基于RUSLE模型的三江源高寒草地土壤侵蚀评价

林慧龙，郑舒婷，王雪璐

(1.草地农业生态系统国家重点实验室，农业部草牧业创新重点实验室，兰州大学草地农业科技学院，甘肃 兰州 730000；2.华能新能源股份有限公司，北京 100036)



基于RUSLE模型的三江源高寒草地土壤侵蚀评价

林慧龙1*，郑舒婷1，王雪璐2

(1.草地农业生态系统国家重点实验室，农业部草牧业创新重点实验室，兰州大学草地农业科技学院，甘肃 兰州 730000；2.华能新能源股份有限公司，北京 100036)

探讨三江源区高寒草地生态系统土壤侵蚀问题在保障青藏高原乃至全球生态和生产功能方面具有重要意义。以137Cs示踪法为基础，结合RUSLE (Revised Universal Soil Loss Equation)模型, 以GIS反演为手段，综合分析三江源区2001-2012年土壤侵蚀影响因子的特征和土壤侵蚀空间分布规律。结果表明，1)土壤侵蚀影响因子呈现空间异质性特征，降雨侵蚀力因子年际浮动变化较大，但总体呈上升态势；土壤可蚀性因子呈斑块化分布特征，较高可蚀性类占到总面积的95.66%；坡度坡长因子的空间分布规律受海拔显著影响；植被覆盖与管理因子在研究区自西北向东南呈现空间异质性特点，过度放牧是引起下垫面侵蚀现象严重的主要原因。2)对RUSLE模型的验证显示相关系数和平均均方根偏差分别为0.49和75.29%，RUSLE模型估算存在一定的高估，在没有形成三江源区高寒草地土壤侵蚀机理模型前，应用RUSLE模型仍然是较好的现实选择之一。3)利用RUSLE模型估算的三江源2001-2012年平均侵蚀量为3.1×109t/年，侵蚀强度分级重心转移分析表明中度侵蚀、强度和极强度侵蚀重心相对集中，侵蚀程度最高的3个地区为格尔木市唐古拉乡、治多县和兴海县。4)由土壤流失量结合市场价值法，估算出研究区2001-2012年平均有机质经济损失价值为114354元/km2, 总年均经济损失达399亿元，整个研究区受土壤侵蚀现象所产生的经济损失数额巨大。因此，创新发展三江源区高寒草地“分类、分级、分段、分区”的土壤侵蚀防治措施已迫在眉睫。

三江源区；高寒草地；137Cs示踪法；RUSLE模型；土壤侵蚀评价

青藏高原地处高寒地带，平均海拔4000 m以上，地势复杂多变，地表以高寒草地为主，且动植物资源独特[1]。被誉为“中华水塔”的三江源区，位于青藏高原核心区，是长江、黄河、澜沧江三大河流的发源地，每年为下游地区提供水资源约516亿m3，在水源涵养方面具有极其重要的生态地位[2]。因此，探讨三江源区高寒草地生态系统土壤侵蚀问题在保障青藏高原乃至全球生态和生产功能方面具有重要意义[3-5]。

由于过度放牧和气候暖干化的双重作用，导致青藏高原三江源区出现大面积退化草地。草地的退化必然导致土壤侵蚀，水土流失已成为源区主要的草地退化形式，对我国生态安全及区域内牧民的生存发展构成极大威胁。尽管土壤侵蚀类的研究工作已有不少，但鲜有针对草地生态系统的土壤侵蚀研究，尤其与农耕地相比，草地土壤侵蚀研究严重滞后[6]。目前，围绕三江源区所展开的研究工作中，大部分是以高寒草地本身或者高寒草地退化现象为主体，而专注于高寒草地土壤侵蚀的研究较少。现有的草地土壤侵蚀研究方法主要分为两大类：一类是利用传统测量方法分析相应草地试验区的土壤侵蚀情况，研究草地的水土保持能力；另一类则是结合遥感技术，套用成熟的土壤侵蚀模型计算大面积草地研究区的土壤流失量。目前土壤侵蚀的测量方法一般可分为传统测量学方法和地球化学法等[7]。核素示踪法相较于其他传统测量方法具有取样简便、干扰少、定量准确等优势，而得到广泛应用，特别是137Cs示踪法在理论和技术上已较为成熟[8]。但土壤侵蚀的测量方法在大尺度研究上受到很大限制，无法实现大面积土壤侵蚀的估测。在估算模型方面，目前尚未有适用于三江源区高寒草地放牧侵蚀的机理模型[6]。相对而言，通用土壤流失模型(Revised Universal Soil Loss Equation，RUSLE)[9]经过多年的发展和完善，该模型应用范围几乎涉及土壤侵蚀预测的各个方面，如研究流域土壤侵蚀的时空变化特征[10]、对不同坡度下的水土保持规划的建议[11]、评估地区土壤侵蚀风险[12]、预测森林采伐和火烧对土壤流失的影响[13]、探讨土壤侵蚀各因子间的关系并做敏感性评价[14-15]等。但其在三江源区高寒草地的适用性仍有待进一步验证。

以137Cs示踪法为基础, 结合RUSLE模型, 综合分析土壤侵蚀影响因子的特征和土壤侵蚀空间分布规律，本研究的目标是：1)分析2001-2012年间土壤侵蚀影响因子的空间特征；2)验证RUSLE模型适用性；3)以RUSLE模型为计算基础，分析三江源区2001-2012年侵蚀强度的空间分布规律；4)由土壤流失量结合市场价值法，估算研究区2001-2012年平均有机质经济损失价值。研究结果将会为三江源草地生态系统的维持、预警和建立水土保持和放牧管理保护性对策提供科学依据。

