中國土壤侵蝕的社會經濟空間驅動因素研究：基于多尺度地理加權回歸模型的分析

摘要 土壤侵蝕威脅糧食安全和生態(tài)系統(tǒng)服務，是中國面臨的嚴峻環(huán)境問題之一，同時受到自然因素和人類活動的共同影響。目前國內已有大量研究關注社會經濟因素對土壤侵蝕的驅動作用，但關于兩者之間空間非平穩(wěn)關系的探討和影響因素作用尺度差異性的關注仍存在不足。為探究社會經濟活動對土壤侵蝕的復雜驅動機制，以中國346 個地級市為研究對象，以2017 年為參考年，基于修正的通用土壤流失方程（RUSLE）和多尺度地理加權回歸（MGWR）模型，揭示中國各地級市土壤侵蝕的空間異質性，并探索社會經濟因素對中國各地級市土壤侵蝕速率的空間驅動作用及因素間的作用尺度差異。研究顯示：中國各地級市土壤侵蝕速率的空間分布具有明顯的空間正相關性，侵蝕熱點主要分布在西部地區(qū)、東北地區(qū)、云貴高原和四川盆地以及黃土高原；與基于全局回歸的模型及傳統(tǒng)的地理加權回歸模型相比，MGWR 可以大大提高社會經濟變量對土壤侵蝕速率的解釋程度，模型擬合優(yōu)度達到0.87；從驅動因素來看，除人均地區(qū)生產總值外，各驅動因素對中國各地級市土壤侵蝕速率的影響方向會隨著空間位置變化產生結構性差異；平均而言，人口密度是對中國各地級市土壤侵蝕速率貢獻最大的因素；中國地級市土壤侵蝕速率在西部地區(qū)更容易受到復種指數(shù)的影響，在東部地區(qū)社會經濟因素對土壤侵蝕速率的驅動機制更為復雜，不同驅動因素作用的空間尺度差異更明顯。研究表明，決策者應充分考慮人類活動對土壤侵蝕影響的空間異質性，以實現(xiàn)水土保持的可持續(xù)發(fā)展。

關鍵詞 土壤侵蝕； 土壤侵蝕預報；RUSLE； 多尺度地理加權回歸模型； 社會經濟因素； 空間非平穩(wěn)性

中圖分類號 K992.2 文獻標識碼 A 文章編號 1000-2421（2024）06-0029-10

土壤侵蝕不僅會造成土壤養(yǎng)分流失和土地退化［1］，還會帶來一系列級聯(lián)效應，制約多個可持續(xù)發(fā)展目標（包括零饑餓、清潔水和衛(wèi)生設施、消除貧困和陸地生命）的實現(xiàn)［2］，已經成為世界范圍內的一個難題。中國是世界上土壤侵蝕最嚴重的國家之一，根據(jù)水利部2022 年度全國水土流失動態(tài)監(jiān)測報告（http：//www.mwr.gov.cn/sj/tjgb/zgstbcgb/）顯示，2022 年全國水土流失面積為265.34 萬km2，侵蝕強度在中度及以上的面積占水土流失總面積的35.28%，水力侵蝕面積占水土流失總面積的41.10%。水土流失是威脅中國糧食安全和社會經濟可持續(xù)發(fā)展的重要因素之一。

目前，我國在關于土壤侵蝕發(fā)生機制和自然因素等方面已經積累大量經驗［3］，然而社會經濟發(fā)展也會對土壤侵蝕的發(fā)生和防治產生重要影響，但其研究相對滯后。對土壤侵蝕社會經濟影響因素的認識經歷了從定性到定量的過程，早期側重于定性研究，可以追溯至1830 年代。Ananda 等［4］從理論角度對發(fā)展中國家的土壤侵蝕進行了社會經濟方面的評估，總結出水土流失的程度受到制度條件、人口增長率和政策環(huán)境等多種因素的復雜相互作用。Stocking等［5］指出盡管土地退化是一個物理過程，但其原因卻深深植根于土地使用者所處的社會經濟、政治和文化環(huán)境，如貧困、土地壓力、經濟發(fā)展、技術變革、勞動力供應情況等都會對水土流失造成影響。近年來，隨著理論認識的加深和方法學的快速發(fā)展，學者們對土壤侵蝕與社會經濟關系的研究進入定量分析階段，大量經濟學、統(tǒng)計學分析模型被用于揭示社會經濟因素與土壤侵蝕之間的潛藏關系，研究領域不斷擴展并成為土壤侵蝕學科的新增長點［6］。例如Wang 等［7］利用偏最小二乘回歸研究了2005 年至2015 年中國南方丘陵紅壤地區(qū)的人口和經濟統(tǒng)計變量，發(fā)現(xiàn)人口密度、人均GDP、GDP 年均增長率等社會經濟決定因素對土壤侵蝕控制潛力產生顯著影響；Wang 等［8］使用偏最小二乘結構方程模型和灰色關聯(lián)分析探究了中國黃土高原地區(qū)土壤侵蝕對社會經濟發(fā)展指標如人口密度、人均GDP、農業(yè)投入等的響應；王剛等［9］對1987—2013 年江西省水土流失的社會經濟驅動機制進行探索，得出產業(yè)結構如農業(yè)GDP 占比是影響江西省水土流失的主要因素之一；Wuepper 等［10］通過建模評估了不同國家土地管理制度對全球土壤侵蝕率的影響；Yu 等［11］使用結構方程模型評估了社會經濟變量對土壤侵蝕的驅動作用，得出農業(yè)產出和過剩投入是土壤侵蝕的主要促進因素。Wang 等［12］和Cui 等［13］引入多區(qū)域投入產出模型在供應鏈層面上指出耕地水土流失與異地產業(yè)的生產與消費等多種社會經濟因素通過貿易產生遠程耦合；Li 等［6］從多種視角下揭示了土壤侵蝕與人類的供給和消費行為之間復雜且隱匿的聯(lián)系。此外，逐步回歸模型［14］、多元回歸模型［15-16］、主成分分析模型［17］等均被應用于探究土壤侵蝕的社會經濟因素等研究方面。土壤侵蝕與其社會經濟因素之間關系的定量研究逐漸得到豐富和拓展。

