基于RUSLE的福建省长汀县河田盆地区土壤侵蚀定量研究

2013-12-16杨冉冉徐涵秋曾宏达

生态学报 2013年10期

杨冉冉，徐涵秋，*，林娜，何慧，曾宏达，2

(1.福州大学环境与资源学院，福州大学遥感信息工程研究所，福建省水土流失遥感监测评估与灾害防治重点实验室，福州 350108;2.福建师范大学地理科学学院，福州 350007)

土壤侵蚀及其引发的一系列生态环境问题，包括土地资源减少、旱涝灾害加剧、水体污染加重等，正严重威胁着人类的生存和发展，成为世界各国普遍关注的热点问题之一。因此，针对土壤侵蚀的研究也一直在进行着，尤其是20世纪90年代以来，RS和GIS技术的迅速发展为土壤侵蚀的定量化提供了有力工具。土壤侵蚀定量评价方法主要以土壤侵蚀评价模型为核心，国内外学者通过对土壤侵蚀规律进行的大量研究，在建立土壤侵蚀模型方面取得了丰硕的成果［1］。其中，最为著名、应用最为广泛的是美国于20世纪60年代初开发的通用土壤侵蚀方程(USLE)及其后改进版的通用土壤侵蚀方程(RUSLE)［2］。Nyakatawa等人在美国阿拉巴马州的农业试验站，应用RUSLE模型定量估算并比较分析了不同水土保持措施下的土壤侵蚀量，得出了作物覆盖对降低土壤侵蚀起着关键性作用的结论［3］;Terranova等人采用RUSLE和GIS定量分析评价了位于地中海的Calabria地区的土壤侵蚀状况，为当地政府及规划部门提供了决策依据［4］;Park等人依据RUSLE的原理对韩国境内流域20a间的土壤侵蚀状况进行风险评估，发现其年均土壤侵蚀模数逐渐增加，并且到2020年将会进一步增大［5］;Marcus等成功地在实验室内模拟径流实验，并顺利求解出RUSLE模型各因子参数，计算了土壤侵蚀量，从而证明了传统的野外径流实验也可在室内模拟进行［6］。在我国，学者们根据各地区实际情况对USLE/RUSLE进行了相应的修正和改进。卜兆宏等研究了水土流失定量遥感方法的新进展，并在太湖流域建立了可供长期使用的水土流失定量遥感监测系统［7］;章文波、刘宝元结合我国水土保持现状，提出新的中国土壤流失方程(CSLE)，但只能应用于坡面或田间土壤侵蚀预报［8］;方刚清、阮伏水、周伏建、黄炎和等也都根据福建地区的实地情况，对RUSLE模型中的有关因子做出相应调整，使其更适合于福建土壤侵蚀的计算［9-11］。

福建省长汀县的河田镇一带，是闻名全国的典型南方丘陵红壤侵蚀区。各级政府和当地人民一直为其治理进行着不懈的努力。因此，对于长汀河田地区的土壤侵蚀状况进行动态监测和评价具有重要的意义。本次研究对河田盆地区1988—2010年间的土壤侵蚀状况进行了定量估算和评价，以期为该地区水土流失的进一步治理提供科学的决策依据。

1 研究方法

1.1 研究区概况

福建省长汀县河田盆地［12］位于福建省西部，东经 116°18'—116°32'，北纬 25°35'—25°44'，气候类型属亚热带季风气候，灾害性天气较多，年平均气温18.3℃，年降水量1500 mm;研究区植被主要为马尾松林，土壤类型以花岗岩风化而成的酸性红壤为主，抗侵蚀能力较差，极易发生水力侵蚀。本次的研究区主要包括河田盆地及其周边地区，面积533.4 km2(图1)。

图1 长汀县2010年Landsat遥感影像和研究区位置图(RGB:321)Fig.1 2010 Landsat image of County Changting and the location of the study area(RGB:321)