1 材料与方法

1.1 研究区与土壤侵蚀取样测定

1.1.1 研究区概况 三江源区位于青藏高原腹地的青海省南部，地理位置介于89°24′-102°23′ E，31°39′-36°16′ N，平均海拔4583 m，为典型的高原大陆性气候，年均气温为-5.6～3.8 ℃，年均降水量262.2～772.8 mm，年蒸发量730～1700 mm。年日照时数2300～2900 h，年辐射量5500～6800 MJ/m2。总面积36.28万km2，约占青海省总面积的1/2[16]。

图1 三江源区高程地图及土壤采样点分布Fig.1 The digital elevation model map of the Three-Rivers Headwaters area and soil sampling sites (showing location)

1.1.2137Cs 示踪法样点选布、外业采样及内业处理 于2014年7-8月，分别沿国道G214和位于果洛藏族自治州东北部的大武河流域进行土壤取样(图1)。国道G214采样沿样线分布样地共16块，每个样地根据实地观测的坡度变化、植被变化取样点2～3个，再对每个样点取重复样3～5个，整个样线共计28个样点，共取土样120个。沿大武河两侧分布样地共6块，每个样地取2～3个样点，再对每个样点取重复3个，12个样点，共计45个土样。整个三江源区合计取土壤样点40个，土壤样品165个(图1)。所有样点基本涵盖了不同海拔、坡度坡长、植被类型分布、植被覆盖度、气候区等特征的地区，覆盖了研究区的主要典型区。

选取直径10 cm的土钻，采集深度为0～20 cm的土壤，通过剔除杂物、风干、研磨、过筛(孔径2 mm)等预处理步骤后，在中国科学院兰州近代物理研究所核结构实验室用γ谱仪测试土样137Cs质量活度和面积活度。通过比较计算取样点核素面积浓度和该点所在地背景值之间的差异估算土壤侵蚀或沉积模数[17-18]，作为实测数据。本研究中背景值参考邵全琴等[18]对多个学者研究三江源地区的背景值测定结果的平均值，并校正至2014年，为2229.1 Bq/m2。

1.2 研究方法

1.2.1 RUSLE模型及其参数计算

1)RUSLE模型[9]：

A=f×R×K×LS×C×P

(1)

式中：A为年均土壤流失量[t/(km2·年)]；R为降雨侵蚀力因子[(MJ·mm)/(hm2·h·年)]；K为土壤可侵蚀性因子；LS为坡长坡度因子(无量纲)；C为植被覆盖与管理因子(无量纲)；P为水土保持措施因子(无量纲)；f为美制转国际制常数，为224.2，用于侵蚀模数和降雨侵蚀力因子之间的单位转换。

2)降雨侵蚀力因子[19]：

(2)

式中：Pi为每月平均降水量(mm)；P为年降水量(mm)；R的计算结果以年为单位。

根据2001-2012年间青藏高原地区的106个气象台站的每日实测数据，采用局部薄盘光滑样条插值方法进行空间插值[20]，计算基于栅格的月均、年均降水量数据。

3)土壤可蚀性因子[21-22]：

(3)

(4)

式中：SAN为土壤砂粒含量(%)；CLA为土壤粉粒含量(%)；SIL为土壤黏粒含量(%)；C为土壤有机碳含量。基础数据来源于1∶100万世界土壤数据集(Harmonized World Soil Database，HWSD)。

4)坡度坡长因子[19]：

考虑到数据来源的可靠性、数据实际精度，本研究采用数字高程模型(Digital Elevation Model，DEM)数据，对研究区坡长坡度因子进行提取[19]：

(5)

式中：LS为坡长坡度因子；I为坡长(m)；θ为坡度(°)；m为随坡度变化的函数，当θ<0.57°时，m=0.2；0.57°≤θ<1.72°时，m=0.3；当1.72°≤θ<2.86°时，m=0.4；当θ≥2.86°时，m=0.5。

5)植被覆盖与管理因子：

(6)

首先，利用归一化植被指数(Normalized Difference Vegetation Index，NDVI)来计算植被覆盖度，NDVI来源于MODIS陆地产品MOD13A2(1 km分辨率植被指数16 d合成产品)，按照最大合成法计算获取，植被覆盖度的具体计算公式如下[23]：

(7)

式中：fc代表植被覆盖度；NDVImax和NDVImin分别为NDVI最大和最小值[24-25]；C为植被覆盖与管理因子。

6)水土保持措施因子[19]：

P=0.2+0.03S

(8)

式中：S为坡度(%)，P的取值范围在0～1之间，0表示实施水土保持措施后不发生侵蚀，1则表示未进行相应水土保持措施。一般天然状态下的林地、草地无法实施相应的水土保持措施，故将P值取值为1[19]。

1.2.2 分析土壤侵蚀影响因子2001-2012年空间分布特征 土壤侵蚀力因子和坡度坡长因子是由土壤固有结构和地貌决定的，因此无需考虑其时间序列上的差异。而降雨侵蚀力和植被覆盖与管理因子在2001-2012年间随着时间的推移而变化，是土壤侵蚀研究动态变化的关键因素。利用青藏高原地区的106个气象台站数据插值产生的月降雨量分布图来计算降雨侵蚀力的降雨空间分布。土壤可蚀性K值是由数学模型图解法得到[26]。

1.2.3 对RUSLE模型的验证 通过对137Cs 实测侵蚀模数和相对应的模型预测值之间的比较来评价模型的准确度。用于评价预测值的误差指标主要是相关系数(r)和均方根偏差(root-mean-square deviation， RMSD)[27]。相关系数越高模型预测值与实测值之间的相关性越好，平均均方根偏差越小则说明模型预测值与实测值之间的差距越小[27]。

