Spatial-temporal Variations of Soil Erosion and Quantitative Attribution Analysis in the Dry-hot Valleys of the Jinsha River: A Case Study of Yuanmou County, Yunnan

doi:10.19657/j.geoscience.1000-8527.2024.031

Abstract

Abstract:

The temporal and spatial evolution of soil erosion in the dry-hot valley of Jinsha River is of great significance for ecological safety and safe operations of downstream water conservancy and hydropower. We analyzed the spatial and temporal changes of soil erosion using GIS technology and RUSLE model in Yuanmou County, Yunnan, from 2015 to 2021. The main factors affecting the distribution pattern of soil erosion in Yuanmou County were ide.pngied by using the geographical detector model. The results showed that (1) the average annual soil erosion modulus and total soil erosion show decreasing trends from 2015 to 2021, and the soil erosion modulus was decreased by 16.53% during the period. (2) The spatial variation of soil erosion was pronounced, with being high erosion in the north and low in the south along the Jinsha River. In terms of erosion intensity, the area of slight and mild erosion accounts for more than 95% and other erosion areas are relatively smaller. (3) During the study period, the areas with high soil erosion intensity in Yuanmou County shows a trend of slight erosion transformation, indicating that the implementation of regional farmland conversion to forest and grassland and soil erosion control projects in small watershed have alleviated the soil erosion intensity. (4) Slope was the dominant factor affecting the distribution pattern of soil erosion in Yuanmou County, with the strongest explanation of 25.66%. Along the Jinsha river, the regions at the elevation of 1,200-1,800 m with the slope >25°, 30%-40% vegetation coverage zone are in high risk of soil erosion, therefore ecological restoration and protection of soil and water should be strengthened in those areas.

Key words: soil erosion, dry-hot valley, RUSLE, geographic detector

CLC Number:

P934
S157.1

WEI Zong, YANG Chaolei, TIAN Yufeng, YANG Jinjiang, HUANG Yong, HE Feng, ZHU Zhiping. Spatial-temporal Variations of Soil Erosion and Quantitative Attribution Analysis in the Dry-hot Valleys of the Jinsha River: A Case Study of Yuanmou County, Yunnan[J]. Geoscience, 2024, 38(03): 683-693.

