Spatiotemporal Dynamics and Multiscale Drivers of Agricultural Soil Erosion in the North China Plain from 1990 to 2020

doi:10.19657/j.geoscience.1000-8527.2024.123

Abstract

Abstract:

As China’s primary grain production base, the North China Plain’s soil erosion dynamics hold strategic significance for agricultural ecological security.This study integrates multi-source remote sensing data, digital terrain models, and climate observations to develop an erosion-driving mechanism framework using an AHP-Geodetector integrated model.Through time-series analysis (1990-2020 at 5-year intervals), key findings reveal that: (1) Erosion intensity exhibits marked spatial gradients, with non-significant erosion areas expanding annually by 1.7%, showing strong spatial concordance with alluvial fan frontal zones (Kappa=0.68); (2) Policy interventions reduced moderate-to-severe erosion by 64.3%, with differential response patterns observed across geomorphic units under conservation measures; (3) Topographic interactions demonstrate critical threshold effects, where elevation (q=0.0833) and slope (q=0.0638) synergistically amplify explanatory power by 40.1% (Δq=0.0335), delineating erosion hotspots in transitional zones (150-300 m elevation, 10°-15° slope).The results advance the “topographic energy gradient” theory, establishing the piedmont hills of central Shandong as priority areas for contour farming systems.This work provides a mechanistic foundation for spatially explicit soil conservation strategies in agro-ecosystems.

Key words: soil erosion, analytic hierarchy process, geographical detector, driving factor, North China Plain

CLC Number:

S157.1

LI Zhiheng, LIU Xiaohuang, XIA Xueqi, XIAO Yuexin, ZHANG Wenbo, WANG Ran, LUO Xinping, XING Liyuan. Spatiotemporal Dynamics and Multiscale Drivers of Agricultural Soil Erosion in the North China Plain from 1990 to 2020[J]. Geoscience, 2025, 39(02): 467-476.

Figures/Tables 12

Fig.1 Elevation survey of cultivated area in North China Plain (modified from reference[27])

Fig.2 Technical route for soil erosion assessment

Table 1 Weighting criteria for Analytic Hierarchy Process (AHP)

标度a_ij	含义
1	i和j的重要程度是一致的
2	i比j更为重要一点
3	i明显要比j更为重要
4	i强烈地要比j更为重要
5	i是极端重要的
0.5,1.5,2.5, 3.5,4.5	上述评价中的中间值
倒数	若因素i和j的相对重要程度标度是a_ij,则因素j与i的相对重要程度标度是a_ji=1/a_ij

Table 2 Pairwise comparison matrix for soil erosion drivers

	坡度	高程	坡长	NDVI	土地利用	降水	质地(砂土)	质地(粉砂土)	质地(黏土)
坡度	1.00	3	1.5	1	1.5	1.0	1.5	1.5	1.5
高程	0.33	1	0.5	0.33	0.5	0.33	0.5	0.5	0.5
坡长	0.67	2	1.0	0.67	1.0	0.67	1.0	1.0	1.0
NDVI	1.00	3	1.5	1.0	1.5	1.0	1.5	1.5	1.5
土地利用	0.67	2	1.0	0.67	1.0	0.67	1.0	1.0	1.0
降水	1.00	3	1.5	1.0	1.5	1.0	1.5	1.5	1.5
质地(砂土)	0.67	2	1.0	0.67	1.0	0.67	1.0	1.0	1.0
质地(粉砂土)	0.67	2	1.0	0.67	1.0	0.67	1.0	1.0	1.0
质地(黏土)	0.67	2	1.0	0.67	1.0	0.67	1.0	1.0	1.0

Table 3 Calculated weights of soil erosion-controlling factors

指标	特征向量	权重值	最大特征值	CI值
坡度	1.35	0.15	9	0
高程	0.45	0.05
坡长	0.90	0.10
NDVI	1.35	0.15
土地利用	0.90	0.10
降水	1.35	0.15
质地(砂土)	0.90	0.10
质地(粉砂土)	0.90	0.10
质地(黏土)	0.90	0.10

Table 4 Classification criteria for soil erosion drivers

分类等级	坡度 (°)	高程 (m)	坡长 (10⁴ m)	NDVI	土地利用类型	降水 (mm)	质地(砂土)(%)	质地(粉砂土)(%)	质地(黏土)(%)
1	0~8	0~1000	0~15	>0.7	林地	0~250	80~100	35~100	30~100
2	8~15	1000~1300	15~30	0.5~0.7	草地	250~400	60~80	30~35	20~30
3	15~25	1300~1700	30~40	0.3~0.5	耕地	400~500	50~60	25~30	15~20
4	25~35	1700~2500	40~60	0~0.3	城乡	500~650	40~50	15~25	10~15
5	>35	>2500	>60	0	未利用土地	>650	0~40	0~15	0~10

