东北黑土区农田植被土壤侵蚀预报模型研究设计

2015-08-15严尔梅欧阳力

山西水土保持科技 2015年2期

严尔梅欧阳力焉岚

（1黑龙江省水土保持科学研究院 2丹东市三湾水利枢纽及输水工程建设管理局）

1 研究目的意义

素有土中珍品之称的“黑土”，是一种具有深厚腐殖质层的土壤，因其具有良好的物理、化学和生物学特性，肥力高，非常适合农作物和其他植物生长。东北黑土区，是指东北三省及内蒙古自治区有黑色表土层分布的区域，主要土类包括黑土、黑钙土、草甸土、白浆土、暗棕壤和棕壤。经过多年的大规模开垦，东北黑土区现已成为我国重要的商品粮生产基地，享有“中国粮仓”之美誉，对于保障粮食安全，具有重要的战略地位。然而，长期以来该区域采用以牺牲生态环境为代价的“重用轻养”掠夺式开垦方式，再加上水土流失影响与破坏，导致黑土资源持续减少，层次变薄，土地退化。特别是近50年来的高强度连作，加速了土壤有机质的矿化，致使黑土资源损失速度加快。据调查，在坡度较大或耕作较久的地方，黑土厚度已由20世纪50年代的平均60-70 cm下降到20-30 cm，部分区域已露出成土母质，使土地丧失了农业生产能力。造成这种恶果的主要原因是日益严重的土壤侵蚀，因此东北黑土区被列为急需治理的三大侵蚀区之一。

植被是防治土壤侵蚀、控制水土流失最有效、最可持续的措施，植被覆盖因子C是通用土壤流失方程（USLE）中表述植被控制土壤侵蚀效益的指标。东北黑土区的地形，主要为山前波状起伏台地或漫岗地，坡度一般为1-5°，主要植被为农作物，因此，植被覆盖因子C可以视作农作物覆盖因子C。如果能够对农作物覆盖因子C进行科学的定量评价，建立适合东北黑土区的土壤侵蚀预报模型，就可以充分认识农作物防治土壤侵蚀的效益与机理，从而为定量研究和正确预测黑土区的土壤侵蚀规律提供理论依据。

2 已有土壤侵蚀模型研究成果评价

土壤侵蚀模型是土壤侵蚀量预测预报、水土资源管理、水土保持效益定量评价的有效工具，最为著名的土壤侵蚀模型有通用土壤流失方程（USLE）和修正后的通用土壤流失方程（RUSLE）。USLE形式简单，考虑因素全面，是应用最广泛的侵蚀模型。国内学者以USLE和RUSLE为基础，利用径流小区观测资料，根据各自研究区域的实际情况，先后提出了不同的坡面侵蚀预报模型。其中，最为典型的是刘宝元研究确立的中国土壤流失模型CSLE和江忠善提出的坡面水蚀预报模型。刘宝元的CSLE模型，适用于全国范围的坡面侵蚀预报，形式简单，其最大优点是根据我国水土保持措施的实际，将USLE中的覆盖与管理两大因子，修正为水土保持3大措施因子，即植物措施因子（植被覆盖因子）、工程措施因子和水土保持耕作措施因子。江忠善的坡面水蚀预报模型，是在通用土壤流失方程中增加了浅沟侵蚀因子后建立的，模型结构符合黄土丘陵区的地貌特点，考虑了陡坡地的浅沟侵蚀，使预报精度大大提高。这些模型均结构简单，考虑因素较为全面，但模型的估算精度，主要取决于植被覆盖因子C和土壤可蚀性因子K，只能估算土壤侵蚀量，但没有侵蚀部位信息，因此无法指导坡面的水土保持措施配置。造成这种现象的根源，在于各因子的测算方法缺乏统一标准，使得不同地区的因子值没有可比性。为此，李占斌等指出，对坡面土壤侵蚀模型参数的定量表述及其标准化，是土壤侵蚀研究的重点。由此可见，坡面土壤侵蚀模型中各参数的定量化研究，是提高模型精度和适应性的关键，也是当前土壤侵蚀研究中亟待解决的重要问题。

农作物覆盖因子C，作为通用土壤流失方程USLE中控制土壤流失强度的一个重要影响因子，其值具有多变性。如美国玉米地的C因子，取值就有120余种，而且变化幅度大（其值虽在0-1范围内，但在USLE诸因子中变化幅度是最大的，可相差2-3个数量级）。因此，关于C因子的研究成为应用USLE的焦点。

如果能够准确计算农作物覆盖因子C，就能建立更为准确的土壤流失预报方程，直接计算黑土地的土壤流失量；就能以地理信息系统为平台，开展大尺度的土壤侵蚀预测预报；就能开展不同农作物防治土壤侵蚀效益的科学评价；就能为东北黑土区优良水土保持农作物的选择和田间管理提供依据。

