全 文 ：第 25卷第 8期
2005年 8月
生 态 学 报
ACTAECOLOGICASINICA
Vol.25,No.8
Aug.,2005
吉林省水蚀模数与下垫面各因素的关系
张启昌1,2,其其格1,周道玮2*,岳红光1
(1.北华大学林学院,吉林 132013;2.东北师范大学草地研究所,植被生态科学教育部重点实验室,长春 130024)
基金项目:国家重点基础研究(973)发展规划资助项目(G2000018606)
收稿日期:2005-01-04;修订日期:2005-06-11
作者简介:张启昌(1964～),男,蒙古族,博士生,教授,主要从事恢复生态与森林培育学研究.E-mail:zqc1212@sina.com
通讯作者 Authorforcorrespondence.E-mail:zhoudw@nenu.edu.cn
Foundationitem:SupportedbytheNationalKeyBasicResearchProgram(No.G2000018606)
Receiveddate:2005-01-04;Accepteddate:2005-06-11
Biography:ZHANGQi-Chang,Ph.D.candidate,Professor,mainlyengagedinrestorationecologyandsilviculture.E-mail:zqc1212@sina.com
摘要:利用遥感技术对吉林省水蚀情况进行调查,并运用线性模型理论,研究了水蚀灾害的影响因素,分析了下垫面诸因素对水
蚀模数的影响程度,找出影响水蚀模数的主导因素。结果表明:影响吉林省水蚀模数的下垫面各因素中,成土母质、土地利用类
型、植被覆盖度 3个因子与水蚀模数的关系在 0.05水平上达到显著程度。不同成土母质水蚀模数的大小次序为:石质<土石质
<土质<黄土。吉林省土地利用类型中裸地的平均水蚀模数为 6500t/(km2·a),针叶林、阔叶林、针阔混交林、灌木林、草地、农
田的平均水蚀模数依次是 250、1440、2366、3446、1188、2917t/(km2·a),分别比裸地减少 96.2%、77.8%、63.6%、47.0%、
81.7%、55.1%。随着植被覆盖度的增大,水蚀模数显著减少。农田覆盖度与植被覆盖度 30%～50%的水土保持功效相当。各
因素正规方程解可预测不同立地条件下的水蚀模数,相关系数达到 0.975(自由度为 53)。该研究为吉林省预防及治理水蚀灾害
提供了理论依据。
关键词:水蚀模数;遥感技术;土壤侵蚀;水土保持;吉林省
文章编号:1000-0933(2005)08-1960-06 中图分类号:S157.1 文献标识码:A
Researchesontherelationshipbetweenthewatererosionmodulusandtheearth
surfacefactorsinJilinProvince
ZHANGQi-Chang1,2,QIQi-Ge1,ZHOUDao-Wei2*,YUEHong-Guang1 (1.ForestryinstituteofBeihuaUniversity,
Jilin,132013,China;2.InstituteofGrasslandScience,NortheastNormalUniversity,KeyLaboratoryforVegetationEcology,Ministryof
Education,Changchun130024,China).ActaEcologicaSinica,2005,25(8):1960～1965.
Abstract:Soilerosionandthesubsequentlanddegradationhasbecomeoneofthemostseriousenvironmentalproblems.To
studytherelationshipbetweenthesoilerosionamountandvariousfactorsandtosetupsoilerosionpredictionmodelformthe
basisofcontrolingsoilerosionandimprovingenvironment.BasedontheinformationprovidedbylandsatTM remotesensing
technique,combiningtheremotesensinginformationwithgeographicdata,syntheticanalysiswithprincipalfactoranalysis,
indoorinterpretationwithfieldchecking,thisstudyinvestigatedthefactorsthataffectwatererosiondisasters,findthe
principalfactorsthataffectwatererosionmoduluswithlinearmodeltheory.Thestudyprovidestheoreticalbasisforpreventing
andcontrolingwatererosiondisastersinJilinProvince.
InformationmainlycamefromtheAmericanlandsatTM.Relativesourcesofinformationincludedprofessionalmapsofthe
studyareasuchassoiltypemap,topographicmap,landtypemap,geologicmap,geomorphologicalmap,vegetationtype
map,administrativemap,watershedborderlinemap,hydrometeorologicaldataandotherreportsconcerned.Thepresent
writersestablishedtheinterpretationmarksoferosionfactorsbyidentifyinglandscape,hueandgraphinformation,analyzing
geographicdata.Watererosionistheresultofthesyntheticeffectofvariedfactors,sothepaperchoselinearmodeltheoryto
conductprofoundanalysis.Withparentmaterial,effectivesoillayerthickness,soiltype,landform type,slopegradient,
lengthofslope,land-usetypeandvegetationcoveragebeingindependentvariables,eachofwhichservedasqualitativefactor,
theaboveindependentvariableswererespectivelydividedinto4,4,6,5,4,4,7,6levels.
