中國水土流失研究熱點區(qū)的空間分布制圖

胡云鋒, 韓月琪, 曹 巍， 張云芝

1 中國科學(xué)院地理科學(xué)與資源研究所，資源與環(huán)境信息系統(tǒng)國家重點實驗室，北京 100101 2 中國科學(xué)院大學(xué)，資源與環(huán)境學(xué)院，北京 100049

中國是全世界水土流失最為嚴(yán)重的國家之一。嚴(yán)重的水土流失是引發(fā)區(qū)域生態(tài)系統(tǒng)退化、水域環(huán)境質(zhì)量惡化、經(jīng)濟(jì)社會嚴(yán)重受損的重要過程[1]。據(jù)第一次全國水利普查水土保持情況公報顯示,我國土壤侵蝕總面積294.91萬km2,占普查范圍總面積的31.12%；其中,水力侵蝕129.32萬 km2,風(fēng)力侵蝕165.59萬km2[2]。研究人員針對水土流失的空間分布格局、水土流失強(qiáng)度、水土流失的防范治理和生態(tài)恢復(fù)等問題展開了廣泛和深入的研究,積累了豐富的研究成果,具體包括專題報告、圖冊、研究論文、專利技術(shù)、應(yīng)用系統(tǒng)等在內(nèi)的多種知識展現(xiàn)形式。其中,公開出版的期刊研究論文是理解和掌握水土流失研究方向、研究地點、研究內(nèi)容、研究方法和主要結(jié)論的最重要的信息載體。進(jìn)入信息化時代,這些研究論文被進(jìn)一步數(shù)字化,形成了結(jié)構(gòu)化或者半結(jié)構(gòu)化的文獻(xiàn)數(shù)據(jù)庫或者知識庫(如中國知網(wǎng)、萬方數(shù)據(jù)庫、WoS(Web of Science)等),并可以方便地為讀者通過國際互聯(lián)網(wǎng)進(jìn)行檢索和下載。

隨著上述數(shù)據(jù)庫和網(wǎng)絡(luò)搜索技術(shù)的廣泛普及和深入使用,傳統(tǒng)的、依賴于人工閱讀紙質(zhì)文獻(xiàn)的信息檢索和知識提取方法逐漸演變?yōu)榛诰W(wǎng)絡(luò)爬蟲、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、數(shù)據(jù)建模等技術(shù),對文本信息進(jìn)行檢索、專題信息抽取及時空分析的階段[3]。已經(jīng)有許多研究人員針對互聯(lián)網(wǎng)文本開展地理信息的抽取和分析工作。如Sadilek等人通過有明確位置標(biāo)記的推特(Twitter)數(shù)據(jù)對個體疾病情況進(jìn)行分析,探測了疾病傳播過程[4]；Dredze等對推特文本中隱性的地理信息進(jìn)行抽取,開發(fā)了可對流感發(fā)病情況進(jìn)行追蹤的Carmen系統(tǒng)[5]。Cameron等人開發(fā)了ESA-AWTM系統(tǒng),用于監(jiān)測社交網(wǎng)絡(luò)中隱含的社會公共危機(jī)事件信息[6]。在國內(nèi),也有一些研究從微博消息或者互聯(lián)網(wǎng)文本中檢測地名信息,進(jìn)而開展一些簡單的面向事件的空間制圖研究[7-9]。此外,還有一些基于已發(fā)表論文成果、應(yīng)用統(tǒng)計方法開展再分析、再確認(rèn)“元分析”研究[10-11]?？偟膩砜?目前的研究大多是應(yīng)用社交媒體數(shù)據(jù)或者一般性的互聯(lián)網(wǎng)文本數(shù)據(jù),針對特定事件或突發(fā)事件開展空間制圖和過程重繪的研究?；诤Ａ康目萍计诳撐?從論文中提取地理空間信息和論文研究主題信息,進(jìn)而對特定自然、生態(tài)過程的空間分布規(guī)律、時間演化特征以及知識圖譜凝練研究[12-13],這一類的研究在國內(nèi)外都還比較少見。在這一研究方向,重點需要解決地名信息的自動化提取和空間匹配、基于位置的自然地理和生態(tài)環(huán)境問題建模與分析、以及針對上述時空分析結(jié)果的知識凝練和應(yīng)用實踐。

