全 文 ：第 34 卷第 16 期
2014年 8月
生 态 学 报
ACTA ECOLOGICA SINICA
Vol.34,No.16
Aug.,2014
http: / / www.ecologica.cn
基金项目:国家自然科学基金(41390462, 41171069)
收稿日期:2013鄄06鄄15; 摇 摇 网络出版日期:2014鄄03鄄04
*通讯作者 Corresponding author.E鄄mail: zhaoww@ bnu.edu.cn
DOI: 10.5846 / stxb201306151710
冯强, 赵文武.USLE / RUSLE中植被覆盖与管理因子研究进展.生态学报,2014,34(16):4461鄄4472.
Feng Q, Zhao W W.The study on cover鄄management factor in USLE and RUSLE: a review.Acta Ecologica Sinica,2014,34(16):4461鄄4472.
USLE / RUSLE中植被覆盖与管理因子研究进展
冯摇 强1,2, 赵文武1,*
(1. 北京师范大学资源学院,地表过程与资源生态国家重点实验室,北京摇 100875;2. 山西农业大学林学院, 太谷摇 030801)
摘要:通用土壤流失方程(USLE)及修正通用土壤流失方程(RUSLE)是世界范围内应用最广泛的土壤侵蚀预报模型,模型中 C
因子表示植被覆盖和管理措施对土壤侵蚀的作用,是人为控制土壤侵蚀的重要因子。 回溯了 C 因子发展演变历程,依据国内
外最新研究成果,系统阐述了不同尺度 C因子估算方法。 在小区、坡面、小流域尺度上,C因子确定主要依赖于野外实验观测,
研究条件的一致性尤其是标准小区的统一是 C因子值可比性的前提。 流域、区域尺度 C 因子确定通常需要利用遥感影像,遥
感技术的发展促进了流域、区域尺度 C因子估算方法的进步,使提取的 C因子图更加精细、准确,但是使用遥感数据全面刻画 C
因子含义仍然是一大挑战,因此仍需加强 C因子相关研究。 共归纳了 10种确定 C因子的方法,介绍了不同方法的优缺点及适
用条件,提出了我国 C因子研究应加强的工作,希望为相关领域研究者提供参考。
关键词:植被覆盖与管理因子;尺度;土壤侵蚀;通用土壤流失方程 /修正通用土壤流失方程(USLE / RUSLE)
The study on cover鄄management factor in USLE and RUSLE: a review
FENG Qiang1,2, ZHAO Wenwu1,*
1 State Key Laboratory of Earth Surface Processes and Resource Ecology, College of Resources and Technology, Beijing Normal University, Beijing
100875, China
2 College of Forestry, Shanxi Agricultural University, Taigu, Shanxi 030801, China
Abstract: The Universal Soil Loss Equation (USLE) and the Revised Universal Soil Loss Equation (RUSLE) are two most
widely soil erosion prediction models worldwide. In both of these models, C factor, i. e., the Cover鄄Management Factor,
quantifies the effects of vegetation cover and management practices on soil erosion, which is the most important factor in
USLE / RUSLE models that can be easily controlled to alleviate soil erosion. The authors reviewed the evolvement of C factor
and concluded various estimation methods for C factor at different scales by integrating recent domestic and international
developments in this field. Therefore, five methods to quantify C factor were summarized at plot, hillslope and small
watershed scales: 1)Obtaining C factor values from USLE / RUSLE handbooks; 2) Estimating C factor values based on the
definition of C factor; 3) Computing C factor values by its sub鄄factors; 4) Calculating C factor values using inverse method
based on the USLE / RUSLE (C=A / (R·K·L·S·P); 5) Assessing C factor with linear and nonlinear models between
C factor and vegetation coverage. Currently, estimation of C factor mainly depended on field experiments and observations at
plot, hillslope and small watershed scales. Thus, the consistency of experimental conditions among different experiments,
especially the consistency of standard runoff plots, is important and a prerequisite for comparability of C factor values. Once
again, five methods to quantify C factor at watershed, region scales were summarized as well: 1)Assigning C鄄factors values
from reported values in literature according to land鄄cover / land鄄use categories; 2) Estimating C factor values at larger scales
by equations based on relationships between C factor values and vegetation coverage acquired at smaller scales; 3)
Performing direct regression between image bands ratios / vegetation indices and C factor values determined in the field; 4)
http: / / www.ecologica.cn
Estimating C factor values by linear Spectral Mixture Analysis; 5) Improving in mapping of C factor values by geostatistical
methods with remote sensing images. In general, at watershed and region scales, C factor values were usually estimated by
using remote sensing images, The development of remote sensing technology promoted the evolvement of C factor estimation
methods, which makes C factor mapping more precise. However, full interpretation of C factor values by using remote
sensing date remains a major challenge, requiring further research on C factor. In conclusion,the authors summarized 10
ways to estimate C factor values, their advantages and disadvantages and also their applicable conditions in detail.
Furthermore, the authors emphasized the important aspects of further research on C factor in future and wished extensive
involvement of more researchers in this field.
