文章快速检索     高级检索
  中国水土保持科学   2023, Vol. 21 Issue (2): 33-38.  DOI: 10.16843/j.sswc.2023.02.005
0

引用本文 

马含, 符素华, 董丽霞, 蒋光毅, 张志兰, 赵辉. 基于地理探测器的土壤侵蚀空间分异关键影响因子分析[J]. 中国水土保持科学, 2023, 21(2): 33-38. DOI: 10.16843/j.sswc.2023.02.005.
MA Han, FU Suhua, DONG Lixia, JIANG Guangyi, ZHANG Zhilan, ZHAO Hui. Analysis of key affecting factors in soil erosion spatial differentiation based on GeoDetector[J]. Science of Soil and Water Conservation, 2023, 21(2): 33-38. DOI: 10.16843/j.sswc.2023.02.005.

项目名称

重庆市水利局"重庆市2020年市级监测区域水土流失动态监测技术服务项目"(20C00541)

第一作者简介

马含(1998-), 女, 硕士研究生。主要研究方向: 土壤侵蚀与水土保持。E-mail: 202021051020@mail.bnu.edu.cn

通信作者简介

符素华(1973-), 女, 博士, 教授。主要研究方向: 土壤侵蚀机理。E-mail: suhua@bnu.edu.cn

文章历史

收稿日期:2021-12-02
修回日期:2022-06-11
基于地理探测器的土壤侵蚀空间分异关键影响因子分析
马含 1,2, 符素华 1,2, 董丽霞 1, 蒋光毅 3, 张志兰 3, 赵辉 4     
1. 北京师范大学地理科学学部, 100875, 北京;
2. 北京师范大学地表过程与资源生态国家重点实验室, 100875, 北京;
3. 重庆市水土保持监测总站, 401147, 重庆;
4. 水利部水土保持监测中心, 100053, 北京
摘要:为探究地理探测器用于确定县级行政区土壤侵蚀空间分异主导因子的可能性,应用中国土壤流失方程(CSLE)计算重庆市合川区与云阳县土壤侵蚀强度,并用地理探测器探究影响土壤侵蚀空间分异的主导因子。结果表明:因子探测发现,坡度因子和生物措施因子分别是合川区和云阳县土壤侵蚀空间分异的主导因子;交互探测结果表明,任意2因子交互时对土壤侵蚀空间分异的影响都具有增强作用,其中2区(县)地形因子与其他因子交互作用最好。地理探测器可用于识别县级行政区土壤侵蚀空间分异的关键因子,用于辅助水土保持方案的制订。
关键词地理探测器    主导因子    土壤侵蚀    空间分异    中国土壤流失方程    
Analysis of key affecting factors in soil erosion spatial differentiation based on GeoDetector
MA Han 1,2, FU Suhua 1,2, DONG Lixia 1, JIANG Guangyi 3, ZHANG Zhilan 3, ZHAO Hui 4     
1. Faculty of Geographical Science, Beijing Normal University, 100875, Beijing, China;
2. State Key Laboratory of Earth Surface Processes and Resource Ecology, Beijing Normal University, 100875, Beijing, China;
3. Chongqing Central Monitoring Station of Soil and Water Conservation, 401147, Chongqing, China;
4. Monitoring Center of Soil and Water Conservation, Ministry of Water Resources, 100053, Beijing, China
Abstract: [Background] Soil erosion is one of the environmental problems worldwide. Chongqing is located in the southwest purple soil area, with severe erosion. Exploring the possibility of using GeoDetector to determine the leading factors of soil erosion spatial differentiation in county-level administrative regions, and mastering the leading factors affecting the spatial heterogeneity of soil erosion in each district and county is the basis for effective soil loss control. [Methods] In this study, China Soil Loss Equation (CSLE) model was used to calculate soil erosion intensity in Hechuan district and Yunyang county of Chongqing, and GeoDetector was used to explore the dominant factors and interaction factors affecting the spatial heterogeneity of soil erosion. The CSLE model is based on the USLE and RUSLE. It is widely used because of its simple structure and easy access to parameters. GeoDetector is a statistical model based on spatial autocorrelation, which detects and analyzes spatial heterogeneity. It has four functions of factor detection, interaction detection, risk detection and ecological detection. This article used factor detection and interaction detection for analysis. Factor detection was used to reveal the influence of each factor on dependent variables. Interaction detection was used to judge the relationship between two different factors acting together on the dependent variable. [Results] 1) The slope and biological measure factor were the leading ones for the spatial variability of soil erosion in Hechuan district and Yunyang county, respectively. The affecting factors of the spatial differentiation of soil erosion in Hechuan district were ranked in descending order of explanatory power, namely, slope factor S, slope length factor L, tillage measure factor T, biological measure factor B, engineering measure factor E, soil erodibility factor K, and rainfall erosivity R. The affecting factors of Yunyang county were ranked in descending order of explanatory power, namely, the factor B, L, T, S, E, K, and R factor. 2) The interactive detection results showed that the effect of any two factors on the spatial difference of soil erosion was enhanced. The largest interaction q values were terrain factors interacting with other factors in the two counties. The top three interaction types in Hechuan district were LB (60.1%), SB (56.5%), and LS (54.1%). The top three interaction types in Yunyang county were LB (78.5%), LE (59.0%), and SB (56.9%). [Conclusions] These results suggest that GeoDetector can be used to identify key factors in the spatial differentiation of soil erosion in county-level administrative regions. Due to the different geographical environments in different regions, the dominant factors affecting the spatial differentiation of soil erosion were regionally different. The determination of the dominant factors can provide targeted opinions for different districts and counties to control soil erosion.
Keywords: GeoDetector    leading factor    soil erosion    spatial differentiation    Chinese Soil Loss Equation    