1.2.4 分析三江源区2001-2012年侵蚀强度的空间分布规律 RUSLE模型估算侵蚀量的研究时间范围为2001-2012年。在ArcGIS 10.2软件中载入模型参数R、LS、C、P、K，根据RUSLE模型的公式叠加计算以t/(km2·年)为单位的侵蚀模数，即计算基于栅格的土壤流失量。RUSLE模型中所采用的数据时间单位为年。根据中华人民共和国水利部[28]1997年颁布实施的《土壤侵蚀分类分级标准》，以侵蚀模数为划分单位对研究区土壤侵蚀强度分为：轻微侵蚀、中度侵蚀、重度侵蚀、强度侵蚀、极强度侵蚀和剧烈侵蚀6类。借助计算各个土壤侵蚀强度等级的重心位置分析土壤侵蚀强度分级的分布规律。

1.2.5 基于有机质土壤侵蚀损失的定量评价方法 所谓市场价值法就是根据土壤侵蚀过程中随土壤迁移所损失的养分，结合相应的市场流通价格，对侵蚀现象所造成的经济价值进行评估。土壤中的有机质含量直接影响着土壤生产力及其所产生的价值。价值估算中，参与计算的土壤侵蚀量并不是绝对的侵蚀估算结果，而是相对的在净侵蚀量基础上减去土壤允许侵蚀量的差值，即排除了土壤本身养分再生能力的恢复量的相对土壤侵蚀量[29]。一般的草地、林地土壤允许侵蚀量为500 t/(km2·年)[30]。结合1∶100万世界土壤数据集中土壤有机碳百分含量，可以计算随相对土壤流失量流失的土壤有机碳量。土壤有机质的土壤侵蚀经济损失计算公式如下：

N=1.724(T-T0)×OC×P

(9)

式中：N为随相对土壤流失产生的经济损失(元)；1.724为有机碳和有机质之间的转换系数；T为绝对土壤流失量；T0为允许土壤侵蚀量；OC为土壤有机碳含量；P为有机质市场平均价格(500元/t)[31]。所有计算均在ArcGIS 10.2软件下技术实现。

2 结果与分析

图2 2001-2012年降水侵蚀力(R)和年降水量动态Fig.2 The dynamics of the rainfall erosion force (R) and annual rainfall amounts from 2001 to 2012

2.1 土壤侵蚀影响因子2001-2012年空间分布特征

2.1.1 降雨侵蚀力因子 2001-2012年间，随着年降水的起伏变化降雨侵蚀力也表现出相对较大的波动。其中，12年平均降水量为506 mm，波动范围在±300 mm之间。与降水量变化趋势相同，2006年的降水侵蚀力(R)均值最低，为385.8 (MJ·mm)/(hm2·h·年)，最高值为2009年的920.4 (MJ·mm)/(hm2·h·年)，虽然各个年份之间的降水侵蚀力(R)均值变化较大，但总体上呈现出上升趋势(图2)。

2.1.2 土壤可蚀性因子 土壤可蚀性因子是反映土壤颗粒在机械破坏作用下发生分散运移的敏感性指标，揭示了土壤特性与侵蚀之间的关系。

K值总体分布呈现明显的斑块化分布特征(图3)。研究区的土壤可蚀性因子K值均值为0.2589。低可蚀性K值仅占整个研究区面积的0.39%，较高和高可蚀性K值面积共占95.66%，除个别细碎的斑块外，绝大部分区域都属于高可蚀性(表1)。

2.1.3 坡度坡长因子 研究区坡度坡长因子的空间分布特征与海拔分布具有显著的一致性(图4)。坡度坡长因子的平均值为4.14，大于15的高坡度坡长因子集中分布在研究区中南部的玉树市、囊谦县、杂多县和东部的兴海县、玛沁县、甘德县、久治县(图4)。

2.1.4 植被覆盖与管理因子 植被覆盖与管理因子在研究区自西北向东南呈现空间异质性特点，植被覆盖与管理因子C值接近于1的植被稀疏区主要分布在兴海—杂多线西侧(图5)，2008年的植被生长状况最差，包括大面积的中部地区植被覆盖与管理因子值都较高，平均值高达0.46，与之相对应2003年生长状况最好，植被覆盖与管理因子均值仅为0.20。

图3 三江源区土壤可蚀性因子K值分布Fig.3 Spatial distribution of K value of soil erodibility in Three-Rivers Headwaters area

代码Code可蚀性分级ClassificationK值Kvalue面积Area(km2)占总面积Ratio(%)代码Code可蚀性分级ClassificationK值Kvalue面积Area(km2)占总面积Ratio(%)1低可蚀性Low<0.0913850.394较高可蚀性Medium-high0.25～0.3032132191.612较低可蚀性Ratherlow0.09～0.2069311.985高可蚀性High>0.30142024.053中等可蚀性Medium0.20～0.2568911.96

图4 三江源区坡度坡长因子空间分布Fig.4 Spatial distribution of slope and slope length factor in Three-Rivers Headwaters area

2.2 对RUSLE模型的验证

通过对137Cs采样点的实测数据和与之对应的RUSLE模型估算的侵蚀模数对比，来评价RUSLE模型的适用性，计算结果显示相关系数(r)和均方根偏差(root-mean-square deviation， RMSD)分别为0.49和4894 t/(km2·年)。如图6显示，实测和RUSLE估算的模数大部分样点数据都分布在1∶1线的右下方，说明实测137Cs计算的侵蚀模数总体要小于RUSLE模型估算的侵蚀模数，RUSLE模型估算存在一定的高估。但是，在没有形成三江源区高寒草地土壤侵蚀机理模型前，RUSLE模型仍然是较好的现实选择之一。