本文以水土流失為研究對象,基于中國知網(wǎng)學(xué)術(shù)期刊數(shù)據(jù)庫,通過網(wǎng)絡(luò)爬取、中文分詞、地名識別、空間關(guān)聯(lián)等技術(shù)方法,對1980—2017年間的中國水土流失研究論文中的摘要文本進(jìn)行了行政區(qū)地名提取和研究熱點建模分析。進(jìn)一步,基于同期歷史氣象觀測數(shù)據(jù)和自然地理背景數(shù)據(jù),應(yīng)用經(jīng)典的RUSLE模型對中國水土流失進(jìn)行模擬和分析。作者最后針對水土研究熱點地區(qū)制圖成果與水土流失強(qiáng)度模擬制圖成果的空間耦合關(guān)系開展了討論。希望解決如下科學(xué)和技術(shù)問題：

(1)建立一套從中文科技期刊論文提取行政區(qū)地名信息的方法,構(gòu)建一個科學(xué)合理的研究熱度模型以及空間制圖流程；

(2)分析1980年代以來中國水土流失研究熱點地區(qū)的空間分布格局,闡明研究熱點地區(qū)隨時代演變的動態(tài)過程；

(3)對比分析水土流失研究熱點地區(qū)空間分布與土壤侵蝕強(qiáng)度空間分布地圖,對典型的空間耦合模式或空間差異進(jìn)行機(jī)制解釋。

1 數(shù)據(jù)來源及預(yù)處理

研究中用于提取研究地區(qū)、分析研究熱度的文本數(shù)據(jù)來自于中國知網(wǎng)學(xué)術(shù)期刊數(shù)據(jù)庫(China Academic Journal Network Publishing Database,CAJD)。作者首先應(yīng)用Java語言開發(fā)了CAJD爬蟲系統(tǒng)；而后以“水土流失”、“水力侵蝕”以及“水蝕”作為關(guān)鍵詞,對CAJD文獻(xiàn)庫進(jìn)行了全面檢索,共獲得1980—2017年間相關(guān)文獻(xiàn)170301篇；最后,提取了文獻(xiàn)標(biāo)題、摘要、關(guān)鍵詞、作者姓名等關(guān)鍵信息,并存儲于本地的SQLite數(shù)據(jù)庫中。

為了將文獻(xiàn)數(shù)據(jù)中的行政區(qū)地名正確匹配和關(guān)聯(lián)到空間數(shù)據(jù)庫中,首先依據(jù)中國地圖出版社提供的中國縣級行政區(qū)劃數(shù)據(jù)(2012年版)建立標(biāo)準(zhǔn)地名。而后,考慮到行政區(qū)劃名稱的歷史演變,依據(jù)國家基礎(chǔ)地理信息中心提供的1∶25萬基礎(chǔ)地理數(shù)據(jù)、科技部地球系統(tǒng)科學(xué)數(shù)據(jù)共享平臺提供的中國歷史時期縣級行政區(qū)劃數(shù)據(jù),對部分地名進(jìn)行了別名補(bǔ)充。

為應(yīng)用RUSLE模型開展土壤侵蝕強(qiáng)度模擬,研究中還使用了如下長時序氣象數(shù)據(jù)和相關(guān)的自然環(huán)境背景數(shù)據(jù)。具體包括：(1)基于日降雨量擬合模型[14]及ANUSPLIN插值方法[15]計算得到的降雨侵蝕力空間數(shù)據(jù)集。其中,日降雨量等數(shù)據(jù)來自于中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http://cdc.cma.gov.cn)；(2)基于Nomo圖法[16]計算得到土壤可蝕性因子數(shù)據(jù)。其中,土壤數(shù)據(jù)為中國科學(xué)院南京土壤研究所提供的1∶100 萬中國土壤數(shù)據(jù)庫；(3)全國1 km分辨率數(shù)字高程模型(DEM)。由此計算得到坡長、坡度因子；(4)基于MODIS NDVI產(chǎn)品,應(yīng)用像元二分模型計算得到全國植被蓋度產(chǎn)品[17]。由植被蓋度數(shù)據(jù),可以進(jìn)一步確定RUSLE模擬所需的土地管理因子[18]；

