MU L S E模型在区域水土流失模拟中的应用研究

宋 磊

(辽宁省丹东水文局，辽宁 丹东 118001)

MU L S E模型在区域水土流失模拟中的应用研究

宋 磊

(辽宁省丹东水文局，辽宁 丹东 118001)

本文结合水土流失试验小区水土流失调查数据,运用MU L SE模型模拟该试验小区水土流失情况。研究结果表明:MU L SE模型可综合考虑水文气象因子以及流域下垫面情况,对区域水土流失的模拟具有较好的精度,模拟的年尺度和月尺度水土流失量和实测水土流失之间的相对误差均小于15%,相关系数分别达到0.751 2和0.614 2,符合水土流失模拟规范;模拟的月尺度水土流失量和实测月水土流失变化过程吻合度较高。研究成果对于区域水土流失模拟提供重要参考价值。

MU L SE模型;水土流失模拟;模拟精度分析;水土流失试验小区

我国属于水土流失多发的国家，水土流失灾害频繁，严重危害环境和人身安全，每年我国对于水土流失防治的投入均较大，水土流失防治的关键和基础是做好预测，在对区域水土流失有较为明确的估算后，再进行水土流失防治规划和治理。当前，对于区域水土流失预测的方法主要由2种，一种是数理统计学方法，结合实测长时间系列水土流失数据，运用数理统计学方法，统计水土流失的变化规律，结合该规律进行未来水土流失的预测，早期，一些学者运用该方法预测区域的水土流失，取得一定的研究成果［1-5］。第二种方法是采用物理模型进行预测，这其中进行水土流失模拟的模型有U L SE模型，SWA T模型等，这些模型在区域水土流失模拟中，取得一定的研究成果［6-9］。进入20世纪，美国学者对传统的U L SE模型进行改进，综合考虑水文因子对水土流失的影响，建立MU L SE模型，并在不同区域得到运用，但是该模型在我国运用较少，特别是在辽宁地区运用成果更少，而辽宁地区也为水土流失较为严重的区域，为此，本文引入MU L SE模型，结合辽宁水土流失试验小区的基础数据，模拟该试验小区的水土流失，并结合试验小区实测水土流失情况，定量分析MU L SE模型在辽宁地区水土流失模拟的适用性。

2 MU L S E模型原理

MU SL E模型综合考虑水文气象因子和流域下垫面对水土流失的影响，模型方程的公式为:

式中:Se d—流域坡面产沙量，t;Rsurf—地表径流深，水文因子，m m;qpeak—峰值流量，该值和流域最大半小时降雨强度有关，m3/s。峰值流量qpeak通过当地的暴雨等值线图获取。A—流域面积，km2; KULSE—不同土壤类型的土壤侵蚀因子，该参数可以通过不同土壤质地组成采用相关公式计算;CULSE—植被覆盖因子;PULSE—流域具有水保措施的土壤流失比，这里的 PULSE和流域农业耕种方式有关; LULSE—地形因子;C F R G—粗糙断面因子，该因子通过土壤质地中第一层土壤砾石的百分比(%)计算获得。

2.1 土壤侵蚀因子KULSE

土壤侵蚀因子 KULSE值表示的是土壤本身的一个可以抗侵蚀的能力，和土壤类型有关，土壤侵蚀因子表示的是水土流失的一个内在要素，是定量模拟分析水土流失的关键要素，从改进的通用土壤侵蚀方程可看出，土壤侵蚀因子是坡面产沙模型的一个重要的影响参数。如今，估计土壤侵蚀因子的方法大致可以归为统计试验法、试验区域测定法和理论公式计算法，本文选用Wi l l i a m s等人在E P I C模型中使用的一个土壤侵蚀因子估算的方法，该方法对资料需求较少，且比较简单实用，已被广泛运用到不少流域水土流失模拟的土壤侵蚀因子估算中。该方法只需要输入土壤的质地组成和土壤中有机物组成数据，即可估算不同土壤类型的土壤侵蚀因子，计算公式为:

式中:fcsand—具有低土壤侵蚀因子的土壤中粗砂比例以及高土壤侵蚀因子的土壤中细砂比例;fcl-si—低土壤侵蚀因子的土壤中粘土的比例;forgc—降低土壤侵蚀因子的有机质比例;fhisand—降低土壤侵蚀因子的沙土比例。

各比例的计算公式如下:

式中:ms—土壤质地组成中砂粒的含量(粒径在0.05～2.00m m的颗粒)，%;msilt—土壤质地组成中粉粒含量(粒径在0.002～0.05m m的颗粒)，%; mc—土壤质地组成中粘粒的含量(粒径 ＜0.002的颗粒)，%;o r gC—土壤中有机质的含量，%。

2.2 植被覆盖和和作物管理因子CULSE

植物覆盖以及农作物管理因子也是改进通用土壤侵蚀方程中一个较为重要的参数，其物理意义表示的是在地性、土壤质地以及降雨条件相同情况下，区域内土地利用方式为耕地、林地以及草地与无植被覆盖的休闲地水土流失的一个比值，流域植被覆盖和农作物管理因子的最大值为1.0。选用下列方程计算流域植被覆盖以及作物管理因子。

式中:CULSE，mm—最小植被覆盖和管理因子，r s dsurf—地表植物残留量。最小植被覆盖和管理因子可以由已知年平均植被覆盖和管理因子，通过下面的方程(A r no l d和Wi l l i a m s，1995)计算出来:

