文章快速检索     高级检索
  中国水土保持科学   2019, Vol. 17 Issue (6): 132-139.  DOI: 10.16843/j.sswc.2019.06.017
0

引用本文 

汪邦稳. 安徽省土壤可蚀性K值及其分布特征[J]. 中国水土保持科学, 2019, 17(6): 132-139. DOI: 10.16843/j.sswc.2019.06.017.
WANG Bangwen. Soil erodibility K values and its distribution in Anhui province[J]. Science of Soil and Water Conservation, 2019, 17(6): 132-139. DOI: 10.16843/j.sswc.2019.06.017.

项目名称

安徽省水利科技项目“江淮丘陵区坡地水沙分配及氮磷流失规律研究”(slkj201806);安徽省·水利部淮委水科院科技创新基金项目“安徽丘陵山地不同土地利用类型的水土流失规律研究”(KY201701)

第一作者简介

汪邦稳(1981-), 男, 博士, 高级工程师。主要研究方向:土壤侵蚀与环境。E-mail:357733852@qq.com

文章历史

收稿日期:2018-08-22
修回日期:2019-06-17
安徽省土壤可蚀性K值及其分布特征
汪邦稳     
安徽省(水利部淮河水利委员会)水利科学研究院, 水利水资源安徽省重点实验室, 230088, 合肥
摘要:土壤可蚀性是水土流失预测的基础数据,科学获取土壤可蚀性数据对提升水土流失预测准确性具有重要意义。利用径流小区实测资料和估算模型,借助土壤质地转换方法和ArcGIS软件,研究安徽省土壤可蚀性K值及其分布。结果表明:安徽省土壤类型多,但主要土壤类型有10种,面积占全省国土面积的92.3%,水土流失区的土壤类型主要为红壤、粗骨土、黄褐土、黄棕壤、黄壤和紫色土,分布面积占全省国土面积的44.9%;安徽省水土流失区主要类型土壤可蚀性实测值与EPIC模型估算值存在很好的线性关系,建立的线性方程可用于EPIC模型修订;通过验证,分形模型可用于该地区的土壤质地转换;安徽省皖西山地丘陵区、皖南山区及江淮丘陵区的土壤可蚀性值为0.020~0.050 t·hm2·h/(MJ·mm·hm2),全省平均K值为0.036 6 t·hm2·h/(MJ·mm·hm2),该地区水土流失潜在风险较大。研究结果可为安徽省水土保持规划和生态建设提供科学依据。
关键词土壤侵蚀    分形模型    ArcGIS    皖西    皖南    
Soil erodibility K values and its distribution in Anhui province
WANG Bangwen     
Anhui and Huaihe River Institute of Hydraulic Research, Anhui Province Key Laboratory of Water Conservancy and Water Resources, 230088, Hefei, China
Abstract: [Background] Soil erosion is the concentrated embodiment of environmental problems in China. Erosion intensity is affected by external factors, such as rainfall, topography and vegetation, and also depends on soil anti-erosion ability. Soil erodibility is a main index of soil erosion resistance. And it is also the basic data for soil erosion prediction. The veracity of soil erodibility value directly affects soil erosion prediction accuracy. The vegetation of Anhui province was fatal damaged and the soil loss on the surface was severe in 1950s and 1960s. At present, although natural secondary forest has been restored in a large range, 12 400 km2 of soil erosion area still exists, especially for sloping farmland, economic woodland and sparse woodland due to heavy rainfall, complex topography, and frequent human activities. Therefore, in order to protect soil resources and achieve sustainable development of the area, the soil erodibility of the region needs to be studied. [Methods] This study analyzed the soil erodibility and its distribution using universal soil loss equation, EPIC model, soil texture transformation method, and ArcGIS software. Data of precipitation, soil erosion and soil properties were collected from 4 experimental stations of soil and water conservation in Anhui province. Data of 48 typical profiles for Anhui province were collected from "soil distribution of Anhui province" and "Chinese soil record" books. The soil samples were collected on sunny days. Fifteen soil cores were collected using "S" road from the topsoil (0-20 cm) of each plot and were mixed completely to produce a composite sample for each plot. Plant roots and large stones were removed by sieving through a 2 mm mesh, and all soil samples were then stored at 4℃ until analyses of soil texture and chemical properties. [Results] There were 10 main soil types covering 92.3% of the total area in Anhui province. Main soil types in the erosional region were red soil, skeleton soil, yellow cinnamon soil, yellow brown soil, yellow soil and purple soil, which covered 44.9% of the total area in the province. There was a fine linear relationship between the measured values and estimated values of the EPIC model for the soil erodibility. The built linear equation thus revised the estimated values of EPIC model. The fractal model which was well verified transformed the soil texture composition from international system to American system for Anhui provincial soils. The erodibility value was 0.020-0.050 t·hm2·h/(MJ·mm·hm2) in the soil and water loss region, and the provincial average K value was 0.036 6 t·hm2·h/(MJ·mm·hm2). [Conclusions] The results provide basic data and technical support for the soil erosion prediction, which is of great significance to the protection of land resources and the ecological construction of soil and water conservation in the region.
Keywords: soil erosion    fractal model    ArcGIS    west of Anhui province    south of Anhui province    