為了分析導(dǎo)致研究水土流失研究熱點空間分布格局與土壤侵蝕強(qiáng)度空間分布格局之間空間差異的機(jī)制,還使用了基于第五次人口普查數(shù)據(jù)的2010年中國公里網(wǎng)格人口分布數(shù)據(jù)[19],以及基于1∶25萬基礎(chǔ)地理數(shù)據(jù)庫得到的中國縣道及縣道以上等級道路的路網(wǎng)密度數(shù)據(jù)。

2 研究方法

2.1 水土流失研究熱點建模

對于從CAJD中檢索和下載得到的170301篇文獻(xiàn),首先調(diào)用自然語言處理開源平臺(HanLP)中的分詞模塊對文章題目、摘要及關(guān)鍵詞等文本內(nèi)容進(jìn)行分詞處理[20]；接著應(yīng)用實體詞識別模塊對全部分詞結(jié)果進(jìn)行分析、遴選得到其中的地名詞匯[21]；然后對上述地名詞匯中的行政區(qū)地名進(jìn)行標(biāo)準(zhǔn)化,并對全部行政區(qū)地名出現(xiàn)的頻次進(jìn)行統(tǒng)計分析。研究中,將標(biāo)準(zhǔn)行政區(qū)地名數(shù)據(jù)庫中的地名劃分為省域、市域、縣域三級,并構(gòu)建了一個基于“逐級覆蓋、累加統(tǒng)計”原則的地名匹配算法,從而將不同級別的行政區(qū)地名、或者同一地名的不同表達(dá)形式(全稱、簡稱、別稱)進(jìn)行準(zhǔn)確識別、合理統(tǒng)計。

在定量評估研究熱點時,簡單地采用研究論文中的特定地名出現(xiàn)的絕對數(shù)量(Nwe)來表征水土流失研究的熱烈程度,這并不合理。中國作為一個幅員遼闊的大國,各省區(qū)市之間的經(jīng)濟(jì)社會和科技發(fā)展水平并不相同,不同地區(qū)針對同一事物、過程的關(guān)注數(shù)量會存在較大的、甚至是數(shù)量級上的差異。類似的道理,采用某一地名在特定研究方向論文中出現(xiàn)頻次占其在全部研究方向論文中出現(xiàn)頻次的比例指標(biāo)(Pwe)來表征研究熱度,則會由于相同或者相似經(jīng)濟(jì)社會和科技發(fā)展水平的地區(qū)針對同一事物、過程具有大致相似的測度水平,因而同樣無法有效刻畫地區(qū)差異。為避免上述問題,本文作者將絕對數(shù)值指標(biāo)與相對比率指標(biāo)相結(jié)合,構(gòu)建了如下的地區(qū)研究熱度模型：

(1)

式中,Q是水土流失研究熱度指數(shù)。Nwe為某一地名在水土流失主題論文中出現(xiàn)的頻次；Pwe為某一地名在水土流失主題論文中出現(xiàn)的頻次占該地區(qū)在全部主題論文中出現(xiàn)頻次的比值；Nall為某一地區(qū)不限定主題所得全部論文的數(shù)量。

本文研究中,為了方便在全國范圍內(nèi)開展對比分析,作者還對公式(1)中的Q值進(jìn)行了歸一化,并將歸一化計算所得結(jié)果用于后續(xù)的制圖和結(jié)果分析。其中，研究熱度分級方法采用自然分級法。

2.2 基于RUSLE模型的模擬

RUSLE 模型 (Revised Universal Soil Loss Equation),是對通用土壤流失模型USLE(Universal Soil Loss Equation)的改進(jìn)和優(yōu)化[22]。與USLE模型相比,RUSLE擴(kuò)展了模型模擬所需的輸入數(shù)據(jù)的豐富程度,糾正了USLE模型中存在的少量錯誤,增加了模型的靈活性。自20世紀(jì)80年代以來,研究人員使用RUSLE 模型對不同氣候帶、不同地形地貌、不同耕作管理措施、以及不同空間尺度下的區(qū)域水土流失進(jìn)行了廣泛、深入地模擬評估[23-25]。研究結(jié)果表明，RUSLE是一種適用于流域和區(qū)域尺度的、通用性很強(qiáng)的水土流失定量評價方法。RUSLE 模型基本方程是：