式中:CULSE，aa—不同植被覆盖的年均植被覆盖和管理因子。

2.3 地形因子LULSE

地形因子LULSE为坡长为22.1m、坡度为9%的坡地在单位面积上水土流失率的预期值，地形因子的计算公式如下:

式中:Lhill—栅格坡长，m;m—坡长指数;αhill—斜坡的角度，℃。坡长指数m的计算公式如下:

式中:s l p—栅格的坡度。

2.4 粗糙断面因子C F R G

粗糙断面因子C F R G的计算公式如下:

式中:r o c k—第一层土壤中砾石的百分比，%。

3 模型应用

结合辽宁某水土保持试验小区2000～2010年水土流失试验数据，运用MU L SE模型模拟该试验小区2000～2010年水土流失情况，并和试验小区实测水土流失数据进行对比分析模型的适用性。

3.1 模型参数设置

结合试验小区的土地利用、土壤质地数据和实测降雨数据，结合前述参数计算方法，设置模型参数初值，并结合模拟和实测结果，不断调整模型的模拟参数，得到模型参数最终值，见表1。

表1 模型参数设置

3.2 模拟结果分析

(1)年尺度水土流失模拟分析。运用 MU L SE模型模拟了试验小区2000～2010年水土流失情况，并和试验小区实测水土流失情况进行对比分析，分析结果如图1所示，并见表2。

图1 MU L S E模型水土流失模拟和实测水土流失年尺度相关

表2 MU L S E模型水土流失模拟年尺度精度分析结果

表2为运用MU L SE模型预测的试验小区2000～2010年水土流失量模拟精度，从表2中可以看出，MU L SE模型模拟的2000～2010年水土流失和实测水土流失之间的相对误差在-12.96%～14.88%之间，均小于15%，符合水土流失模拟的精度要求。从图1中可以看出MU L SE模型模拟的各个年份水土流失过程和实测水土流失吻合度也较高，模型预测的水土流失量和实测的水土流失量之间的相关系数为0.751 2，具有较好地相关性。综上，可见MU L SE模型可较好的模拟区域水土流失年变化过程。

(2)月尺度水土流失模拟分析。考虑到年内水土流失的时程分配，在年尺度水土流失模拟的基础上，应用MU L SE模型模拟试验小区月尺度水土流失，结合试验小区水土流失实测数据，对比分析MU L SE模型在月尺度的水土流失模拟的适用性，模拟分析结果如图2所示，并见表3。

表3 MU L S E模型水土流失模拟月尺度精度分析结果

表3为MU L SE模型模拟的试验小区月尺度水土流失模拟结果，从模拟结果可以看出，MU L SE在不同月份模拟的相对误差在-14.69%～14.75%之间，也均小于15%的相对误差范围，符合水土流失预测精度要求。从图2中可以看出，MU L SE模型模拟的各月份的水土流失过程和实测的各个月份水土流失过程较为吻合，试验小区水土流失量较大值主要出现在7月，这主要是因为该月降水量最大，使得该月水土流失量较大，而MU L SE模拟的水土流失峰值也出现在7月，其次MU L SE模拟的月水土流失量和实测的水土流失量之间的相关系数为 0.6142，也具有较好的相关性。可见，MU L SE模型在月尺度的水土流失模拟也具有较好的精度。

4 结论

本文运用MU L SE模型模拟试验小区的水土流失过程，并结合试验小区实测水土流失数据分析模型水土流失预测精度以及适用性，研究取得以下结论:①MU L SE模型可用于区域水土流失模拟，水土流失模拟值和实测值之间的相对误差可控制在15%以内，可满足水土流失精度模拟规范要求。②MU L SE模型不仅对水土流失量模拟较为适用，在水土流失过程也具有较好的吻合度。

［1］刘阳，徐卓君，魏萍，等.小流域水土流失的数学模型及数值模拟［J］.吉林大学学报(信息科学版)，2004(05):509-512.

［2］吕军杰，李俊红，张洁，等.保持耕作下黄土坡耕地水土流失规律研究——田间模拟降雨试验方法［J］.耕作与栽培，2004 (06):18-19.

［3］许峰，严慕绥，李智广，等.黄河拉加峡谷地区典型流域水土流失调查分析［J］.水利规划与设计，2009(02):17-19.

［4］张庆文，金菊良.水土流失分区的赋权投影寻踪方法［J］.水利规划与设计，2013(11):38-41.

［5］杨婷.浅析城市水土流失与行洪排涝——以珠江三角洲城市为例［J］.水利技术监督，2013(04):31-32+44.

［6］齐述华，蒋梅鑫，于秀波.基于遥感和U L SE模型评价1995～2005年江西土壤侵蚀［J］.中国环境科学，2011(07): 1197-1203.

［7］陈思旭，杨小唤，肖林林，等.基于R U SL E模型的南方丘陵山区土壤侵蚀研究［J］.资源科学，2014(06):1288-1297.

［8］邵辉，高建恩，C l a i r eB a f f a ut，等.基于SWA T模型新开发梯田模块的中国南方红壤区梯田水沙及养分流失模拟［J］.西北农林科技大学学报(自然科学版)，2014(05):147-156.

［9］薛晨.基于SWA T模型的产流产沙模拟与模型参数不确定性分析［D］.华北电力大学(北京)，2011.

S157.1

A

1008-1305(2016)05-0040-03

10.3969/j.issn.1008-1305.2016.05.016

2016-02-08

宋 磊(1978年—)，男，工程师。