城市化建設和采礦對土壤侵蝕及環(huán)境的影響

申請免費試用、咨詢電話：400-8352-114

簡介： 本文著重研究了城市化建設與采礦業(yè)占地對土壤侵蝕和環(huán)境的影響，分析了土地利用類型轉變對土壤侵蝕程度的影響。作者收集了北美部分地區(qū)土地利用的不同歷史階段產沙速度資料加以整理，采用人工神經網絡模型模擬計算了可能的土地產出損失率。清楚地說明了土地利用類型的變化引起產沙的巨大變化。討論了土地利用變化發(fā)展的總趨勢。
關鍵字：城市化建設與采礦業(yè) 土壤侵蝕與環(huán)境 人工神經網絡 土地生產率

1 前言

　　土地利用問題是社會經濟發(fā)展過程中產生的，與經濟發(fā)展、人口增長等密切相關。現在，土地和人口增長的矛盾尖銳。目前我國每年凈增人口1500萬人，國家和農村建設每年占用耕地80萬hm²。我國現有人口已超過12億，預計2050年將達到15億。人口急劇增長，耕地面積不斷減少，給土地帶來極大壓力。土地是人類一切生產活動的基地，無論農業(yè)、牧業(yè)、林業(yè)、城市化建設、工礦企業(yè)等各項建設事業(yè)的發(fā)展，都離不開對土地的利用。如美國因城市建設占用農業(yè)用地，從1958～1967年每年49萬hm²增加到1967～1975的每年85萬hm²；我國從1958～1978年21年間，城市化基本建設占用農牧業(yè)土地面積達3400萬hm²，平均每年用地相當于一個福建省的耕地面積。1981年，僅農民蓋房及院落占地達27萬hm^2[1]。而每一種改變土地利用方式不可避免地帶來對自然環(huán)境的破壞作用，如環(huán)境污染、生態(tài)失調、水土流失、土壤沙漠化、鹽漬化等，已成為社會重大問題。

　　土地利用基本形式包括：農業(yè)、林業(yè)、牧業(yè)、城市化建設、工礦企業(yè)等。隨著經濟發(fā)展，各項生產建設都要占用土地。大量開發(fā)，多項占用，土地利用形式不斷變化，成為水沙變化的主因。

　　城市工業(yè)化建設、采礦和其它類似的活動對加速土壤的侵蝕是非常明顯的。城市化工業(yè)建設，大量占用土地資源。隨著經濟發(fā)展，我國正由農業(yè)大國發(fā)展為工業(yè)大國。經濟騰飛，必然帶來建設高潮。城市大量占地，擴大建設要延續(xù)一個相當長的時期。連續(xù)不斷的工程，破土施工到處可見，產流產沙可想而知。采礦是在生產過程中和自然環(huán)境相互作用最強烈的形式之一，在此過程中人類表現為改造地球外貌的強有力因素。在開采礦產過程中，人類往往要從天然儲藏地點移走大量巖土到相當遠的距離，所有這一切不僅在直接開采的地點，而且在距它們相當遠的地方也會造成自然界的重大變化。同時不僅改變巖石圈的組成和結構，而且改變包括生物圈在內的整個自然綜合體。由于強度開采礦產所產生的自然綜合體的變化，通常對生物圈是不利的，導致周圍環(huán)境的惡化，水土流失嚴重。

　　土地利用變化往往對環(huán)境帶來某種程度的不利影響。例如砍伐森林改營農業(yè)，土壤侵蝕量發(fā)生變化，會降低有機質的含量。但重要的是，不要使這種環(huán)境退化趨于嚴重，否則，最終將導致土地遭到不可逆轉的破壞。同時，也要注意不造成環(huán)境的漸進性退化，這是指采用某一種土地利用方式導致土地處于持續(xù)耗竭狀態(tài)，例如放牧中對牲畜數量不加控制，任其超載，致使草場逐漸退化。

　　隨著經濟建設的高速發(fā)展，人口的大量增加，使土地資源大規(guī)模開發(fā)利用，土地利用變化劇烈。加劇土壤侵蝕，使其發(fā)生的初始、邊界條件更趨復雜。造成生態(tài)環(huán)境惡化，動植物物種多樣性減少或喪失。因此，在水土流失規(guī)律研究和治理技術方面受到限制，許多關鍵性問題尚未解決。目前國內外對土地利用的變化過程研究這一關鍵問題研究較少。無疑對這一問題進行研究具有特別重要的意義。

