基于RS和GIS技术的水土流失动态监测与分析——以淮南矿区为例

王晓辉，郑优男　(.安徽省环境科学研究院，安徽合肥 300；.合肥工业大学资源与环境工程学院，安徽合肥 30009)



基于RS和GIS技术的水土流失动态监测与分析——以淮南矿区为例

王晓辉1，郑优男2(1.安徽省环境科学研究院，安徽合肥 230022；2.合肥工业大学资源与环境工程学院，安徽合肥 230009)

摘要为了及时、准确地掌握水土流失现状，了解水土流失变化规律，为区域水土流失防治确定科学的思路和目标，基于通用土壤流失方程(USLE)，应用RS和GIS技术对淮南矿区水土流失进行动态监测与分析。结果表明，1986~2012年，淮南矿区水土流失中度侵蚀和轻度侵蚀区面积比例减少，微度侵蚀区比例增加，矿区水土流失状况总体上趋向变好的态势。研究结果有助于指导淮南矿区水土流失防治及其生态系统的恢复与重建。

关键词淮南矿区；水土流失；土壤流失方程

Dynamic Monitoring and Analysis of Water and Soil Erosion Based on RS and GIS Technology—Taking Huainan Mining Area as an Example

WANG Xiao-hui1, ZHENG You-nan2(1. Anhui Institute of Environmental Science, Hefei, Anhui 230022; 2. School of Nature Resources and Environmental Engineering, Hefei University of Technology, Hefei, Anhui 230009)

AbstractIn order to timely and accurately grasp water and soil erosion situation, understand the variation law, provide scientific thought and objective of regional water and soil erosion control, based on USLE, RS and GIS technology was applied to monitor and analyze water and soil erosion in Huainan mining area. The results showed that during 1986-2012, proportion of moderate erosion and mild erosion area decrease, micro erosion area proportion increase. The results are helpful to guide the prevention and control of soil erosion in Huainan mining area and the restoration and reconstruction of ecological system.

Key wordsHuainan mining area; Water and soil loss; USLE

水土流失是我国生态环境的主要破坏因素之一。开展水土流失动态监测与分析，及时掌握水土流失变化特点，对加强水土流失的预防、保护、监督和管理，以及有效减少和控制水土流失的发生和发展具有重要的意义。水土流失动态监测与分析主要是指对区域水土流失的面积、程度和分布状况实施长期、连续的监测，需要能及时获取现势性的资料并对现有资料进行快速处理分析的新技术手段。卫星遥感技术(RS)的快速更新信息能力和地理信息系统(GIS)强大的数据处理和分析能力，已成为近年来水土保持领域倍受关注的研究热点之一。

我国矿区在资源开采过程中伴随着弃土废渣的排放、地表塌陷、破坏地下水资源的平衡等现象，导致地表植被的破坏，使得地表裸露，在降雨影响下，会造成严重的水土流失。但目前国内外针对于矿区的研究主要集中于矿区的生态环境质量评价、污染治理和污染现状评价及预警等[1-4]，且研究技术日益趋于成熟，相比之下矿区水土流失方面的研究略显薄弱[5-8]。笔者利用RS和GIS技术对淮南煤矿区多时期水土流失进行动态监测和分级评估，以便能及时掌握矿区水土流失变化情况，从而为有效防治和治理提供科学支撑。

1研究区概况及数据来源

1.1研究区概况淮南矿区地处安徽省中北部，淮河中游，位于116°21′21″～117°11′59″E、32°32′45″～ 33°00′24″ N，海拔16.5～240 m，自西北向东南，坡降1/10 000。矿区地跨淮河两岸，东西长约70 km，南北倾斜宽约25 km，总面积约1 571 km2。整个矿区位于江淮丘陵与黄淮平原的交界处，地貌类型兼有平原和丘陵的特点，地形较为复杂，山丘、岗地、平原、湖洼、河流湖库兼而有之。淮河由西向东横穿矿区，北岸为地势平坦的淮北平原，南岸为丘陵地区。矿区煤炭储量丰富，总储量约占安徽省总储量的74%，占华东地区煤炭储量的45%，被列为全国 13 个亿吨煤炭生产基地和6 个煤电基地之一，是我国东部和南部地区资源最好、储量最大的整装煤田。