水土流失是我国环境问题的集中体现[1],其强度大小除受降雨[2]、地形[3]、植被[4]等外部因素影响外,还取决于土壤本身的抗侵蚀能力[5]。土壤可蚀性是表征土壤抗侵蚀能力的主要指标,是水土流失预测评价的基础数据,其值的定量研究和应用备受国内外学者关注[6]。当前土壤可蚀性研究主要集中在量化应用及影响因素评价2方面:一是对不同类型的土壤可蚀性进行定量评估,优化评估方法[7-8];二是量化土地利用类型[9]、植被恢复[10]和耕作方式[11]等对土壤可蚀性的影响。这些研究成果在土地资源评价、水土流失预测等方面得到广泛应用[6]。但实际因长期定位观测资料覆盖范围有限,土壤类型和土壤特性空间变异大等因素影响,研究成果不宜跨区域推广[12];因此,不同区域土壤可蚀性研究需进一步加强。鉴于安徽省土壤可蚀性的相关研究未见报道,笔者利用径流小区实测资料、安徽省48种土壤剖面及其分布资料,采用通用土壤流失方程(universal soil loss equation,简称USLE)、EPIC估算模型、土壤质地转换方法,借助ArcGIS软件,获取了安徽省土壤可蚀性K值及其分布特征。研究成果可为该地区土壤资源评价和水土流失预测提供基础数据和科学依据,对推进土地资源保护和水土保持生态建设具有重要意义。

1 研究区概况

安徽省位于E 114°54′~119°37′与N 29°41′~34°38′之间,面积14.01万km2,地处暖温带与亚热带过渡区,多年平均降水量800~1 800 mm,时空分布不均,夏季降水占年降水量的40%~60%,多以暴雨形式降落,并在皖西、皖南山区形成2大暴雨中心。安徽省中山、低山、丘陵、岗地和平原等地貌类型齐全,>5°的土地占总土地面积的29.9%,丘陵山区地形起伏大,坡度陡,地形地貌复杂多样。地带性土壤有黄棕壤、黄红壤、黄壤与红壤,土层较薄,平均厚度不足1 m;因水土流失等原因,粗骨土分布广泛[13]。20世纪五六十年代,受人类经济活动的影响,安徽省植被遭到严重破坏,目前天然次生林虽然大范围恢复,但全省森林覆盖率仍较低,约32%,以马尾松(Pinus massoniana)林、毛竹(Phyllostachys heterocycla)林为主。安徽省因降雨量大、地形复杂、植被覆盖度低,以及人为活动频繁等原因,境内仍有约1.24万km2水土流失面积,尤其坡耕地、经济林地和稀疏林地的水土流失依然严重[14]

2 材料与方法 2.1 资料来源

安徽省水土流失区20世纪80年代建有4个水土保持实验站,现均纳入全国水土保持生态环境监测站网,试验站特征见表 1。利用2011—2016年霍山、岳西、广德和歙县4个试验站观测的共659场次降雨量、降雨强度及其相应地表裸露小区的泥沙量、坡度、坡长等数据获取土壤可蚀性实测值;利用4个试验站4种土壤类型的地表裸露小区的土壤理化性质数据获取土壤可蚀性的EPIC估算值;利用4个试验站4种土壤类型17种不同水土保持措施的国际制土壤粒径构建分形模型,并用相应的美国制土壤粒径对其验证。依据《安徽省土壤分布》,按照土壤分布面积和区域对安徽省土壤类型进行统计,平原区 < 10 km2的土种合并到同属下的其他土种,山地丘陵区 < 1 km2的土种合并到同属下的其他土种,最终统计出安徽省48种土壤类型,查阅《中国土种志(第1~6卷)》获取了该48种土壤类型的剖面资料。