土壤侵蚀受气候、地形、植被及水土保持措施等多种因子的影响。以通用土壤流失方程USLE、修正通用土壤流失方程RUSLE和中国土壤流失方程CSLE为代表的坡面土壤侵蚀模型,被用来评价土壤侵蚀现状和水土保持措施的水土保持效益,能较为全面地考虑影响土壤侵蚀的因子。但这些坡面侵蚀模型并不能区分每个区域的主要影响因素。由于地形地貌和土地利用等因素的空间变异性,不同区域影响土壤侵蚀空间分异的关键因子会有所不同。如王欢等[1]利用地理探测器对喀斯特不同地貌类型区的土壤侵蚀进行定量分析,认为在喀斯特地区土地利用和坡度是决定土壤侵蚀空间异质的主导因子,王猛等[2]利用地理探测分析指出坡度对西南地区土壤侵蚀格局的影响起主导作用, 与王欢等[1]的结论一致。邹雅静等[3]利用地理探测器分析得出渭北矿区土壤侵蚀的主导因子是植被覆盖度和多年平均降水量。识别影响区域土壤侵蚀空间分异的关键因子,有助于区域土壤侵蚀防治有的放矢地进行。刘瑞娟等[4]利用偏相关分析得出淮河流域土壤侵蚀起主导作用的因子是地形起伏度。王志杰等[5]通过情景对比分析发现贵阳市植被覆盖因子为主导因子。

不同学者选择不同的研究方法来识别区域土壤侵蚀空间分异的关键因子。其中,地理探测器是被广泛用于识别空间分异的技术工具,被应用于地质地貌、大气污染、土地利用和区域经济等自然和人文科学等领域,并证实地理探测器是探究影响空间分异的主导因子的有效方法[6]。目前已有学者将地理探测器应用于土壤侵蚀研究领域,探讨地理探测器在土壤侵蚀研究方面的可行性。

以往的研究表明,地貌差异或侵蚀分区大的区域,能用地理探测器识别出侵蚀空间分异的主导因子。但县级行政区常常位于同一侵蚀类型区,且地貌差异也相对较小,此时是否能用地理探测器识别各县级行政区土壤侵蚀空间分异的主导因子,还需深入研究;因此笔者选取重庆市内同一侵蚀类型区下、地理环境差异显著且具有代表性的合川区与云阳县2区(县)作为研究对象,探讨地理探测器识别县级行政区土壤侵蚀空间分异的关键影响因子可能性,以期因地制宜制订水土流失防治措施,为区域生态环境高质量稳定发展提供技术依据。

