DEM分辨率对大兴安岭林区水土流失评价结果的影响1)

王维芳 矫欣航 李国春

(东北林业大学，哈尔滨，150040) (黑龙江省林业监测规划院)

在水流作用下，土壤被侵蚀、搬运和沉淀导致水土流失。土壤侵蚀定量模型的研究和3S技术取得很大进步，这使定量计算大区域范围土壤侵蚀可能实现。目前较大尺度土壤侵蚀的估算方法主要包括：(1)通过解译遥感影像上的主要侵蚀控制因素，建立决策规划，综合确定土壤侵蚀，其典型代表就是我国水利部颁布的标准(土壤侵蚀分类分级标准，SL190-96，1997)，但颁布标准的主观经验性强、绘图精度差及侵蚀因子考虑不全[1]；(2)模型模拟法，其中美国于1965年提出的通用水土流失方程[2](USLE)及其修正模型RUSLE[3]，RUSLE模型从技术性和因子算法上进行了改进，其形式简单、使用方便、易于推广，在世界各地得到了普遍应用[4-5]。

评价水土流失时，其中一个重要的影响因素就是地形地貌。如何提取地形因子对水土流失、土地利用、土地资源评价、城市规划等方面的研究有重要意义。地形因子的提取技术研究，经历了野外调查[6]、地形图量测[7]、RS图像处理[8-9]及DEM的GIS分析[10-12]等几个阶段，目前国内外的研究主要集中在对DEM的分析上。在应用中，高分辨率DEM使数据处理速度降低，且可能产生不必要信息；低分辨DEM导致一部分地形信息失去真实性，使结果与现实不符。了解不同分辨率所提取的地形因子在精度、适宜性和地学意义等方面存在何种差异，地形因子的精度和意义随着分辨率的变化而变化，是大尺度地学研究的基石。大多数学者探讨DEM分辨率对地形因子提取精度的影响，只针对单个地形因子。汤国安等[13]和陈楠等[14]对1∶1万和1∶5万比例尺的DEM信息容量进行了比较，得出在黄土高原沟壑地区不同比例尺DEM所提取的地面坡度、坡向、地面曲率、沟壑量等地形因子均存在较大的误差；Zhang et al.[15]研究表明DEM栅格分辨率对从其上提取的地形指数的精度有显著的影响；王峰等[16]利用ANUDEM数据生成多种分辨率的DEM，提取坡度、坡长、坡向和汇水面积等信息，探讨其随DEM分辨率的变化规律。国内外关于水蚀模型的应用研究大都使用单一分辨率[17-20]，关于DEM分辨率对水蚀模型评价结果影响的研究鲜有报道。在RUSLE模型中，以S和L复合成LS因子，来评价水土流失结果，而探讨LS因子随DEM分辨率变化特征导致对水土流失评价结果受到何种影响的研究不多，因此，探讨DEM分辨率对水土流失评价结果的影响，对较大尺度下应用土壤侵蚀模型时分辨率的如何选取存在重要价值。

我国对土壤侵蚀强度的评价研究，大多在西北黄土高原、东北黑土区、云贵高原和南方红壤区，大兴安岭林区土壤侵蚀的研究较少。大兴安岭地区是我国最大的林区，也是我国重要的林业生产基地之一。但由于长期过度采伐、经营措施不当，该区水土流失情况日益加重。根据遥感技术调查，1986年全区水土流失面积为14 267.26 km2，占总面积的17.2%；2002年全区水土流失面积22 735.35 km2，其中：水力侵蚀为2 688.81 km2、冻融侵蚀为20 112.57 km2。1999年国家实施天然林保护工程以来，大兴安岭地区加大了水土流失治理力度，水土保持工作取得了一定成果，但是面临的形势仍然比较严峻，继续搞好水土流失治理，对发展社会主义新林区建设具有重要意义。本研究以大兴安岭为研究区域，选用RUSLE模型，基于RS和GIS技术，研究不同DEM分辨率提取的地形因子对水土流失评价结果的影响。