Key Words: cover鄄management factor;different scales;soil erosion;Universal Soil Loss Equation / Revised Universal Soil
Loss Equation(USLE / RUSLE)
摇 摇 通用土壤流失方程(USLE) [1鄄2]和修正通用土壤
流失方程(RUSLE) [3]是美国农业部开发的预报坡地
年均土壤流失量的经验模型,随着 GIS 和 RS 技术的
发展,USLE / RUSLE现已应用于流域、区域尺度土壤
流失预测。 USLE / RUSLE模型结构简单、参数较少、
所需数据容易获取,使其成为世界范围内应用最广
泛的土壤侵蚀预报模型。 USLE / RUSLE 模型形式
为:A=R·K·L·S·C·P,式中,A为年均土壤流失
量,R为降雨侵蚀力因子,K 为土壤可蚀性因子,LS
为坡度坡长因子或称为地形因子,C 为植被覆盖与
管理因子,P 为水土保持措施因子。 植被覆盖与管
理因子(Cover鄄Management Factor,以下简称 C 因子)
用来表示植被覆盖和管理措施对土壤侵蚀的影响。
植被的林冠层、灌木层能够拦截降雨,使降雨再分
配,改变降雨动能;草本层更加贴近地表,不仅能够
减少降雨击溅侵蚀,同时能够减少地表径流动能;枯
枝落叶层除截留降水外,能够降低径流速度,增加水
分入渗。 在 USLE 和 RUSLE 中,R 因子、K 因子、LS
因子依赖于自然地理条件,短期内水土保持活动不
会改变这些因子,而水土保持措施(P)的建设需要
大量的资金和人力投入,通过调整土地利用方式及
改善管理措施(降低 C因子)能够以最小的资金投入
降低土壤侵蚀。 C因子值是模型诸因子中变化幅度
最大的,可相差 2—3个数量级。 研究认为 C 因子和
LS因子对土壤侵蚀最敏感[4],对 USLE 整体有效性
的作用是最显著的[5]。 植被覆盖与管理不仅是
USLE / RUSLE的重要因子,还应用于其他土壤侵蚀
模型,如非点源流域环境响应模型(ANSWERS)、水
蚀预报模型(WEPP)、地中海区域土壤侵蚀预报模
型(SEMMED) [6鄄7]。
C因子估算涉及多个尺度,小区、坡面、小流域
尺度面积相对较小,从几平方米到几十平方公里不
等,可以利用径流小区、坡面、小流域卡口站土壤流
失数据估算 C 因子;流域、区域尺度面积大,不能直
接利用土壤流失数据估算 C因子。 不同尺度 C因子
估算方法在理论或实践上均存在各自的问题。 在小
区、坡面、小流域尺度,C 因子确定主要依赖野外实
测,研究方法的统一是不同学者、不同地区 C 值可比
性的前提。 在流域、区域尺度,C 因子确定主要依赖
遥感影像。 C因子包含了与植被相关的地上、地表、
地下、土壤等诸多因素的作用,单一的遥感影像难以
完全刻画 C因子,这既是一个重要的科学问题也是
一个关键的应用难题。 依据国内外相关文献,综述
了不同尺度 C 因子确定方法,评介了不同方法的优
缺点和适用条件,以期为不同尺度 C 因子的研究提
供借鉴。
1摇 植被覆盖与管理因子的定义及发展演变
C因子定义为在一定地表覆盖和管理措施下土
壤流失量与同等条件下适时翻耕、连续休闲对照地
上土壤流失量之比。 C 值大小还取决于作物不同生
长期侵蚀性降雨的多寡,全年平均 C 值需要根据降
雨侵蚀力年内季节分布进行加权计算。
1965年版 USLE[1]划分了 5个农作期,C 因子主
要是定性的考虑作物覆盖、耕作历史、生产力水平、
作物残体、轮作和冬季覆盖物等因子的作用。 在观
测数据的基础上,USLE手册给出了主要农作物和耕
作制度下土壤流失比率表。 1978 年版 USLE[2]划分
了 6 个农作期,增加了适用于水土保持耕作法的土
壤流失比率表。 早期 USLE 是用来预测不同作物系
2644 摇 生摇 态摇 学摇 报摇 摇 摇 34卷摇
http: / / www.ecologica.cn
统的片蚀和细沟侵蚀,1970 年代早期美国农业部开
始讨论将其应用到牧草地等非扰动地区,但是由于
缺少这些地区径流小区数据,Wischmeier 在 1975 年
提出一个次因子方法来确定牧草地和林地的 C 因
子,Wischmeier 和 Smith1978 年提出用冠层覆盖、地
表覆盖、地下残体作用(如根系)、耕作方式等次因子
来确定 C因子。 可见,尽管 1978 年版的 USLE 沿用
了前一版本 C 因子估算方法,但同时提出了次因子
概念并扩大了应用范围。 Dissmeyer 和 Foster[8]对其
进行修正并增加次因子以适应林地状况,包含的次
因子有土壤表面覆盖(枯枝凋落物、砾石)、裸土百分
比、冠层盖度、土壤紧实度、有机质含量、细根生物
量、残渣固结作用和土壤储水量。
RUSLE[3]不再使用基于观测数据的土壤流失率
表,土壤流失率(SLR)计算主要考虑 5 个次因子:前
期土地利用次因子(PLU) 、冠层覆盖次因子(CC) 、
地面覆盖次因子(SC)、表面糙度次因子(SR) 、土壤
水分次因子(SM)。 SLR=PLU·CC·SC·SR·SM。
RUSLE不再划分农作期,而是以 15d 为步长计算半
月土壤流失率。 RUSLE提供的计算机程序包含作物
数据库、管理措施数据库、气候数据库,只要用户输
入所需参数,计算机程序就可以输出 C 因子值,而且
用户可以自行扩展数据库,扩大应用范围。
Liu等[9]借鉴 USLE / RUSLE 的成功经验,建立
了中国土壤流失方程 CSLE。 根据中国实际将
USLE / RUSLE的 C、P 两个因子变为 B、E、T 三个因
子,B、E、T分别是用于水土保持的生物、工程、耕作
措施因子。 CSLE 现已成功应用于第 1 次全国水利
普查水土保持情况普查[10],B、E、T 因子的确定方法
与 C、P因子相似,在小区、坡面、小流域尺度主要依
赖实验观测,我国已积累了相关查询表。 在流域、区
域尺度,B、E、T 因子的确定依赖遥感影像与野外调
查。 B、E、T因子是 C、P 因子的中国化,其本质含义
与 C、P因子相同。
2摇 小区、坡面、小流域尺度 C因子确定方法
USLE / RUSLE在美国开发并在世界范围内推广
使用。 不同研究区与模型建立地区的环境差异不尽
相同,人们往往根据实际情况选择一种方法或综合
不同方法来确定 C 因子。 总体来看,小区、坡面、小
流域尺度 C因子确定方法如下。
2.1摇 手册查询法
当研究者认为研究区环境与 USLE / RUSLE构建
区域相近时,直接利用 USLE 或 RUSLE 手册提供的
查询表确定 C 值。 如 Spaeth 等[11]在不同草地植被
类型上使用模拟降雨方法评估 USLE和 RUSLE预测
土壤流失效果时,分别使用 USLE 和 RUSLE 提供的
查询表确定美国 8 个州 32 个研究地 132 个草地小
区的 C值。 同样,Gabriels等[12]通过 USLE查询表估
计比利时 Kemmelbeek 流域 40 种作物轮作系统的 C
值。 通过模型手册直接查询相应参数来获取 C 值简
单快速,但研究区环境及管理措施千差万别,查询获
得的 C值难以在大部分地区适用。
2.2摇 标准小区法
这是确定不同作物 C值的基础方法。 根据 C因
子定义,一定地表覆盖和管理措施下的土壤流失量
与标准小区土壤流失量之比为 C 值,标准小区定义
为坡长水平投影为 22.1 m,坡度 9%,适时翻耕、连续
休闲小区。 我国学者通过径流小区实验得到中国东
北[13]、西北[14]、西南[15]、华东[16]等地区不同作物及
管理措施下 C 因子值。 我国主要农作区、主要作物
的 C因子值均已有学者确定。 同一个研究者得到的
不同作物、不同作物生长期 C值相差甚微,而不同研
究者得到的同一作物 C值相差较大,不具有可比性。
主要原因是标准小区不一致,生长季划分不同,C 因
子计算较少考虑降雨侵蚀力(EI)季节分布。 我国学
者张科利提出适合我国的标准小区为 15毅坡度、20 m
坡长、5 m宽休闲地[17],水利部同样颁布了《水土保
持监测技术规程》 (SL277—2002),规定了标准小区
的建设与观测方法。 这将有利于我国 C 因子测定的
规范化,提高不同地区 C值的可比性。
2.3摇 次因子法
虽然仍有学者利用 Dissmeyer 和 Foster 早期确
定的次因子法[8]计算 C值,如 Zhang等[18]和 De Asis
和 Omasa[7]分别用该方法进行了林地 C 因子计算,
但目前广泛使用的是 RUSLE 提供的次因子法[3]。
每个次因子都有具体计算公式,关键是获得次因子
计算需要的参数。 冠层郁闭度、雨滴降落高度、地表
盖度、根系生物量、地表随机糙度、土壤含水量一般
通过样地实测,土壤表面稳定性因子、地上地下残体
分解速率等参数不易测定,往往需要查询 RUSLE 手
册或参考当地相关研究。 获得各个参数后,通过次
3644摇 16期 摇 摇 摇 冯强摇 等:USLE / RUSLE中植被覆盖与管理因子研究进展 摇
http: / / www.ecologica.cn
因子计算公式或 RUSLE 计算机程序即可得到 C 因
子值。 该方法在耕地[19]、草地[11]、林地[20]以及火烧
后不同生态恢复措施[21]的 C 因子测算研究中都有
广泛应用。 研究中参数获取主要依靠野外实测,过
多的依靠 RUSLE 手册提供的查询表往往会带来 C
因子估算的不准确性[21]。
2.4摇 USLE方程反用法
直接利用 USLE计算 C因子,C=A / (R·K·L·
S·P),需要对除 C 因子以外的其他因子进行测定。
Novara等[22]使用该方法计算传统耕作葡萄园和覆
盖作物耕作葡萄园的 C因子。 也有学者将 C因子和
P因子结合成 CP因子,在小区和小流域尺度[23]、微