1.2 RUSLE 模型

RUSLE 方程定义为［13-14］:

式中，A表示年均土壤侵蚀量，R为降雨侵蚀力因子，K为土壤可侵蚀性因子，LS为坡度坡长因子，C为作物管理因子，P为水土保持措施因子。

本文采用的数据有:经过几何精校正和配准的1988年、1998年和2010年的Landsat TM影像及其对应的土地利用分类影像图，1∶5万土壤类型图，DEM和1985年至2010年的月降雨量数据。主要借助遥感软件ER Mapper和ArcGIS，分别计算出公式中的各因子值，并将各因子统一为WGS84坐标系统下的GRID图层，然后根据RUSLE的形式，将各因子相乘，获得河田盆地及其周边地区的土壤侵蚀强度等级数据和图件。

1.3 RUSLE各因子值的确定

1.3.1 降雨侵蚀力因子R值的估算

降雨侵蚀力因子R值反映的是降雨引起土壤侵蚀的潜在能力，它是降雨物理特征的函数，难以直接测定。因此，各种估算R的方法也就应运而生［10-11］。本文应用周伏建等提出的适用于福建地区的简便算法来求解 R 值［10］:

式中，pi为月降雨量。根据长汀气象站1985—2010年的逐月降雨量数据，计算出研究区1988、1998、2010年的 R 值，分别为 332.12、296.40、345.14。

1.3.2 土壤可侵蚀性因子K的获取

K因子用来表征土壤被降雨侵蚀力分离、冲蚀及搬运的难易程度，即土壤的抗侵蚀特性。抗侵蚀能力强的土壤K值低，反之则高。其取值与土壤颗粒大小、结构以及有机质含量等密切相关。Sharply和Williams把土壤可侵蚀性因子K的计算公式发展为［15］:

式中，SAN为砂粒含量(%)，SIL为粉砂含量(%)，CLA为粘粒含量(%)，c为有机碳含量(%)，SN1=1－SAN/100。

方纲清、阮伏水等依据上述原理求得福建省主要土壤类型的K值［9］。本文根据研究区土壤类型图及相关文献得出以下 K 值［9，16-17］:渗育水稻土 0.2447、潴育水稻土 0.3391、潜育水稻土 0.212、漂白型水稻土 0.2、渐沙土0.223、紫色土 0.2131、红泥土 0.255、山地草甸土 0.2440、黄壤 0.228、黄红壤 0.2303、粗骨性红壤0.2549、硅铝质红壤0.1711、硅质红壤0.1961、硅铝铁质红壤 0.2546、侵蚀红壤0.2708、水 0。然后将以上 K值赋给已有的土壤类型图，生成K值因子图层。

1.3.3 坡度坡长因子LS的获取

坡长L和坡度S因子反映了地形地貌对土壤侵蚀的影响，通常为侵蚀动力的加速因子。RUSLE中采用的坡长因子计算公式为［18］:

RUSLE模型中推荐计算S因子的公式为［19］:

式中，22.1是RUSLE标准小区的坡长，单位为米，α是坡长指数，λ是水平投影坡长，β代表细沟侵蚀与细沟间侵蚀的比率，θ是坡度。

Hickey和Van Remortel根据上述算法，用AML和C++语言编制了自动提取LS因子的程序［20-21］，并提供于个人网页上。本文根据该程序提取了LS因子，并生成了相关图层。

1.3.4 植被覆盖与管理因子C的确定

植被覆盖与管理因子C是指在相同的土壤、坡度和降雨条件下，某一特定作物或植被情况下的土壤流失量与耕种过后连续休闲土地的土壤流失量的比值［13］，它对土壤侵蚀起着抑制作用。本次研究采用蔡崇法等的方法［22］，即根据植被覆盖与管理因子C与植被覆盖度c的关系公式进行C值的估算，其值介于0—1之间。具体过程如下:

(1)求解植被覆盖度c［23］

式中，NDVI为象元归一化植被指数值，NDVImax为最大值，即纯植被像元的NDVI值，NDVImin为最小值，即全裸土象元的NDVI值。

(2)解算植被覆盖与管理因子C［22］

当植被覆盖度大于等于78.3%时，基本不会发生土壤侵蚀，故C值设为0;当植被覆盖度为0时，土壤侵蚀量最大，C值设为于1［22］。当植被覆盖度介于0到78.3%之间时，可将植被覆盖度进行如上式的转换运算，最终得到3个时相的植被覆盖和管理因子图。

1.3.5 水土保持措施因子P的确定

水土保持措施因子P是指特定水土保持措施下的土壤流失量与相应未实施该措施的顺坡种植时的土壤流失量之比值［13］，它是侵蚀动力的抑制因子，起着保持水土的作用。P值范围为0—1，其值越小，表示水土保持措施对土壤侵蚀的抑制作用越明显;等于0，说明不发生土壤侵蚀;等于1，表明未采取任何措施或抑制作用完全失效。已有研究中经常采用土地利用类型赋值的方法来确定P值。本文参考已有的相关研究结果［17，22，24-26］来确定研究区不同土地利用类型的 P 值:水田 0.01、阔叶林 0.2、针叶林 0.4、竹林 0.4、草 0.7、建筑用地1、裸地1、沙地1、水体0，并将其分别赋给3个年份的土地利用图，得到相应的P值因子图。

1.4 土壤侵蚀量的计算

将上述获取的各因子图层导入ArcGIS中，并转换为栅格大小均为30 m×30 m的GRID数据，应用软件的相关功能，将各因子图进行连乘;由于RUSLE模型的单位是英制，所以将其乘以224.2转换为公制单位t·km－2·a－1，得到各像元的土壤流失量。根据土壤侵蚀的试验结果，参考中国水利部2007年制定的《土壤侵蚀分类分级标准》［27］，将研究区的土壤侵蚀强度等级划分为6个等级，制作出研究区1988、1998和2010年的土壤侵蚀强度等级分布图(图2)。

图2 三时相土壤侵蚀强度等级分布图Fig.2 The distribution map of soil erosion intensity in three time phases

1.5 精度验证

于2010年11月在河田一带进行野外实地验证，共验证了126个点，将其按图2划分的6个侵蚀等级归类，然后与2010年RUSLE模型计算结果的分类等级进行对比验证;其中分类等级一致的有109个点，不一致的有17个点，得出实验的总精度为86.51%。

2 结果与讨论

2.1 研究区1998—2010年土壤侵蚀及其变化

在计算出各像元的土壤侵蚀量和土壤侵蚀等级图后，对上述各图层进行相关的统计分析。结果表明，在1988年至2010年的22年间，年均侵蚀模数由1988年的4259.11 t·km－2·a－1分别下降至1998年的2067.02 t·km－2·a－1和2010年的1280.09 t·km－2·a－1;相应地，年侵蚀量也从252.42万t分别降为122.5万t、75.87万t，这说明自20世纪80年代开始对长汀河田土壤侵蚀的治理已取得明显成效，土壤侵蚀状况逐渐减轻。从不同侵蚀等级的变换来看(表1):自1988年至2010年，中度及其以上侵蚀面积总共减少了113.31 km2，剧烈侵蚀等级面积减少了34.55 km2，微度侵蚀面积则增加了133.05 km2;尤其是在1998年至2010年的后12a间，微度土壤侵蚀的面积增幅达115.47 km2，土壤侵蚀状况的好转程度尤为明显。这表明自2000年开始新一轮的大规模治理以来，当地的土壤侵蚀强度得以显著降低。

表1 研究区各年份的侵蚀强度等级及其面积Table 1 Soil erosion intensity grades and their cover area in the study area