然而目前關注土壤侵蝕與社會經濟驅動因素的研究大多是從全局的角度出發(fā)，研究尺度多集中于流域或區(qū)域尺度，盡管土壤侵蝕驅動機制和防治方面的相關經驗呈現(xiàn)明顯的區(qū)域化和地方性特征，但土壤侵蝕與社會經濟驅動因素之間的空間非平穩(wěn)關系尚未得到重視。地理加權回歸（geographicallyweighted regression，GWR）模型基于局部平滑的思想，是一種有效處理回歸分析中空間非平穩(wěn)性現(xiàn)象的建模工具，已經被廣泛應用于多個研究領域［17-18］，但其基于所有影響因素帶寬相同的假設，缺乏對不同影響因素間尺度效應差異的關注。多尺度地理加權回歸（multiscale geographically weighted regression，MGWR）模型在傳統(tǒng)GWR 模型的基礎上進行了改進，引入了多尺度的概念，允許模型在不同的空間尺度上對影響因素進行加權。這使得MGWR 模型能夠更好地捕捉不同尺度下影響因素的空間變化模式，提高了模型對空間異質性的適應能力。因此，MGWR 模型更加全面地考慮了影響因素之間的尺度效應差異，為研究人員提供了更精細和準確的空間分析工具。目前MGWR 模型已經成功應用于解決多尺度空間數(shù)據(jù)分析中的問題，為深入理解影響因素的空間關系提供了有力支持［18-20］。開展社會經濟活動與土壤侵蝕之間關系的定量研究，深入挖掘不同地區(qū)土壤侵蝕背后的社會經濟動因，不僅對中國土壤侵蝕問題的解決具有實際指導意義，同時也有助于區(qū)域經濟的可持續(xù)發(fā)展。

修正的通用土壤流失方程（revised universal soilloss equation，RUSLE）是一種廣泛應用的土壤侵蝕預報模型，本研究采用RUSLE 和MGWR 模型，選取6 個社會經濟變量，結合空間自相關分析和GIS 空間表達方法，以2017 年為參考年探究各社會經濟影響因素對中國346 個地級市土壤侵蝕速率的影響，以期為中國的水土保持工作提供研究支撐和政策建議。

1 材料與方法

1.1 研究區(qū)及研究數(shù)據(jù)

本研究以中國地級市單元為研究對象（共346 個地級市，受限于研究數(shù)據(jù)的可得性，本研究不包含港澳臺地區(qū)）。中國地圖來源為中國自然資源部官網（http：//bzdt. ch. mnr. gov. cn/），審圖號GS（2016）2923 號。所采用的數(shù)據(jù)來源見表1。

1.2 研究方法

1）修正的通用土壤流失方程（RUSLE）。本研究采用的RUSLE 模型由美國農業(yè)部自然資源保護局（NRCS）于1997 年正式決定實施，并在世界范圍內得到廣泛認可及應用［21］，其表達式為：

A = R × K × L × S × C × P （1）

式（1）中：A 為模型估算的年均土壤侵蝕模數(shù)，其單位取決于R 因子和K 因子，t/（hm2·a）；R 為年均降雨侵蝕力因子，MJ·mm/（hm2·h·a）；K 為土壤可蝕性因子，（t·hm·h）/（hm2·MJ·mm）；L 為坡長因子（無量綱），S 為坡度因子（無量綱），根據(jù)李佳蕾等［22］方法計算得到；C 為植被覆蓋與管理因子（無量綱），根據(jù)Borrelli 等［23］方法計算得到；P 為水土保持措施因子（無量綱），賦值依據(jù)參考Xiong 等［24］研究。R 因子的空間分辨率為0.01°×0.01°，其余各因子的空間分辨率均為30 m×30 m。所有因子的空間分辨率根據(jù)最近鄰法被統(tǒng)一至30 m×30 m 的網格單元下，并標準至相同投影坐標系Albers 下，地理坐標系統(tǒng)均為GCS_Krasovsky_1940。地市級尺度上的土壤侵蝕速率取均值，土壤侵蝕量取加和。