Table 5 Interaction types in Geodetector model

判据	交互作用
$q (X 1 ⋂ X 2) M i n (q (X 1), q (X 2)$ )	非线性减弱
$M i n (q (X 1), q (X 2)) q (X 1 ⋂ X 2) M a x (q (X 1), q (X 2))$	单因子非线性减弱
$q (X 1 ⋂ X 2) M a x (q (X 1), q (X 2))$	双因子增强
$q (X 1 ⋂ X 2) = q (X 1) + q (X 2)$	独立
$q (X 1 ⋂ X 2) q (X 1) + q (X 2)$	非线性增强

Table 5 Interaction types in Geodetector model

判据	交互作用
$q (X 1 ⋂ X 2) M i n (q (X 1), q (X 2)$ )	非线性减弱
$M i n (q (X 1), q (X 2)) q (X 1 ⋂ X 2) M a x (q (X 1), q (X 2))$	单因子非线性减弱
$q (X 1 ⋂ X 2) M a x (q (X 1), q (X 2))$	双因子增强
$q (X 1 ⋂ X 2) = q (X 1) + q (X 2)$	独立
$q (X 1 ⋂ X 2) q (X 1) + q (X 2)$	非线性增强

Fig.3 Spatiotemporal patterns of soil erosion intensity in agricultural zones of the north China plain (1990-2020)

Table 6 Temporal variations in soil erosion intensity distribution (1990-2020)

年份	无明显侵蚀占比 (%)	轻度侵蚀占比 (%)	中度侵蚀占比 (%)	强度侵蚀占比 (%)
1990	14.56	46.30	36.49	2.65
1995	26.39	41.52	30.16	1.93
2000	16.88	58.46	23.54	1.12
2005	29.97	56.58	12.68	0.78
2010	23.38	56.69	18.88	1.05
2015	41.25	45.65	12.79	0.31
2020	49.55	46.42	3.71	0.32
平均占比	28.85	50.23	19.75	1.16

Fig.4 Dynamic comparison of soil erosion intensity classes across the north China plain and its three-tier subregions (1990-2020)

Table 7 Individual factor explanatory power (q-statistic)

影响因子	NDVI	降雨量	坡度	高程
q值	0.0290	0.0038	0.0638	0.0833

Table 8 Synergistic enhancement of explanatory power through bivariate factor interactions

因子	NDVI	降雨	坡度	高程
NDVI	0.0290
降雨	0.0412	0.0038
坡度	0.1084	0.1010	0.0638
高程	0.1157	0.1086	0.1168	0.0833