集水区尺度[24] 计算了林地和作物 CP 因子。
Cinnirella等[25]将小流域分成若干植被单元和裸地
单元,小流域总产沙量是植被单元和裸地单元产沙
量之和,规定裸地 C因子为常数,计算植被 C因子并
分析其月变化和年变化。 该法计算 C 因子需要测定
其余所有因子,随着尺度增大尤其费时费力,不易
推广。
2.5摇 C因子与盖度关系式法
对于除美国以外的其他国家来说,农业轮作系
统径流小区数据十分缺乏,难以通过土壤流失率直
接计算 C值,对于草地和林地更是如此[26]。 因此出
现了大量利用植被盖度估算 C 值的方法,即先通过
径流小区实验,获得 C值和植被盖度关系式,而后只
需测定植被盖度即可推算出 C 值。 C 因子与植被盖
度关系模型形式有线性[27]、指数[14,28]、对数[29鄄30]等。
以上关系式中植被盖度未考虑群落层次结构,刘宝
元等[26]将 C因子分解为两个子因子:冠层覆盖子因
子 Cc 和地表覆盖子因子 Cs, C 因子计算式为
C=Cc·Cs。 不同学者 C 因子与盖度关系式详细情
况见表 1。 通过关系式可以简单快速的得到 C因子,
但是以上研究 C 因子计算方法不一致、标准小区不
统一,所建立的关系式可比性相对较差,难以判断通
过哪些关系式能够得到可靠的 C因子值。
表 1摇 中国 C因子与植被盖度关系式列表
Table 1摇 The relation equation between Cover鄄Management Factor(C factor) and vegetation coverage
文献来源
References
C因子与植被盖度 V(%)关系式
Relation equation between C factor and
vegetation coverage(%)
植被类型
Vegetation type
C因子计算方法
Method for computing C factor
研究区域
Study area
[28] C
= 0.992exp(-0.0344V) 牧草 标准小区法计算 C值,标准小区为覆盖度 1.9%小区 黄甫川流域
[14]
草地:V>5摇 C=exp[-0.0418(V-5)]
草地:V臆5摇 C= 1
林地:V>5摇 C=exp[-0.0085(V-5) 1.5]
林地:V臆5摇 C= 1
草地、林地 标准小区法计算 C值,标准小区为裸露农地 陕西安塞县
[27]
7月: C= 0.4149-0.0052V
8月: C= 0.4399-0.00578V
全年:C= 0.45-0.00786V
低矮灌丛草甸 标桩法测定土壤流失量,公式法计算 C值
张家口水保站、
江西红壤生态
实验站
[29] C = 0. 779+ 0. 595log0.01V 作物 标准小区法计算 C值,标准小区为无植被覆盖小区
黄土高原
(西峰、淳化)
[30]
V = 0摇 摇 摇 C = 1
0V > 78. 3摇 C = 0
作物、果园 公式法计算 C值 三峡库区
[26]
作物地:摇 Cc = 1-(0.01Vc+0.0859)exp(-0郾 0033h)
Cs =exp(-0.0206VR)
草地: 参考作物地公式
人工林地:Cc = 0.988exp(-0.11Vc);
Cs =exp(-0.0206VR)
Cc、Cs分别为冠层覆盖子因子、地表覆盖子因子;
Vc、VR分别为冠层盖度(%)、地表盖度(%);
h为冠层高度(cm)
作物
草地
人工林地
标准小区法计算 C值,标准小区
为裸地小区 北京地区
4644 摇 生摇 态摇 学摇 报摇 摇 摇 34卷摇
http: / / www.ecologica.cn
3摇 流域、区域尺度 C因子估算
USLE / RUSLE 在流域、区域尺度的推广应用为
水土保持规划提供了有力支持,如何提高流域、区域
尺度 C 因子估算精度成为 USLE / RUSLE 预测土壤
侵蚀准确性的关键。 随着遥感技术的发展,C 因子
提取方法也在不断进步,逐渐接近 C 因子所包含的
植被和管理信息。 流域、区域尺度 C 因子估算主要
有以下方法。
3.1摇 土地利用 /覆盖类型直接赋值法
通过遥感影像分类[31鄄32]获取土地利用图,或直
接收集土地利用资料[33鄄34],然后将相似地区文献记
载的 C值赋给相应土地利用类型。 也有学者自行计
算典型土地类型的 C 值然后进行流域、区域尺度赋
值[35]。 类似的,还有通过遥感解译植被盖度级别,
然后将文献中 C值赋予不同盖度级别[36],或同时考
虑土地利用类型和盖度级别进行赋值[37]。 土地利
用 /覆盖类型赋值法简单易行,在世界范围内广泛使
用,但该方法获得的 C值为一恒定常数,没有考虑同
一土地利用类型的时空异质性,尤其在中国丘陵山
区植被密度不均、田块破碎、农户个体经营的情况下
更容易带来较大的 C因子估计误差。 同时不同精度
遥感影像也会对土地利用类型或盖度级别的解译精
度带来影响,进而影响 C值估算的准确性。
3.2摇 基于小区、坡面尺度 C 因子与植被盖度关系式
估算流域、区域尺度 C因子
小区、坡面尺度研究表明土壤侵蚀和植被盖度
存在负相关关系,植被盖度是构成 C 因子的重要因
素,研究者构建了很多 C 因子和盖度关系式(见表
1)。 通过植被指数或混合像元线性分解反演流域、
区域尺度植被盖度,或通过流域小班调查获得植被
盖度[38],然后通过小区、坡面尺度的关系式计算流
域、区域尺度 C 因子。 目前,应用最多的是蔡崇法
等[30]在三峡库区建立的关系式,众多学者[39鄄43]利用
该关系式进行了流域、区域尺度 C 因子估算,研究区
包括江西、福建、甘肃、岷江流域、新疆艾比湖地区。
潘美慧等[44]应用了江忠善等[14]在陕北建立的关系
式进行了东江(属珠江水系)流域 C因子估算。
该方法在中国广泛使用,但不同地区植被类型
与土壤侵蚀环境差异较大,某一地区建立的 C 因子
与盖度关系式在其他地区是否适用需要进一步验
证。 再者,小区、坡面尺度建立的关系式应用于流
域、区域尺度是尺度上推的过程,还需进行尺度效应
分析与尺度转换研究。 此外,通过遥感影像提取的
植被盖度通常不包括地表枯枝落叶层,而地表枯枝
落叶覆盖的减蚀作用比冠层覆盖更重要[45],因此,
还需开展通过遥感技术提取地表枯枝落叶层盖度的
研究。
3.3摇 通过遥感影像波段组合或植被指数直接估算 C
因子
为了克服土地利用类型赋值法无法反映 C 因子
时空变异的缺点,有学者提出建立 C 值与遥感信息
(波段组合或植被指数) 的回归方程,再通过回归方
程反演地面 C值。 波段组合或植被指数能降低遥感
数据信息冗余,最大程度反映植被特点。 通过土地
利用图与遥感影像叠加,提取各个土地利用类型内
平均的波段组合或植被指数值,参照文献中不同土
地利用类型的 C 值,建立两者的回归方程[46鄄48]。 或
通过野外实测 C因子,建立 C 因子与相同地理位置
遥感像元波段组合或植被指数的关系方程[6鄄7,49鄄51]。
该方法在非采样区估算的 C因子可能会出现负值或
极大值,通常将负值赋值为 0,将极大值赋值为 1。
已有研究所构建的关系方程的详细信息见表 2。 各
植被类型可以共同建立统一的关系方程,或每种植
被类型建立各自的关系方程,后者 C 因子与波段信
息的相关系数要高于前者[50]。 关系方程结合多时
相遥感数据可以获得 C 因子时间与空间变异信息,
提高土壤侵蚀预测效果。
归一化植被指数 NDVI 是目前评估植被覆盖使
用最广泛的植被指数,NDVI 对植被生命力敏感,因
为植被生长初期强烈的叶绿素活力,NDVI 会带来植
被覆盖的高估,相反,NDVI 带来衰老植被覆盖的低
估,而对于土壤侵蚀过程,初期植被和衰老植被的水
土保持作用相差不大。 因此 C 因子与 NDVI 之间的
回归方程效果不好[7,49],Wang 等[49]甚至发现 NDVI
与 C因子相关性低于 TM影像 band1—band7任一波
段与 C因子的相关性。 增强型植被指数 EVI提高了
对高生物量区植被的敏感度,同时通过消弱冠层背
景信号和降低大气影响,改善了对植被的监测[52]。
垂直植被指数 PVI能够消除土壤表面背景噪声的影
响,增强植被信息。 转换型土壤调整植被指数
TSAVI是土壤调整植被指数 SAVI的转换形式,能显
5644摇 16期 摇 摇 摇 冯强摇 等:USLE / RUSLE中植被覆盖与管理因子研究进展 摇
http: / / www.ecologica.cn
表
2摇
C
因
子
与
波
段
组
合
或
植
被
指
数
关
系
式
列
表
Ta
bl
e
2摇
Th
e
re
la
tio
n
eq
ua
tio
n
be
tw
ee
n
C
ov
er
鄄M
an
ag
em
en
tF
ac
to
r(
C
fa
ct
or
)
an
d
im
ag
e
ba
nd
s
co
m
bi
na
tio
ns
or
ve
ge
ta
tio
n
in
di
ce
s
波
段
组
合
或
植
被
指
数
Im
ag
e
ba
nd
s
co
m
bi
na
tio
ns
or
ve
ge
ta
tio
n
in
di
ce
s
C
因
子
与
波
段
组
合
或
植
被
指
数
关
系
式
Th
e
re
la
tio
n
eq
ua
tio
n
be
tw
ee
n
C
fa
ct
or
an
d
im
ag
e
ba
nd
s
co
m
bi
na
tio
ns
or
ve
ge
ta
tio
n
in
di
ce
s
遥
感
数
据
源
Re
m
ot
e
se
ns
in
g
da
ta
so
ur
ce
s
研
究
区
域
St
ud
y
ar
ea
文
献
来
源
Re
fe
re
nc
es
垂
直
植
被
指
数
PV
I(
Pe
rp
en
di
cu
la
rV
eg
et
at
io
n
In
de
x)
C
=
1.