1 研究区概况

大兴安岭地区是祖国最北部边疆，地处大兴安岭山脉的东北坡，地理位置东西横跨6个经度，南北纵越3个纬度，海拔1 100～1 400 m。地貌形成具有明显不对称形态，地形总势呈东北—西南走向，属浅山丘陵地带。主要由中山、低山丘陵和山间谷地组成，地形平滑，坡度平缓，起伏不大。原始森林茂密，植被覆盖度较高，生态系统较完整，是我国较为重要的林业基地之一。冬寒夏暖，昼夜温差较大，年平均气温-2.8 ℃，最低气温-52.3 ℃，无霜期90～100 d，年平均降水量746 mm，属寒温带大陆性季风气候。

2 研究方法

2.1 基础数据来源

大兴安岭地区2010年分辨率30 m的Landsat TM遥感影像数据来源于美国地质勘探局网(http://glovis.usgs.gov/)；DEM数据来源于间距为50 m的矢量化等高线图；土壤可蚀性因子(K)的土壤数据来源于南京土壤研究所制作的东北三省土壤类型数据；月降雨数据来源于中国气象数据网(http://data.cma.cn/)。

2.2 土壤侵蚀量的计算方法

本文以3S技术相关软件为支撑，生成不同分辨率10、20、30、40、50、60、70、80、90、100 m的DEM，再提取地形因子L、S、LS，用重采样方法将水土流失模型中各因子栅格大小统一，带入水土流失模型RUSLE，计算土壤侵蚀量，分析DEM分辨率对水土流失评价结果的影响。

RUSLE模型结构形式为：

A=RKLSCP。

(1)

式中：A为单位面积上的土壤流失量；R为降雨侵蚀力因子；K为土壤可蚀性因子；L为坡长因子，S为坡度因子，C为作物覆盖和管理因子，P为水土保持措施因子。

2.3 模型中各因子提取

降雨侵蚀力因子R：R是评价雨水冲刷导致土壤分离和搬运的重要指标。R反映了由降雨引起水土流失的潜在能力、气候因素对水力侵蚀的作用[21]。是导致水土流失最重要的外部驱动力，也是目前应用广泛的通用土壤流失方程中的一个基本因子[22]。

大多R值估算模型中，未考虑降雪量对R值带来的影响，研究区域内有冻土及冰雪融化等现象，会产生土壤侵蚀。因此，本研究选用Wischmeier W H.的R值修订公式，其表达式为：

(2)

式中：Pi为月降雨数据，P为年降雨数据。

本研究采用克里金方法(Kriging)对降雨数据进行空间插值，该方法最大优点就是误差分析时可确定变量的物理意义，避免出现的边界效应。

土壤可侵蚀性因子K：K是RUSLE模型中的一个重要参数。它的研究对水土综合治理、水土保持措施的配置、水土流失模型的建立以及水土保持规划具有重要意义[23]。

计算K值，较多采用Williams等人的EPIC模型[24]，计算公式为：

k={0.2+0.3exp[-0.025 6NSA(1-LSI/100)]}×

(3)

式中：NSA为砂粒质量分数；LSI为粉砂质量分数；ASL为粘粒质量分数；C为有机质量分数；SN1=(1-NSA)×100%。

大兴安岭土壤构成主要由暗棕壤、沼泽土、漂灰土和暗色草甸土构成，其他类型土壤分布稀疏，忽略不计。结合研究区域土壤特点及结构，少量部分进行取舍合并，参考现有研究成果，得到研究区域土壤K值，暗棕壤K值=0.28，沼泽土K值=0.022 5，漂灰土K值=0.038 1，暗色草甸土K值=0.026 3。

地形因子。LS地形是影响水土流失的重要因素。在RUSLE模型中地形要素主要是由S和L所决定的，LS因子由L和S因子复合而成。通过DEM数据，计算每段坡的LS值，最终得到研究区域的LS值，这样可以更全面地体现坡形对侵蚀过程的作用。LS因子算法如下：

(4)

L=(λ/22.1)α

α=β/(1+β)

β=(sinθ/0.089)/[3.0(sinθ)0.8+0.56]。

(5)

式中：S为坡度因子;θ为坡度值；L为坡长因子;λ为坡长;α为坡度坡长指数。

植被覆盖和经营管理因子C和水土保持措施因子P。C是模型中影响较大的因子，该因子可评估地表覆盖相关变量对土壤流失的综合影响，其值由作物覆盖、耕作顺序、管理手段决定。

首先对遥感影像进行监督分类及目视解译，将研究区域分为5类：森林，农田，居民地，裸地和水体。通过黑龙江水保确定C因子值，其中：水体C取0，裸地及居民地的取1，用耕作面积加权计算农田C取0.257 1。