A=R×K×L×S×C×P

(2)

式中,A為土壤侵蝕模數(shù),R為降雨侵蝕力因子、K為土壤可蝕性因子、L為坡長因子、S為坡度因子、C為覆蓋和管理因子,P為水土保持措施因子。

3 結(jié)果與分析

3.1 研究熱點區(qū)域

圖1 1980—2017年全國水土流失研究熱度空間分布圖 Fig.1 The spatial distribution of water erosion research hotness during 1980—2017

1980—2017年期間,中國水土流失研究熱點的空間分布如圖1所示。水土流失研究熱點區(qū)域主要分布在黃土高原及貴州高原,涉及陜西、寧夏、內(nèi)蒙古、甘肅、貴州等省區(qū)。此外，在黑龍江大興安嶺北部、內(nèi)蒙古東部的西遼河流域也有輕微的研究熱度。

統(tǒng)計表明：中等及以上熱度的縣(區(qū)、市)共171個,面積達(dá)到50.55萬km2,占全國國土總面積的5.33%。其中,研究熱度達(dá)到“較熱”及以上的區(qū)域主要分布在黃土高原和西南喀斯特地區(qū),如：寧夏固原,陜西延安、榆林,內(nèi)蒙古鄂爾多斯市,貴州畢節(jié)等地。研究熱度為“中等”的區(qū)域主要分布在大興安嶺地區(qū)、黃土高原周邊地區(qū)、西南喀斯特地區(qū),具體為：內(nèi)蒙古的呼倫貝爾、赤峰,甘肅的蘭州、天水、隴南、慶陽,青海的西寧,云南的昆明等地區(qū)。

針對1980—2017年各個年代水土流失研究熱度空間分布格局的時間變化過程(圖2)研究表明：1980—1989年間,中國水土流失研究的熱點集中分布在黃土高原區(qū)；1990—1999年間,黃土高原研究熱度持續(xù)上升；與此同時,貴州西部、內(nèi)蒙古東部也逐步成為研究熱點；2000—2009年間,學(xué)者們關(guān)注的水土流失區(qū)域進(jìn)一步擴(kuò)大,內(nèi)蒙古中部鄂爾多斯、烏蘭察布,黑龍江大興安嶺北部的部分縣(區(qū)、市),也逐步成為水土流失研究熱點區(qū)域；進(jìn)入2010年后,水土流失研究熱點區(qū)域有所收縮,學(xué)者們的研究熱點區(qū)重新回到黃土高原及云貴高原。

圖2 不同時代的全國水土流失研究熱度空間分布圖Fig.2 The spatial distribution of water erosion research hotness in 4 Eras

3.2 土壤侵蝕強(qiáng)度

圖3 基于RUSLE模擬的土壤侵蝕模數(shù)空間分布圖 Fig.3 The Spatial Distribution of Water Erosion Modulus Simulated by RUSLE ModelRUSLE(Revised Universal Soil Loss Equation)：通用土壤流失模型

基于2000—2015年多年氣象數(shù)據(jù)、植被數(shù)據(jù)以及地形、土壤數(shù)據(jù)等,應(yīng)用RUSLE模型,可以模擬得到我國土壤侵蝕強(qiáng)度的空間分布(圖3)。模擬結(jié)果表明：嚴(yán)重的土壤侵蝕主要分布在黃土高原及云貴高原,涉及陜西、寧夏、甘肅、山西、貴州、云南、四川等省區(qū)；此外,遼寧、山東、重慶、湖南、江西等省區(qū)也有中、輕度的土壤侵蝕。

統(tǒng)計顯示：全國土壤侵蝕模數(shù)大于20 t hm-2a-1的縣(區(qū)、市)共251個,面積達(dá)66.78萬km2,占全國國土總面積的7.04%。其中,土壤侵蝕量在30 t hm-2a-1以上的區(qū)域主要位于在黃土高原核心區(qū)的陜西榆林東南部、延安北部,甘肅慶陽北部,以及位于云貴高原西部的云南迪慶藏族自治州、怒江傈僳族自治州、大理白族自治州、保山的部分縣(區(qū)、市)。在上述縣(區(qū)、市)的外圍地區(qū),以及寧夏固原、中衛(wèi),甘肅平?jīng)?、定?云南省臨滄、普洱、紅河哈尼族彝族自治州、楚雄彝族自治州,四川涼山彝族自治州、攀枝花以及西藏昌都地區(qū)南部,土壤侵蝕量也都超過了20 t hm-2a-1。