1.2数据来源该研究采用RS和GIS技术，对20世纪80、90年代和近期3个时段的淮南矿区GIS数据进行叠加分析。3个时段空间数据分别来自于20世纪80年代中期淮南矿区数字地图(环保系统生态环境现状调查对比数据)、20世纪90年代末数字地图(环保系统生态环境现状调查数据)和2012年淮南矿区SPOT6的1.5 m全色及6 m多光谱捆绑数据(通过遥感解译、现场校核得到相匹配的空间数据)。

2研究方法

2.1土壤流失方程及监测流程水土流失监测手段包括常规地面调查法和定性遥感法，而定性遥感法以其快速、简单、宏观等特点而在国内外得到广泛应用，并建立了众多的遥感侵蚀监测模型。其中，从数据适用性和应用范围而言，以Wischmeier等[9]于20世纪60年代提出通用土壤流失方程(USLE)应用为佳。国内外学者做了大量的水土流失研究，包括对方程中各因子的计算和各因子参数的本地化，使该方程的适用范围和监测精度得到进一步提高。由于该方程的经典性和因子的解释具有物理意义，仍是目前监测土壤侵蚀最为广泛使用的方法。该方程是将水土流失的6个因子用连乘的形式组成，表达式为：

A=f×R×K×LS×C×P

(1)

式中,A为年土壤流失量(t/km2·a)；f为单位转换系数，f=224.2；R为降雨和径流因子；K为土壤可蚀性因子；LS为坡度坡长因子；C为植被与经营管理因子；P为水土保持因子。

运用ArcGIS的空间数据管理分析功能，建立研究区的数字高程模型(DEM)以及土地利用现状图、土壤类型图、植被覆盖分布图等矢量数据图，对其属性数据进行相应的数据编码操作，并将其栅格化(Grid格式)，求得各参数值的因子图。再根据USLE方程的形式，将各因子值相乘，获得研究区土壤侵蚀强度等级图，其工作流程见图1。

2.2参数因子的计算

2.2.1降雨侵蚀因子R值。降雨侵蚀力因子是评价降雨引起土壤分离和搬运的潜在动力指标，难以直接测定，大多用降雨参数，如雨强、雨量等来估算降雨侵蚀力。该研究认为采用福建农业大学提出的R值计算公式较为合适，计算公式为：

R=-13.86+0.179 2×P

(2)

式中，R为全年的降雨侵蚀力；P为流域年降雨量(mm)。

通过淮南区气象站的降雨量资料1986、1999和2012年3个年份区域降雨量分别为773、785和797 mm)，整个研究区每年的R值只有一个，即R1986=124.66，R1999=126.81，R2012=128.96。

2.2.2土壤可蚀性因子K值。K因子反映了土壤对侵蚀的敏感性及降水所产生的径流量与径流速率的大小。K值的大小与土壤质地、土壤有机质含量有较高的相关性。根据二次土壤普查成果，查找Wischmeier等建立的土壤可蚀性K值诺谟图，近似确定出研究区不同土壤类型的可蚀性因子K值(表1)。

表1　淮南矿区土壤可蚀性因子K值估算结果

将研究区现有17类土壤类型经ArcGIS软件的“数据融合”命令处理并编辑转化为9类易于K因子赋值的土壤质地类型，按照表1将其增加一列属性K并赋相应数值，最后利用 “矢量数据栅格化”命令生成K值因子栅格图(图2)。

2.2.3坡度坡长因子LS值。区域范围内坡长L与坡度S组成的复合参数LS，它代表地形条件变化产生侵蚀的主要水力因素。该研究充分利用ArcGIS软件的表面分析功能，在已生成的研究区数字高程模型(DEM)基础上，利用软件表面分析功能中的“坡度”分析命令得到矿区坡度S值因子图。由于区域DEM的栅格大小为10 m×10 m，故具体到一个栅格(图3)，易得：