References 39

[1]	JIN F M, YANG W C, FU J X, et al. Effects of vegetation and climate on the changes of soil erosion in the Loess Plateau of China[J]. Science of the Total Environment, 2021, 773:145514.
[2]	赵新凯, 龚家国, 任政, 等. 黒垆土坡面细沟形态演变规律试验研究[J]. 水利水电技术, 2020, 51(2): 205-212.
[3]	LIU B Y, XIE Y, LI Z G, et al. The assessment of soil loss by water erosion in China[J]. International Soil and Water Conservation Research, 2020, 8(4): 430-439.
[4]	HAN X X, XIAO J, WANG L Q, et al. Identification of areas vulnerable to soil erosion and risk assessment of phosphorus transport in a typical watershed in the Loess Plateau[J]. Science of the Total Environment, 2021, 758: 143661.
[5]	MA X F, ZHU J T, YAN W, et al. Assessment of soil conservation services of four river basins in Central Asia under global warming scenarios[J]. Geoderma, 2020, 375: 114533.
[6]	姜伟, 侯青叶, 杨忠芳, 等. 黑龙江省乌裕尔河流域有机碳迁移与沉积通量[J]. 现代地质, 2011, 25(2): 384-392.
[7]	王春菊, 汤小华, 郑达贤, 等. GIS支持下的土壤侵蚀敏感性评价研究[J]. 水土保持通报, 2005, 25(1): 68-70, 74.
[8]	李翠艳, 孙希华, 刘曰庆. 鲁中山区不同地貌类型土壤侵蚀定量归因[J]. 水利水电技术, 2020, 51(10): 209-219.
[9]	王金翠, 张英, 温吉利, 等. 华北平原气候时空演变特征[J]. 现代地质, 2015, 29(2): 299-306.
[10]	王效科, 欧阳志云, 肖寒, 等. 中国水土流失敏感性分布规律及其区划研究[J]. 生态学报, 2001, 21(1): 14-19.
[11]	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
[12]	刘盼, 任春颖, 王岩松, 等. 基于RUSLE模型的梅河口市土壤侵蚀动态分析[J]. 水土保持通报, 2019, 39(1): 172-179, 325.
[13]	QIN W, GUO Q K, CAO W H, et al. A new RUSLE slope length factor and its application to soil erosion assessment in a Loess Plateau watershed[J]. Soil and Tillage Research, 2018, 182: 10-24.
[14]	尹璐, 闫庆武, 卞正富. 基于RUSLE模型的六盘水市土壤侵蚀评价[J]. 生态与农村环境学报, 2016, 32(3): 389-396.
[15]	陈红, 江旭聪, 任磊, 等. 基于RUSLE模型的淮河流域土壤侵蚀定量评价[J]. 土壤通报, 2021, 52(1): 165-176.
[16]	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.
[17]	马方正, 于兴修, 胡砚霞, 等. 丹江口市土壤侵蚀敏感性时空变化特征[J]. 农业资源与环境学报, 2021, 38(6): 999-1009.
[18]	龚雪梅, 冯文兰, 郑杰, 等. 岷江上游土壤侵蚀敏感性评价[J]. 干旱区资源与环境, 2017, 31(9): 68-74.
[19]	徐萍. 基于GIS和RULSE模型对龙江县的水土流失敏感性分析[J]. 哈尔滨师范大学自然科学学报, 2019, 35(3): 101-105.
[20]	魏总, 杨朝磊, 田瑜峰, 等. 金沙江干热河谷区土壤侵蚀时空演变及其定量归因分析: 以云南楚雄元谋地区为例[J]. 现代地质, 2024, 38(3): 683-693.
[21]	WANG H, GAO J B, HOU W J. Quantitative attribution analysis of soil erosion in different geomorphological types in Karst areas: Based on the geodetector method[J]. Journal of Geographical Sciences, 2019, 29(2): 271-286. DOI
[22]	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
[23]	郑艺文, 李福杰, 刘晓煌, 等. 工业化背景下30年来中国东北地区自然资源时空变化及其生态环境效应[J]. 中国地质, 2022, 49(5): 1361-1373.
[24]	付宇佳, 谭昌海, 刘晓煌, 等. 自然资源定义、分类,观测监测及其在国土规划治理中的应用[J]. 中国地质, 2022, 49(4): 1048-1063.
[25]	刘晓煌, 刘玖芬. 自然资源要素综合观测一体化平台简介[J]. 中国地质, 2022, 49(4): 1004.
[26]	刘晓煌, 刘玖芬. 自然资源要素综合观测网络工程简介[J]. 中国地质, 2022, 49(3): 678.
[27]	张海燕, 樊江文, 黄麟, 等. 中国自然资源综合区划理论研究与技术方案[J]. 资源科学, 2020, 42(10): 1870-1882. DOI
[28]	刘晓煌, 刘晓洁, 程书波, 等. 中国自然资源要素综合观测网络构建与关键技术[J]. 资源科学, 2020, 42(10): 1849-1859. DOI
[29]	孙兴丽, 刘晓煌, 刘晓洁, 等. 面向统一管理的自然资源分类体系研究[J]. 资源科学, 2020, 42(10): 1860-1869. DOI
[30]	郑艺文, 张海燕, 刘晓洁, 等. 1990—2018年东北地区综合区划下自然资源动态变化特征分析[J]. 中国地质调查, 2021, 8(2): 100-108.
[31]	侯敏, 贾韶辉, 郭兆成. 基于RS与GIS的层次分析法在滑坡危险性评估中的应用: 以四川宣汉天台乡滑坡为例[J]. 现代地质, 2006, 20(4): 668-672.
[32]	王慧琴. 华北北部区域土壤侵蚀时空演变与驱动力分析[D]. 北京: 北京林业大学, 2020.
[33]	许世贤, 王新军. 天山北坡中段地区土壤侵蚀敏感性评价及影响因素分析[J]. 农业与技术, 2022, 42(12): 95-100.
[34]	张忠扬, 吕明侠, 王一博, 等. 基于WaTEM/SEDEM模型的洮河源区土壤侵蚀产沙模拟及其空间驱动力分析[J]. 水土保持研究, 2023, 30(3): 27-36.
[35]	任乐萌. 顾及尺度效应的丹江口库区土壤侵蚀时空分异特征及驱动力研究[D]. 武汉: 武汉理工大学, 2018.
[36]	吴镇宇, 罗梦琦, 郭红丽, 等. 基于地理探测器的江苏省沿江地区土壤侵蚀定量分析[J]. 水土保持通报, 2022, 42(2): 184-188, 387.
[37]	姚昆, 周兵, 何磊, 等. 基于地理探测器的岷江上游地区土壤侵蚀变化[J]. 水土保持研究, 2022, 29(2): 85-91.
[38]	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.
[39]	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