2）空間自相關性分析。地理學第一定律指出，區(qū)域內相近的空間變量（本研究指土壤侵蝕模數(shù)）具有相似的特征，即空間自相關性。空間自相關性分析用于檢驗某種現(xiàn)象在空間上是否存在集聚。本研究選取經典的全局Moran’s I 指數(shù)和局部Moran’s I指數(shù)［25］用于檢驗中國土壤侵蝕模數(shù)在全局和局部的空間分布特征。其計算公式如下：

式（2）～（3）中：I 表示全局Moran’s I 指數(shù)，I i 表示局部Moran’s I 指數(shù)。n 為研究單元（即地級市）數(shù)量，xi 和xj 為地級單元i 和j 的年均土壤侵蝕模數(shù)，xˉ為所有研究單元上土壤侵蝕模數(shù)的平均值；Wi，j 為空間權重矩陣。Moran’s I 指數(shù)介于?1 至1 之間，大于0 表示研究單元的年均土壤侵蝕模數(shù)存在空間正相關，小于0 表示空間負相關，等于0 表示其分布為獨立分布。對其進行Z 值顯著性檢驗的計算公式為：

式（5）中：Z （I ） 表示衡量全局Moran’s I 的顯著性水平；E （I ） 表示Moran’s I 的數(shù)學期望；V （ I ）表示Moran’s I 的方差。當Moran’s I 指數(shù)顯著為正且Z （I ） 大于0 時，呈“高-高集聚”關系；當Moran’s I 指數(shù)顯著為正且Z （I ） 小于0 時，呈“低-低集聚”關系；當Moran’s I 顯著為負且Z （I ） 大于0 時，呈“高-低集聚關系”；當Moran’s I 顯著為負且Z （I ） 小于0 時，呈“低-高集聚”關系，根據(jù)該指標可以繪制LISA（localindicators of spatial association）聚集圖。

3）多尺度地理加權回歸模型（MGWR）。傳統(tǒng)的線性回歸模型如最小二乘法（ordinary least square，OLS）基于空間平穩(wěn)性關系的假設，即自變量與因變量的關系在空間上保持不變。然而很多情況下，變量之間的關系隨位置的變化而變化，即變量之間存在空間非平穩(wěn)性關系。GWR 模型在OLS 的基礎上引入局部平滑的思想，基于局部和可變參數(shù)回歸，彌補了全局回歸模型的缺陷，但其局部回歸模型的帶寬設置恒定，忽略了不同自變量尺度作用的差異［26］。在GWR 的基礎上，MGWR 通過消除自變量的單一帶寬假設，區(qū)分了不同因子間帶寬的差異性，能夠更好地適應不同尺度上的地理空間數(shù)據(jù)的異質性［27-28］。本研究基于MGWR 模型，分析全國地級市尺度上土壤侵蝕驅動因素的空間異質性。其表達式為：

式（6）中：（μi，vi ） 是第i 個研究單元的地理中心坐標，xi，k 表示研究單元i 的自變量k 的解釋值，βbw，k （ μi，vi ）表示經過有效帶寬校正后帶寬為bw 時解釋變量k 的回歸參數(shù)，β0 （μi，vi ）表示研究單元i 處的截距，εi 表示隨機誤差項。與GWR 中所有自變量帶寬一致的設置不同，MGWR 中每個回歸系數(shù)βbw，k 均基于局部回歸且獲得各自的最優(yōu)帶寬。結合社會經濟因素對土壤侵蝕的影響機制，在前人研究的基礎上綜合考慮因素選取的全面性和數(shù)據(jù)的可獲取性，本研究基于IPAT 理論I=PAT，從人口、經濟、技術3 個方面選取了6 個影響因素作為因變量。人口方面選取人口密度（DPOP）以反映人類活動密集程度，城鎮(zhèn)化率（RURB）以反映城鎮(zhèn)化水平；經濟方面選取人均地區(qū)生產總值（PGRP）以反映當前經濟發(fā)展水平，地區(qū)生產總值的增長率（GGRP）以反映經濟發(fā)展水平的動態(tài)變化；技術方面選取人均農業(yè)機械總動力（PAGM）反映人均農機水平和農業(yè)集約化強度，復種指數(shù)（TMUI）反映耕地的密集化程度。式（6）中，因變量yi 在本研究中為中國各地級市平均土壤侵蝕速率。MGWR 模型的核函數(shù)和帶寬選擇準則延續(xù)GWR 模型，本研究分別采用常用的二次核函數(shù)和赤池信息準則（akaike information criterion，AICc），AICc 取值越低代表模型的模擬效果越好。與廣義加性模型類似［29］，MGWR 模型采用后退擬合算法（back-fitting algorithm）［19］對各個平滑項進行擬合。首先以GWR 模型對各系數(shù)的估計作為初始設置，得到初始設置下的預測值與真實值之間的殘差。然后根據(jù)GWR 模型將該殘差加上當前的βbw，k （ μi，vi ） xk與第1 個自變量x0 進行回歸，尋找x0 的最優(yōu)帶寬，之后依次更新參數(shù)直至獲得所有自變量的最優(yōu)帶寬，最終完成多尺度的地理加權回歸。