表 1 安徽省水土保持试验站径流小区特征及资料年限 Tab. 1 Characteristic of runoff plots and data of soil and water conservation stations in Anhui province, China
2.2 观测与取样方法

试验站的降雨和土壤侵蚀资料按次降雨观测统计,土壤取样采用“S”路线法,每个径流小区取15个样点,深度为0~20 cm,用塑料桶将土壤充分混匀,挑出石块等杂物后,用四分法弃去多余部分,最后保留2 kg,用封口袋装好,贴上标签带回实验室风干,用英国生产的Mastersize 3000激光粒度仪测试土壤粒径组成,用重铬酸钾容量法测试土壤有机质,用沙维诺夫干、湿筛法分别测定土壤团粒含量和水稳性团粒含量。

2.3 土壤可蚀性实测值与估算值计算

根据USLE的定义获取土壤可蚀性实测值[15],本文采用的径流小区由于坡度、坡长和覆盖—管理措施与USLE的标准小区不同,因此需要订正,坡度因子订正公式见式(1)[7],坡长因子订正公式见式(2)[15]。覆盖-管理因子值基于每个小区的管理记录,依据USLE手册确定[16]。土壤可蚀性实测值计算见式(3)。

$ S = 21.9\sin \theta - 0.96。$ (1)

式中:S为坡度因子,量纲为1;θ为径流小区的坡度,(°)。

$ {L} = {\left[ {\frac{\lambda }{{22.13}}} \right]^n}。$ (2)

式中:L为坡长因子,量纲为1;λ为坡长,m;n为系数,当坡度≥5%,n=0.5,当坡度为3.5%~4.5%时,n=0.4,当坡度为1%~3%时,n=0.3,当坡度小于1%时,n=0.2。

$ {K} = \frac{A}{{RLSC}}。$ (3)

式中:K为土壤可蚀性因子,t·hm2·h/(MJ·mm·hm2);A为单位面积上多年的平均土壤流失量,t/(hm2·a);R为降雨侵蚀力因子,基于次降雨资料利用USLE中降雨侵蚀力计算方法获取[15],MJ·mm/(hm2·h·a);C为覆盖-管理因子,量纲为1。

采用应用较为广泛的EPIC模型[17]获取土壤可蚀性估算值

$ \begin{array}{l} {K} = \left\{ {0.2 + 0.3\exp \left[ { - 0.025\;6{S_{{\rm{AN}}}}\left( {1 - \frac{{{S_{{\rm{IL}}}}}}{{100}}} \right)} \right]} \right\} \times \\ {\left[ {\frac{{{S_{{\rm{IL}}}}}}{{{C_{{\rm{LA}}}} + {S_{{\rm{IL}}}}}}} \right]^{0.3}}\left[ {1.0 - \frac{{0.25{C_{\rm{t}}}}}{{{C_{\rm{t}}} + \exp \left( {3.72 - 2.95{C_t}} \right)}}} \right] \times \\ \;\;\;\left[ {1.0 - \frac{{0.7{S_{{\rm{NI}}}}}}{{{S_{{\rm{NI}}}} + \exp \left( { - 5.51 + 22.9{S_{{\rm{NI}}}}} \right)}}} \right]。\end{array} $ (4)

式中:SAN为砂粒(2~0.05 mm)质量分数,%;SIL为粉粒(0.05~0.002 mm)质量分数,%;CLA为黏粒(< 0.002 mm)质量分数,%;Ct为土壤有机碳质量分数(Ct=0.058 3×土壤有机质含量),%;SN1=1-SAN/100。

为了便于与同类研究进行比较,获取的可蚀性值采用国际单位,式(4)估算的值为美国惯用单位,将其乘以0.131 7则可转变为国际制单位[15]

2.4 土壤质地转换

土壤质地分级标准因不同的国家或地区有所不同,国际制土壤粒径分级,< 0.002 mm为黏粒、0.002~0.02 mm为粉粒、0.02~2 mm为砂粒、>2 mm为石砾。美国制土壤粒径分级,< 0.002 mm为黏粒、0.002~0.05 mm为粉粒、0.05~0.10 mm为极细砂、0.10~2 mm为砂粒、>2 mm为石砾。EPIC模型中的土壤粒径为美国制,我国第2次土壤调查的土壤粒径为国际制。因此,为了获取安徽省土壤可蚀性分布,需对48种土壤质地粒径进行转换,转换的方法采用应用广泛的分形模型转换法。分形模型原理[18]为土壤颗粒的质量分布与平均粒径间有分形关系(式5)。