1 研究区概况

合川区地貌以平缓丘陵为主,位于重庆市西北部,E 105°58′~106°40′,N 29°50′~30°23′,行政面积2 343 km2。土地利用类型以耕地为主,占总面积的46.15%(表 1)。坡度主<体15°,占总面积63.17%(表 2)。

表 1 合川区与云阳县土地利用情况 Tab. 1 Land use in Hechuan district and Yunyang county
表 2 合川区与云阳县各因子值分布情况 Tab. 2 Distribution of each factor value in Hechuan district and Yunyang county

云阳县以山地地貌为主,位于重庆市东北部,E 108°35′~109°14′,N 30°35′~31°26′,行政面积3 636 km2。土地利用类型以林地为主,占总面积的64.01%。主要坡度>15°,占总面积的82.40%。2区(县)各影响因子的主体范围及所占比例如表 2所示。

2 材料与方法 2.1 数据来源

降雨侵蚀力数据基于合川区与云阳县内1986—2015年(共计30 a)的逐日降雨量资料计算得到;土壤属性数据为第1次全国水利普查水土保持情况普查中的土壤可蚀性因子计算成果;地形因子数据来源于省级监测区内10 m分辨率DEM数据;遥感影像数据包括分辨率2 m的高分一号遥感影像数据及MODIS归一化植被指数(NDVI)产品。运用CSLE模型,得到合川区与云阳县土壤侵蚀模数图层。

2.2 地理探测器 2.2.1 因子探测器

用于探测影响因子对土壤侵蚀空间分异的解释力[7],解释力即影响因子在多大程度上解释因变量的空间分异,用q度量,q值的值域为[0, 1],q值越大则该影响因子的解释力越大。

$ q=1-\frac{\sum\limits_{h=1}^L N_h \sigma_h^2}{N \sigma^2}。$

式中:h为影响因子的分层,即分类或分区;NhN分别为h类和全区的样点数量;σh2σ2分别为h类和全区的土壤侵蚀模数的方差,q为影响因子对土壤侵蚀空间分异的解释力。

2.2.2 交互探测器

用于探测任意2因子ab共同作用时对土壤侵蚀空间分异的解释力。通过比较2个单因子q值及2因子叠加后的q值判断2因子的交互关系,有如下5种:

非线性减弱:q(a∩b) < Min(qa, qb)

单因子非线性减弱:Min(qa, qb) < q(a∩b) < Max(qa, qb)

双因子增强:Max(qa, qb) < q(a∩b) < qa + qb

相互独立:q(a∩b)= qa + qb

非线性增强:q(a∩b)> qa + qb

a和b指任意2个影响因子且2因子无先后顺序关系,qaqb分别指因子ab对土壤侵蚀空间分异的解释力,q(a∩b)指2因子a和b交互后对土壤侵蚀空间分异的解释力。

3 结果与分析 3.1 土壤侵蚀特征

合川区土壤侵蚀模数>500 t/(km2·a)的水土流失面积占行政区面积的比例是15.25%(表 3)。在轻度及以上的各侵蚀强度中,以轻度(土壤侵蚀模数500~1 000 t/(km2·a)和中度(土壤侵蚀模数1 000~2 000 t/(km2·a) 侵蚀为主,分别占行政区面积的6.96%和5.04%。

表 3 合川区与云阳县土壤侵蚀情况 Tab. 3 Soil erosion in Hechuan district and Yunyang county

云阳县土壤侵蚀模数>500 t/(km2·a)的水土流失面积占行政区面积的比例为32.41%,水土流失面积中以轻度侵蚀为主,轻度侵蚀占行政区面积的比例为20.17%。从水土流失面积比例可以看出云阳县水土流失比合川区严重。

3.2 侵蚀归因 3.2.1 因子探测

表 4所示,影响因子对土壤侵蚀空间分异均有显著的影响,但不同影响因子对2区(县)土壤侵蚀空间分异的解释力有明显差异,其中合川区的主导因子为坡度因子,q值为32.7%。云阳县的主导因子为生物措施因子,q值为35.8%。

表 4 合川区与云阳县因子探测结果 Tab. 4 Factor detection results in Hechuan district and Yunyang county