2 結果與分析

2.1 中國土壤侵蝕模數(shù)空間分布特征

中國在2017 年土壤侵蝕估算總量達29.22 億t，其平均土壤侵蝕速率約為4.64 t/hm2。全國土壤侵蝕格局呈現(xiàn)高度的空間異質性，侵蝕量的熱點地區(qū)主要集中在中國“黑河-騰沖線”附近及其以西。西部地區(qū)面積廣袤導致其盡管侵蝕速率較低但土壤侵蝕量較高，其中新疆和西藏2 個自治區(qū)土壤侵蝕總量分別為1.57 億t 和3.45 億t，裸地上土壤侵蝕量的比例分別高達90.68% 和91.53%，這一比例在青海也達到74.19%。其次是東北地區(qū)，東北是世界三大黑土區(qū)之一，主要分布在黑龍江、遼寧、吉林和內蒙古等省份，黑土擁有深厚的腐殖質層且富含有機質，是中國主要的商品糧生產基地。不合理的耕作方式以及持續(xù)的開墾導致東北黑土區(qū)耕地土壤侵蝕嚴重，達5.25 億t，占該地區(qū)土壤侵蝕總量的72.91%。位于西南部的云南、貴州和四川等地區(qū)地勢陡峭且經常遭受降雨沖刷，土壤侵蝕程度劇烈，土壤侵蝕量達4.83億t，其中造成耕地3.16 億t 土壤侵蝕，占該地區(qū)土壤侵蝕總量的65.44%。黃土高原橫跨山西、寧夏、陜西、甘肅和青海等?。ㄗ灾螀^(qū)），由于黃土土質疏松、植被易受破壞，生態(tài)環(huán)境本底脆弱，加之降雨集中，黃土高原2017 年的土壤侵蝕總量達3.34 億t，其中耕地和裸地造成的土壤侵蝕分別占土壤侵蝕總量的44.69% 和27.56%。黃淮海平原是中國的第一糧倉，該地區(qū)農業(yè)活動密集且耕層較淺，造成的土壤侵蝕量為3.13 億 t，其中耕地土壤侵蝕占88.23%（圖1）。

使用Moran’s I 指數(shù)計算中國各地級市的土壤侵蝕速率的空間自相關性，其全局Moran’s I 指數(shù)為0.53，標準化檢驗Z（I）值為28.78（P=0.00***），表明各地級市土壤侵蝕速率集聚狀態(tài)明顯。為進一步確定空間集聚地區(qū)，本研究進一步根據(jù)各地級市土壤侵蝕速率計算局部Moran’s I 指數(shù)，并繪制了其LISA聚集分布圖（圖1B）。結果表明，中國土壤侵蝕速率的“高-高”集聚主要分布在西藏和東北地區(qū)；而“低-低”集聚主要分布在東南部沿海地區(qū)。中國各地級市土壤侵蝕速率的空間特征表明其呈現(xiàn)顯著的空間正相關性，因此使用傳統(tǒng)的全局模型探索土壤侵蝕速率的社會經濟驅動因素時會忽略數(shù)據(jù)本身的空間自相關性，而多尺度地理加權回歸模型不僅基于局部回歸的思想，并且考慮了各因素之間驅動過程的尺度效應差異，可以較好地處理各地級市與驅動因素間的空間非平穩(wěn)關系。

2.2 多尺度地理加權回歸結果分析

為探究不同社會經濟因素影響下中國各地級市土壤侵蝕速率在空間分布上存在的差異，本研究選用多尺度地理加權回歸模型分析其驅動因素的空間差異，共選取了6 個社會經濟變量探究不同社會經濟因素影響下中國各地級市土壤侵蝕速率的空間差異。為了避免不同變量之間相互影響造成潛在的結果偏差，本研究首先使用方差膨脹因子（VIF）對選取的社會經濟指標進行共線性檢驗（表2），VIF 值大于7.5 的情況下通常表明解釋變量存在冗余。表2 中各變量的VIF 值均遠小于7.5，表明本研究中模型不存在共線性問題。