00
5e
xp
[-
0.
42
6(
PV
I+
0.
01
2)
]
La
nd
sa
t-
7
ET
M
+
爪
哇
岛
Ci
da
na
u
流
域
[4
6]
增
强
型
植
被
指
数
EV
I(
En
ha
nc
ed
Ve
ge
ta
tio
n
In
de
x)
C
= e
xp
(-
7.
29
1E
VI
)
M
OD
IS
突
尼
斯
中
北
部
[4
8]
转
换
型
土
壤
调
整
植
被
指
数
TS
AV
I(
Tr
an
sfo
rm
ed
So
il
Ad
ju
ste
d
Ve
ge
ta
tio
n
In
de
x)
19
99
年
:C
=
1.
01
2e
xp
(-
6.
29
6T
SA
VI
)
20
05
年
:C
=
1.
00
2e
xp
(-
4.
30
9T
SA
VI
)
20
07
年
:C
=
1.
01
3e
xp
(-
4.
92
5T
SA
VI
)
La
nd
sa
tT
M
、E
TM
+
突
尼
斯
Ba
tta
流
域
[4
7]
归
一
化
植
被
指
数
ND
VI
(N
or
m
al
ize
d
Di
ffe
re
nc
e
Ve
ge
ta
tio
n
In
de
x)
C
=
0.
22
7e
xp
(-
7.
33
7N
DV
I)
La
nd
sa
tT
M
泰
国
Na
m
Ch
un
流
域
[5
1]
归
一
化
植
被
指
数
ND
VI
(N
or
m
al
ize
d
Di
ffe
re
nc
e
Ve
ge
ta
tio
n
In
de
x)
ND
VI
=
- 4
8.
01
C+
15
9.
75
La
nd
sa
tT
M
法
国
南
部
[6
]
ba
nd
2,
ba
nd
3,
ba
nd
7(
TM
影
像
相
应
波
段
的
反
射
率
)
修
改
型
土
壤
调
整
植
被
指
数
M
SA
VI
(M
od
ifi
ed
So
il
Ad
ju
ste
d
Ve
ge
ta
tio
n
In
de
x)
所
有
植
被
类
型
:摇
C
=
0.
00
2(
ba
nd
2)
- 0
.0
43
栎
树
:
C
=
0.
00
03
(b
an
d7
)+
0.
00
4
栎
树
班
克
松
混
交
:C
=
0.
00
03
(b
an
d7
)+
0.
00
1
班
克
松
:
C
=
0.
00
1(
ba
nd
3)
- 0
.0
04
种
植
园
:
C
=
0.
00
03
(b
an
d3
)+
0.
00
2
灌
木
:
C
=
0.
00
1(
ba
nd
7)
- 0
.0
17
混
合
植
被
:
C
=
- 0
.0
55
(M
SA
VI
)+
0.
05
2
草
地
:
C
=
- 0
.1
51
(M
SA
VI
)+
0.
1
La
nd
sa
tT
M
美
国
怀
俄
明
州
和
威
斯
康
星
州
两
个
军
事
训
练
区
[5
0]
归
一
化
植
被
指
数
ND
VI
(N
or
m
al
ize
d
Di
ffe
re
nc
e
Ve
ge
ta
tio
n
In
de
x)
ND
VI
=
0.
44
88
C-
0.
04
69
La
nd
sa
tE
TM
+
菲
律
宾
La
m
es
a
流
域
[7
]
b 1
- b
7代
表
ba
nd
1-
ba
nd
7(
TM
影
像
相
应
波
段
的
反
射
率
)
线
性
回
归
模
型
草
地
:C
=
0.
03
69
+
0.
00
08
b 1
-
0.
00
21
b 2
+
0.
00
15
b 3
+
0.
00
02
b 4
-
0郾
00
07
b 5
+ 0
.0
00
7b
7
灌
木
:C
=
0.
07
11
- 0
.0
03
4b
5
+
0.
00
71
b 7
林
地
:C
=
0.
07
66
-
0.
00
14
b 1
+
0.
00
30
b 2
-
0.
00
17
b 3
-
0.
00
06
b 4
+
0郾
00
03
b 5
+
0.
00
10
b 7
混
合
植
被
:C
=
- 0
.1
24
9+
0.
00
51
b 1
- 0
.0
02
4b
2
- 0
.0
02
8b
3
- 0
.0
01
4b
4
-
0.
00
11
b 5
+
0.
00
36
b 7
对
数
鄄线
性
回
归
模
型
草
地
:
lo
gC
=
- 2
.8
68
1+
0.
00
64
b 1
- 0
.0
37
0b
2
+
0.
03
12
b 3
+
0.
00
32
b 4
-
0.
01
30
b 5
+
0.
01
17
b 7
灌
木
:
lo
gC
=
- 1
.3
37
1-
0.
10
35
b 5
+
0.
19
12
b 7
林
地
:
lo
gC
=
-
1.
21
07
-
0.
05
05
b 1
+
0.
09
22
b 2
-
0.
04
25
b 3
-
0.
03
77
b 4
+
0郾
01
91
b 5
+
0.
01
69
b 7
混
合
植
被
:l
og
C
=
- 8
.7
99
8
+ 0
.1
32
4b
1-
0.
13
10
b 2
- 0
.0
59
5b
3-
0郾
01
27
b 4
+
0.