图5 2001-2012年植被覆盖与管理因子分布图Fig.5 Spatial distribution of vegetation cover and management factor from 2001 to 2012 in Three-Rivers Headwaters area

2.3 三江源区2001-2012年侵蚀强度的空间分布特征

图6 RUSLE模型预测和实测的土壤侵蚀模数比较Fig.6 Predicted soil erosion modulus by RUSLE model versus observed soil erosion modulus by 137Cs tracing technique compared in this study

利用RUSLE模型估算的三江源2001-2012年平均侵蚀量为3.1×109t/年，年均侵蚀模数平均值为8946 t/(km2·年)。通过统计各个侵蚀强度面积及其所占总面积之比的数据(表2)，占比例最大的一类为轻度侵蚀，接近总体面积的30%，略高于轻微侵蚀的24.24%，这两类侵蚀程度较轻的侵蚀强度类型之和占到了总面积的一半以上。中度侵蚀、强度侵蚀和极强度侵蚀面积的累积之和占研究区总面积的30%，剧烈侵蚀级别占总面积的16.15%(表2)。

微度侵蚀重心位于研究区的东南角(97°22′39″ E，34°4′56″ N)，最靠近研究区的东部边界；轻度侵蚀重心纬度稍偏南，在6类侵蚀强度分级中的重心最靠近南部。中度侵蚀(94°16′45″ E，34°25′50″ N)、强度(94°6′26″ E，34°25′19″ N)和极强度侵蚀(94°6′27″ E，34°23′48″ N)重心相对集中，重心的经纬度坐标差没有超过0.5°；剧烈侵蚀强度重心(94°15′43″ E，34°15′51″ N)分布于研究区的东北部、中南部和西南部3个区域(图7)。

位于三江源区西北部的治多县平均侵蚀模数为11434.5 t/(km2·年)，属于土壤侵蚀强度的极强度侵蚀级别。除此之外，格尔木的唐古拉乡和兴海县的平均侵蚀模数都高于15000 t/(km2·年)，属剧烈侵蚀，分别占总侵蚀面积的13.01%和3.45%。位于研究区中南部且相连的囊谦县和杂多县分别占总侵蚀面积的3.42%和4.39%，尽管所占面积比例较小，但剧烈侵蚀面积占总面积比例偏大且平均侵蚀模数都大于10000 t/(km2·年)。玉树市、玛多、同德、曲麻莱及玛沁县的平均侵蚀模数介于5000～8000 t/(km2·年)之间，属强度侵蚀，总面积之和占到研究区侵蚀面积的30.5%。以占总侵蚀面积10.02%的玉树市来说，其平均侵蚀模数为7239 t/(km2·年)，环境特征类似于地理位置就近的囊谦县和杂多县。其余的7个县级地区的侵蚀强度都属于中度侵蚀以下，侵蚀强度面积比均以微度和轻度侵蚀为主(图8)。

表2 基于RUSLE的土壤侵蚀强度分级面积Table 2 Soil erosion intensity classification area based on RUSLE model

图7 基于RUSLE模型的三江源区土壤侵蚀强度等级空间重心转移图Fig.7 Space shift chart of soil erosion intensity level in Three-Rivers Headwaters area based on RUSLE model

图8 基于RUSLE的三江源区土壤侵蚀强度分级空间分布(A)及各县区(乡)土壤侵蚀强度等级面积统计(B)Fig.8 Space distribute of soil erosion intensity classification based on RUSLE model (A) and soil erosion intensity level area statistics of counties or township (B) in Three-Rivers Headwaters area Ⅰ:治多县 Zhiduo County； Ⅱ：兴海县 Xinghai County; Ⅲ:曲麻莱县 Qumalai County; Ⅳ:同德县 Tongde County; Ⅴ:玛多县Maduo County; Ⅵ:泽库县 Zeku County; Ⅶ:玛沁县 Maqin County; Ⅷ:唐古拉乡 Tanggula Township ;Ⅸ:河南县 Henan Count;Ⅹ:称多县 Chengduo County; Ⅺ:甘德县 Gande County; Ⅻ:达日县 Dari County;ⅩⅢ:久治县 Jiuzhi County; ⅩⅣ:杂多县Zaduo County; ⅩⅤ:玉树市 Yushu City; ⅩⅥ:班玛县 Banma County; ⅩⅦ:囊谦县 Nangqian County.

2.4 基于有机质的土壤侵蚀损失的定量结果

基于RUSLE模型估算的土壤侵蚀量计算的平均经济损失为114354元/km2，研究区多年年均经济损失达399亿元。这仅为由有机质一项土壤养分所引起的经济损失，尚未包括土壤其他养分、植被生产力、水源涵养等其他生态价值方面的损失以及近些年来发展迅速的畜牧业和旅游业所蕴含的直接或潜在价值。

3 讨论

3.1 创立适宜于三江源区高寒草地土壤侵蚀模型亟待开展

尽管RUSLE模型已被认可为最广泛适用的土壤侵蚀模型，但其最初作为农业耕作方式管理的工具，计算流域的产沙量。模型最早的建立和验证数据都来自于美国东部地区。其主要技术特征有其特有的针对性，特别是模型的基础数据、模型的结构和模型内的函数参数等方面。通过实测137Cs侵蚀数据对RUSLE模型的适用性评价结果表明，模型的精确度并不高。这其中一个重要的因素是RUSLE模型仅考虑了水蚀动力的固有参数，成为了该模型推广应用于三江源这类多侵蚀动力环境的技术缺陷。