===================================================================
Withwatererosionmodulusbeing
dependentvariable,thepresentwriters,throughfurthercalculation,obtainedlinearmodelformalequationsolutionsandthe
hypothesistestresultsabouttheeffectofeachfactoronwatererosionamount.
TheresultsshowedthatamongtheearthsurfacefactorsthataffectwatererosionmodulusinJilinProvince,the
relationshipbetweenthethreefactors-parentmaterial,land-usetype,andvegetationcoverage-andwatererosionmodulus,
cametotheremarkabledegreeatthelevelof0.05.Theincreasingorderofwatererosionmodulusindifferentparentmaterials
was:rocklandwas6500t/(km2·a),comparedwithwhich,thewatererosionmodulusofconiferousforest,broadleavedforest,mixture
forest,shrub,grasslandandcultivatedland,being250,1440,2366,3446,1188,2917t/(km2·a)respectively,decreasedby
96.2%,77.8%,63.6%,47.0%,81.7% and55.1%.Withtheincreaseofvegetationcoverage,thewatererosionmodulus
decreasedremarkably.Thesoilandwaterconservationbenefitofcultivatedlandcoveragewasequaltothatof30%～50%
vegetationcoverage.Theformalequationsolutionsoffactorscouldpredictwatererosionmodulusatdifferentsites,multiple
correlationcoefficientbeing0.975.
Keywords:watererosionmodulus;remotesensingtechnique;soilerosion;soilandwaterconservation;JilinProvince
土壤侵蚀及其导致的土地退化,已经成为当今世界最为严重的生态环境问题之一。研究土壤侵蚀量与下垫面各因素的关系
并建立土壤侵蚀预报模型,是治理土壤侵蚀及改善生态环境的基础。而遥感技术具有多种类、多平台、多时段、多波段的特色和
信息丰富、信息周期短等优势,无疑是快速有效的先进手段之一[1]。国外许多国家已将遥感技术广泛应用于土壤侵蚀调查,并开
发出基于物理过程的土壤侵蚀预报模型[2～10]。我国在土壤侵蚀地面观测、遥感监测方面已取得许多成果[11～16],但在区域土壤侵
蚀评价、预报模型开发和影响因素的定量分析方面,缺少系列化观测与统计数据,已有的坡面土壤侵蚀模型等在通用性、适用性
方面还存在不少问题[17]。本文借助遥感技术获得吉林省土壤水蚀图斑资料,找出下垫面各因素对土壤水蚀模数的影响程度,为
该地区制定土壤侵蚀监测系统与水土保持治理规划提供科学依据。
1 研究地区自然概况
吉林省地处东经 121º38～131º19,北纬 40º52～46º18。地貌主要由长白山山地和松辽平原构成。气候属温带大陆性季风
气候,春季多风、干旱,夏季温热,降雨集中;雨热同季,秋季降温快、早霜,冬季漫长、寒冷、干燥。年平均气温 2～6℃,最低气温
出现在 1月份,最低可达-39.4℃。年平均降水量为 500～600mm,降水分布由东南向西北递减,东部长白山山区降水较多,约
700～800mm,中部台地平原区年降水量为 500～600mm,西部平原区年平均降水量为 400～500mm。降雨量多集中在 7、8、9三
个月份,降雨量占全年 60%以上。本省河流众多,河长 30km以上的河流有 221条,全省多年平均河川径流为 356亿 m3,植被由
东至西,随生物气候条件的更替,依次形成森林植被群落、森林草原植被群落和草原植被群落,森林资源丰富,森林覆盖率达