Figures/Tables 9

References 35

[1]	MONTGOMERY D R. Soil erosion and agricultural sustainability[J]. Proceedings of the National Academy of Sciences of the United States of America, 2007, 104(33): 13268-13272. PMID
[2]	中华人民共和国水利部. 第一次全国水利普查水土保持情况公报[J]. 中国水土保持, 2013(10): 2-3, 11.
[3]	田卫堂, 胡维银, 李军, 等. 我国水土流失现状和防治对策分析[J]. 水土保持研究, 2008, 15(4): 204-209.
[4]	肖洋, 欧阳志云, 徐卫华, 等. 基于GIS重庆土壤侵蚀及土壤保持分析[J]. 生态学报, 2015, 35(21): 7130-7138.
[5]	DU H Q, DOU S T, DENG X H, et al. Assessment of wind and water erosion risk in the watershed of the Ningxia-Inner Mongolia Reach of the Yellow River,China[J]. Ecological Indicators, 2016, 67: 117-131.
[6]	WISCHMEIER W H, SMITH D D. Predicting Rainfall Erosion Losses: A Guide to Conservation Planning[M]. Washington:Dept. of Agriculture, Science and Education Administration, 1978.
[7]	史志华. 基于GIS和RS的小流域景观格局变化及其土壤侵蚀响应[D]. 武汉: 华中农业大学, 2004.
[8]	李天宏, 郑丽娜. 基于RUSLE模型的延河流域2001—2010年土壤侵蚀动态变化[J]. 自然资源学报, 2012, 27(7): 1164-1175. DOI
[9]	田宇, 朱建华, 李奇, 等. 三峡库区土壤保持时空分布特征及其驱动力[J]. 生态学杂志, 2020, 39(4): 1164-1174.
[10]	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. DOI
[11]	张恩伟, 彭双云, 冯华梅. 基于GIS和RUSLE的滇池流域土壤侵蚀敏感性评价及其空间格局演变[J]. 水土保持学报, 2020, 34(2): 115-122.
[12]	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): 1674-1686. DOI
[13]	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): 1386-1402.
[14]	孙治娟. CMIP6模式下的云南省土壤侵蚀时空演变预测[D]. 重庆: 西南大学, 2022.
[15]	蔡福, 于贵瑞, 祝青林, 等. 气象要素空间化方法精度的比较研究: 以平均气温为例[J]. 资源科学, 2005, 27(5): 173-179.
[16]	陈峰, 李红波. 基于GIS和RUSLE的滇南山区土壤侵蚀时空演变: 以云南省元阳县为例[J]. 应用生态学报, 2021, 32(2): 629-637. DOI
[17]	RENARD K G, FERREIRA V A. RUSLE model description and database sensitivity[J]. Journal of Environmental Quality, 1993, 22(3): 458-466.
[18]	肖继兵, 孙占祥, 刘志, 等. 降雨侵蚀因子和植被类型及覆盖度对坡耕地土壤侵蚀的影响[J]. 农业工程学报, 2017, 33(22): 159-166.
[19]	WISCHMEIER W H, SMITH D D. Rainfall energy and its relationship to soil loss[J]. Transactions of American Geophysical Union, 1958, 39(2): 285-291.
[20]	朱显谟. 黄土地区植被因素对于水土流失的影响[J]. 土壤学报, 1960(2): 110-121.
[21]	OLSON T C, WISCHMEIER W H. Soil erodibility evaluations for soils on the runoff and erosion stations[J]. Soil Science Society of America Journal, 1963, 27(5): 590-592.
[22]	彭建, 李丹丹, 张玉清. 基于GIS和RUSLE的滇西北山区土壤侵蚀空间特征分析: 以云南省丽江县为例[J]. 山地学报, 2007, 25(5): 548-556.
[23]	梁晓珍, 符素华, 丁琳. 地形因子计算方法对土壤侵蚀评价的影响[J]. 水土保持学报, 2019, 33(6): 21-26.
[24]	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.
[25]	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. DOI
[26]	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.
[27]	杨子生. 滇东北山区坡耕地土壤侵蚀的水土保持措施因子[J]. 山地学报, 1999, 17(增):23-25.
[28]	王万忠, 焦菊英. 中国的土壤侵蚀因子定量评价研究[J]. 水土保持通报, 1996, 16(5):1-20.
[29]	曹巍, 刘璐璐, 吴丹. 三江源区土壤侵蚀变化及驱动因素分析[J]. 草业学报, 2018, 27(6):10-22. DOI
[30]	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.
[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. DOI
[32]	钱方, 周国兴. 元谋第四纪地质与古人类[M]. 北京: 科学出版社, 1991.
[33]	程捷, 刘学清, 高振纪, 等. 青藏高原隆升对云南高原环境的影响[J]. 现代地质, 2001, 15(3):290-296.
[34]	卢海峰, 姬志杰. 昔格达断裂晚第四纪活动特征及强震复发周期[J]. 现代地质, 2011, 25(3):440-446.
[35]	赵颖. 元谋干热河谷区地质条件对侵蚀沟空间分布的影响[D]. 南充: 西华师范大学, 2022.

年份	微度侵蚀	轻度侵蚀	中度侵蚀	强度侵蚀	极强度-剧烈侵蚀
2015	88.22	11.00	0.58	0.13	0.08
2017	88.11	11.34	0.45	0.08	0.02
2019	86.78	12.49	0.61	0.10	0.02
2021	90.33	9.07	0.48	0.09	0.03

年份	微度侵蚀	轻度侵蚀	中度侵蚀	强度侵蚀	极强度-剧烈侵蚀
2015	88.22	11.00	0.58	0.13	0.08
2017	88.11	11.34	0.45	0.08	0.02
2019	86.78	12.49	0.61	0.10	0.02
2021	90.33	9.07	0.48	0.09	0.03