三江源区地处高寒地带，其生态系统的脆弱性及资源的利用方式不同于传统农耕区，土地利用类型主要以放牧为主，影响因素复杂，亦非水蚀、风蚀可以完全概括。尽管基于高寒草地的下垫面土壤具有相对较高的抗侵蚀性，但仍存在以下两种忧患：一方面草地植被对地表土壤、径流、泥沙等物质的运移过程具有重要的截滞作用，可以有效地降低土壤侵蚀所带来的生态风险[32]。相对林地而言，草地在预防土壤侵蚀方面具有生长速率更快且地表覆盖度更大的优势；相对耕地而言，草地植被具有更加完整的时间和空间覆盖度[33]。高寒草地植被一旦遭到破坏，土壤侵蚀和草地退化两种现象相互作用形成高寒草地生态系统退化的恶性循环[34]，后果严重，恢复难度大；另一方面，在高寒草地生态系统中，草地除受到一般自然环境因子的影响外，还受到放牧家畜采食、践踏的影响。家畜的践踏行为对高寒草甸土壤质地有着重要影响，环境因子与放牧因子叠加后，土-草-畜互相影响，互相制约，使得侵蚀机理更加错综复杂[35]。使得土壤侵蚀类型有其自身特点。因此，结合江河源区高寒草甸生态系统自身特点，综合分析由于放牧而导致土壤侵蚀的影响因素对于揭示高寒草地土壤侵蚀机理，探索草地退化机理及建立草地恢复机制有着重要意义[6,36]。创立适宜于三江源区高寒草地土壤侵蚀模型亟待开展，以期为揭示放牧对高寒草甸土壤侵蚀的作用机理提供依据。本研究提出将样地清查、遥感分析和模型模拟方法的综合运用将是解决这一问题的根本途径。

3.2 “分类、分级、分段、分区”的土壤侵蚀防治措施

在三江源区草地土壤侵蚀所带来的危害不仅仅表现于一般的土壤结构变化，而是对草地植被群落健康的损害、对草地生态系统演化的扰动。进一步导致草地生产力下降从而制约畜牧业的生产发展，尤其是经济落后的三江源区，这无疑对其草地农业的发展制造了更大的瓶颈和挑战。樊江文等[37]研究表明：1988-2005年三江源地区的草地平均载畜量超载1.5倍，尤其是冬春草场超载2倍以上，是近些年来草地不断退化的最主要原因。草地退化所带来的直接后果是草丛-地境界面生产层的裸露，而草原相对于草甸的覆盖度劣势，使得其对的外界干扰更加敏感，从而导致包括土壤流失在内的一系列生态恶化现象。因此，三江源草地生态系统中的草原类型下垫面的较高侵蚀程度，主要是由于过度放牧引起的。未来的防治土壤流失政策建议中，应该加强以科学规划草原放牧为主，防止以过牧超载为诱因的土壤侵蚀现象的加剧，维护整个草地生态系统平衡稳健的发展。该研究对今后在三江源开展科学研究的工作人员提供了较准确的实验数据，同时为当地政府部门提供了针对唐古拉乡、曲麻莱县和治多县等17个地区的“分类、分级、分段、分区”速效的政策实施参考。

本研究结果表明，研究区土壤侵蚀程度由高到低，即行政区水土保持工作优先级排序为：治多县>曲麻莱县>唐古拉乡>玛多县>兴海县>同德县>称多县>囊谦县>玛沁县>玉树市>杂多县>泽库县>河南县>达日县>甘德县>班玛县>久治县(图9)。因此，应制定相应的“分类、分级、分段、分区”的土壤侵蚀防治措施。正在拟建的青海三江源国家公园[38]，该项目正是顺应了这一思路，以功能区划分(严格保护区、生态修复区、生态利用区、生态旅游区等)的科学管理方式，通过较小范围的适度开发，实现大范围的保护战略思路，以期实现三江源生态环境保护和提高社会生产的双赢目标。

图9 基于RUSLE模型的三江源区各县区(乡、市)土壤侵蚀程度Fig.9 Soil erosion degree of counties or township based on RUSLE model in Three-Rivers Headwaters area

加大对侵蚀大县在资源开发、生产布局和生态保护等方面的监管力度。即加大对以格尔木市的唐古拉乡、曲麻莱县和治多县(图9)的监管力度。结合土壤侵蚀参数分析，在众多的影响因素中，侵蚀动力型因子(如降水、风速和冻融)属于绝对的客观条件，是人力所不能及的。地表植被是仅有的土壤侵蚀保护因子，且通过适当人为干预，可以改善植被的生长。同时，坚持严格执行生态保护政策，通过适当的宣传教育工作提高全民的水土保持责任意识，是行政区划管理中重要辅助管理手段。

中度侵蚀区减畜减压。通过科学的计算和长远的规划来降低中度侵蚀区的生产压力，减畜减压是最直接有效的草地恢复及保护方法。对于该区的自我恢复和调节提供改善条件，从提高地表植被抗侵蚀力的角度来防止土壤流失。

在轻度侵蚀区实现从粗犷的扩张型畜牧业向集约质量型畜牧业的转型。积极发展高科技畜牧业，提高草地资源利用率，在实施减畜减压的同时保障当地牧民的经济收益，实现从粗犷的扩张型畜牧业向集约质量型畜牧业的转变。通过草地管理和放牧畜牧业现代化转型来发挥草食家畜的作用，构建人居-草地-家畜和谐共存的放牧单元[39]，从而恢复草地优良物种生物多样性，发展绿色高效的多种经济，使草原生态系统生生不息[40]。在积极发展高科技畜牧业，提高草地资源利用率的同时，充分利用和合理开发三江源畜牧业以外的经济产业，例如草地旅游业，为土壤侵蚀的后期治理工作提供经济支持，进一步促进完善生态补偿机制。

References：

[1] Liu M C, Li D Q, Wen Y M. The protection of biological diversity in the Three-Rivers Headwater Region nature reserve. Journal of Arid Land Resources and Environment, 2005, 19(4)： 49-53. 刘敏超, 李迪强, 温琰茂. 论三江源自然保护区生物多样性保护. 干旱区资源与环境, 2005, 19(4): 49-53.