具体来看,2区(县)的地形因子(坡度因子和坡长因子)解释力较大,解释力均>20%,说明地形这一自然环境因素是影响重庆市2区(县)土壤侵蚀空间分异的主要驱动力。耕作措施因子在2区(县)的解释力均排在第3位。从解释力排在前3位的影响因子可以看出土壤侵蚀空间分布差异是由人类活动和地理环境共同作用的结果。土壤可蚀性因子和降雨侵蚀力因子的解释力均<2%,说明在县级行政区土壤属性和降雨的空间异质性不是引起土壤侵蚀空间分异的主导因子。

3.2.2 交互探测

表 5所示,合川区与云阳县2因子交互结果呈现为双因子增强和非线性增强2种类型,说明2因子交互后对土壤侵蚀空间分异的解释力增强即各因子的空间异质性加强土壤侵蚀空间分异。合川区q值最大的交互因子为LB (60.1%),其次是SB(56.5%)>LS(54.1%)>ST(51.5%)。云阳县q值最大的交互因子为LB (78.5%),其次是LE(59.0%)>SB(56.9%)> LT(54.3%)。由此可以看出起主导的交互作用主要是因子探测的主导因子与其他因子交互的结果。

表 5 合川区与云阳县交互探测结果 Tab. 5 Interactive detection results in Hechuan district and Yunyang county

在排名前3位的交互作用中均有坡长因子或坡度因子,这说明地形的空间分异是土壤侵蚀空间分异的基础,究其原因是土壤侵蚀会随着坡长L的增长而增加,随着坡度S的增加而增加[8]。2区(县)因子探测中解释力最小的降雨侵蚀力因子分别与合川区主导因子坡度因子和云阳县主导因子生物措施因子交互后,q值明显提高,说明合川区在降雨侵蚀力因子与坡度因子的交互作用下,土壤侵蚀空间分异更加显著;云阳县降雨侵蚀力因子和生物措施因子的交互作用提高对土壤侵蚀空间分异的解释程度,植被覆盖度低的地区遇到强降雨会加剧土壤侵蚀,这也说明在其他自然因素的作用下植被覆盖差异大的区域土壤侵蚀差异显著,也体现出退耕还林还草的重要性。

4 讨论

笔者通过地理探测器对重庆市合川区与云阳县的土壤侵蚀影响因子进行定量分析,因子探测结果表明,即使在同一侵蚀类型区,影响土壤侵蚀空间分异的主导因子存在区域差异。同时陈锐银等[9]的研究结果四川省不同水土保持分区主导因子及解释力大小差异显著也证实这一结论,因此,地理探测器可以用于识别不同县级行政区土壤侵蚀空间分异的主导因子,这对于科学精准制定水土保持政策显得尤为重要。

交互探测结果显示交互类型均为双因子增强或非线性增强,2区(县)主导的交互作用及其解释力大小存在区域差异。2区(县)交互q值最大的是坡长因子与生物措施因子的交互,说明2因子共同作用增强土壤侵蚀的空间分异。在水土流失治理中,由于坡长不易改变,因此改善地表植被覆盖可以减弱坡长对土壤侵蚀的影响,减小土壤侵蚀的空间异质性。在进行土壤侵蚀防治时,可以针对不同区域的侵蚀分异主导因子制订相应的水土流失防治措施。如在合川区,耕地较多,坡度因子是侵蚀分异主导因子,可以考虑免耕或少耕措施,可以增加地表覆盖,减少径流量、降低径流速率和增加土壤入渗等作用减轻土壤侵蚀[10]。在云阳县,林地较多,生物措施因子是土壤侵蚀空间分异主导因子,则可采取封禁措施,增加地表覆盖,通过减弱雨滴直接打击和径流冲刷等作用降低土壤侵蚀[11]

5 结论

1) 因子探测结果发现,合川区土壤侵蚀空间分异解释力最强的因子是坡度因子,云阳县则是生物措施因子。2区(县)的自然环境条件不同,因子解释情况也不尽相同。要利用主导因子结合当地情况,制订有效的措施防治水土流失。

2) 交互探测结果发现,任意2因子共同作用时对土壤侵蚀空间分异的影响,具有增强作用或非线性增强作用,2区(县)前3位的交互作用均为地形因子与其他因子的交互作用,说明地形因子是2区(县)土壤侵蚀空间分异的显著影响因子。