L=10/Cosθ

(3)

式中,θ为坡度角。

因此，可通过软件的“栅格计算器”得到坡长L值因子图。当坡长和坡度确定以后LS的计算借鉴施为光[10]四川清平水库流域非点源污染负荷计算公式：

(4)

同样，利用“栅格计算器”计算式(4)便可得到研究区坡长坡度LS值因子栅格图(图4)。

2.2.4植被覆盖因子C值。植被覆盖因子反映了植被对地表的保护作用。在完全没有植被保护的裸露地面C值定为1，完全被植被覆盖的地面C值可取0。显然，C的取值范围为0~1。其值大小取决于具体的植被覆盖、轮作顺序及管理措施的综合作用等。也就是说，C值的取值主要与植被覆盖和土地利用类型有关。根据淮南矿区轮作制度的调查和相关研究报道，利用植被分布矢量图、轮作方式及覆盖度更能反映C因子值。根据植被分布图中作物种类及覆盖度情况确定相应C值(见表2)，建立C因子的属性连接，并利用“矢量数据栅格化”命令生成不同年度C值因子图(以2012年为例，见图5)。

表2　淮南矿区C因子取值

2.2.5水土保持因子P值。水土保持因子P又称侵蚀防治措施因子，是指采用专门措施后的土壤流失量与顺坡种植时的土壤流失量的比值，通常的控制措施有等高耕作等。坡面侵蚀量试验研究结果表明，如以自然植被和坡耕地P因子为1，则灌木丛为0.8，农耕地为0.35。将前面整理好的6类流域土地利用类型属性项与P值记录项建立链接，将P值按表3赋值给相应土地利用类型并转化成栅格图形式，得到淮南矿区不同年度水土保持P值因子图(以2012年为例，见图6)。

3结果与分析

根据式(1)，以及上述所计算的各因子图层，在ArcGIS 中使用栅格计算器，将各因子图层相乘，即可得到淮南矿区水土流失分布图(图7～9)。又根据水利部土壤侵蚀面蚀分级标准[11]，把研究区水土流失状况按水土流失强度分为6级，即微度(小于200 t·km-2·a-1)、轻度(200～2 500 t·km-2·a-1)、中度(2 500～5 000 t·km-2·a-1)、强度(5 000～8 000 t·km-2·a-1)、极强度(8 000～15 000 t·km-2·a-1)和剧烈(大于15 000 t·km-2·a-1)。由此得到淮南矿区不同年份水土流失程度各等级面积(表3)。

表3　淮南矿区年际间水土流失程度各等级面积变化

由表3可以看出，各研究区水土流失程度等级区域面积中以轻度侵蚀面积为最，其次是微度侵蚀，中度侵蚀面积最少。其中，微度侵蚀强度面积由大到小依次为2012、1999、1986年；轻度侵蚀强度面积由大到小依次为1986、1999、2012年；而中度侵蚀强度面积也以2012年为最小。可见，2000年以后，淮南矿区整体水土流失程度持续减小，这与其不断加强生态保护与恢复，大力开展植树造林活动是一致的。

1986、1999、2012年由3个时期的土壤流失分布可以看出，淮南矿区土地流失主要以轻度侵蚀为主，但1986~2012年间轻度侵蚀的面积在逐年递减，相反的，微度侵蚀的面积在逐年增加；而中度侵蚀的面积在1999~2012年也有着显著的缩减，同时其所处位置也从火石山、金家岭一带转移到了平阿山附近。

根据上述所得数据计算淮南煤矿3个时期的土地退化指数，按照2006 年生态环境状况评价技术规范[12]，计算公式为：

(5)