4 討論

4.1 空間耦合的模式及應(yīng)用

對比水土流失研究熱點圖(圖2)與土壤侵蝕強(qiáng)度空間分布圖(圖3),兩者存在4種空間耦合模式,即：高研究熱度-高侵蝕強(qiáng)度(如黃土高原)、高研究熱度-低侵蝕強(qiáng)度(如云貴高原)、低研究熱度-高侵蝕強(qiáng)度(如滇西橫斷山區(qū))、低研究熱度-低侵蝕強(qiáng)度(如中國東部廣大地區(qū)、青藏高原等)。對于上述典型空間耦合的形成機(jī)制,可以結(jié)合區(qū)域自然地理和經(jīng)濟(jì)社會發(fā)展背景等予以解釋。

黃土高原是長期以來被公認(rèn)為我國水土流失最為嚴(yán)重的區(qū)域。對該地區(qū)開展長期的水土流失觀測實驗、研究其治理和恢復(fù)措施,探討區(qū)域經(jīng)濟(jì)-社會的可持續(xù)發(fā)展,這是政府主管部門和研究人員長期關(guān)注的重點問題[26-27]。黃土高原地區(qū)呈現(xiàn)的“高研究熱度-高侵蝕強(qiáng)度”組合,體現(xiàn)了科研界對我國水土流失重點地區(qū)判斷準(zhǔn)確、研究重點突出的實際情況。但是,在云貴高原區(qū)與滇西橫斷山區(qū),存在研究熱度與侵蝕強(qiáng)度等級“脫鉤”的情況。就云貴高原而言：一方面,云貴高原作為喀斯特巖溶地貌的典型區(qū),由于水土流失導(dǎo)致的石漠化研究一直得到學(xué)界的重視[28-29]；但另一方面,這一地區(qū)作為我國南方熱帶、亞熱帶氣候區(qū),自2000年以來,在國家相關(guān)生態(tài)治理工程(如天然林保護(hù)工程、退耕還林還草)治理下,該地區(qū)陸地植被容易恢復(fù)、植被蓋度提升較快,土壤侵蝕狀況已經(jīng)大為好轉(zhuǎn)[30]。因此,云貴高原地區(qū)所形成了“高研究熱度-低侵蝕強(qiáng)度”的格局也可以得到合理解釋的。在滇西橫斷山區(qū),則呈現(xiàn)為 “低研究熱度-高侵蝕強(qiáng)度”的空間耦合模式。究其原因,是因為滇西橫斷山區(qū)地處偏遠(yuǎn),人口稀少,山脈與河谷依次貫列,人員也難以進(jìn)入。因此,RUSLE模擬表明該區(qū)雖然存在較為嚴(yán)重水土流失,但由于水土流失對本地區(qū)經(jīng)濟(jì)社會的危害性較小，因此這一地區(qū)的水土流失過程并沒有得到科研界的重視和深入研究。

在應(yīng)用自然地理和經(jīng)濟(jì)社會發(fā)展因子對上述空間耦合模式的形成機(jī)制予以解釋的同時，還可以針對不同的這種空間耦合模式評估研究項目投入、研究重點地區(qū)選擇的合理性、有效性?？茖W(xué)史研究已經(jīng)表明,科學(xué)研究中總是存在追逐熱點的趨勢。其結(jié)果是科學(xué)研究會在領(lǐng)域方向上、研究地域上出現(xiàn)“富者愈富”的情況[31]。具體到本研究中,水土流失研究熱度與水力侵蝕強(qiáng)度等級“脫鉤”的地區(qū),極有可能表明出現(xiàn)了一些研究人員盲目追求熱點、忽視重大問題區(qū)域的情況。因此政府和科研界需要采取必要的措施,將資金和人員優(yōu)先投入到更加嚴(yán)重、更加關(guān)鍵的區(qū)域上。要做到這一點,一方面必須運用衛(wèi)星遙感和模型模擬的方法,對水土流失強(qiáng)度及其空間分布有著更加準(zhǔn)確、快速的量算；另一方面,也需要深化既有的互聯(lián)網(wǎng)文獻(xiàn)大數(shù)據(jù)繪制知識圖譜的研究方法,開展更全面、更精準(zhǔn)、更快速的地名識別(包括行政區(qū)地名和非行政區(qū)地名)、專題信息建模等關(guān)鍵研究。