相較于全局回歸模型，基于局部平滑思想的GWR 模型和MGWR 模型均更加適用于解釋本研究選取的6 個社會經濟變量對各地級市土壤侵蝕速率驅動作用的空間異質性問題。然而通過對比擬合結果，發(fā)現(xiàn)MGWR 模型的擬合優(yōu)度R2 達到0.87，略高于GWR 模型的0.86。盡管2 個模型從擬合優(yōu)度來看差距較小，但MGWR 模型的AICc 值和殘差平方和均小于GWR 模型，說明MGWR 模型對中國各地級市土壤侵蝕速率及其驅動因素的解釋效果更好。此外，MGWR 模型放寬了對傳統(tǒng)GWR 模型在進行局部回歸時各自變量均在相同尺度范圍內執(zhí)行的假設，可以直接反映不同影響因素差異化的作用尺度。表2 中GWR 模型所有自變量均具有相同最優(yōu)帶寬設置59，即每個局部回歸方程的相鄰要素數(shù)量，但MGWR 模型中各因素具有各自不同的最優(yōu)帶寬，呈現(xiàn)了不同社會經濟影響因素在驅動中國各地級市土壤侵蝕速率空間異質性格局時作用尺度的差異。結果表明，相較于其他變量，中國各地級市土壤侵蝕速率對人口密度和復種指數(shù)等因素較為敏感，其作用尺度較?。ㄏ鄳獛挿謩e為38 和48），反映了各地級市在不同人口密度和復種指數(shù)的背景下，其土壤侵蝕速率變化程度差異較大。相比之下，地區(qū)生產總值增長率和農業(yè)機械化水平的作用尺度較大，其帶寬分別為346 和197，表明這些因素對各地級市土壤侵蝕速率的驅動作用在較大尺度上相似。

多尺度地理加權回歸模型得到的決定系數(shù)R2的空間分布（圖2）顯示，MGWR 模型在中國大部分地區(qū)解釋程度都較高，R2 均在0.54 以上。但在東北地區(qū)和西南地區(qū)模型擬合優(yōu)度相對較低，該部分地區(qū)R2 在0.33～0.40。這是因為土壤侵蝕速率同時受到自然和社會經濟因素影響，本研究基于研究目的僅使用了社會經濟因素解釋其空間變異，且受限于數(shù)據(jù)可得性，可能忽略了一些重要因子。表2 展示了MGWR 模型結果中各變量的系數(shù)。為了更好地探究不同社會經濟因素對土壤侵蝕速率的貢獻程度，本研究在進行多尺度地理加權回歸之前將解釋變量和因變量的值在進行了對數(shù)化處理后，均縮放為平均值為0 且標準差為1 的標準化變量，因此各變量的回歸系數(shù)可用于比較不同變量對土壤侵蝕速率的相對貢獻程度。從各系數(shù)的平均值來看，人口密度對土壤侵蝕速率的貢獻程度最大。而各變量系數(shù)范圍均覆蓋了正負值，這表明不同變量對于土壤侵蝕速率的影響因素會隨著空間位置的變化而變化。

2.3 驅動因素的空間異質性分析

圖3 展示了MGWR 模型中各個社會經濟驅動因素空間回歸系數(shù)。從農業(yè)活動相關的驅動因素來看，復種指數(shù)和人均機械總動力表征的農業(yè)集約化程度幾乎在全國范圍內均對土壤侵蝕速率呈現(xiàn)正向驅動作用，這表明了農業(yè)活動對土壤侵蝕起到加速作用。具體而言，復種指數(shù)在中國西部地區(qū)對土壤侵蝕速率的正向作用更為明顯。較高的復種指數(shù)反映了農作物種植面積的增加和耕作頻率的提高，這可能會導致土壤結構的破壞，增加土壤水蝕風險，但其原因進一步受區(qū)域自然條件、政策等因素的交互影響，呈現(xiàn)復雜分異。人均農業(yè)機械總動力表征的農業(yè)集約化程度對土壤侵蝕速率的正向驅動作用主要表現(xiàn)在中國東部地區(qū)如華北平原或東北地區(qū)。東北地區(qū)和華北平原作為中國的重要農業(yè)生產基地，農業(yè)集約化程度較高，由于大型農機在耕作過程中可能會對土壤進行壓實［30］，降低土壤孔隙度和透水性，導致土壤抗水蝕能力的下降，從而增加土壤侵蝕。此外，依賴機械化進行大面積翻耕會增加對土壤的擾動程度，破壞土壤團聚體，從而增加土壤侵蝕的風險。