另外，对3个时相的不同土壤侵蚀等级进行两两对比，并做出相应的转移矩阵。限于篇幅，本文只列出1988年至2010年的转移矩阵(表2)，从中可以看出:1988—2010年间，各侵蚀等级均有不同程度的转移;其中，1988年中度及以上侵蚀等级中共有131.9 km2分别转化为2010年的微度侵蚀等级(66.38 km2)和轻度侵蚀等级(65.52 km2);这种大面积的由强转弱转移，说明该地区土壤侵蚀得到有效遏制。但也看出，在2010年剧烈侵蚀等级的7.63 km2中有4.7 km2是由1988年非剧烈侵蚀的等级转化而来的，反映出这22a间土壤侵蚀状况在总体得到改善的同时，也存在着局部加剧的情况。

表2 1988—2010年不同侵蚀等级面积转移矩阵/km2Table 2 Conversion matrix of different erosion grades from 1988 to 2010

2.2 土壤侵蚀的空间分布特征

将研究区的DEM划分为4个海拔高程带:＜400 m、400—600 m、600—800 m、＞800 m，并分别与三时相的土壤侵蚀模数图层进行叠加，利用ArcGIS的空间分析功能进行计算得出:＜400 m高程带的平均侵蚀模数、侵蚀面积及侵蚀量均为最大。这表明＜400 m高程带是该区发生土壤侵蚀的主要区域。

进一步将3个年份的植被覆盖度图层按植被覆盖度大小划分为四级:＜20%、20%—50%、50%—80%、＞80%，然后分别与三时相的土壤侵蚀模数图层进行叠加。经统计分析得知:侵蚀量最大的区域在1988年集中在植被覆盖度＜20%的地区;而到了1998年和2010年，侵蚀量最大的区域则集中在植被覆盖度介于20%—50%的区域，分别占对应年份侵蚀总量的71.78%和48.22%。

为了找出今后该区水土流失治理的重点区域，进一步将以上空间分析找出的严重水土流失区进行叠加，即将2010年＜400 m高程带、植被覆盖度为20%—50% 、土壤侵蚀度等级为强度及其以上的3个图层进行叠加，找出三者的共同区域，这些区域就是该区今后水土流失应重点治理的区域(图3)。

图3 研究区2010年严重水土流失区(黑色图斑代表严重水土流失区)Fig.3 Distributions of the serious soil loss areas in the study area in 2010

以上根据最新的2010年数据确定的重点水土流失治理区域表明，该区的水土流失主要发生在高程在400 m以下的地区。其原因是由于这一地区多为盆地中的河流沿岸区，是人类活动的密集区。人类的各种生活生产活动、长期存在的林权纠纷、大规模的滥砍滥伐、火烧山等［28］，都给这一区域的自然植被带来了很大的破坏，因此这一区域的植被覆盖率低、土壤裸露，抗蚀能力差;加上区域降雨量大，暴雨冲击多，导致该区域成为最严重的水土流失区。显然，尽量减少人类活动的破坏，有效提高区域植被覆盖度，是该区今后治理水土流失的重要举措。

3 结论

(1)利用RUSLE模型，结合RS、GIS技术，可以有效地对长汀河田地区的土壤侵蚀状况进行定量评价和分析。研究的关键在于各模型因子的算法选取及模型参数的“本地化”。本文结合研究区的实际情况，经过比较分析，从诸多因子算法中选定了较适合于长汀河田地区的计算方法。经野外实测验证，计算精度达86.51%。说明实验方法合理可行。

(2)长汀河田地区的土壤侵蚀状况在1988—2010年的22a间得到显著改善，表现在土壤平均侵蚀模数大幅下降，中度及其以上侵蚀面积显著减少。尤其是自1998至2010年的后12a间，土壤侵蚀由强转弱的程度更为明显。

(3)土壤侵蚀强度的空间分析表明，研究区内＜400 m高程带和植被覆盖度为20%—50%的地区，是发生严重土壤侵蚀的主要区域，是今后水土流失治理的重点区域。针对高程＜400 m的地区，可继续实施封禁措施;对于植被覆盖度为20%—50%的地区，进一步执行退耕还林和低效林改造，有效提高植被覆盖度。

