3 结 论

本文分析了次降雨土壤侵蚀模数与影响水土流失各关键因子定量关系，可为红壤区水土流失防治、土壤侵蚀模型构建提供参考。

1）次降雨土壤土壤侵蚀模数随植被覆盖度增加而逐渐降低；次降雨土壤侵蚀模数随雨前土壤含水率增加而逐渐增大，二者呈正相关对数关系；次降雨土壤侵蚀模数与坡度间呈二次抛物线关系，次降雨土壤侵蚀模数随坡度增加呈先增加后减小变化趋势；次降雨土壤侵蚀模数随次降雨量、次降雨侵蚀力和次降雨径流深呈显著正相关线性变化关系。

2）基于系列次降雨实测资料，采用中国土壤流失方程反推法获取了不同植被覆盖度下植被覆盖因子；采用线性函数、指数函数、对数函数、幂函数和指数衰减函数对植被覆盖因子和植被覆盖度定量关系进行了拟合，基于5个统计量对各拟合方程进行了对比分析，优选确定二阶指数衰减函数为刻画植被覆盖因子和植被覆盖度间定量关系的数学模型，该拟合方程纳什系数、均方根误差和决定系数分别为0.876、0.021和0.947。该模型点尺度验证结果良好，计算模拟值与实际观测值十分吻合，二者线性拟合方程达到了极显著水平（P<0.01）；面尺度验证结果较为理想，70%～80%模型计算数据相对误差绝对值不超过0.1。

限于试验数据有限，研究中用于建立和验证植被覆盖因子计算模型的样本数据仍然相对较少，后续工作还需更为丰富的观测资料、继续完善相关研究成果。

致谢：感谢广东省梅州市五华县水土保持试验推广站对本研究的支持。

0 引 言

区域土壤侵蚀状况直接对人类健康和经济社会发展产生重要影响[1]，定期开展水土流失动态监测可为水土流失状况评价、水土保持治理工程空间布局等提供重要支撑[2]。土壤侵蚀模型是开展水土流失动态监测的重要技术手段[3-4]。迄今为止，美国通用土壤流失方程（Universal Soil Loss Equation，USLE）及其改进模型（Revised Universal Soil Loss Equation，RUSLE）仍在土壤侵蚀领域广泛应用[5-6]；该模型综合土壤侵蚀多个影响因子及其相互作用关系，同时各因子具有一定物理意义且因子获取方法及模型计算过程较为简单[7-8]。Liu等[9-10]利用黄土高原丘陵沟壑区径流小区实测资料构建了中国土壤流失方程（China Soil Loss Equation，CSLE），该模型依据中国土壤侵蚀与水土保持工作特点，充分考虑了生物措施、工程措施和耕作措施对土壤侵蚀及水土流失过程的影响，与USLE相比更能反映中国土壤侵蚀的实际情况[11]。

2018年水利部印发《区域水土流失动态监测技术规定（试行）》，中国水土流失动态监测预报工作从定量与定性相结合的“三因子”综合判别法发展到以定量为主的“CSLE模型法”[12]。2018年结果表明中国仍有水土流失面积273.69万km2，约占国土总面积的28.54%[13]。CSLE模型广泛应用对中国水土流失动态监测应用工作和土壤侵蚀基础研究具有十分显著的促进作用，但也存在诸如模型计算精度偏低、模型因子区域适用性较差、地形及土壤等基础数据现势性不足等亟需解决的问题[14-15]。作为影响土壤侵蚀最重要因素之一：植被覆盖因子（B），可直接反映植被覆盖变化状况或植被措施调控土壤侵蚀的能力，也是CSLE模型中的关键因子[16-19]。植被覆盖因子指一定条件下有植被覆盖或实施田间管理的土地的土壤流失总量与同等条件下实施清耕休闲地的土壤流失总量的比值，是介于0和1之间的一个无量纲数[20]。植被覆盖度大小是影响植被覆盖因子的关键因素；此外，植被覆盖因子大小还受到植被不同生长期内侵蚀性降雨多寡的影响，对于植被覆盖因子年值的研究还应充分考虑降雨侵蚀力年内季节分布的影响。标准小区法、次因子法、模型反推法、与植被覆盖度关系式法、直接赋值或手册查询法等是较为常用的植被覆盖因子获取方法。前3种方法依赖野外实测数据，逻辑性强、计算精度高；关系式法虽难以直接反映植被减蚀作用机理，但其经验关系具有相对较强的通用性和适用性；直接赋值或手册查询法较为依赖大量丰富的外业数据观测成果，通用性相对较弱。目前中国年度水土流失动态监测项目采用《区域水土流失动态监测技术规定（试行）》推荐的B因子计算方法，利用监测年前3年内每年24个半月MODIS数据计算得到B因子值。植被覆盖因子与土地利用方式关系密切，合理的土地利用方式可显著降低植被覆盖因子值而减少土壤侵蚀量[21-22]。张雪花等[23]基于人工模拟降雨试验确定了东北黑土农业区不同土地利用植被因子的取值范围，发现该值普遍小于USLE方程推荐的最优值。蔡崇法等[24]基于野外实测资料构建了三峡库区植被因子与植被覆盖度间经验模型，为三峡库区土壤侵蚀预报提供了基础支撑。中国地域辽阔，各区域气候、地形地貌、土地利用方式、植被类型与分布各不相同，造成CSLE模型中现有植被覆盖因子计算方法区域适用性和可操作性亟需提高。目前中国学者在USLE或RUSLE模型植被覆盖因子研究方面开展大量工作，且主要集中在西北黄土高原区和东北黑土区[11-25]；针对CSLE模型B因子，特别是南方红壤区B因子研究成果仍较为鲜见。此外，由于植被生长期划分、降雨侵蚀力空间分布等差异而导致植被覆盖因子研究结果地区间差异性较大[16]，应加强典型区域B值的系统性研究，为提高年度水土流失动态监测计算精度提供可靠的基础参数。