开展农作物覆盖因子C的定量研究，是正确应用通用土壤流失方程的前提和关键。其研究，不但可为通用土壤流失方程的应用提供可靠参数，还可以为正确评价农作物的水土保持效益以及科学栽培管理提供依据。

3 农作物C因子的主要研究内容

3.1 C因子与农作物生长过程的关系

农作物的水土保持作用，与其种类、密度、盖度、高度、生物量等指标密切相关。在农作物生长过程中，这些指标大都处在不断变化中，其水土保持作用也在不断变化。因此，首先必须建立农作物的生长模型，以准确描述农作物生长过程中的盖度、高度、生物量等指标的动态变化，从而为农作物覆盖与管理因子C的计算奠定基础。东北黑土区的主要农作物为玉米、大豆和小麦，从播种出苗到收割，要定时间调查其地面盖度、生长高度、地上生物量、地下根系量等，为建立东北黑土区主要农作物的生长模型提供参数。同时，利用人工降雨试验，研究不同农作物在不同生长季节的土壤侵蚀量，并与休闲地的同期土壤侵蚀量进行对比，以此分析东北黑土区主要农作物的C因子与生长过程的关系。

3.2 C因子与农作物密度、覆盖度的关系

农作物的密度是指单位面积上农作物的株数，密度越大，对地表径流的阻碍作用也就越大，径流造成的土壤侵蚀量就越小。所以，密度是研究C因子时必须重点考虑的要素之一，也是农作物田间管理的主要指标。覆盖度是指农作物枝叶的投影面积与所占地面面积之比，与种植密度密切相关。覆盖度越大，植物对地表的保护性就越好，雨滴直接打击地表的机会就越少，土壤侵蚀量相应就越小。如果能够建立农作物密度与覆盖度关系模型，就可以根据不同生长发育阶段的覆盖度，计算其此阶段农作物的C因子值。这项研究内容，也可通过人工降雨对比试验给予解决。

3.3 C因子与地上生物量和地下生物量的关系

生物量是反映农作物经济产量的重要指标，包括地上生物量和地下生物量。一般而言，同种农作物的生物量越大，地表覆盖度就越大，地下生物量（根量）就越多，土壤侵蚀量就越少。因此，生物量是决定C因子的关键值，尤其是C因子与0-10 cm土层的根系量。在农作物的不同生长发育阶段，其生物量是不同的，如果能够建立农作物的生物量模型，就可以解决这个问题。

3.4 C因子计算模型的建立

在上述三个子模型的基础上，利用数学分析方法，深入研究C因子与农作物类型、密度、覆盖度、地上生物量、地下生物量等要素间的关系，探寻影响C因子的关键因素，就可初步建立C因子计算模型。

3.5 C因子计算模型的应用

利用现代遥感等大尺度地面监测手段，结合人工调查，即可获取农作物地面覆盖等实时数据，借助地理信息系统平台，将关键因子数据代入C因子计算模型，就可以预测预报监测区域的土壤侵蚀量，从而为东北黑土区土壤流失的大尺度监测与管理提供有效工具。

4 试验研究方案设计

4.1 试验地选择

在黑龙江不同土壤类型区域，选择不同坡度（1°、3°、5°、7°）的农地和水土保持林地作为试验地。

4.2 作物生长过程调查

在所选择的试验地上，从农作物出苗后开始，观测其物候期，并调查不同物候期的密度、覆盖度、地上生物量、0-10 cm土层根系量等，利用调查数据建立农作物生长模型、密度与覆盖度关系模型、生物量模型。

4.3 实验装置率定

实验的主要装置为人工模拟降雨器，降雨面积100 m2，降雨强度5-200 mm/h，降雨均匀度系数大于85%。试验前对人工降雨器进行率定，率定的主要内容包括降雨量、降雨强度、雨滴分布和降雨均匀度。

4.4 野外实验设计

研究要素设定为5个，分别是农作物类型、密度、覆盖度、地上生物量、0-10 cm土层的根系量，各要素分别设置10个水平。为了减少野外试验次数，拟采用正交试验设计。按照5因素10水平的正交试验设计，进行野外人工模拟降雨试验。按照大样本理论，初步设想开展50次以上试验，每次3次重复，共需150次以上的人工降雨试验。每次试验均设置无植被的对照。

4.5 数据调查测定

在农作物和人工林生长过程中，调查其覆盖度、地上生物量、0-10 cm土层（林地大于此）的根系量。利用野外径流小区中的TDR测定土壤含水量；利用自记雨量计观测降雨量、降雨强度及降雨过程；利用径流池内径流泥沙，测定径流量和土壤侵蚀量。

4.6 建立初步模型

利用数理统计中正交试验的统计分析方法，分析农作物类型、密度、覆盖度、地上生物量、0-10 cm土层的根系量等要素指标对C因子值的影响程度（贡献率），建立各要素与C因子的关系模型。同时，按照各要素对C因子的贡献率大小，筛选出主要的影响因素。或者利用主成分分析、相关分析等方法，确定影响C因子值的关键要素。以关键要素为基础，建立C因子计算初步模型。