[2] Yao T D, Qin D H, Shen Y P,etal. Cryospheric changes and their impacts on regional water cycle and ecological conditions in the Qinghai-Tibetan Plateau. Chinese Journal of Nature, 2013, 35(3): 179-186. 姚檀栋, 秦大河, 沈永平, 等. 青藏高原冰冻圈变化及其对区域水循环和生态条件的影响. 自然杂志, 2013, 35(3): 179-186.

[3] Chen C Y, Tao Z X, Wang H J,etal. Ecosystem service assessment of grasslands in the Three-Rivers Headwater Region. Progress in Geography, 2012, 31(7): 978-984. 陈春阳, 陶泽兴, 王焕炯, 等. 三江源地区草地生态系统服务价值评估. 地理科学进展, 2012, 31(7): 978-984.

[4] Gao Y, Lin H L. The prospects for rangeland ecosystem services evaluation. Acta Prataculturae Sinica, 2014, 23(3): 290-301. 高雅, 林慧龙. 草地生态系统服务价值估算前瞻. 草业学报, 2014, 23(3): 290-301.

[5] Zhao T Q, Ouyang Z Y, Jia L Q,etal. Ecosystem services and their valuation of China grassland. Acta Ecologica Sinica, 2004, 24(6): 1101-1110. 赵同谦, 欧阳志云, 贾良清, 等. 中国草地生态系统服务功能间接价值评价. 生态学报, 2004, 24(6): 1101-1110.

[6] Lin H L, Long R J, Ren J Z. Grazing-induced erosion: review and prospect. Chinese Journal of Ecology, 2008, 27(12): 2222-2227. 林慧龙, 龙瑞军, 任继周. 放牧侵蚀研究回顾与展望. 生态学杂志, 2008, 27(12): 2222-2227.

[7] Tang X M, Li C A. Review of study methods of soil erosion rate. Advance in Earth Sciences, 1999, 14(3): 274-278. 唐小明, 李长安. 土壤侵蚀速率研究方法综述. 地球科学进展, 1999, 14(3): 274-278.

[8] Zheng Y C, Wang S J, Ouyang Z Y. Using geochemistry as a tool measuring soil erosion. Progress in Geography, 2002, 21(5): 507-516. 郑永春, 王世杰, 欧阳自远. 地球化学示踪在现代土壤侵蚀研究中的应用. 地理科学进展, 2002, 21(5): 507-516.

[9] Renard A L. Pauvreté et charité en Arabie Saoudite: la famille royale, le secteur privé et l’tat providence. Critique Internationale, 2008, 41(4): 137-156.

[10] Zeng L Y, Wang M H, Li C M. Study on soil erosion and its spatio-temporal change at Hongfeng Lake watershed based on RUSLE Model. Hydrogeology and Engineering Geology, 2011, 38(2): 113-118. 曾凌云, 汪美华, 李春梅. 基于RUSLE的贵州省红枫湖流域土壤侵蚀时空变化特征. 水文地质工程地质, 2011, 38(2): 113-118.

[11] Guo H F, Xu Y Q, Wu Y F. Land use change in metropolitan fringe based on topography factors: a case study of Pinggu district, Beijing. Journal of China Agricultural University, 2013, 18(1): 178-187. 郭洪峰, 许月卿, 吴艳芳. 基于地形因子的大都市边缘区土地利用变化分析——以北京市平谷区为例. 中国农业大学学报, 2013, 18(1): 178-187.

[12] Yin L, Yan Q W, Bian Z F. Evaluation of soil erosion of Liupanshui City based on revised universal soil loss equation (RUSLE). Journal of Ecology and Rural Environment, 2016, (3): 389-396. 尹璐, 闫庆武, 卞正富. 基于RUSLE模型的六盘水市土壤侵蚀评价. 生态与农村环境学报, 2016, (3): 389-396.

[13] Liu M, Hu Y M, Xu C G. Quantitative study of forest soil erosion based on GIS, RS and RUSLE. Research of Soil and Water Conservation, 2004, 11(3): 21-24. 刘淼, 胡远满, 徐崇刚. 基于GIS、RS和RUSLE的林区土壤侵蚀定量研究——以大兴安岭呼中地区为例. 水土保持研究, 2004, 11(3): 21-24.

[14] Wang C J, Tang X H, Zheng D X,etal. A GIS-based study on sensitivity of soil erosion. Bulletin of Soil and Water Conservation, 2005, 25(1): 68-70. 王春菊, 汤小华, 郑达贤, 等. GIS支持下的土壤侵蚀敏感性评价研究. 水土保持通报, 2005, 25(1): 68-70.

[15] Chen Y H, Pan W B, Cai Y B. Assessment of soil erosion sensitivity in watershed based on RUSLE——A case study of Jixi Watershed. Journal of Mountain Science, 2007, 25(4): 490-496. 陈燕红, 潘文斌, 蔡芫镔. 基于RUSLE的流域土壤侵蚀敏感性评价——以福建省吉溪流域为例. 山地学报, 2007, 25(4): 490-496.