(4)研究区的土壤侵蚀状况总体上呈良性转化趋势，但是自1988年到2010年仍有小面积的非剧烈侵蚀强度转向剧烈侵蚀，存在着“整体好转，局部加剧”的现象，说明该地区的治理工作仍处于关键性阶段。致谢:刘智才、王琳、黄绍霖、陈文惠、张清林和陈淑桂等同志参加了野外调查工作，特此致谢。

［1］ Zheng F L，Liu F，Yang Q K，Jiang Z S.Review of research progress in soil erosion prediction model.Bulletin of Soil and Water Conservation，2001，21(6):16-18.

［2］ Bu Z H，Sun J Z，Zhou F J，Tang W L，Xi C P.A study on quantitative Remote Sensing method of soil erosion and its application.Acta Pedologic Sinica，1997，34(3):235-244.

［3］ Nyakatawa E Z，Jakkula V，Reddy K C，Lemunyon J L，Norris J.Soil erosion estimation in conservation tillage systems with poultry litter application using RUSLE 2.0 model.Soil and Tilliage Research，2007，94(2):410-419.

［4］ Terranova O，Antronico L，Coscarelli R，Iaquinta P.Soil erosion risk scenarios in the Mediterranean environment using RUSLE and GIS:an application model for Calabria(southern Italy).Geomorphology，2009，112(3/4):228-245.

［5］ Park S Y，Che Y O，Jeon S W，Hui C J，Choi C L.Soil erosion risk in Korean watersheds，assessed using the revised universal soil loss equation.Journal of Hydrology，2011，399(3/4):263-273.

［6］ Schindewolf M，Schmidt J.Parameterization of the EROSION 2D/3D soil erosion model using a small-scale rainfall simulator and upstream runoff simulation.Catena，2011，91:47-55.

［7］ Bu Z H，Tang W L，Yang L Z，Xi C F，Liu F X，Wu Y J，Tang H N.The progress of quantitative Remote Sensing method for annual soil losses and its application in Taihu lake catchments.Acta Pedologica Sinica，2003，40(1):1-9.

［8］ Zhang W B，Liu B Y.Development of Chinese soil loss equation information system based on GIS.Journal of Soil and Water Conservation，2003，17(2):89-92.

［9］ Fang G Q，Ruan F S，Wu X H，Guo Z M.Preliminary study on soil erodibility characteristics of the main soil in Fujian province.Fujian Soil and Water Conservation，1997，(2):19-23.

［10］ Zhou F J，Chen M H，Lin F X，Huang Y H，Lu C L.The rainfall erosivity index in Fujian province.Journal of Soil and Water Conservation，1995，9(1):13-18.

［11］ Huang Y H，Lu C L，Zheng T F，Fu Q，Xu J J.Study on rainfall erosivity index in southeastern Fujian.Journal of Soil and Water Conservation，1992，6(4):1-5.

［12］ Zhao Z B.Study on treatment of soil and water loss with forest grass measures in Hetian basin of Fujian province.Journal of Soil and Water Conservation，1987，1(1):81-89.

［13］ Renard K G，Foster R，Weesies G，McCool D K，Yoder D C.Predicting rainfall erosion by water:a guide to conservation planning with the Revised Universal Soil Loss Equation(RUSLE).USDA Agriculture Handbook，1997，703:1-367.

［14］ Wischmeier W H，Mannering J V.Relation of soil properties to its erodibility.Soil Science Society of America Journal，1969，33(1):131-137.

［15］ Sharply A N，Williams J R.EPIC—Erosion/Productivity Impact Calculator:1.Model Documentation.Washington，D C:USDA Technical Bulletin，1990:3-9.

［16］ Lü X X，Shen R M.A preliminary study on the values K of soil erosibility factor.Journal of Soil and Water Conservation，1992，6(1):63-70.