4.2 數(shù)據(jù)和模型的不確定性

在本文研究中,作者從特定主題的科技期刊論文中提取了行政區(qū)地名信息,進(jìn)而用地名構(gòu)造了研究熱度指標(biāo)模型；繼而以研究熱度指標(biāo)為基礎(chǔ),進(jìn)一步分析了水土流失研究熱點的空間分布格局和動態(tài)演變規(guī)律。總的來看,基于文獻(xiàn)大數(shù)據(jù)的科研熱點地區(qū)制圖方法能夠很好地展示科研工作者長期以來在水土保持研究領(lǐng)域研究的重點地帶和重點區(qū)域；文獻(xiàn)大數(shù)據(jù)科研熱點地區(qū)空間分布格局的動態(tài)演變過程,也體現(xiàn)了在不同歷史發(fā)展時期,水土流失研究在研究范圍、研究強(qiáng)度上的變化規(guī)律。

但需要指出的是：目前的技術(shù)路線和技術(shù)實現(xiàn)過程中,依然存在一些值得改進(jìn)的地方。首先,目前提取的地名信息均為行政區(qū)地名(省、市、縣、區(qū)等)。對于論文中廣泛存在的自然地理區(qū)域地名(如秦嶺、太行山、淮河、塔里木河,等)、方位詞(南部、以西、上游、北麓,等)等,作者目前尚不能準(zhǔn)確地在空間上予以標(biāo)注和定位。毫無疑問,這種地名信息的漏提和不精確標(biāo)注,將會影響研究熱點區(qū)域制圖的精確性。其次,在研究熱度建模中,本文作者雖然構(gòu)建了一個綜合了絕對數(shù)值指標(biāo)和相對比例指標(biāo)優(yōu)點的熱度指數(shù)模型。但毫無疑問,目前的熱度模型仍然是粗糙、不精確和缺乏嚴(yán)格數(shù)理統(tǒng)計學(xué)基礎(chǔ)的。從文獻(xiàn)大數(shù)據(jù)提取專題信息,并根據(jù)地學(xué)專業(yè)研究的性質(zhì)和特點,構(gòu)建科學(xué)合理、嚴(yán)謹(jǐn)可靠的測度模型、分析模型,依然是未來基于文獻(xiàn)大數(shù)據(jù)開展知識圖譜研究的一個關(guān)鍵環(huán)節(jié)。

5 結(jié)論

本文主要基于CAJD提供的文獻(xiàn)大數(shù)據(jù),運用自然語言處理技術(shù),對海量中文科技期刊論文所刻畫的1980年代以來中國水土流失研究熱點進(jìn)行了信息提取和建模分析,并將相關(guān)結(jié)果與基于RUSLE模型的得到全國土壤侵蝕強(qiáng)度空間分布成果進(jìn)行了對比和討論。主要結(jié)論有：(1)應(yīng)用網(wǎng)絡(luò)爬蟲、文本解析、地名識別、空間關(guān)聯(lián)、熱度建模等方法,可以快速、有效地從海量期刊文獻(xiàn)數(shù)據(jù)中提取和標(biāo)識全國水土流失研究的熱點區(qū)域，完成中國水土流失研究熱點區(qū)制圖。(2)1980年以來,我國的水土流失研究熱點地區(qū)主要分布在黃土高原、西南喀斯特地區(qū),主要涉及寧夏南部、陜西北部、甘肅南部、內(nèi)蒙古中部、貴州西部與云南東部等地,尤以寧夏固原、陜西延安、榆林的部分縣(區(qū)、市)、內(nèi)蒙古鄂爾多斯、貴州畢節(jié)等地最為突出。(3)研究熱點地圖與水土流失強(qiáng)度模型模擬地圖之間存在差異。對于這些特定的空間耦合模式,不僅可以從自然地理和經(jīng)濟(jì)社會發(fā)展背景等方面予以解釋，還可以用于評估科技資源投入的合理性和有效性。