[16] Chen G C, Lu X F, Peng M,etal. The basic characteristics and protection of the ecosystem in the source region of the Yangtze Yellow and Lancang Rivers in Qinghai province[C]//The Chinese Society of Plant the Seventieth Anniversary of the Annual Convention Abstract Assembly (1933—2003). Beijing: Higher Education Press, 2003: 14-17. 陈桂琛, 卢学峰, 彭敏, 等. 青海省三江源区生态系统基本特征及其保护[C]//中国植物学会七十周年年会论文摘要汇编(1933-2003). 北京: 高等教育出版社, 2003: 14-17.

[17] Lowrance R, Mcintyre S, Clarence L. Erosion and deposition in a field/forest system estimated using cesium-137 activity. Journal of Soil and Water Conservation, 1988, 43(2): 195-199.

[18] Shao Q Q, Xiao T, Liu J Y,etal. Soil erosion rates and characteristics of typical alpine meadow using137Cs technique in Qinghai-Tibet Plateau. Science China Press, 2011, 56(13): 1019-1025. 邵全琴, 肖桐, 刘纪远, 等. 三江源区典型高寒草甸土壤侵蚀的137Cs定量分析. 科学通报, 2011, 56(13): 1019-1025.

[19] Li W. Dynamic Study of Soil Erosion in Greater Khingan Forest[D]. Harbin: Northeast Forestry University, 2014. 李巍. 大兴安岭地区土壤侵蚀动态研究[D]. 哈尔滨: 东北林业大学, 2014.

[20] Yu H. Tibetan Plateau Grassland Changes and Its Response to Climate[D]. Lanzhou: Lanzhou University, 2013. 于惠. 青藏高原草地变化及其对气候的响应[D]. 兰州: 兰州大学, 2013.

[21] Wang B. Dynamic Mechanism of Soil Erodibility and Soil Erodibility Calculation Model[D]. Yangling: Northwest Agriculture and Forestry University, 2013. 王彬. 土壤可蚀性动态变化机制与土壤可蚀性估算模型[D]. 杨凌: 西北农林科技大学, 2013.

[22] Wu L, Liu X, Ma X Y. Tracking soil erosion changes in an easily-eroded watershed of the Chinese Loess Plateau. Polish Journal of Environmental Studies, 2016, 25(1): 351-363.

[23] Qin W, Zhu Q K, Zhang X X,etal. Review of vegetation covering and its measuring and calculating method. Journal of Northwest Agriculture and Forestry University: Nature Science Edition, 2006, 34(9): 163-170. 秦伟, 朱清科, 张学霞, 等. 植被覆盖度及其测算方法研究进展. 西北农林科技大学学报: 自然科学版, 2006, 34(9): 163-170.

[24] Quansah C, Safo E Y, Ampontuah E O,etal. Soil fertility erosion and the associated cost of N P K removed under different soil and residue management in Ghana. Ghana Journal of Agricultural Science, 2000, 33(1): 33-42.

[25] Tang Y, Dai S, Jiang G Y,etal. Calculation and analysis of the vegetation cover and management factor C value in slope farmland of Chongqing area. Research of Soil and Water Conservation, 2010, 24(6): 53-59. 唐寅, 代数, 蒋光毅, 等. 重庆市坡耕地植被覆盖与管理因子C值计算与分析. 水土保持学报, 2010, 24(6): 53-59.

[26] Liu Y B, Zhang K L, Jiao J Y. Soil erodibility and its use in soil erosion prediction model. Journal of Natural Resources, 1999, 14(4): 345-350. 刘宝元, 张科利, 焦菊英. 土壤可蚀性及其在侵蚀预报中的应用. 自然资源学报, 1999, 14(4): 345-350.

[27] Lin H L, Zhuang Q M, Hua F. Habitat niche-fitness and radix yield prediction models forAngelicasinensiscultivated in the alpine area of the southeastern region of Gansu Province, China. Plant Production Science, 2008, 11(1): 42-58.

[28] Ministry of Water Resources of the People’s Republic of China. Soil Erosion Classification Standard[M]. Beijing: China Water Power Press, 1997. 中华人民共和国水利部. 土壤侵蚀分类分级标准[M]. 北京: 中国水利水电出版社, 1997.

[29] Wischmeier W H, Smith D D. Predicting rainfall erosion losses-a guide to conservation planning. United States Department of Agriculture, 1978, 537: 1-69.

[30] Huang C Y. Soil Science[M]. Beijing: China Agriculture Press, 2000. 黄昌勇. 土壤学[M]. 北京: 中国农业出版社, 2000.

[31] Li R J. Estimation of Economic Losses Caused by Soil Erosion and Study on Renewal Measures in Yishusi Basin in Shandong Province[D]. Jinan: Shandong Normal University, 2005. 李瑞俊. 山东沂沭泗流域土壤侵蚀经济损失评估及对策研究[D]. 济南: 山东师范大学, 2005.

[32] Carroll C, Merton L, Burger P. Impact of vegetative cover and slope on runoff, erosion, and water quality for field plots on a range of soil and spoil materials on central Queensland coal mines. Soil Research, 2000, 38(2): 313-328.

[33] Carroll C, Tucker A. Effects of pasture cover on soil erosion and water quality on central Queensland coal mine rehabilitation. Tropical Grasslands, 2000, 34(3/4): 254-262.

[34] Li P, Li Z B, Zhang X C. Researches on effect of vegetation coverage on runoff and sediment. Journal of Soil and Water Conservation, 2002, 16(1): 32-34. 李鹏, 李占斌, 张兴昌. 草灌植被拦蓄径流和泥沙有效性研究. 水土保持学报, 2002, 16(1): 32-34.