［17］ Chen Y H，Pan W B，Cai Y B.Quantitative study on soil erosion in watershed based on RS，GIS and RUSLE—a case study of the Jixi watershed in Fujian Province.Journal of Geological Hazards and Environment Preservation，2007，18(3):5-10.

［18］ Wischmeier W H，Smith D D.Predicting rainfall erosion losses.United States Department of Agriculture(USDA).Washington D C:USDA Agricultural Handbook，1978.

［19］ McCool D K，Brown L C，Foster G R，Mutchler C K，Meyer L D.Revised slope steepness factor for the universal soil loss equation.Transactions of the ASAE，1987，30(5):1388-1396.

［20］ Nearing M A.A single，continuous function for slope steepness influence on soil loss.Soil Science Society of America Journal，1997，6(3):917-919.

［21］ Van Remortel R D，Maichle R W，Hickey R J.Computing the LS factor for the Revised Universal Soil Loss Equation through array-based slope processing of digital elevation data using a C++executable.Computers and Geosciences，2004，30(9/10):1043-1053.

［22］ 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):19-24.

［23］ Choudhury B J，Ahmed N U，Idso S B，Reginato R J，Daughtry C.Relations between evaporation coefficients and vegetation indices studied by model simulations.Remote Sensing of Environment，1994，50(1):1-17.

［24］ Huang J L，Hong H S，Zhang L P，Du P F.Study on predicting soil erosion in Jiulong river watershed based on GIS and USLE.Journal of Soil and Water Conservation，2004，18(5):75-79.

［25］ Qi S H，Jiang X M，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):1197-1203.

［26］ Xu Y Q，Shao X M.Estimation of soil erosion supported by GIS and RUSLE:a case study of Maotiaohe watershed，Guizhou Province.Journal of Beijing Forestry University，2006，28(4):67-71.

［27］ Ministry of Water Resources of the People's Republic of China.Standards for Classification and Gradation of Soil Erosion SL 190—2007.Beijing:China Water Power Press，2008:3-8.

［28］ Chen Z Q.Desertification induced by water erosion and its combat of Hetian town in Changding county，Fujian province.Progress in Geography，1998，17(2):65-70.

参考文献:

［1］郑粉莉，刘峰，杨勤科，江忠善.土壤侵蚀预报模型研究进展.水土保持通报，2001，21(6):16-18.

［2］卜兆宏，孙金庄，周伏建.水土流失定量遥感方法及其应用的研究.土壤学报，1997，34(3):235-244.

［7］卜兆宏，唐万龙，杨林章，席成藩，刘复新，吴嘉裕，唐合年.水土流失定量遥感方法新进展及其在太湖流域的应用.土壤学报，2003，40(1):1-9.

［8］章文波，刘宝元.基于GIS的中国土壤侵蚀预报信息系统.水土保持学报，2003，17(2):89-92.

［9］方纲清，阮伏水，吴雄海，郭志明.福建省主要土壤可蚀性特征初探.福建水土保持，1997，(2):19-23.

［10］周伏建，陈明华，林福兴，黄炎和，卢承隆.福建省降雨侵蚀力指标R值.水土保持学报，1995，9(1):13-18.

［11］黄炎和，卢程隆，郑添发，付勤，许建金.闽东南降雨侵蚀力指标R值的研究.水土保持学报，1992，6(4):1-5.

［12］赵昭昞.福建河田盆地水土流失地区用林草措施治理的研究.水土保持学报，1987，1(1):81-89.

［16］吕喜玺，沈荣明.土壤可蚀性因子K值的初步研究.水土保持学报，1992，6(1):63-70.

［17］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——以福建省吉溪流域为例.地质灾害与环境保护，2007，18(3):5-10.

［22］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IDRIS预测小流域土壤侵蚀量的研究.水土保持学报，2000，14(2):19-24.