00
39
b 5
+ 0
.0
54
3b
7
La
nd
sa
tT
M
美
国
德
克
萨
斯
州
胡
德
堡
[4
9]
6644 摇 生摇 态摇 学摇 报摇 摇 摇 34卷摇
http: / / www.ecologica.cn
著降低稀疏植被区土壤背景的影响。 可见,根据研
究区植被特点选择合适的植被指数能改善 C 因子估
计,但以上植被指数无法评估作物残茬等地表枯落
物。 NDSVI、NDTI、NDI5、NDI7 等衰败植被指数可以
反映林下枯枝落叶层信息,Wen 等[53]引入冬季影像
的衰败植被指数表示枯落层,与绿度指数(NDVI 等)
联合估算结构化植被指数,结构化植被指数能够更
准确表达植被的减蚀作用;结构化植被指数是对不
同群落层次植被盖度的加权求和,属盖度含义,仍然
需要依赖他人建立的 C 因子与盖度关系式计算 C
值。 作物残茬光谱在接近 2100 nm 具有明显吸收特
征,基于高光谱数据的纤维素吸收指数 CAI 与作物
残茬覆盖度线性相关[54]。 微波数据也可以反映作
物残茬覆盖[55]。 将衰败植被指数、高光谱数据和微
波数据应用于流域、区域尺度 C 因子估算中有望能
更合理的反映枯枝落叶层的减蚀作用,但目前还未
见此类报道。
3.4摇 基于光谱混合分析(SMA)的 C因子估算
中低分辨率遥感图像中的像元大多是包含几种
植被类型的混合像元,在景观破碎化或地形复杂区
域尤为普遍,这对于通过土地利用分类或利用植被
指数估算 C因子不利。 光谱混合分析法认为图像中
的一个像元可能由多个组分构成,每个组分对遥感
传感器所观测到的信息都有贡献,因此可对混合像
元进行分解。 混合像元分解模型主要有线性模型、
概率模型、几何光学模型、随机模型、模糊分析模型。
线性模型假设像元的反射率为其端元组分反射率的
线性组合。
地表覆盖越高,土壤侵蚀量越少,地表越裸露,
土壤侵蚀量越大。 基于这个思想, Lu 等[56] 利用
ETM影像光谱混合分析,将地表分为土壤、绿色植
被、阴影 3个组分,建立 C因子估算公式:
C= Fbs / (1+Fveg+Fshade+Fveg·Fshade) (1)
式中,Fbs、Fveg、Fshade分别代表裸土、绿色植被、阴影
的盖度。 类似的,De Asis 和 Omasa[7]通过线性光谱
混合模型提取裸土、植被、非光合物质(枯落物、砾石
等)盖度:
C =Fbs / (1+Fveg+FNPM) (2)
式中,Fbs、Fveg、FNPM分别代表裸土、植被、非光合物质
的盖度,该式计算的 C值在 0—1之间。 作者对比了
(2)式得到的 C因子与通过 NDVI提取的 C因子(作
者建立了 NDVI与 C因子的关系式,表 2),混合像元
分析法得到的 C 因子提供了更详细的空间变异信
息,输入 RUSLE 模型得到更准确的土壤侵蚀预测
结果。
相对于通过 NDVI 等植被指数提取 C 因子,线
性光谱混合分析法具有如下优势:不受土壤背景影
响;考虑了地表枯落物、砾石等对 C 因子的贡献;直
接提取 C因子值,不需要建立 C 因子与植被指数的
关系。 该方法的缺点是:(1)端元组分数要小于影像
波段数,因此地面分类数受限。 (2)该方法假设到达
遥感传感器的光子与唯一地物(即一个光谱端元组
分) 发生作用,而实际上多重散射是经常发生的。
(3)当植被及枯落物完全覆盖地表时,C = 0(意味着
预测的土壤侵蚀量为 0),但是即使是未受干扰的林
地,具有完全的林冠和枯枝落叶层覆盖,仍然存在轻
微的土壤侵蚀[57]。
3.5摇 地理统计学方法结合遥感影像进行 C 因子
插值
通过野外布设 C 因子实测样点,利用地理统计
学空间插值技术可以得到 C 因子图,引入遥感影像
信息作为辅助变量进行插值可以提高 C 因子估算精
度。 Wang等[49]通过协同克里金插值和序列高斯协
同模拟进行 C 因子制图,首要变量是野外实测的 C
因子,辅助变量是与 C 因子相关系数最大的波段组
合(band3+band7) / band4,结果表明辅助影像信息的
序列高斯协同模拟得到最准确的 C 因子估计,协同
克里金插值次之,两种方法得到 C 因子的精度均高
于 C因子与影像波段关系式法(表 2)。 该研究通过
C因子估计值与实测值的相关系数和均方根误差
(RMSE)来表示 C 因子估计的准确性,这是衡量 C
因子图的全局准确性,未反映不同空间位置 C 因子
空间变异。 Gertner 等[58]基于 TM 影像在相同地区
通过多变量(冠层覆盖 GC、地面覆盖 CC、植被高度
VH)联合序列协同模拟进行无偏的 C 因子制图,通
过多项式回归进行空间不确定性分析,定量化了变
量、变量之间交互作用、邻近像元对 C 因子变异的贡
献。 地理统计学方法的缺点是需要大量野外采样,
尤其是景观破碎化地区,费时费力, 难以广泛推广
使用。
4摇 不同尺度 C因子估算方法比较
以上共总结了 10种 C因子估算方法,不同方法
7644摇 16期 摇 摇 摇 冯强摇 等:USLE / RUSLE中植被覆盖与管理因子研究进展 摇
http: / / www.ecologica.cn
的适用尺度、应用范围不同,各有所长且存在各自的
不足(表 3)。 手册查询法简单快捷但应用范围有
限;标准小区法依据 C因子定义,但该方法应用过程
中需要统一标准;次因子法依赖于对次因子及相关
参数的实测或查询,增加野外实测会提高 C 因子计
算准确性;USLE / RUSLE方程反用法逻辑合理,但工
作量大,其他因子的测定与计算误差会进入 C 因子
估算结果中;C 因子与盖度关系式无论应用与小区、
坡面、小流域尺度,还是应用于流域、区域尺度,均使
C因子估算简单便捷,但该方法始终属于经验关系
式,未反应植被减蚀作用机理,同时关系式的跨尺度
应用存在尺度效应问题,因此该方法准确性难以保
证;土地利用 /覆盖类型直接赋值法简单易行,但提
取的 C因子图精度较差;通过 C 因子与遥感影像波
段组合或植被指数关系式提取的 C 因子图更精细,
但遥感影像波段组合或植被指数反映的 C 因子信息
不全面,往往忽略地表枯落层和浅层根系信息;光谱
混合分析(SMA)能够全面反映 C 因子信息,但 SMA
方法本身存在一些缺点;地理统计学方法结合遥感
影像进行 C因子插值可获取精细的 C 因子图,并进
行深入的空间统计分析,但工作量过大,应用困难。
表 3摇 不同尺度 C因子估算方法比较
Table 3摇 Comparison of Cover鄄Management Factor (C factor) estimation methods at different scales
尺度
Scale
估算方法
Estimation methods
优缺点
Advantages and disadvantages
应用范围
Application area
小区、坡面、小流域尺度
Plot, hillslope and small
watershed scales
手册查询法 简单快捷,准确性难以保证
应用范围有限,适用于
USLE、RUSLE 构建区域(美
国,尤其是落基山脉以东地
区)
标准小区法 按 C因子定义确定 C 值,USLE / RUSLE 的基础方法,但需要建设标准小区并长期监测
在标准小区一致、研究方法
统一的前提下,可广泛使用
次因子法
通过反映植被减蚀作用的 5个次因子估算 C 值,不依赖
标准小区,结果可靠,但测定参数较多,部分不易测定的
参数往往依赖手册查询表
参数实测的前提下可以广
泛应用
USLE / RUSLE 方 程
反用法
通过土壤流失方程反求 C 因子,逻辑合理,但需要测定
除 C因子以外的其他因子,工作量大,尺度越大,越难
应用
可广泛应用,但受工作量的
限制
C 因子与盖度关系
式法
只需测定植被盖度即可推算出 C 值,简单便捷,但盖度
往往无法反映地表枯落物、浅层根系等对 C 因子的贡
献,关系式在不同研究区的适用性不确定
一般适用于构建关系式所
在的地区
流域、区域尺度
Watershed, region scales
土地利用 /覆盖类型
直接赋值法
简单易行,但无法反映同一土地利用类型内 C因子的时
空异质性,受土地利用 /覆盖类型解译的限制。 可广泛应用
基于小区、坡面尺度
C 因子与植被盖度
关系式估算流域、区
域尺度 C因子
简单便捷,但关系式的跨尺度应用需进行尺度效应分析
与尺度转换研究
一般适用于构建关系式所
在的地区
通过遥感影像波段
组合或植被指数估
算 C因子
确定的 C因子图更精细,但大部分植被指数无法反映地
表枯落物信息 可广泛应用
基于光谱混合分析
( SMA ) 的 C 因子
估算
不依赖实测,直接提取 C因子,不受土壤背景影响,考虑
了地表枯落物、砾石等的贡献,但 SMA方法本身存在一
些限制
可广泛应用
地理统计学方法结
合遥感影像进行 C
因子插值
可获取精细的 C因子图,能够反映不同空间位置 C因子
空间变异并进行不确定性分析,但工作量过大 可广泛应用,受工作量限制
8644 摇 生摇 态摇 学摇 报摇 摇 摇 34卷摇
http: / / www.ecologica.cn
5摇 结语
随着研究者对植被与管理措施减蚀作用认识的
不断深入,C 因子从诞生开始就经历了一系列发展
演变。 小区、坡面、小流域尺度 C因子估算所需研究
场地和耗费时间不同,研究人员可以根据研究区特
点和研究精度要求选择合适方法。 对我国来说,虽
然确定了大部分作物的 C 值,构建了多种 C 因子与
盖度关系式,但是标准小区不统一,使研究结论缺少
可比性,难以推广使用。
区域、流域尺度 C 因子合理估算及空间分布图
制作是预测流域与区域土壤侵蚀的关键环节。 土地
利用 /覆盖类型直接赋值法简单快速,利用小区、坡
面尺度建立的 C 因子与植被盖度关系式估算流域、
区域尺度 C因子是另一简便方法。 通过建立植被指
数与 C因子关系式可以进行更精确的 C 因子估算,
但目前建立关系式使用的 NDVI 等植被指数无法表
征地表枯枝落叶层。 光谱混合分析(SMA)法可直接
进行 C因子估算,考虑了地表枯落层、砾石的减蚀作
用,是目前最接近 C因子含义的流域、区域尺度 C因
子提取方法。 地理统计学方法与遥感影像结合可以