6 参考文献
[1]
王欢, 高江波, 侯文娟. 基于地理探测器的喀斯特不同地貌形态类型区土壤侵蚀定量归因[J]. 地理学报, 2018, 73(9): 1680.
WANG Huan, GAO Jiangbo, HOU Wenjuan. Quantitative attribution analysis of soil erosion in different morphological types of geomorphology in karst areas: Based on the geographical detector method[J]. Acta Geographica Sinica, 2018, 73(9): 1680.
[2]
王猛, 王鹤松, 姜超, 等. 基于RUSLE和地理探测器模型的西南地区土壤侵蚀格局及定量归因[J]. 应用基础与工程科学学报, 2021, 29(6): 1395.
WANG Meng, WANG Hesong, JIANG Chao, et al. Spatial soil erosion patterns and quantitative attribution analysis in southwestern China based on RUSLE and Geo-Detector model[J]. Journal of Basic Science and Engineering, 2021, 29(6): 1395.
[3]
邹雅婧, 闫庆武, 谭学玲, 等. 渭北矿区土壤侵蚀评估及驱动因素分析[J]. 干旱区地理, 2019, 42(6): 1392.
ZOU Yajing, YAN Qingwu, TAN Xueling, et al. Evaluation of soil erosion and driving factors analysis in Weibei mining area[J]. Arid Land Geography, 2019, 42(6): 1392.
[4]
刘瑞娟, 张万昌, 裴洪芹. 淮河流域土壤侵蚀与影响因子关系分析[J]. 中国水土保持, 2010(5): 31.
LIU Ruijuan, ZHANG Wanchang, PEI Hongqin. Analysis on relationship between soil erosion and influencing factors in Huaihe River Basin[J]. Soil and Water Conservation in China, 2010(5): 31.
[5]
王志杰, 柳书俊, 苏嫄. 喀斯特高原山地贵阳市2008—2018年土壤侵蚀时空特征与侵蚀热点变化分析[J]. 水土保持学报, 2020, 34(5): 101.
WANG Zhijie, LIU Shujun, SU Yuan. Spatial-temporal characteristics of soil and erosion and erosion hotspots in Guiyang city of Karst plateau mountainous region in 2008-2018[J]. Journal of Soil and Water Conservation, 2020, 34(5): 101.
[6]
刘彦随, 杨忍. 中国县域城镇化的空间特征与形成机理[J]. 地理学报, 2012, 67(8): 1018.
LIU Yansui, YANG Ren. The spatial characteristics and formation mechanism of the county urbanization in China[J]. Acta Geographica Sinica, 2012, 67(8): 1018.
[7]
王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 117.
WANG Jinfeng, XU Chengdong. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 117.
[8]
陈正发, 郭宏忠, 史东梅, 等. 地形因子对紫色土坡耕地土壤侵蚀作用的试验研究[J]. 水土保持学报, 2010, 24(5): 86.
CHEN Zhengfa, GUO Hongzhong, SHI Dongmei, et al. Experimental study on effect of topographical factors on purple cultivated slopes land soil erosion[J]. Journal of Soil and Water Conservation, 2010, 24(5): 86.
[9]
陈锐银, 严冬春, 文安邦, 等. 基于GIS/CSLE的四川省水土流失重点防治区土壤侵蚀研究[J]. 水土保持学报, 2020, 34(1): 23.
CHEN Ruiyin, YAN Dongchun, WEN Anbang, 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]. Journal of Soil and Water Conservation, 2020, 34(1): 23.
[10]
周晓莹, 贾立志, 桑卫国. 基于文献统计的CSLE模型中耕作措施因子的确定[J]. 水土保持研究, 2020, 27(6): 119.
ZHOU Xiaoying, JIA Lizhi, SANG Weiguo. Determination of tillage factor in the CSLE model based on literature statistics[J]. Research of Soil and Water Conservation, 2020, 27(6): 119.
[11]
张清春, 刘宝元, 翟刚. 植被与水土流失研究综述[J]. 水土保持研究, 2002, 9(4): 96.
ZHANG Qingchun, LIU Baoyuan, ZHAI Gang. Review on relationship between vegetation and soil and water loss[J]. Research of Soil and Water Conservation, 2002, 9(4): 96.