2 城市土地利用

　　在城市地區(qū)，自然生態(tài)系統(tǒng)的變異程度通常比農業(yè)、林業(yè)要大的多。城市地區(qū)的大部分土地覆蓋著公路、建筑物以及其它難以滲透的地面。保存空曠的空間主要是為文化娛樂和裝飾的目的而不是為了生產糧食和木材，因此，城市中現存的綠色地區(qū)的生態(tài)系統(tǒng)的變遷與鄉(xiāng)村有很大差異。城市地面幾乎不能發(fā)生滲透現象；因有地下排水系統(tǒng)，城市排泄網比農村更有效，徑流增加了3～4倍。當進行建設時，往往會給地面造成破壞，導致產沙量比農村高幾倍；但建設完成后，大部分的地面密封了，產沙量降到高峰水平的1/10，低于農業(yè)經營時的水平。盡管如此，城市的產沙量仍然高于未受干擾的自然植被。城市的土地利用仍然遵循人類活動趨于增加產沙量的一般規(guī)律。

　　城市化造成土地最高的侵蝕速度產生在建設階段，這階段有大量裸露地面和由于運輸和開挖引起很大的擾動。為建筑而清除地面，一年間產生的土壤侵蝕相當于自然的甚至農業(yè)數十年造成的侵蝕。在馬里蘭，城市化在建設期間，產沙量達到55000t/km².a，而在同樣的地區(qū)，森林地面產沙量大約為80～200t/km².a，在農田是400t/km².a。在佐治亞，開挖新道路使產沙量達到20000～50000t/km².a。同樣，在英格蘭德文郡，在有排水建筑物地區(qū)，河中懸浮泥沙物濃度是未受干擾地區(qū)的2～10倍(偶爾達到100倍)。在美國弗吉尼亞，在城市化建設期間，侵蝕速度同樣高。而且記錄了在相同地區(qū)侵蝕速度是農田的10倍，是草地的200倍，是森林地區(qū)的2000倍。然而，施工不會永遠進行下去，一旦呈現出道路、建起花園和草坪，干擾就停止，侵蝕整流速度就會大大地降低。可能與在自然條件下，或農業(yè)耕種前的侵蝕速度基本相同^[2～7]。平均來講，城市化建設期土壤侵蝕率是農田的10～350倍(平均180倍)，是森林的1500倍。

　　作者收集了北美部分地區(qū)土地利用的不同歷史階段產沙速度資料加以整理，并用人工神經網絡模型模擬計算了可能的土地產出損失率(見圖1)。所謂土地產出損失率(O₁)是指單位面積由于土壤侵蝕引起的產量(Y)或產值(P_v)減少。實際土地產出率(O_a)是單位面積的產量(Y)或產值(P_v)。用公式表達為 

O_a=Y _or P_v/ A=O_d-O₁

式中 A為土地面積；O_d為應有土地產出率。

圖1 不同歷史階段土地利用類型轉變引起產沙率及
產值損失率的變化
Variation of sediment yield and the rate of production value loss during the process of land use transformationto different period

　　根據皇甫川流域卡口站試驗資料，以噸泥沙減產量為據，分析計算得出^[8]：每損失1噸泥沙，農地產值減少12.5元；草地損失0.6元；林地損失0.39元。按該指標可計算得出土地產出損失率。

　　圖1很好地說明了由森林→農地→林地或草地→城市化的不同土地利用方式產沙率的變化過程，更清楚地說明了土地利用類型的變化引起產沙的巨大變化。

　　從19世紀初期開始，茂密的森林產沙量很小，土地產出損失率也很??；當農作物取代原始森林，產沙量增加，土地產出損失率隨之增加；隨著耕作的開始，產沙量隨之降低，農地的產出損失率降低；隨著時間的推移，產沙率再次增高，農地的產出損失率也隨著增高，即農地產出率減小；只是到20世紀，當某些耕地轉變?yōu)榱值睾筒莸睾?，產沙量才再次下降，土地產出損失率下降，即土地產出率有所回升；在城市擴展和建設時期，由于地面暴露和建設施工對土地的干擾，產沙速度急劇上升，土地產出損失率也急劇上升，也就是說土地產出率降到歷史最低；當大部分地表封在道路、建筑物以及其它難以滲透的表層下時，產沙量幾乎以相同的速度下降，城市化后的土地產出率也將急劇升高。在土地利用類型的演化過程中，每一種類型的轉化，都無疑帶來了產沙的急劇增加。