在人口因素方面，人口密度在中國大部分區(qū)域對土壤侵蝕速率呈現(xiàn)正向驅動作用。本研究中東北地區(qū)、位于華北平原的山東河南等省份以及西南地區(qū)等地，人口密度的驅動作用更為明顯。這些地區(qū)耕地利用更為集約化，農業(yè)活動更為頻繁，土地利用壓力較大。相反，城鎮(zhèn)化對土壤侵蝕速率的作用在中國幾乎所有地區(qū)均呈現(xiàn)負向作用，這是因為城鎮(zhèn)化過程中會造成大量地表硬化，抑制了水土流失。從經濟方面來看，人均地區(qū)生產總值在所有地區(qū)均對土壤侵蝕呈現(xiàn)正向的驅動作用。較高的人均地區(qū)生產總值反映了人們對產品和服務需求的增加，增加了土地壓力，導致土地資源的利用和開發(fā)程度加劇，從而加劇了水土流失和土壤侵蝕的風險。根據(jù)環(huán)境庫茲涅茨理論和前人的研究成果［31］，經濟增長與環(huán)境之間的關系呈現(xiàn)“倒U 型”曲線，本研究發(fā)現(xiàn)類似的結果，即經濟增長到一定程度會減少土壤侵蝕。地區(qū)生產總值增長率在中國西南部地區(qū)對各地級市的土壤侵蝕速率起到明顯的正向作用，表明經濟的增長會拉動產品和服務需求增加，從而增大土壤侵蝕的風險，然而在位于京津冀地區(qū)的河北及其周邊等經濟高度發(fā)達的地級市，地區(qū)生產總值的增長會減少土壤侵蝕。此外，黃土高原地區(qū)經濟的增長對土壤侵蝕也呈現(xiàn)明顯的負向作用，可能的原因是這些地區(qū)屬于環(huán)境脆弱地區(qū)，生態(tài)本底較差，土壤侵蝕風險較大，因此受到了水土保持相關部門的大量關注。該地區(qū)已經先后采取了多種水土保持措施，并且其中部分地區(qū)已經實施了生態(tài)補償政策［32］，因此地區(qū)生產總值增長率在這些地區(qū)表現(xiàn)出對土壤侵蝕速率的抑制作用。

3 討論

目前，傳統(tǒng)的水土流失治理方案如植被恢復、坡改梯工程、土地整治和改良等措施雖然有效緩解了土壤侵蝕問題，但其邊際效益開始呈現(xiàn)下降趨勢。本研究結合多源遙感數(shù)據(jù)和社會經濟統(tǒng)計數(shù)據(jù)，估算了中國各地級市的土壤侵蝕速率，揭示了其較高的空間正相關性，并利用MGWR 模型揭示了不同社會經濟因素對土壤侵蝕速率驅動作用的異質性及作用尺度的差異性。

研究表明，土壤侵蝕的治理是一個系統(tǒng)的工程，不能局限于單一的工程視角，通過調整社會經濟系統(tǒng)輔助治理土壤侵蝕可以提高土壤侵蝕防治效率［6］。在中國東部發(fā)達地區(qū)如江蘇、浙江等地，城市化過程中侵占了大量優(yōu)質農田，在當前保證糧食安全的背景下造成了優(yōu)質農田向邊際土地轉移的現(xiàn)象［33］，從而增加了土壤侵蝕的風險，因此建議在城市擴張過程中應注意避免侵占并嚴格保護優(yōu)質耕地［34］，劃分出永久農田并限制開發(fā)，加大力度嚴格禁止耕地占優(yōu)補劣現(xiàn)象。此外，在生態(tài)脆弱的熱點地區(qū)如黃土高原、云貴高原和四川盆地等區(qū)域，應該調整其產業(yè)結構避免其對農業(yè)的過度依賴，禁止在這些區(qū)域進行大規(guī)模的土地開墾和農用地擴張。在高度依賴農業(yè)的區(qū)域如東北地區(qū)、黃淮海平原等區(qū)域，建議進行土地整治［35］，發(fā)展大規(guī)模農業(yè)，避免農田分散和碎片化，進一步提高勞動力效率和資源利用效率，推動實現(xiàn)可持續(xù)集約化。大規(guī)模耕作節(jié)省的農業(yè)勞動力將需求允許更多的勞動力投入土地規(guī)劃和環(huán)境保護，在綠色道路下發(fā)展經濟水平，從而進一步增加環(huán)境保護的財政投入。然而，由于社會經濟數(shù)據(jù)在研究尺度下的可得性受到限制，本研究未考慮水利投入、林業(yè)投入以及小流域治理方面的更多潛在社會經濟指標。這一局限性有望在未來更多地級市尺度上統(tǒng)計數(shù)據(jù)公開后得到解決。

綜上所述，不同地區(qū)的經濟產業(yè)結構、城鎮(zhèn)化程度、農業(yè)生產方式和生態(tài)環(huán)境特征對土壤侵蝕具有顯著影響。為了減少土壤侵蝕風險，需要加強科學的土地利用規(guī)劃和管理，推廣環(huán)保型農業(yè)生產方式，提高城市化過程中的土地保護意識，促進農業(yè)機械化與土壤保護的有機結合?？紤]到不同地區(qū)土壤侵蝕存在的空間差異，未來的研究可以深入挖掘各地區(qū)的特點，充分考慮其獨特的自然條件和社會經濟結構差異。在制定土壤侵蝕防治措施時，應從傳統(tǒng)的工程視角出發(fā)，同時兼顧社會經濟系統(tǒng)的因素。這樣的綜合考慮能夠制定更具針對性的政策，有助于緩解中國土壤侵蝕問題。

參考文獻 Reference

［1］ MONTGOMERY D R. Soil erosion and agricultural sustainability［J］.PNAS，2007，104（33）：13268-13272.