$ {W}\left( {\delta < {{\bar R}_i}} \right)/{{W}_0} = {\left( {{{\bar R}_i}/{{\bar R}_{\max }}} \right)^{3 - D}}。$ (5)

式中:δ为筛分粒级直径;Rmax为最大粒级土粒的平均直径;W0为土壤各粒级质量的总和,W(δ < Ri)/W0为 < Ri的累积土粒质量与土粒总质量的比值,为了简便,以Wi代替W(δ < Ri)。式(5)中各土壤颗粒的粒径及小于某一粒径土壤的质量可通过土壤的粒径分析确定。然后分别以lg(Wi/W0)、lg(Ri/Rmax)为纵坐标和横坐标,那么3-D就是拟合的直线方程的斜率,D即为土壤颗粒分形维数,Ri为土壤i粒级的土粒平均直径,2≥i>0。

2.5 GIS分析

利用安徽省水土保持试验站实测数据构建的土壤可蚀性实测值与估算值的关系方程,结合分形模型、EPIC模型对安徽省48种土壤质地进行的转换和可蚀性计算,基于安徽省土壤图、借助ArcGIS分析与计算功能,获取安徽省土壤可蚀性K值分布,并统计其特征。

文中数据处理主要采用SPSS 19.0、Excel 2007和ArcGIS9.3等软件。

3 结果与分析 3.1 安徽省土壤分布特征

依据安徽省土壤图,借助ArcGIS软件,结合《安徽省土壤分布》,对面积分布前10位的土壤类型进行分析和统计,详见图 1表 2

图 1 安徽省主要土壤种类分布 Fig. 1 Distribution of main soil types in Anhui province
表 2 安徽省主要土壤类型面积统计 Tab. 2 Area of main soil types in Anhui province, China

图 1表 2可看出:安徽省分布最广的土壤为红壤,面积4万3 803.2 km2,主要分布于皖西、皖南山地丘陵的中下部及山麓地带;潮土次之,面积2万8 093.5 km2,主要分布于黄泛平原及淮河的沿岸地带;水稻土第三,面积2万4 766.2 km2,主要分布于沿江地区、江淮丘陵区和皖南地区;砂姜黑土第四,面积1万1 990.6 km2,主要分布于淮北平原的中南部及其平原延伸的洼地;黄褐土第五,面积5 958.0 km2,主要分布于江淮丘陵岗地;黄棕壤第六,面积4 828.4 km2,主要分布于低山丘陵地区和石质岗丘顶部,海拔一般在100 m以上;粗骨土第七,面积4 341.0 km2,全省均有分布,以海拔200~600 m低山丘陵分布较为集中;黄壤第八,面积2 589.0 km2,主要分布在山地垂直带上,一般位于海拔200~ 1 100 m的地带;石灰土第九,面积1 626.4 km2,主要分布在沿江冲积平原的外缘地段及长江沿岸河漫滩和江心洲上;紫色土第十,面积1 371.0 km2,主要分布在皖西大别山外围和皖南休屯盆地边缘丘岗地带。面积分布前10位的土壤占全省国土面积的92.3%,其中水土流失区[14]的土壤类型主要为红壤、黄褐土、黄棕壤、粗骨土、黄壤和紫色土,分布面积占全省国土面积的44.9%。

3.2 实测值和估算值关系方程

基于实测数据,利用USLE定义和EPIC模型获取了安徽省水土流失区主要土壤可蚀性实测值与估算值,并采用回归方法建立了实测值与估算值的关系方程,见表 3

表 3 安徽省水土流失区主要土壤可蚀性实测值与估算值的关系 Tab. 3 Correlation between measured and estimated values of main soil erodibility in soil loss areas of Anhui province