3 采礦業(yè)

　　目前我國正處于高速發(fā)展時期，人口膨脹需要開發(fā)礦產資源滿足人民的物質生活的提高。采礦造成的土地利用變化雖然發(fā)展了經濟，但造成了嚴重的環(huán)境污染，尤其是對水土流失和河流泥沙帶來極其不利影響。這種影響國內外有很多實例。豫陜晉接壤區(qū)人煙稀少，林草茂密，80年代后期，國營和個體企業(yè)紛紛投入開采金礦，在1萬多平方公里的范圍內有開采點3000個，年產黃金30萬兩，雖帶來了可觀的經濟效益，但直接破壞植被168km²，侵蝕模數由1030增加到1458t/km².a，同時棄石廢渣1645萬m³，暴雨時形成人造泥石流和滑坡。采礦不僅造成了嚴重的水土流失，而且其廢棄物嚴重污染當地水質。該礦區(qū)大小選礦廠和個體土法混汞碾佯者鱗次櫛比，所產生的廢水中含汞、鉛等有害物質注入當地水系，致使水資源受到污染帶毒，既不能飲用，也不能灌溉。銅鐵礦冶煉排放的SO₂等有害氣體所及之處，危害植物生長 ^[9]。

　　黃河中游大型煤田，地處多沙粗沙區(qū)，處在暴雨多發(fā)地帶，水土流失本來就非常嚴重，再加上大規(guī)模的開采煤炭，植被破壞殆盡，占用土地，造成地表地下土層松動，移動大量巖石土體，一遇暴雨極易形成滑坡、崩塌等重力侵蝕，更加劇了水土流失。在美國約有1500個大型煙煤露天采礦廠，占地3237km²，既不平整又無植被。在肯塔基州麥克克里郡，研究露天采礦對洪水和水質的影響表明：坎恩流域1957～1958年的輸沙量為1082t/km²，同一時期，附近的亥爾頓流域的輸沙量僅為19t/km²，亥爾頓流域內沒有采礦^[10](見圖2)，含沙量增加了數十倍，且泥沙顆粒變粗。不僅如此，采礦活動對河流泥沙影響可能在數十年后才顯示出來。

圖2 開礦與無礦小流域暴雨的輸沙率與徑流關系
Comparison between the sediment discharge andrunoff in mining area and the neighbouringwatershed without mining

圖2給出了坎恩流域礦區(qū)與亥爾頓流域無礦區(qū)和準格爾煤田與其相鄰的無礦業(yè)皇甫川流域的產沙率的對比^[11]。在同樣的徑流條件下，采礦業(yè)導致水流含沙量和輸沙率增大了10倍以上。

表1 神經網絡模型預報開礦時及投產后產流產沙量(單位：產流量10⁴m³；產沙量10⁴t)

Runoff rate and sediment yield of opening up a mine and putting into production with ANN forecast model

土地利用類型

露天

工業(yè)廣場及工民區(qū)

居民

坑口

運輸

取水

其它

合計

開礦前產沙量

13.0

59.3

78.9

6.8

91.0

14.3

427.0

690.3

估算值

71.8

172.9

230.2

19.7

828.2

41.7

427.0

1791.5

神網 產流量

142.5

321.4

547.3

36.1

1144.2

65.8

758.7

3015.8

基建期

預報值 產沙量

91.2

160.7

218.9

25.3

915.3

52.6

439.5

1873.5

產沙誤差

-27.0

7.1

4.9

-28.4

-10.5

-26.1

-2.9

-4.6

增沙量(神網)

78.2

101.4

140.0

18.5

824.3

38.3

12.5

1183.2

估算值

82.4

160.4

213.5

15.5

709.9

37.9

451.5

1671.1

神網 產流量

132.9

293.8

482.0

26.6

1358.7

53.3

563.6

2910.8

過渡期

預報值 產沙量

77.1

146.9

192.8

18.6

815.2

42.6

468.3

1761.5

產沙誤差

6.4

8.4

9.7

-20.0

-14.8

-12.4

-3.7

-5.4

增沙量(神網)

64.1

87.6

113.9

11.8

724.2

28.3

41.3

1071.2

估算值

92.9

83.4

104.3

7.3

325.4

18.8

476.4

1108.5

神網 產流量

172.3

243.8

253.2

26.7

860.2

28.0

466.0

2050.2

投產期

預報值 產沙量

103.4

97.5

93.7

16.3

430.1

19.6

497.8

1258.4

產沙誤差

-11.3

-16.9

10.2

-123.3

-32.2

-4.3

-4.5

-13.5

增沙量(神網)