35.9%。山体主要由花岗岩、玄武岩、沉积岩、冲积淤积物、变质岩等组成。土壤类型主要有白浆土、草甸土、暗棕壤、砂土、灰化
土、黑土、黑钙土等。该省现有水土流失面积 39881.8km2,占全省土地面积的 20.88%。其中,水蚀面积 24097.3km2,占全省水土
流失面积的 60.42%。
2 研究方法
选取美国陆地资源卫星 TM 波段假彩色合成影像为主要信息源。同时以研究区土壤类型图、地形图、土地利用现状图、地
质图、地貌图、植被图、行政区划图和流域界线图等专业性图件;站点的水文、气象资料(包括水文站点的水文泥沙资料、实验站
的土壤侵蚀观测资料、淤地坝的泥沙淤积资料)及其它有关研究报告为相关信息源。通过景观、色调和图形信息的识别,加上地
学资料的分析,建立各种侵蚀因素的解译标志。根据卫片解译的基本原理,从 TM影像的色调、形状、大小、位置、结构、阴影、图
形和其它相关体进行判读分析,进行土壤侵蚀解译。根据解译过程中所出现的问题以及实际工作的需要,将室内解译的资料进
行野外验证。利用小型水库、塘坝的多年淤积量,再结合小型野外降雨设备来推算侵蚀模数,并与影像建立关系(即建立解译标
志),来确定相应图斑的侵蚀强度级别。
水蚀是各种因素综合影响的结果,从调查资料中不能直观看出各因素对水蚀量的影响程度,因此,选择线性模型理论做较
深入的分析[18,19]。根据所研究地区的自然情况及图斑资料,将自变量确定为:①成土母质;②有效土层厚度;③土壤类型;④地
貌类型;⑤坡度;⑥坡长;⑦土地利用类型;⑧植被覆盖度。根据吉林省的实际,将各自变量作为定性因子更为合适,以上自变量
依次划分为 4,4,6,5,4,4,7,6个水平(类目)(表 1),将水蚀模数作为因变量(Y),Y由各图斑水蚀模数区间中值组成,把各自变
量数量化,可得数量化方法设计的矩阵 X及 Y(表 1)。设基础效应为 b0,Xi对 Y的效应力为 bi(i=1,2,…,40),且定性因子最后
一个类目的效应力为 0,即i=4,8,14,19,23,27,34,40。设计效应向量 β为:β=[b0,b1,b2…,b38,b39],表 1中再删去非独立参数
所在的列,将设计矩阵约化为即约矩阵 X,X=[x1,x2,…,x19,x20,…,x38,x39],可得因变量矩阵 Y的一元线性模型:
16918期 张启昌 等:吉林省水蚀模数与下垫面各因素的关系
26
91
生
态
学
报
25
卷
Y= Xβ+ ε (1)
85× 1 85× 40
E(Y)= Xβ,D(Y)= б2I (2)
式中,X为线性模型的设计矩阵;β为待估参数;ε为随机误差。
再经过进一步计算,就可得到线性模型正规方程解及各因子对水蚀量影响效应的假设检验结果。
3 结果与分析
计算过程在计算机上完成,经计算可得吉林省各主因子对水蚀模数影响效应假设检验表(表 2)。从表 2可以看出,成土母
质、土地利用类型和植被覆盖度 3个因子的 F值依次是 24.93、10.38和 92.96,大于相应的 F(0.05)值,说明这 3个因素对水蚀
模数有显著影响。土壤类型的 F值为 1.81,接近相应的 F(0.05)值,说明土壤因素对水蚀的发生、发展也有着重要影响。坡度因
子的 F值较小,只有 0.62,说明在大尺度范围内,该地区的坡度因子与水蚀量的关系并不密切,这主要是由于吉林省陡坡相对
较少,且坡度较大的中山、低山地区多为森林覆盖,抵消了由于坡度增大而使水蚀量加大的趋势,另外在低缓的丘陵斜坡多开垦
为耕地,土壤侵蚀严重。
表 2 主因子对水蚀模数影响效应假设检验表
Table2 Hypothesistestofeveryfactortowatererosionmodulus
误差来源
Errorsource
离差平方和
Squaresumofdeviation
自由度
Degreeoffreedom
均方
Meansquare
F(值)
F-value
F(0.05)
成土母质(1) 29952990.00 3 9984330.00 24.93 2.78
有效土层厚度(2) 651694.30 3 217231.40 0.54 2.78
土壤类型(3) 3616314.00 5 723262.70 1.81 2.39
地貌类型(4) 339774.80 4 84943.69 0.21 2.55
坡度(5) 742072.50 3 247357.50 0.62 2.78
坡长(6) 985135.90 3 328378.60 0.82 2.78
土壤利用类型(7) 24942380.00 6 4157063.00 10.38 2.28
植被覆盖度(%)(8) 185619600.00 5 37123920.00 92.69 2.39
剩余误差(9) 20827200.00 52 400523.10