表 3可看出,与实测值相比,安徽省水土流失区的粗骨土、黄棕壤、黄红壤和红壤可蚀性估算值偏高,平均高96.1%,方差分析显示在0.05显著水平下,估算值与实测值存在显著差异,表明EPIC模型不能直接应用于安徽省土壤可蚀性计算,该结果与张科利等[7]、史学正等[19]研究中国和亚热带土壤可蚀性的结论一致。实测值与估算值有很好的线性关系,从表 3可以看出:实测值与估算值的线性方程的R2达到0.977,说明用该方程获取的土壤可蚀性实测值97.7%可由估算值解释;显著性水平 < 0.05,为0.012,说明建立的线性方程有效。现有研究表明,利用实测资料验证和修正土壤可蚀性估算方法是科学获取土壤可蚀性值的重要手段[7, 19-20],所以,EPIC模型经建立的线性方程修订后可用于获取安徽省的土壤可蚀性。

3.3 土壤质地转换模型验证

利用霍山、岳西、歙县、广德4种土壤17个径流小区国际制土壤粒径数据,拟合分形模型,获取模拟的美国制土壤粒径数据,并用相应小区实测的美国制粒径数据验证分形模型转换的结果。基于17个小区的土壤粒径数据,分别拟合出17个分形方程,详见表 4,可以看出,拟合的方程都达到显著水平,R2都在0.8以上,说明拟合的方程较好。

表 4 安徽省水土保持试验站小区土壤质地转换拟合的分形模型 Tab. 4 Fractal modeling of soil type transformation in the soil and water conservation stations of Anhui province

用拟合方程把相应的国际制土壤粒径转换为美国制,并用实测值进行验证,详见表 5,可以看出,除个别模拟值外,大部分的模拟值和实测值相差不到10%。对模拟值和实测值进行方差分析(P < 0.05),结果显示2~0.1 mm、0.1~0.05 mm、0.05~0.002 mm土壤粒径的模拟值与实测值的差异显著性水平分别是0.888、0.127和0.327,均>0.05,差异不显著,说明模拟值与实测值具有较好的相一致。因此,分形模型适用于安徽省土壤质地粒径转换。

表 5 安徽省水土保持实验站美国制土壤粒径组成的分形模拟值与实测值 Tab. 5 Fractal measured and simulated values of soil particle size compositions in American system for soil and water conservation stations in Anhui province  %
3.4 土壤可蚀性分布特征

利用分形模型对安徽省48种土壤类型的质地粒径进行转换,采用EPIC模型及其修订方程,借助ArcGIS软件,获取安徽省土壤可蚀性K值分布,详见图 2

Ⅰ江淮丘陵水土流失区,Ⅱ皖西丘陵山地水土流失区,Ⅲ皖南丘陵山地水土流失区。 Ⅰ Jianghuai hilly soil erosion area; Ⅱ Hilly and mountain soil erosion area in western Anhui; Ⅲ Hilly and mountain soil erosion area in southern Anhui. 图 2 安徽省土壤可蚀性K值分布 Fig. 2 Distribution of soil erodibility K values in Anhui province

从图可看出安徽省>0.05 t·hm2·h/(MJ·mm·hm2)的土壤可蚀性主要分布在淮北平原、江淮之间的平原及山地丘陵的川地上,面积3.34万km2,占安徽省国土面积的23.8%,这主要因为该地区分布的是砂姜黑土和水稻土。砂姜黑土发育于河湖相沉积物上经脱沼泽作用而形成的半水成土,有机质含量低,严重缺磷少氮,结构松散,水稳性差,膨胀收缩性强,所以土壤可蚀性值较高[21]。水稻土由于长期受人为活动和自然成土因素的双重作用形成的土壤,有机质虽然含量较高,但土壤粒径组成不具分形特点,所以土壤可蚀性值较高[22]。砂姜黑土和水稻土虽然土壤可蚀性值较高,但主要分布于平原、洼地,不具备水土流失的地形条件,因此,水土流失轻微。

安徽省主要水土流失区的土壤可蚀性K值为0.020~0.050 t·hm2·h/(MJ·mm·hm2)。其中:皖西山地丘陵区的土壤可蚀性主要为0.020~0.035 t·hm2· h/(MJ·mm·hm2),该地区土壤主要是粗骨土、棕壤土;皖南山区的土壤可蚀性主要为0.030~0.050 t·hm2·h/(MJ·mm·hm2),该地区土壤主要是红壤、黄红壤;江淮丘陵区的土壤可蚀性主要为0.025~0.030 t·hm2·h/(MJ·mm·hm2),该地区土壤主要是黄褐土。土壤可蚀性值大小反映潜在的水土流失状况,为综合评估安徽省土壤可蚀性平均水平,扣除主要分布于平原与洼地的砂姜黑土和水稻土,利用面积加权法对该省的土壤可蚀性进行计算,得出安徽省土壤可蚀性平均值为0.036 6 t·hm2·h/(MJ·mm·hm2),虽然比黄土高原区[7]、南方红壤区的土壤可蚀性小[20],但比东北黑土区[8]、紫色土区的土壤可蚀性大[7],说明该地区水土流失潜在风险较大[14]