90.4

38.2

14.8

9.5

339.1

5.3

70.8

558.1

　　由于皇甫川流域無采礦業(yè)，所以選擇了相鄰流域的準格爾礦區(qū)作為算例，利用人工神經網絡模型計算開礦引起的產流產沙量進行對比，見圖2。網絡的輸入層單元數為46個，輸出層為2，通過學習確定隱層單元數為10，網絡穩(wěn)定后結構為46-10-2。網絡參數為：β＝0.25；α=0.7；E=0.15。對比方法采用經驗估算法，參見文獻[10]。計算對比結果見表1和圖3。無論是哪一種土地利用類型，開礦后都加劇了土壤侵蝕，侵蝕最為嚴重的類型當屬運輸類。在礦山建設初期比任何時期侵蝕都要嚴重。 

4 應用神經網絡模型預報各種土地利用類型的產流產沙量與土地利用變化總趨勢

圖3 不同土地利用類型開礦前后產沙量估算值與
神經網絡預報值對比
Comparison between the sediment yield estimation?value and ANN forecast
value per mining area

　　流域產流產沙預報，影響因素多，物理機制復雜，采用數理方法建立降雨、產流和產沙之間的關系模型，通過計算來研究流域的水沙變化特性。然而在建模過程中邊界條件不明確、模型自身的假設條件、參數率定的復雜性和數值計算的不穩(wěn)定性影響了計算精度，其應用受到限制。而經驗和隨機模型需要大量的詳盡資料，況且其建立要求有扎實的理論基礎和豐富的實踐經驗，應用很不方便。對于一個流域來講，卡口站的水文觀測資料容易得到，但降雨、匯流與產沙過程資料較難獲得。再加上人類活動強度的增加，導致許多無法量化的事件。應用人工神經網絡技術建模，可以避免這些缺陷，神經網絡只注重起始條件和最終結果，能夠通過部分準確樣本自學習來體現各因子間的復雜的內在聯系，比以往的計算模型有更好的適應性和穩(wěn)定性。神經網絡并不需要編制每個處理單元的算法，只需總觀組織整個網絡。

4.1 產流產沙預測模型

4.1.1 初始權值的選擇

　　由于系統(tǒng)是非線性的，初始權值對于學習能否收斂的關系很大，一個重要的要求是希望初始權在輸入時使每個神經元的狀態(tài)值接近于零，這樣可保證一開始時不落到那些平坦區(qū)上。權一般取比較小的隨機值，使神經元一開始就在轉換函數變化最大的地方進行迭代。

　　對于輸入樣本同樣希望能夠進行歸一，使那些比較大的輸入仍落在神經元轉換函數梯度最大的那些地方。

4.1.2 網絡訓練組和檢驗組的選取與優(yōu)化

　　網絡在一個較好的學習訓練組中，系統(tǒng)誤差的訓練將隨著迭代次數增加而減少，最終收斂到一組穩(wěn)定的權。進一步的學習，權值將僅僅出現一個極小的波動，這正是試驗者所希望的。問題的關鍵在于如何選擇一個合適的訓練組，為考慮問題方便，先假設網絡其它參數保持不變。

　　訓練組的選擇包括對訓練組的規(guī)模、訓練組內模式的分布狀況等幾方面的確定。訓練組的規(guī)模就是模式組中選取的模式總數及代表各類模式的數量。模式組不易選取太大，否則會使網絡單純記憶輸入系列，從而失去寶貴的事件。各類模式的多少和它們的分布情況對訓練結果都有比較大的影響，既然網絡是仿真人腦的，就具有了人腦思維的一般規(guī)律，一類從來沒有見過的事件，網絡是無法識別的，這就要求訓練組中盡量包括有代表各類特征的模式，不能沒有其中的任何一種。

　　解決問題的最好辦法是從訓練組中去掉一些事例作為檢驗組，網絡在減少后的訓練組上訓練，在保留的例子上測試。應當避免過多的訓練，因為這會降低網絡的泛化能力，所以訓練網絡的過程應在有限的階段進行，然后在檢驗組上測試結果。繼續(xù)訓練和檢驗的循環(huán)，以達到最佳的訓練水平，停止的標識是結果總在檢驗組上而不是在訓練組上。這個過程應在不同的訓練組和檢驗組構成上反復進行。在上述過程中，可以看到隨著時間的增加，效果有所提高，可達到頂端水平，當達到頂端時網絡開始過度訓練，測試效果有所下降，在這個最優(yōu)過程中會出現幾個自由度，包括學習率、動態(tài)參數、隱單元數、層數和訓練模式組的構成。