提高 C因子插值精度,并能进行 C 因子变异来源分
析。 相对来说,在流域、区域尺度进行 C 因子准确估
算仍然是个难点,这依赖于遥感技术与水土保持科
学更充分的结合。
在 C因子的估算研究中,我国科学家尚需要加
强如下方面工作:(1)在标准小区一致的前提下,详
细测定地上地下各次因子参数,建立不同植被类型
C因子及次因子参数的查询表;(2)综合考虑林冠
层、灌木层、草本层、枯落物层的减蚀作用,构建并筛
选小区、坡面尺度 C因子与植被盖度关系式,比较 C
因子与植被盖度关系式在流域、区域尺度上的应用
效果及影响因素,揭示尺度效应并开展尺度转换研
究;(3)引入衰败植被指数、高光谱数据、微波数据表
达枯枝落叶层信息,与绿度指数相结合,使遥感数据
能够完全刻画 C因子,建立遥感数据与 C 因子关系
式,更准确的估算流域、区域尺度 C因子。
References:
[ 1 ]摇 Wischmeier W H, Smith D D. Predicting Rainfall Erosion Losses
from Cropland East of the Rocky Mountains: Guide for Selection of
Practices for Soil and Water Conservation. U. S. Department of
Agriculture, Agriculture Handbook No.282. Washington, D. C.:
U. S. Government Printing Office, 1965: 10鄄36.
[ 2 ] 摇 Wischmeier W H, Smith D D. Predicting Rainfall Erosion Losses.
A Guide to Conservation Planning. U. S. Department of
Agriculture, Agriculture Handbook No.537. Washington, D. C.:
U. S. Government Printing Office, 1978: 17鄄34.
[ 3 ] 摇 Renard K G, Foster G R, Weesies G A, McCool D K, Yoder D
C. Predicting soil Erosion by Water: A Guide to Conservation
Planning with the Revised Universal Soil Loss Equation
( RUSLE ). U. S. Department of Agriculture, Agriculture
Handbook No. 703. Washington, D. C.: U. S. Government
Printing Office, 1997: 143鄄182.
[ 4 ] 摇 Biesemans J, van Meirvenne M, Gabriels D. Extending the
RUSLE with the Monte Carlo error propagation technique to
predict long鄄term average off鄄site sediment accumulation. Journal
of Soil and Water Conservation, 2000, 55(1): 35鄄42.
[ 5 ] 摇 Risse L M, Nearing M A, Laflen M L, Nicks A D. Error
assessment in the Universal Soil Loss Equation. Soil Science
Society of America Journal, 1993, 57(3): 825鄄833.
[ 6 ] 摇 De Jong S M. Derivation of vegetative variables from a Landsat TM
image for modelling soil erosion. Earth Surface Processes and
Landforms, 1994, 19(2): 165鄄178.
[ 7 ] 摇 De Asis A M, Omasa K. Estimation of vegetation parameter for
modeling soil erosion using linear spectral mixture analysis of
Landsat ETM data. Journal of Photogrammetry & Remote Sensing,
2007, 62(4): 309鄄324.
[ 8 ] 摇 Dissmeyer G E, Foster G R. Estimating the cover鄄management
factor ( C ) in the Universal Soil Loss Equation for forest
conditions. Journal of Soil and Water Conservation, 1981, 36
(4): 235鄄240.
[ 9 ] 摇 Liu B Y, Zhang K L, Xie Y. An empirical soil loss equation / /
Proceedings of 12th International Soil Conservation Organization
Conference, Vol. III. Beijing: Tsinghua University Press, 2002:
21鄄25.
[10] 摇 Zhang Y, Liu X C, Li Z G, Zhu Q K. Surveying soil erosion
condition in Loess Plateau using soil erosion model. Transactions
of the Chinese Society of Agricultural Engineering, 2012, 28
(10): 165鄄171.
[11] 摇 Spaeth K E, Pierson F B, Weltz M A, Blackburn W H.
Evaluation of USLE and RUSLE estimated soil loss on rangeland.
Journal of Range Management, 2003, 56(3): 234鄄246.
[12] 摇 Gabriels D, Ghekiere G, Schiettecattea W, Rottiersa I.
Assessment of USLE cover鄄management C鄄factors for 40 crop
rotation systems on arable farms in the Kemmelbeek watershed,
Belgium. Soil and Tillage Research, 2003, 74(1): 47鄄53.
[13] 摇 Lin S L, Huang Y, Nie Z G, Sun J H. Establishment of the soil
loss equation for sloping farmland in low hill area of northern
Liaoning Province. Chinese Journal of Soil Science, 1997, 28
(6): 251鄄253.
9644摇 16期 摇 摇 摇 冯强摇 等:USLE / RUSLE中植被覆盖与管理因子研究进展 摇
http: / / www.ecologica.cn
[14]摇 Jiang Z S, Wang Z Q, Liu Z. Quantitative study on spatial
variation of soil erosion in a small watershed in the Loess Hilly
region. Journal of Soil Erosion and Soil Conservation, 1996, 2
(1): 2鄄9.
[15] 摇 Tang Y, Dai S, Jiang G Y, Shi D M, Chen Z F. Calculation and
analysis of the vegetation cover and management factor c value in
slope farmland of Chongqing area. Journal of Soil and Water
Conservation, 2010, 24(6): 53鄄59.
[16] 摇 Yu D S, Shi X Z, L俟 X X. C value of different land鄄use patterns
and its assessment on sustainability in low hill red soil area.
Journal of Soil Erosion and Soil and Water Conservation, 1998, 4
(1): 71鄄76.
[17] 摇 Zhang K L, Liu B Y, Cai Y M. The standard of unit plot in soil
loss prediction of China. Geographical Research, 2000, 19(3):
297鄄302.
[18] 摇 Zhang H M, Wang Q L, Dai L M, Guofan S, Tang L N, Wang S
Z, Gu H Y. Quantifying soil erosion with GIS鄄based RUSLE under
different forest management options in Jianchang Forest Farm.