4 结论

1) 安徽省土壤类型多,但主要土壤类型有10种,面积占全省国土面积的92.3%,水土流失区主要为红壤、粗骨土、黄褐土、黄棕壤、黄壤和紫色土。

2) 安徽省水土流失区主要类型土壤可蚀性实测值与EPIC模型估算值存在很好的线性关系,建立的方程可用于EPIC模型修订。

3) 安徽省水土流失区主要类型土壤质地转换分形模型拟合较好,土壤粒径组成的模拟值和实测值没有差异,分形模型可用于该地区的土壤质地转换。

4) 安徽省主要水土流失区的皖西山地丘陵区、皖南山区及江淮丘陵区的土壤可蚀性值为0.020~0.050 t·hm2·h/(MJ·mm·hm2),平均值为0.036 6 t·hm2·h/(MJ·mm·hm2),该地区水土流失潜在风险较大。

5 参考文献
[1]
李锐. 中国水土流失基础研究的机遇与挑战[J]. 自然杂志, 2008, 2008, 30(1): 6.
LI Rui. Opportunities and challenges of basic research on soil and water loss in China[J]. Chinese Journal of Nature, 2008, 2008, 30(1): 6. DOI:10.3969/j.issn.0253-9608.2008.01.002
[2]
杨文利, 赵建民, 朱平宗, 等. 南方红壤区涟水河流域降雨侵蚀力时空特征[J]. 中国水土保持科学, 2018, 16(3): 18.
YANG Wenli, ZHAO Jianmin, ZHU Pingzong, et al. Temporal and spatial distribution characteristics of rainfall erosivity of the Lianshui basin in the red soil region of South China[J]. Science of Soil and Water Conservation, 2018, 16(3): 18.
[3]
雷章, 岳德鹏, YANG Di, 等.基于Hadoop的区域土壤侵蚀强度计算GIS设计与实验[J].农业机械学报, 2018, http://kns.cnki.net/kcms/detail/11.1964.s.20180612.0956.016.html.
LEI Zhang, YUE Depeng, YANG Di, et al. GIS design and experiment of soil erosion intensity calculating based on hadoop[J]. Transactions of the CSAM, http://kns.cnki.net/kcms/detail/11.1964.s.20180612.0956.016.html.
[4]
HOU Jian, WANG Huiqing, FU Bojie, et al. Effects of plant diversity on soil erosion for different vegetation patterns[J]. Catena, 2016, 147(12): 632.
[5]
KNAPEN A, POESEN J, GOVERS G, et al. Resistance of soils to concentrated flow erosion:A review[J]. EarthScience Reviews, 2007, 80: 75.
[6]
魏慧, 赵文武, 王晶. 土壤可蚀性研究述评[J]. 应用生态学报, 2017, 28(8): 2749.
WEI Hui, ZHAO Wenwu, WANG Jing. Research progress on soil erodibility[J]. Chinese Journal of Applied Ecology, 2017, 28(8): 2749.
[7]
ZHANG Keli, SHU Anping, XU Xianli, et al. Soil erodibility and its estimation for agricultural soils in China[J]. Journal of Arid Environments, 2008, 72(6): 1002. DOI:10.1016/j.jaridenv.2007.11.018
[8]
王彬, 郑粉莉, 王玉玺. 东北典型薄层黑土区土壤可蚀性模型适用性分析[J]. 农业工程学报, 2012, 28(6): 126.
WANG Bin, ZHENG Fenli, WANG Yuxi. Adaptability analysis on soil erodibility models in typical thin layer black soil area of Northeast China[J]. Transactions of the CSAE, 2012, 28(6): 126. DOI:10.3969/j.issn.1002-6819.2012.06.021
[9]
ZHOU Zhengchao, GAN Zhuoting, SHANGGUAN Zhouping, et al. Effects of grazing on soil physical properties and soil erodibility in semiarid grassland of thenorthern Loess Plateau (China)[J]. Catena, 2010, 82(2): 87. DOI:10.1016/j.catena.2010.05.005
[10]
WANG Hao, ZHANG Guanghui, LI Ningning, et al. Soil erodibility influenced by natural restoration time of abandoned farmland on the Loess Plateau of China[J]. Geoderma, 2018, 325(9): 18.
[11]