式中，X为土地退化指数；Di为各侵蚀类型土地面积；Wi为各侵蚀类型的权重，轻度为0.05、中度为0.25、重度为0.7；D为研究区内总面积。

运用公式(5)，计算得到淮南煤矿3个时期的土地退化指数分别为X1986=0.042，X1999=0.041，X2012=0.034，从1986~2012年逐渐减小，所以可得出淮南矿区3个时期土地退化指数在减少，说明研究时段内淮南矿区水土流失情况得到了很好的控制和改善。

4结论

该研究根据淮南矿区1986、1999和2012年3期的遥感影像数据，并结合数字地图等数据，以RS和GIS技术为支持，生成淮南矿区1986、1999和2012年的水土流失数据并加以分析，得出以下结论：

(1)淮南矿区3个时期内的水土流失都以轻度侵蚀为主，1986年、1999年和2012年轻度侵蚀的面积分别占总面积的83.03%、80.92%、68.36%。

(2)淮南矿区研究期间轻度和中度侵蚀的面积在逐年减少，而微度侵蚀的面积在递增，2012年矿区中度侵蚀的面积已减少至0.6km2，中度侵蚀对的面积基本已达消失。由此可得淮南矿区3个时期内水土流失程度在减轻，这与其加强生态保护和大力植树造林的方针是密不可分的。

(3)淮南矿区3个时期的土地退化指数在逐年递减，2012年淮南矿区的土地退化指数降低至0.034，说明矿区的水土流失情况得到了有效的控制和改善。

所以为了综合治理矿区的水土流失情况，应加强矿区的生态保护与恢复，大力开展退耕还林活动，复垦塌陷区土地为林地、草地等；同时对矿区进行水土流失动态监测是必不可少的，根据监测数据更好地进行下一步治理，更有效地控制矿区水土流失，改善矿区生态环境。

参考文献

[1] 郭金陵，於世为，熊慧，等.基于AHP的煤炭矿区生态环境质量模糊综合评价[J].科技管理研究，2011(15)：50-53.

[2] 徐嘉兴，李 钢，陈国良，等.土地复垦矿区的景观生态质量变化[J].农业工程学报，2013，29(1)：232-239.

[3]VATALISKI，KALIAMPAKOSDC.Anoverallindexofenvironmentalqualityincoalminingareasandenergyfacilities[J].Environmanage，2006，38：1031-1045.

[4] 李保杰，顾和和，纪亚洲.矿区土地复垦景观格局变化和生态效应[J].农业工程学报，2012，28(3)：251-256.

[5] 刘会玉，王充，林振山，等.基于RS和GIS的滇池流域水土流失动态监测[J].南京师大学报(自然科学版)，2012，35(2)：120-124.

[6] 张明阳，王克林，陈洪松.基于RS和GIS的喀斯特区域水土流失动态监测与分析：以广西环江县为例[J].资源科学，2007，29(3)：125-131.

[7] 李晓松，姬翠翠，曾源，等.基于遥感和GIS的水土流失动态监测：以河北省赤城县为例[J].生态学杂志，2009，28(9)：1723-1729.

[8] 刘文龙，王坚，赵小平.利用GIS进行忻州窑矿区水土流失评估[J].测绘通报，2014(5)：107-109．

[9]WISCHMEIERWH，SMITHDD．Predictingrainfallerosionlossesfromcroplandeastoftherockymountains：Guideforselectionofpracticesforsoilandwaterconservation[M]．Washington，DC．：AgriculturalResearchService，USDepartmentofAgriculture，1965．

[10] 施为光.四川省清平水库流域非点源污染负荷计算[J].重庆环境科学，2000，22(2)：33-36.

[11] 水利部水土保持司.土壤侵蚀分类分级标准：SL 190-96[S].北京：中国水利水电出版社，1997.

收稿日期2015-10-28

作者简介王晓辉(1972- )，男，安徽合肥人，正高级工程师，硕士，从事生态评价与规划研究。

基金项目淮南矿业集团科研项目[HNKY JT JS (2013)31]。

中图分类号S 127

文献标识码A

文章编号0517-6611(2015)33-373-04