Science in China: Series E Technological Sciences, 2006, 49
(S1): 160鄄166.
[19] 摇 L佼pez鄄Vicente M, Navas A, Mach侏n J. Identifying erosive periods
by using RUSLE factors in mountain fields of the Central Spanish
Pyrenees. Hydrology and Earth System Sciences, 2008, 12(2):
523鄄535.
[20] 摇 Milgroom J, G佼mez J A, Soriano M A, Fereres E. From
experimental research to an on鄄farm tool for participatory
monitoring and evaluation: an assessment of soil erosion risk in
organic olive orchards. Land Degradation and Development, 2007,
18(4): 397鄄411.
[21] 摇 Fern佗ndez C, Vega J A, Vieira D C S. Assessing soil erosion after
fire and rehabilitation treatments in nw spain: performance of
RUSLE and revised Morgan鄄Morgan鄄Finney models. Land
Degradation and Development, 2010, 21(1): 58鄄67.
[22] 摇 Novara A, Gristina L, Saladino S S, Santoro A, Cerd伽 A. Soil
erosion assessment on tillage and alternative soil managements in a
Sicilian vineyard. Soil and Tillage Research, 2011, 117:
140鄄147.
[23] 摇 魻zhan S, Balc覦 A N, 魻zyuvaci N, H覦zal A, G觟kbulak F, Serengil
Y. Cover and management factors for the Universal Soil鄄Loss
Equation for forest ecosystems in the Marmara region, Turkey.
Forest Ecology and Management, 2005, 214(1 / 3): 118鄄123.
[24] 摇 Lufafa A, Tenywa M M, Isabirye M, Majaliwa M J G, Woomer P
L. Prediction of soil erosion in a Lake Victoria basin catchment
using a GIS鄄based Universal Soil Loss model. Agricultural
Systems, 2003, 76(3): 883鄄894.
[25] 摇 Cinnirella S, Iovino F, Porto P, Ferro V. Anti鄄erosive
effectiveness of Eucalyptus coppices through the cover management
factor estimate. Hydrological Processes, 1998, 12(4): 635鄄649.
[26] 摇 Liu B Y, Bi X G, Fu S H, Wei X, Li Y G, Duan S H,Yuan A
P, Lu B J, Xie Y, Zhang W B,Ye Z H, Zeng X Q, Xu L.
Beijing Soil Loss Equation. Beijing: Science Press, 2010: 72鄄77.
[27] 摇 Bu Z H, Zhao H F, Liu S Q, Chen M H. Preliminary study on
algorithm formula of vegetative factor for undisturbed areas in
remote sensing monitoring soil loss. Remote Sensing Technology
and Application, 1993, 8(4): 16鄄22.
[28] 摇 Jin Z P, Shi P J, Hou F C, Zhao H X. The System Model and
Governance Pattern of Soil Erosion in Hangfu River Watershed of
Yellow River. Beijing: China Ocean Press, 1992: 69鄄73.
[29] 摇 Liu B Z, Liu S H, Zheng S D. Soil conservation and coefficient of
soil conservation of crops. Research of Soil and Water
Conservation, 1999, 6(2): 32鄄36, 113鄄113.
[30] 摇 Cai C F, Ding S W, Shi Z H, Huang L, Zhang G Y. Study of
applying USLE and geographical information system IDRISI to
predict soil erosion in small watershed. Journal of Soil and Water
Conservation, 2000, 14(2): 19鄄24.
[31] 摇 Beskow S, Mello C R, Norton L D, Curi N, Viola M R, Avanzi J
C. Soil erosion prediction in the Grande River Basin, Brazil using
distributed modeling. Catena, 2009, 79(1): 49鄄59.
[32] 摇 Da Silva R M, Montenegro S M G L, Santos C A G. Integration of
GIS and remote sensing for estimation of soil loss and prioritization
of critical sub鄄catchments: a case study of Tapacur佗 catchment.
Nat Hazards, 2012, 62(3): 953鄄970.
[33] 摇 Park S, Oh C, Jeon S, Jung H, Choi C. Soil erosion risk in
Korean watersheds, assessed using the Revised Universal Soil Loss
Equation. Journal of Hydrology, 2011, 399(3 / 4): 263鄄273.
[34] 摇 Ranzi R, Le T B, Rulli M C. A RUSLE approach to model
suspended sediment load in the Lo river (Vietnam): Effects of
reservoirs and land use changes. Journal of Hydrology, 2012,
422: 17鄄29.
[35] 摇 Fu G B, Chen S L, McCool D K. Modeling the impacts of no鄄till
practice on soil erosion and sediment yield with RUSLE, SEDD,
and ArcView GIS. Soil & Tillage Research, 2006, 85 ( 1 / 2):
38鄄49.
[36] 摇 Cohen M J, Shepherd K D, Walsh M G. Empirical reformulation
of the Universal Soil Loss Equation for erosion risk assessment in a
tropical watershed. Geoderma, 2005, 124(3 / 4): 235鄄252.
[37] 摇 Zhu L, Huang J F, Li J. Application and result of soil erosion
estimation method based on geographic information system and
remote sensing technology. Journal of Zhejiang University:
Agriculture & Life Sciences, 2005, 31(4): 413鄄416.
[38] 摇 L俟 M Q, Wang J J, Jiang Q L, Zhang H, Hao X D. Temporal and
spatial variability of soil erosion in Dongbeigou Watershed in
northern mountainous area, Hebei Province, based on Land Use /
Cover Change(LUCC). Science of Soil and Water Conservation,
2011, 9(3): 18鄄25.
[39] 摇 Ji S H, Jiang M X, Yu X B. Evaluating soil erosion in Jiangxi
Province with USLE model and remote sensing technology during
1995—2005. China Environmental Science, 2011, 31 ( 7 ):
0744 摇 生摇 态摇 学摇 报摇 摇 摇 34卷摇
http: / / www.ecologica.cn
1197鄄1203.
[40] 摇 Chen Y H, Pan W B, Cai Y B. Quantitative study of soil erosion
in watershed based on RS, GIS and RUSLE鄄a case study of the
Jixi Watershed in Fujian Province. Journal of Geological Hazards
and Environment Preservation, 2007, 18(3): 5鄄10.
[41] 摇 Feng L, Sun B P, Li J R, Zhao Y, Zhou X S. Application of GIS
and USLE in evaluation of dynanic changes of soil erosion in areas
of returning farmland to forest鄄A case study in Anding district,
Dingxi City, Gansu province. Hunan Agricultural Sciences, 2011,
(11): 82鄄85, 89鄄89.
[42] 摇 Ma C F, Ma J W, Buhe A. Quantitative assessment of vegetation
coverage factor in USLE model using remote sensing data. Bulletin
of Soil and Water Conservation, 2001, 21(4): 6鄄9.
[43] 摇 Yu R, Kang Q, Zhang Z X. Assessment of vegetation coverage
factor in soil erosion model based on ASTER image interpretation.
Journal of Hebei Normal University: Natural Science Edition,
2006, 30(1): 113鄄117.
[44] 摇 Pan M H, Wu Y Q, Ren F P, Dong F, Jiang Y. Estimating soil
erosion in the Dongjiang river basin based on USLE. Journal of
Natural Resources, 2010, 25(12): 2154鄄2164.
[45] 摇 Wu X Q, Zhao H Y, Liu X D, Han B. Evaluation on role of forest
litter to water source conservation and soil and water conservation.
Journal of Soil Erosion and Soil and Water Conservation, 1998, 4
(2): 23鄄28.
[46] 摇 Yoshino K, Ishioka Y. Guidelines for soil conservation towards
integrated basin management for sustainable development: A new
approach based on the assessment of soil loss risk using remote
sensing and GIS. Paddy and Water Environment, 2005, 3(4):
235鄄247.
[47] 摇 Kefi M, Yoshino K, Setiawan Y, Zayani K, Boufaroua M.