(1)Soilformingrock;(2)Effectivesoillayerthickness;(3)Soiltype;(4)Landformtype;(5)Slopegradient;(6)Lengthofslope;(7)Land-
usetype;(8)Vegetationcoverage(%);(9)Surpluserror
下面结合几个主导因子各水平得分值及水蚀模数的平均值,分析其主导因子与水蚀模数的关系,并对水蚀预测进行说明。
图 1 成土母质对水蚀模数大小的影响
Fig.1 Effectofparentmaterialonwatererosionmodulus
石质 Rock;土石质 Rockandclod;土质 Clod;黄土 Loess
(1)成土母质与水蚀模数的关系 岩石是矿物的集合体,由
于成因不同,有岩浆岩、沉积岩和变质岩 3种。陆地上的岩石通
过风化作用形成风化物,风化物再经重力、水和风的搬运,重新
堆积成为不同形态和性质的成土母质。岩石是形成土壤的基础,
岩石的矿物组成和化学成分都在一定程度上影响土壤的形成和
土壤的性质。在陆地卫星多光谱扫描像片、假彩色合成像片和航
空摄像片等遥感图像资料上,识别各类岩石的解译标志主要是
色和形,不同的岩石具有不同的光谱反射规律,这就成为成土母
质解释的理论基础。选择其他下垫面条件都相似的图斑,统计不
同成土母质的水蚀模数,绘制成成土母质对水蚀模数大小的影
响图(见图 1),从图 1可知石质母质的平均水蚀模数最小,为
1500t/(km2·a),其次是土石质母质,其平均水蚀模数为
2094t/(km2·a),再次是土质母质,其平均水蚀模数为 2484t/
(km2·a),最后是黄土,其平均水蚀模数为 4250t/(km2·a)。这说明就成土母质各水平因子而言,以石质防止水蚀的作用最好,
其次是土石质,土质较差,而黄土受侵蚀最严重。这主要是因为石质和土石质母质粒度较大且坚实;洗刷作用的强度与碎屑的颗
粒成反比;黄土质地均一,具有多孔性,垂直节理,无层理,遇水崩解后容易松散。在吉林省境内花岗岩、片麻岩较多,在干燥气候
条件下易物理风化,而遭受水蚀侵害。
(2)土地利用类型与水蚀模数的关系 土地利用类型的 F值为 10.38,在 0.05水平上达到显著水平,对水蚀模数的影响较
大。选择其他下垫面条件都相似的图斑,统计不同土地利用类型的水蚀模数,绘制成土地利用类型对水蚀模数大小的影响图(见
图 2),从图 2可以看到:裸地的水蚀模数为 6500t/(km2·a),针叶林、阔叶林、针阔混交林、灌木林、草地、农田的平均水蚀模数
36918期 张启昌 等:吉林省水蚀模数与下垫面各因素的关系
依次是 250、1440、2366、3446、1188、2917t/(km2·a),分别比裸地减少 96.2%、77.8%、63.6%、47.0%、81.7%、55.1%。说明林
地、草地、农田都较裸地小,林草水土保持的功效显著。这主要是由于植被可对降雨阻留,保持地表不直接受雨滴打击;可调节地
表径流,增加土壤渗透时间;可改进土壤的团粒构造及孔隙率,增进土壤抗蚀性和抗冲性能。
(3)植被覆盖度与水蚀模数的关系 植被覆盖度的 F值最大,为 92.69(表 2)。说明影响水蚀模数的下垫面各因素中,植被
盖度的作用最大。选择其他下垫面条件都相似的图斑,统计不同植被覆盖度的水蚀模数,绘制成植被覆盖度对水蚀模数大小的
影响图(见图 3),从图 3可知,植被覆盖 10%～30%、31%～50%、51%～70%、71%～90%、>90%和农田覆盖度的年平均水蚀
模数依次为 6045、3750、1368、250、250和 2916t/(km2·a),随着植被覆盖度的增大,水蚀模数显著减少。因此,在土壤侵蚀治理
过程中,采取植树种草,增加植被覆盖度是一项非常重要的措施。农田的覆盖度随季节而变化,无法用数值表示,而从图 3可知,
农田覆盖度与植被覆盖度 30%～50%的水土保持功效相当。
图 2 土地利用类型对水蚀模数大小的影响
Fig.2 Effectofland-usetypeonwatererosionmodulus
1.针叶林 Coniferousforest;2.阔叶林 Broadleavedforest;3.混交
林 Mixtureforest;4.灌木林 Shrub;5.草地 Grassland;6.裸地
Bareland;7.农田 Cultivatedland
图 3 植被覆盖对水蚀模数大小的影响
Fig.3 Effectofvegetationcoverageonwatererosionmodulus
1.10%～30%;2.31%～50%;3.51%～70%;4.71%～90%;5.>
90%;6.农田 Cultivatedland
(4)水蚀量预测 表 3是各因子水蚀模数正规方程解(得分),其复相关系数达到 0.975(自由度为 53)。运用表 3中的数值,
可用公式 Y=Σbixi预测在某种立地条件下指标水蚀模数的大小。基础效应为 b,xi对 Y的效应力为 bi(i=1,2,…,40)。xi是某