2015年土壤侵蚀级别	2017年不同土壤侵蚀级别面积占比(%)
2015年土壤侵蚀级别	微度	轻度	中度	强度	极强度	剧烈
微度	94.63	5.13	0.19	0.04	0.01	*
轻度	41.39	57.36	1.16	0.10	*	*
中度	9.56	62.35	22.83	4.42	0.83	0
强度	9.79	65.52	13.23	9.34	2.07	0.06
极强度	8.54	81.88	5.12	2.01	2.39	0.06
剧烈	6.22	48.32	43.98	0.91	0.39	0.18
2017年土壤侵蚀级别	2019年不同土壤侵蚀级别面积占比(%)
2017年土壤侵蚀级别	微度	轻度	中度	强度	极强度
微度	99.60	0.40	*	*	*
轻度	81.18	18.82	*	*	*
中度	41.88	57.75	0.36	*	0
强度	18.86	80.94	0.16	0.04	0
极强度	16.81	82.54	0.65	*	*
剧烈	15.57	77.84	6.59	0	0
2019年土壤侵蚀级别	2021年不同土壤侵蚀级别面积占比(%)
2019年土壤侵蚀级别	微度	轻度	中度	强度	极强度	剧烈
微度	85.48	14.34	0.14	0.03	0.01	*
轻度	13.55	83.05	2.71	0.49	0.18	0.01
中度	13.03	4.01	12.46	45.52	20.75	4.23
强度	20.31	4.21	8.05	0.38	67.05	0
极强度	16.67	4.17	0	8.33	70.83	0

2015年土壤侵蚀级别	2017年不同土壤侵蚀级别面积占比(%)
2015年土壤侵蚀级别	微度	轻度	中度	强度	极强度	剧烈
微度	94.63	5.13	0.19	0.04	0.01	*
轻度	41.39	57.36	1.16	0.10	*	*
中度	9.56	62.35	22.83	4.42	0.83	0
强度	9.79	65.52	13.23	9.34	2.07	0.06
极强度	8.54	81.88	5.12	2.01	2.39	0.06
剧烈	6.22	48.32	43.98	0.91	0.39	0.18
2017年土壤侵蚀级别	2019年不同土壤侵蚀级别面积占比(%)
2017年土壤侵蚀级别	微度	轻度	中度	强度	极强度
微度	99.60	0.40	*	*	*
轻度	81.18	18.82	*	*	*
中度	41.88	57.75	0.36	*	0
强度	18.86	80.94	0.16	0.04	0
极强度	16.81	82.54	0.65	*	*
剧烈	15.57	77.84	6.59	0	0
2019年土壤侵蚀级别	2021年不同土壤侵蚀级别面积占比(%)
2019年土壤侵蚀级别	微度	轻度	中度	强度	极强度	剧烈
微度	85.48	14.34	0.14	0.03	0.01	*
轻度	13.55	83.05	2.71	0.49	0.18	0.01
中度	13.03	4.01	12.46	45.52	20.75	4.23
强度	20.31	4.21	8.05	0.38	67.05	0
极强度	16.67	4.17	0	8.33	70.83	0

环境背景因子		所占面积比例(%)	平均土壤侵蚀模数 (t·(hm²·a)^-1)	侵蚀量比例(%)
坡度(°)	0~5	13.02	9.20	0.62
	5~15	33.59	65.10	11.23
	15~25	29.71	171.57	26.17
	25~35	16.23	359.27	29.94
	35~45	5.75	701.80	20.73
	>45	1.69	1301.98	11.32
海拔 (m)	<1000	3.66	241.06	4.53
	1000~1400	44.51	233.82	53.49
	1400~1800	29.11	227.49	34.04
	1800~2200	14.48	93.69	6.97
	2200~2600	7.89	23.44	0.95
	>2600	0.35	12.62	0.02
降雨量 (mm)	<160	20.94	65.13	7.00
	160~179	31.47	100.67	16.27
	179~198	20.92	124.15	13.34
	198~217	10.25	368.47	19.40
	217~236	8.57	576.92	25.39
	>236	7.85	461.18	18.60
植被盖度(%)	0~10	12.78	41.04	1.32
	10~30	28.18	245.35	17.34
	30~45	47.18	542.29	64.19
	45~60	5.88	705.21	10.41
	60~75	1.16	532.94	1.55
	>75	4.82	429.49	5.20