　　方法的實質是通過對有限的訓練組中特殊模式進行學習來掌握普遍規(guī)律，以達到認識大自然無限多的模式，這些模式應具有比較典型的能說明事件共性的特征。另外在訓練過程中特別要考慮降雨→產流→產沙的時間滯后影響。

4.1.3 網絡結構的確定

　　影響流域產流產沙因素有：降雨、地形、土壤性質、植被因素和土地利用方式五大類，其中降雨是產流產沙的動力因素。根據問題的性質可定網絡的輸入層單元數為36個；根據要求網絡的輸出層單元數為2；隱層單元數根據經驗公式知其下界為7，通過學習訓練取隱層單元數為9；網絡的層數為三層即可1989年Robert Hecht-Nielson證明了對于任何在閉區(qū)間內的一個連續(xù)函數都可以用具有一個隱層的BP網絡來逼近，因而一個三層的BP網絡可以完成任意的n維到m維的映射。。網絡穩(wěn)定后為36 9 2結構。原始數據不能直接用來訓練網絡，需要進行數據轉換。網絡的輸入項要求在-1到+1之間，根據數據本身的規(guī)律進行優(yōu)化，這樣有利于網絡的運行。

4.1.4 網絡參數的確定

　　訓練網絡調整參數達到最優(yōu)，其過程較長，需經過多次反復的訓練。學習速率的最優(yōu)值出現時不一定對應最優(yōu)的動量常數，但兩者又有著天然的聯系。一開始讓網絡按已確定的較優(yōu)隱單元上訓練模式，當結果有了明顯變化時，反過來再對隱單元數作修改，這樣有利于節(jié)約尋找時間，且能得到較為滿意的結果。實驗結果表明，較優(yōu)的網絡參數為：學習速率β=0.2；動量因子α=0.6；誤差終止值E=0.15。

4.2 資料的選取

　　資料的選取采用皇甫川流域數據，土地利用類型是變量。通過對該流域60年代、70年代、80年代和90年代(1990～1997年)每年的土地利用變化分析以及實地調研，確定土地利用分類，作為產流產沙預報的基本數據。表2表明了60年代、70年代、80年代和1990～1997年四個階段土地利用變化的情況。

表2 應用神經網絡模型計算流域不同時期土地利用變化的產流產沙量

The runoff rate and sediment yield of land use with ANN model for different period

類別

60年代

70年代

80年代

1990～1997

1998～2010

面積(km²)

299.5

304.0

476.4

410.7

307.8

農地

產出率(kg/畝)

49.4

77.2

89.9

105.4

150.4

徑流量(m³/km².a)

53900.0

39800.0

54900.0

35867.7

29743.6

侵蝕量(t/km².a)

15500.0

9500.0

16000.0

13667.5

12583.7

面積(km²)

130.7

218.0

244.2

409.7

617.6

林地

產出率(kg/畝)

18.3

34.4

54.9

71.3

95.7

徑流量(m³/km².a)

796.1

721.8

663.5

541.8

362.2

侵蝕量(t/km².a)

364.2

301.5

275.6

250.5

236.4

面積(km²)

151.8

218.9

199.4

180.1

169.6

牧地

產出率(kg/畝)

80.0

94.6

120.2

123.4

134.6

徑流量(m³/km².a)

919.7

891.2

763.9

546.8

462.8

侵蝕量(t/km².a)

368.1

335.3

272.9

216.2

199.9

人

口(人)

70135

75930

95998

108947

127783

　　應用神經網絡模型計算了由于土地利用類型隨時代轉變引起的產流產沙量的變化(見表2)及土地產出率的變化(見圖4)。并對1998～2010年作了預測。

圖4 土地產出率與土壤侵蝕的關系
Relation between the rate of output value and soil erosion in Huangfuchuan Watershed

　　皇甫川流域(面積3250km²)土地利用變化顯著。從統(tǒng)計數字上看，該流域土地利用變化主要是農林牧業(yè)的變化，草地的減少恰好是林地和坡耕地的增加。從計算結果可知，坡耕地的增加引起了產沙量的增加，而把由于造林減少的產沙量的成績抵消了。由此，應把坡耕地的治理放在首要位置。