［2］ QUINE T A，VAN OOST K.Insights into the future of soilerosion［J］.PNAS，2020，117（38）：23205-23207.

［3］ 張啟旺，安俊珍，王霞，等. 中國土壤侵蝕相關模型研究進展［J］. 中國水土保持，2014（1）：43-46. ZHANG Q W，AN J Z，WANG X.Progress of study on China soil erosion correlationmodels［J］.Soil and water conservation in China，2014（1）：43-46（in Chinese with English abstract）.

［4］ ANANDA J，HERATH G. Soil erosion in developing countries：a socio-economic appraisal［J］. Journal of environmentalmanagement，2003，68（4）：343-353.

［5］ STOCKING M A，MURNAGHAN N. A Handbook for thefield assessment of land degradation［M］.London：Routledge，2002.

［6］ LI K K，WANG L，WANG Z，et al.Multiple perspective accountingsof cropland soil erosion in China reveal its complexconnection with socioeconomic activities［J/OL］.Agriculture，ecosystems amp; environment，2022，337：108083［2024-02-20］.https：//doi.org/10.1016/j.agee.2022.108083.

［7］ WANG L，YAN H，WANG X W，et al.The potential for soilerosion control associated with socio-economic developmentin the hilly red soil region，Southern China［J/OL］.CATENA，2020，194：104678［2024-02-20］. https：//doi. org/10.1016/j.catena.2020.104678.

［8］ WANG B，ZENG Y，LI M J，et al.Evaluation of the driving effectsof socio-economic development on soil erosion from theperspective of prefecture-level［J/OL］. Frontiers in environmentalscience，2022，10：1066889［2024-02-20］.https：//doi.org/10.3389/fenvs.2022.1066889.

［9］ 王剛，張秋平，鄭海金，等.1987—2013 年江西省水土流失趨勢及其社會經濟驅動力分析［J］. 生態(tài)科學，2017，36（3）：115-120. WANG G，ZHANG Q P，ZHENG H J，et al. Temporalvariation of soil and water loss and its social-economic drivingforces in Jiangxi Province from 1987 to 2013［J］.Ecological science，2017，36（3）：115-120（in Chinese with English abstract）.

［10］ WUEPPER D，BORRELLI P，F(xiàn)INGER R.Countries and theglobal rate of soil erosion［J］. Nature sustainability，2020，3：51-55.

［11］ YU S X，XIE C Y，ZHAO J S，et al.Socioeconomic developmentmitigates runoff and sediment yields in a subtropical agriculturalwatershed in Southern China［J/OL］. Environmentalresearch letters，2021：024053［2024-02-20］.https：//doi.org/10.1088/1748-9326/abdd5a.

［12］ WANG Z， ZENG Y， LI C， et al. Telecoupling cropland soilerosion with distant drivers within China［J/OL］. Journal ofenvironmental management，2021，288：112395［2024-02-20］.https：//doi.org/10.1016/j.jenvman.2021.112395.

［13］ CUI H W，WANG Z，YAN H，et al. Production-based andconsumption-based accounting of global cropland soil erosion［J］. Environmental science amp; technology，2022，56（14）：10465-10473.

［14］ ISTANBULY M N，KRáSA J，JABBARIAN AMIRI B.How socio-economic drivers explain landscape soil erosionregulation services in Polish Catchments［J/OL］.Internationaljournal of environmental research and public health，2022，19（4） ： 2372 ［2024-02-20］. https：//doi. org/10.3390/ijerph19042372.

［15］ BHANDARI K P，ARYAL J，DARNSAWASDI R. A geospatialapproach to assessing soil erosion in a watershed by integratingsocio-economic determinants and the RUSLE model［J］.Natural hazards，2015，75（1）：321-342.

［16］ LIGONJA P J，SHRESTHA R P.Soil erosion assessment inKondoa eroded area in Tanzania using universal soil loss equation，geographic information systems and socioeconomic approach［J］. Land degradation amp; development，2015，26（4）：367-379.

［17］ HALIM R，CLEMENTE R S，ROUTRAY J K，et al.Integrationof biophysical and socio-economic factors to assess soilerosion hazard in the Upper Kaligarang Watershed，Indonesia［J］.Land degradation amp; development，2007，18（4）：453-469.