[35] Liu J, Luo C J, Cao J Y,etal. Present status and distribution of soil erosion of the Three-River-Source area in Qinghai. Soil and Water Conservation in China, 2010, (9): 49-51. 刘杰, 骆婵娟, 曹江源, 等. 青海三江源区土壤侵蚀现状及其分布. 中国水土保持, 2010, (9): 49-51.

[36] Qiong C, Wu W Z, Qiang Z,etal. Comprehensive analysis on soil erosion in the Three-Rivers Headwater Region based on GIS technology. Journal of Anhui Agricultural Sciences, 2010, 38(27): 14989-14991.

[37] Fan J W, Shao Q Q, Wang J B,etal. An analysis of temporal-spatial dynamics of grazing pressure on grassland in Three Rivers Headwater Region. Chinese Journal of Grassland, 2011, (3): 64-72. 樊江文, 邵全琴, 王军邦, 等. 三江源草地载畜压力时空动态分析. 中国草地学报, 2011, (3): 64-72.

[38] Zhang A R, Gao X C. Ecological fragility assessment of the IEFA in Qinghai Tibetan area——a case study of the ecological function area in the Three-Rivers Headwater Region. Journal of Tibet University: Social Science Edition, 2015, (1): 1-8. 张爱儒, 高新才. 青海藏区重要生态功能区生态脆弱度评价研究——以三江源生态功能区为例. 西藏大学学报: 社会科学版, 2015, (1): 1-8.

[39] Ren J Z, Hou F J, Xu G. Transformation of grazing system: the urgent task for China. Pratacultural Science, 2011, 28(10): 1745-1754. 任继周, 侯扶江, 胥刚. 放牧管理的现代化转型——我国亟待补上的一课. 草业科学, 2011, 28(10): 1745-1754.

[40] Ren J Z. Grazing, the basic form of grassland ecosystem and its transformation. Journal of Natural Resources, 2012, (8): 1259-1275. 任继周. 放牧, 草原生态系统存在的基本方式——兼论放牧的转型. 自然资源学报, 2012, (8): 1259-1275.

Soil erosion assessment based on the RUSLE model in the Three-Rivers Headwaters area, Qinghai-Tibetan Plateau, China

LIN Hui-Long1*, ZHENG Shu-Ting1, WANG Xue-Lu2

1.StateKeyLaboratoryofGrasslandAgro-ecosystems,MinistryofAgricultureKeyLaboratoryofGrassandAnimalHusbandryInnovation,CollegeofPastoralAgricultureScienceandTechnology,LanzhouUniversity,Lanzhou730000,China； 2.HuanengRenewablesCorporationLimited,Beijing100036,China

Investigating soil erosion in the Three-Rivers Headwaters area is of great significance for the protection of the ecology, production, and function of the alpine meadow ecosystem on the Qinghai-Tibetan Plateau. In this study, we conducted a comprehensive analysis of soil erosion, its spatial characteristics, and the factors affecting it in the Three-Rivers Headwaters area. For these analyses, we used a137Cs tracing technique, GIS (Geographic Information System), and the RUSLE (Revised Universal Soil Loss Equation) model. The results showed that: 1) soil erosion factors showed spatial heterogeneity. Rainfall-related erosion showed drastic inter-annual changes, but generally increased from 2001 to 2012. Soil erodibility varied spatially, and soils with a high erodibility index accounted for 95.66% of the total area. The spatial distribution of slope and slope length were significantly influenced by the altitude. The vegetation cover and management factors showed spatial heterogeneity from the northwest to the southeast of the study area, and overgrazing was the main cause of serious underlying surface erosion. 2) In the validated RUSLE model, the correlation coefficient was 0.49 and the average root mean square error (ARMSE) was 75.29%. Although the RUSLE model tended to overestimate soil erosion, it was still one of the best choices to simulate alpine meadow soil erosion in the Three-Rivers Headwaters area. 3) The total average erosion volume estimated by the RUSLE model (2001-2012) was 3.1×109t/yr. Analyses of the erosion intensity classifications revealed the areas of moderate, strong, and extremely strong erosion. The three areas with the highest degrees of erosion were Tanggula township, and Zhiduo and Xinghai counties. 4) Taking into account the amounts of soil loss and market values, the estimated average economic loss of organic matter was 114354 RMB/km2in the study area from 2001 to 2012, the total annual economic loss was 39.9 billion, and economic losses caused by soil erosion were substantial across the whole study area. Therefore, it is very important to develop “classification, grade, segment, partition” soil erosion prevention and control procedures for the Three-Rivers Headwaters area of the alpine grassland on the Qinghai-Tibetan Plateau.

the Three-Rivers Headwaters area； Alpine grassland；137Cs tracing technique； Revised Universal Soil Loss Equation (RUSLE)； soil erosion assessment

10.11686/cyxb2016371

2016-10-08；改回日期：2016-12-15

国家重点研发计划(2016YFC0501906)和国家自然科学基金面上项目(31172250)资助。

林慧龙(1965-)，男，辽宁沈阳人，教授。

*通信作者Corresponding author. E-mail：linhuilong@lzu.edu.cn

http://cyxb.lzu.edu.cn

林慧龙, 郑舒婷, 王雪璐. 基于RUSLE模型的三江源高寒草地土壤侵蚀评价. 草业学报, 2017, 26(7): 11-22.

LIN Hui-Long, ZHENG Shu-Ting, WANG Xue-Lu. Soil erosion assessment based on the RUSLE model in the Three-Rivers Headwaters area, Qinghai-Tibetan Plateau, China. Acta Prataculturae Sinica, 2017, 26(7): 11-22.