NZEYIMANA I, HARTEMINK A E, RITSEMA C, et al. Mulching as a strategy to improve soil properties and reduce soil erodibility in coffee farming systems of Rwanda[J]. Catena, 2017, 43(3): 149.
[12]
张科利, 蔡永明, 刘宝元. 土壤可蚀性动态变化规律研究[J]. 地理学报, 2001, 56(6): 673.
ZHANG Keli, CAI Yongming, LIU Baoyuan. Fluctuation of soil erodibility due to rainfall intensity[J]. Acta Geographica Sinica, 2001, 56(6): 673. DOI:10.3321/j.issn:0375-5444.2001.06.006
[13]
顾也萍, 王长荣. 新构造运动对安徽土壤分布的影响[J]. 长江流域资源与环境, 1998, 7(1): 25.
GU Yeping, WANG Changrong. Effects of neotectonic movement on soil development and distribution in Anhui province[J]. Resources and Environment in the Yangtze Basin, 1998, 7(1): 25.
[14]
余芬, 程先富, 赵明松. 安徽省土壤侵蚀敏感性评价研究[J]. 人民长江, 2009, 40(9): 32.
YU Fen, CHENG Xianfu, ZHAO Mingsong. Evaluation of soil erosion sensitivity in Anhui province[J]. Yangtze River, 2009, 40(9): 32. DOI:10.3969/j.issn.1001-4179.2009.09.012
[15]
刘宝元, 谢云, 张科利. 土壤侵蚀预报模型[M]. 北京: 中国科学技术出版社, 2001: 101.
LIU Baoyuan, XIE Yun, ZHANG Keli. Soil erosion prediction model[M]. Beijing: China Science and Technology Press, 2001: 101.
[16]
WISCHMEIER W H, SMITH D D. Predicting rainfall erosion losses:A guide to conservation planning, Agriculture Handbook No. 537[M]. Washington DC: USDA, 1978: 17.
[17]
WILLIAMS J R, RENARD K G, DYKE P T. EPIC-a new method for assessing erosion's effect on soil productivity[J]. Journal of Soil and Water Conservation, 1983, 38(6): 381.
[18]
郭中领, 张科利, 董建志, 等. 利用分形理论解决不同土粒分级标准间土壤质地资料的转换问题[J]. 地理科学, 2011, 31(10): 1254.
GUO Zhongling, ZHANG Keli, DONG Jianzhi, et al. Conversion of different soil texture triangle based on fractal theory[J]. Scientia Geographica Sinica, 2011, 31(10): 1254.
[19]
史学正, 于东升. 用田间实测法研究我国亚热带土壤的可蚀性K值[J]. 土壤学报, 1997, 34(4): 399.
SHI Xuezheng, YU Dongsheng. Soil erodibility factor K as studied using field plots in subtropical China[J]. Acta Pedologica Sinica, 1997, 34(4): 399. DOI:10.3321/j.issn:0564-3929.1997.04.007
[20]
郑海金, 杨洁, 喻荣岗, 等. 红壤坡地土壤可蚀性K值研究[J]. 土壤通报, 2010, 41(2): 425.
ZHENG Haijing, YANG Jie, YU Ronggang, et al. Study on soil erodibility factor K on red-soil sloping land[J]. Chinese Journal of Soil Science, 2010, 41(2): 425.
[21]
詹其厚, 袁朝良, 张效朴. 有机物料对砂姜黑土的改良效应及其机制[J]. 土壤学报, 2003, 40(3): 420.
ZHAN Qihou, YUAN Chaoliang, ZHANG Xiaopu. Ameliorative effect and mechanism of organic materials on vertisol[J]. Acta Pedologica Sinica, 2003, 40(3): 420. DOI:10.3321/j.issn:0564-3929.2003.03.015
[22]
周晓阳, 周世伟, 徐明岗, 等. 中国南方水稻土酸化演变特征及影响因素[J]. 中国农业科学, 2015, 48(23): 4811.
ZHOU Xiaoyang, ZHOU Shiwei, XU Minggang, et al. Evolution characteristics and influence factors of acidification in paddy soil of southern China[J]. Scientia Agricultura Sinica, 2015, 48(23): 4811. DOI:10.3864/j.issn.0578-1752.2015.23.022