　　從表2和圖4中可清楚地看到，農地和草地面積減少，林地面積增加，土地產出率增高，產流產沙量減少。

　　隨著農地面積的波動變化(增減)，產流產沙率也呈有規(guī)律性波動變化(增減)，70年代，由于無計劃地開荒種田，使農地面積(主要是坡耕地)增加很快，導致了產流產沙量的增加。80年代以來，該流域大力開展水土保持工程，農地開始有計劃地減少，而人口又不斷增加，形成了人地矛盾。但農地的減少，一部分地增加了基本農田(梯田、壩地等)的面積，另一部分是退耕還林，提高了土地的產出率；林地大面積增加，產流產沙量不斷減少，林地的多種經營，其產出率增加很快；草地面積的有計劃減少，主要用于造林與改良牧草，使草地質量和載畜能力提高，有效地控制了水土流失，草地產出率也在穩(wěn)步上升。土地產出率的提高緩解了人地矛盾，是土地利用變化發(fā)展的總趨勢。

5 結論與討論

　　1.城市化建設期對產流產沙影響最嚴重。城市化建設期土壤侵蝕率是農田的10～350倍(平均180倍)，是森林的1500倍。

　　2.采礦業(yè)對產流產沙影響嚴重。采礦不僅破壞了植被，而且也破壞了土壤結構。同時產生大量的棄土石方。如，準格爾露天煤礦，投產以后棄土石方達2.8億m³。產沙率和輸沙量比無采礦區(qū)增大了10倍以上。對當地環(huán)境造成了嚴重影響。采礦是必要的，對環(huán)境的影響無法避免。但加強管理能減少對環(huán)境的危害。

　　3.土地利用變化發(fā)展趨勢。隨著經濟蓬勃發(fā)展，農林牧副漁、城市化、工礦、交通、旅游等各業(yè)都在迅速發(fā)展。各項生產建設都要占用土地(含水域)，在逐年土地銳減的情況下，泱泱大國愈感土地量的不足。于是，土地變得緊張起來。經濟愈發(fā)展，對土地需求量越大。必然形成相爭竟發(fā)，大量開發(fā)土地資源，在市場經濟影響下，土地成為高值資源。這種形勢將延續(xù)相當長的時期。大量開發(fā)，多項使用，土地產出率增高，這是土地利用變化發(fā)展的總趨勢。

參 考 文 獻

[1] 張勇勤等。土地管理和使用手冊。中國經濟出版社，1992.

[2] Wolman,M.G.(1967),A cycle of sedimentation and erosion in urban river channels,Geog.Ann.,49A,385～95.

[3] Vice,R.B.,Guy,H.P.and Ferguson,G.E.(1969),Sediment movement in an area of suburban highway construction, Scott Run Basin,Fairfax County,Virginia,1961-64.United States Geological Survey Water Supply Paper 1591-E.

[4] Thompson,J.R.,Soil erosion in the Detroit metropolitan area.Journal of Soil and Water Conservation 25,1970,8-10.

[5] Fox,H.L.,The urbanizing river:a case study in the Maryland Piedmont.In Coates,D.R.,editor,Geomorphology and engineering.Stroudsburg:Dowden,Hutchinson and Ross,1976,245-71.

[6] Yorke,T.H.and Herb,W.J.,Effects of urbanization on stream flow and sediment transport in the Rock Greek and Anacostia.River Basins,Montgomery County,Maryland,1962-74.United States Geological Survey Professioal Paper 1003,1978.

[7] Daniel,T.C.,MCGuire,P.E.,Stoffel,D.and Millfe,B.,Sediment and nutrient yield from residential construction sites.Journal of Environmental Quality 8,1979,304-8.

[8] 金爭平等。黃河皇甫川流域土壤侵蝕系統(tǒng)模型和治理模式。海樣出版社，1992，pp200～203.

[9] 杜社謙等。豫陜晉接壤地區(qū)金礦開采造成人為水土流失調查報告。黃河上中游管理局監(jiān)督處，1994.12.，pp4～15.

[10] 張勝利。黃河中游大型煤田開發(fā)對侵蝕和產沙影響的研究。泥沙研究，1993，(3).

[11] 王向東等。黃甫川流域產流產沙數學模型及水沙變化原因分析。泥沙研究，1999，(5).