［18］ 祝新明，宋小寧，冷佩，等. 多尺度地理加權回歸的地表溫度降尺度研究［J］. 遙感學報，2021，25（8）：1749-1766.ZHU XM，SONG X N，LENG P，et al. Spatial downscaling of landsurface temperature with the multi-scale geographically weighted regression［J］. National remote sensing bulletin，2021，25（8）：1749-1766（in Chinese with English abstract）

［19］ 沈體雁，于瀚辰，周麟，等. 北京市二手住宅價格影響機制：基于多尺度地理加權回歸模型（MGWR）的研究［J］. 經濟地理，2020，40（3）：75-83.SHEN T Y，YU H C，ZHOU L，et al.Onhedonic price of second-hand houses in Beijing based on multiscalegeographically weighted regression：scale law of spatialheterogeneity［J］.Economic geography，2020，40（3）：75-83（inChinese with English abstract）.

［20］ 喬磊，張吳平，黃明鏡，等. 基于MGWRK 的土壤有機質制圖及驅動因素研究［J］. 中國農業(yè)科學，2020，53（9）：1830-1844.QIAO L，ZHANG W P，HUANG M J，et al.Mapping of soilorganic matter and its driving factors study based on MGWRK［J］.Scientia agricultura sinica，2020，53（9）：1830-1844（in Chinesewith English abstract）.

［21］ RENARD K G，F(xiàn)OSTER G R，WEESIES G A，et al.Predictingsoil erosion by water：a guide to conservation planning withthe revised universal soil loss equation （RUSLE）［M］. NewYork：US Department of Agriculture，Agricultural ResearchService，1997.

［22］ 李佳蕾，孫然好，熊木齊，等. 基于RUSLE 模型的中國土壤水蝕時空規(guī)律研究［J］. 生態(tài)學報，2020，40（10）：3473-3485.LIJ L，SUN R H，XIONG M Q，et al.Estimation of soil erosionbased on the RUSLE model in China［J］.Acta ecologica sinica，2020，40（10）：3473-3485（in Chinese with English abstract）.

［23］ BORRELLI P，ROBINSON D A，F(xiàn)LEISCHER L R，et al.An assessment of the global impact of 21st century land usechange on soil erosion［J/OL］.Nature communications，2017，8（1）：2013［2024-02-20］. https：//doi. org/10.1038/s41467-017-02142-7.

［24］ XIONG M Q，SUN R H，CHEN L D.Global analysis of supportpractices in USLE-based soil erosion modeling［J］.Progressin physical geography：earth and environment，2019，43（3）：391-409.

［25］ MORAN P A P. Notes on continuous stochastic phenomena［J］.Biometrika，1950，37（1/2）：17-23.

［26］ FOTHERINGHAM A S，BRUNSDON C，CHARLTON M.Quantitative geography：perspectives on spatial data analysis［M］.London：Sage Publications，2000.

［27］ FOTHERINGHAM A S，YANG W B，KANG W.Multiscalegeographically weighted regression （MGWR）［J/OL］.Annalsof the American Association of Geographers，2017，107（6）：1247-1265 ［2024-02-20］. https：//doi. org/10.1080/24694452.2017.1352480.

［28］ YU H C，F(xiàn)OTHERINGHAM A S，LI Z Q，et al.Inference inmultiscale geographically weighted regression［J］. Geographicalanalysis，2020，52（1）：87-106.

［29］ HASTIE T J.Generalized additive models［M］.London：StatisticalModels in Routledge，2017：249-307.

［30］ SONDEREGGER T，PFISTER S.Global assessment of agriculturalproductivity losses from soil compaction and water erosion［J］.Environmental science amp; technology，2021，55（18）：12162-12171.

［31］ CAO B W，YU L，NAIPAL V，et al.A 30 m terrace mappingin China using Landsat 8 imagery and digital elevation modelbased on the Google Earth Engine［J］.Earth system science data，2021，13（5）：2437-2456.

［32］ 何琴. 跨省流域生態(tài)補償法律制度探究：以赤水河流域治理為例［J］. 四川環(huán)境，2023，42（3）：249-256.HE Q.Research onthe legal system of ecological compensation in cross-provincialwatershed：taking the Chishui River Basin management as anexample［J］. Sichuan environment，2023，42（3）：249-256（inChinese with English abstract）.

［33］ KUANG W H，LIU J Y，TIAN H Q，et al.Cropland redistributionto marginal lands undermines environmental sustainability［J/OL］. National science review，2022，9（1）：nwab091［2024-02-20］.https：//doi.org/10.1093/nsr/nwab091.

［34］ KONG X B. China must protect high-quality arable land［J/OL］. Nature，2014，506（7486）：7［2024-02-20］. https：//doi.org/10.1038/506007a.

［35］ DUAN J K，REN C C，WANG S T，et al.Consolidation of agriculturalland can contribute to agricultural sustainability inChina［J］.Nature food，2021，2：1014-1022.

（責任編輯：陸文昌）

基金項目：國家自然科學基金項目（42077060；42377321）