类目(水平)的反应值,反应为 1,不反应为 0。
表 3 各因子对水蚀模数正规方程解(得分)表
Table3 Formalequationsolutionofeveryfactortowatererosionmodulus
i 0 1 2 3 4 5 6 7 8 9 10
bi 30275.1 -35782.4 -25191.2 1408.5 0.0 330.2 254.6 59.0 0.0 1046.5 1615.2
i 11 12 13 14 15 16 17 18 19 20 21
bi 74192.9 78928.7 1322.5 0.0 -105610.6 -26987.4 -26650.5 -215.4 0.0 -403.0 -305.6
i 22 23 24 25 26 27 28 29 30 31 32
bi 95.3 0.0 89.2 -203.6 -191.7 0.0 7101.1 7082.2 7220.7 12797.7
i 33 34 35 36 37 38 39 40
bi 7226.7 0.0 -6956.1 -9488.8 -11872.7 -12928.0 -13195.9 0.0
4 结论
(1)影响吉林省水蚀模数的下垫面各因素中,成土母质、土地利用类型、植被覆盖度 3个因子对水蚀模数的影响在 0.05水
平上达到显著程度。植被覆盖度的 F值最大,与水蚀量的关系最密切。
(2)成土母质是影响水蚀的主导因子之一,并随着母岩的形成、结构及性质上的不同而发生变化,成土母质的水蚀量以石质
最小,其次是土石质和土质,黄土遭受水蚀最为严重。
(3)吉林省土地利用类型中裸地的水蚀模数为 6500t/(km2·a),针叶林、阔叶林、针阔混交林、灌木林、草地和农田的平均
水蚀模数依次是 250、1440、2366、3446、1188t/(km2·a)和 2917t/(km2·a),分别比裸地减少 96.2%、77.8%、63.6%、47.0%、
4691 生 态 学 报 25卷
81.7%和 55.1%。
(4)从植被覆盖度 10%～30%、31%～50%、51%～70%、71%～90%、大于 90%和农田的年平均水蚀量依次为 6045、3750、
1368、250、250、2916t/(km2·a),随着植被覆盖度的增大,水蚀模数显著减少。农田覆盖度与植被覆盖度 30～50%的水土保持
功效相当。
(5)通过各主因子水蚀模数正规方程解(得分),可预测在某种立地条件下指标水蚀模数的大小。其相关系数达到 0.975(自
由度为 53)。
References:
[1] XueLH,YangLZ.ResearchProgressonRemoteSensingofSoilErosioninChina.JournalofSoilandWaterConservation,2004,18
(3):187～189.
[2] JurgensC,FanderM.SoilerosionassessmentsbymeansofLandsatTM andancilarydigitaldatainrelationtowaterquality.Soil
Technol.,1993,(6):215～223.
[3] RemboldF,CarniceliS,NoriM,etal.Useofaerialphotographs,landsatTM imageryandmultidisciplinaryfieldsurveyforland-cover
changeanalysisinthelakesregion(Ethiopia).JAG,2000,2(3):181～189.
[4] QuirkBK,ScarpaceFL.AcomparisonbetweenaerialphotohraphyandLandsatforcomputerland-covermapping.Photogrammetric
EngineeringandRemoteSensing,1982,48(2):235～240.
[5] LyonJG,YuanD,LunettaRS,etal.Achangedetectionexperimentusingvegetationindices.PhotogrammetricEngineeringand
RemoteSensing,1998,64:143～150.
[6] GraefF,DuivenboodenN,StahrK.Remotesensingandtransect-basedretrievalofspecialsoilandterrain(SOTER)informationinsemi-
aridNiger.JournalofAridEnvironments,1998,39:631～644.