Assessment of the effects of vegetation on soil erosion risk by
water: a case of study of the Batta watershed in Tunisia.
Environmental Earth Sciences, 2011, 64(3): 707鄄719.
[48] 摇 Kefi M, Yoshino K, Setiawan Y. Assessment and mapping of soil
erosion risk by water in Tunisia using time series MODIS data.
Paddy and Water Environment, 2012, 10(1): 59鄄73.
[49] 摇 Wang G, Wente S, Gertner G Z, Anderson A. Improvement in
mapping vegetation cover factor for the Universal Soil Loss
Equation by geostatistical methods with Landsat Thematic Mapper
images. International Journal of Remote Sensing, 2002, 23(18):
3649鄄3667.
[50] 摇 Warren S D, Mitasova H, Hohmann M G, Landsberger S,
Iskander F Y, Ruzycki T S, Senseman G M. Validation of a 3鄄D
enhancement of the Universal Soil Loss Equation for prediction of
soil erosion and sediment deposition. Catena, 2005, 64(2 / 3):
281鄄296.
[51] 摇 Suriyaprasit M, Shrestha D P. Deriving land use and canopy cover
factor from remote sensing and field data in inaccessible
mountainous terrain for use in soil erosion modeling. The
International Archives of the Photogrammetry, Remote Sensing and
Spatial Information Sciences, 2008, 37(partB7): 1747鄄1750.
[52] 摇 Li H J, Zheng L, Lei Y P, Li C Q, Zhou K. Comparison of NDVI
and EVI based on EOS / MODIS data. Progress in Geography,
2007, 26(1): 26鄄32.
[53] 摇 Wen Z M, Brian G L, Jiao F, Lei W N, Shi H J. Stratified
vegetation cover index: A new way to assess vegetation impact on
soil erosion. Catena, 2010, 83(1): 87鄄93.
[54] 摇 Daughtry C S T, Hunt Jr E R. Mitigating the effects of soil and
residue water contents on remotely sensed estimates of crop residue
cover. Remote Sensing of Environment, 2008, 112 ( 4 ):
1647鄄1657.
[55] 摇 McNairn H, Duguay C, Brisco B, Pultz T J. The effect of soil and
crop residue characteristics on polarimetric radar response. Remote
Sensing of Environment, 2002, 80(2): 308鄄320.
[56] 摇 Lu D, Li G, Valladares G S, Batistella M. Mapping soil erosion
risk in Rond侬nia, Brazilian Amazonia: using RUSLE, remote
sensing and GIS. Land Degradation & Development, 2004, 15
(5): 499鄄512.
[57] 摇 Patric J H. Soil erosion in the eastern forest. Journal of Forestry,
1976, 74(10): 671鄄677.
[58] 摇 Gertner G, Wang G, Fang S, Anderson A B. Mapping and
uncertainty of predictions based on multiple primary variables from
joint co鄄 simulation with Landsat TM image and polynomial
regression. Remote Sensing of Environment, 2002, 83 ( 3 ):
498鄄510.
参考文献:
[10] 摇 张岩, 刘宪春, 李智广, 朱清科. 利用侵蚀模型普查黄土高原
土壤侵蚀状况. 农业工程学报, 2012, 28(10): 165鄄171.
[13] 摇 林素兰, 黄毅, 聂振刚, 孙景华. 辽北低山丘陵区坡耕地土壤
流失方程的建立. 土壤通报, 1997, 28(6): 251鄄253.
[14] 摇 江忠善,王志强, 刘志. 黄土丘陵区小流域土壤侵蚀空间变化
定量研究. 土壤侵蚀与水土保持学报, 1996, 2(1): 2鄄9.
[15] 摇 唐寅, 代数, 将光毅, 史冬梅, 陈正发. 重庆市坡耕地植被覆
盖与管理因子 C 值计算与分析. 水土保持学报, 2010, 24
(6): 53鄄59.
[16] 摇 于东升, 史学正, 吕喜玺. 低丘红壤区不同土地利用方式的 C
值及可持续性评价. 土壤侵蚀与水土保持学报, 1998, 4(1):
71鄄76.
[17] 摇 张科利,刘宝元, 蔡永明. 土壤侵蚀预报研究中的标准小区问
题论证. 地理研究, 2000, 19(3): 297鄄302.
[26] 摇 刘宝元, 毕小刚, 符素华,魏欣,李永贵,段淑怀,袁爱萍,陆炳
军,谢云,章文波,叶芝菡,曾宪勤,徐丽. 北京土壤流失方程.
北京: 科学出版社, 2010: 72鄄77.
[27] 摇 卜兆宏, 赵宏夫, 刘绍清, 陈明华. 用于土壤流失量遥感监测
的植被因子算式的初步研究. 遥感技术与应用, 1993, 8(4):
16鄄22.
[28] 摇 金争平, 史培军, 侯福昌, 赵焕勋. 黄河皇甫川流域土壤侵蚀
1744摇 16期 摇 摇 摇 冯强摇 等:USLE / RUSLE中植被覆盖与管理因子研究进展 摇
http: / / www.ecologica.cn
系统模型和治理模式. 北京: 海洋出版社, 1992: 69鄄73.
[29] 摇 刘秉正, 刘世海, 郑随定. 作物植被的保土作用及作用系数.
水土保持研究, 1999, 6(2): 32鄄36, 113鄄113.
[30] 摇 蔡崇法, 丁树文, 史志华, 黄丽, 张光远. 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. 水土保
持学报, 2000, 14(2): 19鄄24.
[37] 摇 朱蕾, 黄敬峰, 李军. GIS和 RS 支持下的土壤侵蚀模型应用
研究. 浙江大学学报: 农业与生命科学版, 2005, 31 ( 4):
413鄄416.
[38] 摇 吕明权, 王继军, 江青龙, 张怀, 郝晓东. 基于 LUCC 的冀北
土石山区东北沟流域土壤侵蚀时空变化分析. 中国水土保持
科学, 2011, 9(3): 18鄄25.
[39] 摇 齐述华, 蒋梅鑫, 于秀波. 基于遥感和 ULSE模型评价 1995—
2005 年江西土壤侵蚀. 中国环境科学, 2011, 31 ( 7 ):
1197鄄1203.
[40] 摇 陈燕红, 潘文斌,蔡芫镔. 基于 RS / GIS和 RUSLE的流域土壤
侵蚀定量研究鄄以福建省吉溪流域为例. 地质灾害与环境保
护, 2007, 18(3): 5鄄10.
[41] 摇 冯磊, 孙保平,李锦荣,赵岩,周湘山. GIS方法和 USLE模型
在退耕还林区土壤侵蚀动态变化评价中的运用鄄以甘肃定西
市安定区为例. 湖南农业科学, 2011, (11): 82鄄85, 89鄄89.
[42] 摇 马超飞, 马建文, 布和敖斯尔. USLE 模型中植被覆盖因子的
遥感数据定量估算. 水土保持通报, 2001, 21(4): 6鄄9.
[43] 摇 于嵘, 亢庆, 张增祥. 基于 ASTER 影像的土壤流失方程植被
覆盖因子估计. 河北师范大学学报: 自然科学版, 2006, 30
(1): 113鄄117.
[44] 摇 潘美慧, 伍永秋, 任斐鹏, 董帆, 江源. 基于 USLE 的东江流
域土壤侵蚀量估算. 自然资源学报, 2010, 25 ( 12 ):
2154鄄2164.
[45] 摇 吴钦孝, 赵鸿雁, 刘向东, 韩冰. 森林枯枝落叶层涵养水源保
持水土的作用评价. 土壤侵蚀与水土保持学报, 1998, 4(2):
23鄄28.
[52] 摇 李红军, 郑力, 雷玉平, 李春强, 周戡. 基于 EOS / MODIS 数
据的 NDVI与 EVI比较研究. 地理科学进展, 2007, 26(1):
26鄄32.
2744 摇 生摇 态摇 学摇 报摇 摇 摇 34卷摇