J]. 生态学报，2009，29(3)：1129－1139.Xin Zhongbao, Xu Jiongxin, Yu Xinxiao. Temporal and spatial variability of sediment yield on the Loess Plateau in the past 50 years[J]. Acta Ecologica Sinica, 2009, 29(3):1129－1139. (in Chinese with English abstract)

[13] 姚志宏，杨勤科，武艳丽，等. 孤山川流域近30年土壤侵蚀时空动态特征分析[J]. 武汉大学学报(信息科学版)，2014，39(8): 974－979.Yao Zhihong, Yang Qinke, Wu Yanli, et al. Spatial-Temporal dynamic features in soil erosion of the Gushanchuan Basin in the past three decades[J]. Geomatics and information Science of Wuhan University, 2014, 39(8): 974－979. (in Chinese with English abstract)

[14] 林晨，周生路，吴绍华. 30年来东南红壤丘陵区土壤侵蚀度时空演变研究[J]. 地理科学，2011，31(10)：1235－1241.Lin Chen, Zhou Shenglu, Wu Shaohua. Evolution of soil erosion degree in 30 years in granite hills, southeastern of China-A case study of Changting county, Fujian[J]. Scientia Geographica Sinica, 2011, 31(10): 1235－1241. (in Chinese with English abstract)

[15] 刘会玉，王充，林振山，等. 基于RS和GIS的滇池流域水土流失动态监测[J]. 南京师大学报(自然科学版)，2012，35(2)：120－124.Liu Huiyu, Wang Chong, Lin Zhenshan, et al. Dynamical monitoring of water loss and soil erosion in Dianchi Lake Basin based on RS and GIS[J]. Journal of NanJing Normal University (Natural Science Edition), 2012, 35(2): 120－124.(in Chinese with English abstract)

[16] 查良松，邓国徽，谷家川. 1992－2013年巢湖流域土壤侵蚀动态变化[J]. 地理学报，2015，70(11)：1708－1719.Zha Liangsong, Deng Guohui, Gg Jiachuang. Dynamic changes of soil erosion in the Chaohu watershed from 1992 to 2013[J]. Acta Geographica Sinica, 2015, 70(11): 1708－1719. (in Chinese with English abstract)

[17] 董婷婷，左丽君，张增祥. 基于ANN-CA模型的土壤侵蚀时空演化分析[J]. 地球信息科学学报，2009，11(1)：132－138.Dong Tingting, Zuo Lijun, Zhang Zengxiang. A Study on spacetime evolution of erosion based on ANN-CA·Model[J].Journal of GEO-Information Science, 2009, 11(1): 132－138.(in Chinese with English abstract)

[18] 陆建忠，陈晓玲，李辉，等. 基于GIS/RS和USLE鄱阳湖流域土壤侵蚀变化[J]. 农业工程学报，2011，27(2)：337－344.Lu Jianzhong, Chen Xiaoling, Li Hui, et al. Soil erosion changes based on GIS/RS and USLE in Poyang Lake basin[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE). 2011, 27(2): 337－344. (in Chinese with English abstract)

[19] Teng Hongfen, Raphael A Viscarra Rossel, Zhou Shi, et al.Assimilating satellite imagery and visible-near infrared spectroscopy to model and map soil loss by water erosion in Australia[J]. Environmental Modelling & Software, 2016, 77:156－167.

[20] Alexakis Dimitrios D, Hadjimitsis Diofantos G, Athos Agapiou. Integrated use of remote sensing, GIS and precipitation data for the assessment of soil erosion rate in the catchment area of “Yialias” in Cyprus[J]. Atmospheric Research, 2013,131: 108－124.

[21] 昆明市人民政府，滇池流域水环境保护治理“十三五”规划(2016-2020)[R]. 2016.

[22] 昆明市人民政府，滇池流域水污染防治“十二五”规划[R].2012.

[23] 袁国林，贺彬. 滇池流域地理特征对滇池水污染的影响研究[J]. 环境科学导刊，2008，27(5)：21－23.Yuan Guolin, He Bin. Impact of geographical character on water pollution in Dianchi Lake Basin[J]. Environmental Science Survey, 2008, 27(5): 21－23. (in Chinese with English abstract)

[24] 谷雨，张乃明. 昆明主城区城市地表径流污染特征分析[J].环境工程学报，2013，7(7)：2587－2595.Gu Yu, Zhang Naiming. Characterization of urban surface runoff in main districts of Kunming[J]. Chinese Journal of Environment Engineering, 2013, 7(7): 2587－2595. (in Chinese with English abstract)

[25] 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，2003，25(1)：35－41.Zhang Wenbo, Fu Jinsheng. Rainfall erosivity estimation under different rainfall amount[J]. Resources Science, 2003,25(1): 35－41. (in Chinese with English abstract)

[26] Wischmeier W H, Smith D D. Predicting Rainfall Erosion Losses: A Guide to Conservation Planning[M]. Washington D C: United States Department of Agricultural-handbook, 1978.

[27] 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 Keli, Peng Wenying, Yang Hongli. Soil erodibility and its estimation for agricultural soil in China[J]. Acta Pedologica Sinica, 2007, 44(1): 7－13. (in Chinese with English abstract)

[28] Liu B Y, Nearing M A, Risse L M. Slope gradient effects on soil loss for steep slopes[J]. Transactions of the ASAE, 1994,37(6): 1835－1840.

[29] 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 Chongfa, Ding Shuwen, Shi Zhihua, 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. (in Chinese with English abstract)

[30] 赵磊，袁国林，张琰，等. 基于GIS和USLE模型对滇池宝象河流域土壤侵蚀量的研究[J]. 水土保持通报，2007，27(3)：42－46.Zhao Lei, Yuan Guolin, Zhang Yan, et al. The amount of soil erosion in Baoxiang watershed of Dianchi Lake based on GIS and USLE[J]. Bulletin of Soil and Water Conservation, 2007,27(3): 42－46. (in Chinese with English abstract)