[7] KhawlieM,AwadM,ShabanA,etal.RemotesensingforenvironmentalprotectionoftheeasternMediterraneanruggedmountainous
areas,Lebanon.JournalofPhotogrammetry&RemoteSensing,2002,57:13～23.
[8] RichterR.AfastatmosphericcorrectionalgorithmappliedtoLandsatTM images.InternationalJournalofRemoteSensing,1990,11
(1):159～166.
[9] RosenfieldG,Fitzpatrick-LinsK.A coefficientofagreementasameasureofthematicclassificationaccuracy.Photogrammetric
EngineeringandRemoteSensing,1986,52(2):223～227.
[10] KwartengAY,ChavezPS.ChangedetectionstudyofKuwaitCityandenvironsusingmulti-temporallandsatThematicMapperdata.
InternationalJournalofRemoteSensing,1998,19:1651～1662.
[11] QiaoYL,QiaoY.FastsoilerosioninvestigationanddynamicanalysisintheloessplateauofChinabyusinginformationcomposite
technique.AdvanceinSpaceResearch,2002,29(1):85～88.
[12] TianGJ,ZhangZX,ZhaoXL,etal.TheSoilErosionDistributionCharacteristicsandEcologicalBackgroundofChineseCultivated
Land.ActaEcologicaSinica,2002,22(1):10～22.
[13] ZouYY,ZhangZX,YangCJ,etal.AnalysisofSoilErosionStatusofChinaLandResource.JournalofSoilandWaterConservation,
2001,15(3):44～47.
[14] ShiDM,ShiXR,LiDC,etal.StudyonDynamicMonitoringofSoilErosionUsingRemoteSensingTechnique.ActaPedologicaSinica,
1996,33(1):48～58.
[15] ZhaoXL,ZhangZX,ZhouQB,etal.SpatialRelationshipofSoilErosionandItsGeographicalEnvironmentBackgroundinChina.
JournalofMountainScience,2002,20(3):277～283.
[16] MaAQ,WangYM,ChenDJ,etal.EstimateStatusandPotentialDegreeofDesertificationinGanSuProvinceBasedonRSandGIS.
JournalofSoilandWaterConservation,2003,17(6):1～8.
[17] LiR,YangJK,ZhaoYA.PresentSituationandIssuesoftheStudyofDynamicMonitoringandEvaluationofSoilandWaterLoss.Soil
andWaterConservationinChina,1999,(11):31～33.
[18] ZhangQC,MengQF,LanXL.StudyonDamp-surfaceMotioninLoessLowHilArea.JournalofSoilErosionandSoilandWater
Conservation,1996,2(4):84～88.
[19] LangKJ,LiFR,LiCS,etal.ApplicationofMicrocomputerinForestry.Harbin:PublishingHouseofHarbinEngineeringUniversity,
1995.265～291.
参考文献:
[1] 薛利红,杨林章.遥感技术在我国土壤侵蚀中的研究进展.水土保持学报,2004,18(3):187～189.
[12] 田光进,张增祥,赵晓丽,等.中国耕地土壤侵蚀空间分布特征及生态背景.生态学报,2002,22(1):10～22.
[13] 邹亚荣,张增祥,杨存建,等.中国土地资源的土壤侵蚀状况分析.水土保持学报,2001,15(3):44～47.
[14] 史德明,石晓日,李德成,等.应用遥感技术监测土壤侵蚀动态的研究.土壤学报,1996,33(1):48～58.
[15] 赵晓丽,张增祥,周全斌,等.中国土壤侵蚀与其地理环境背景的空间关系.山地学报,2002,20(3):277～283.
[16] 马安青,王一谋,陈东景,等.基于 RS和 GIS的甘肃省沙漠化现状及潜在沙漠化程度评价.水土保持学报,2003,17(6):1～8.
[17] 李锐,杨勤科,赵永安.水土流失动态监测与评价研究现状与问题.中国水土保持,1999,(11):31～33.
[18] 张启昌,孟庆繁,兰晓龙.黄土低山丘陵区湿润锋运动的实验研究.土壤侵蚀与水土保持学报,1996,2(4):84～88.
[19] 郎奎健,李凤日,李长胜,等.微机在林业上的应用.哈尔滨:哈尔滨工程大学出版社,1995.265～291.
56918期 张启昌 等:吉林省水蚀模数与下垫面各因素的关系