林草地的C值，再通过ENVI5.0获取归一化植被指数(INDV)数据，分别统计出INDV最大值和最小值，利用植被覆盖度与植被指数关系，按照经验公式计算获取C值，公式如下：

C=0.650 8-0.343 6lgf

f=(INDV-INDVmin)/(INDVmax-INDVmin)。

(6)

式中：f代表植被覆盖度。

水土保持措施因子P是采取水保措施后，土壤流失量与顺坡种植时的土壤流失量的比值[25]。目前研究中，P主要取经验值，结合遥感图像对研究区域进行土地利用分类，再通过阅读相关文献对不同土地利用类型的P值进行赋值。P值的经验公式，其形式为：

P=0.2+0.03S。

(7)

式中：S为坡度。

P值为0表示该区域水土保持措施未被破坏；P值为1时表示该区域未进行水保措施。本文中参照土地利用现状图以及相关文献进行P值确定，林草地P值取1.0，农田P值0.3，水体P值0，裸地P值1.0[26]。

3 结果与分析

3.1 DEM分辨率对极值的影响

提取不同分辨率(10、20、30、40、50、60、70、80、90、100 m)下的L、S、LS因子和土壤侵蚀量极值。如图1所示，随着DEM分辨率增加，L、S、LS、土壤侵蚀量最小值基本无变化，L最大值呈递增趋势，S最大值呈递减趋势，LS最大值总体呈较小的递减趋势，土壤侵蚀量最大值总体呈波动递减趋势。

图1 L、S、LS和土壤侵蚀量极值折线图

3.2 DEM分辨率对均值的影响

如图2所示，在研究区域内，L、LS的均值在分辨率为50～60 m之间变化显著，而S的均值在30～40 m之间变化显著。土壤侵蚀量的均值在分辨率50 m处发生剧变。L、S、LS、土壤侵蚀量的均值变化均随着分辨率增加到60 m后趋于平稳。

图2 L、S、LS和土壤侵蚀量均值折线图

3.3 DEM分辨率对方差的影响

方差是衡量一个样本波动大小的量，方差越大，样本数据的波动就越大。方差亦能反映一个数据的离散程度。

如图3所示，随DEM分辨率增加，S方差、LS方差和土壤侵蚀量方差值总体变化均呈递减趋势。L、S、LS方差值均在分辨率为50～60 m之间发生显著变化，土壤侵蚀量方差值在分辨50 m处发生剧变。当DEM分辨率达到60 m以后，四者的方差均趋于稳定，说明分辨率的变化对方差几乎无影响，样本数据离散程度稳定，有趋同效应。

图3 L、S、LS和土壤侵蚀量方差折线图

3.4 相关性分析

为去除量纲不同带来的影响，将L、S、LS因子和土壤侵蚀量进行标准化，进行相关性分析，各因子间Pearson相关系数见表1。从表1可知：研究区域内分辨率与L、S、LS因子和土壤侵蚀量均极显著相关，S因子、LS因子和土壤侵蚀量与分辨率关系均呈负相关，说明随着分辨率的降低，S因子、LS因子和土壤侵蚀量应呈现递减趋势，与上述结论一致。L因子与分辨率呈正相关，L因子随着DEM分辨率降低呈递增趋势，且LS因子对分辨率变化最为敏感，L、S、土壤侵蚀量对分辨率敏感度依次递减。LS因子与L、S因子均显著相关，与L因子呈负相关，与S因子呈正相关，对L因子敏感性大于S因子。土壤侵蚀量与L、S、LS、分辨率均有相关性，与分辨率关系最为显著，对L、S因子敏感性小于LS因子，与LS因子呈正相关，说明LS因子越大，土壤侵蚀量越大。由于研究区域地形平缓，坡度起伏小，且研究区域植被覆盖度较高，导致L因子对LS因子影响大于S因子，分辨率越低，地形失真越严重，地形愈平缓，土壤侵蚀量降低。

表1 L、S、LS和土壤侵蚀量相关性

注：** 在0.01水平(双侧)上显著相关；*在0.05水平(双侧)上显著相关。

3.5 大兴安岭土壤侵蚀量计算

综上所述，L、S、LS因子和土壤侵蚀量均在分辨率50 m处发生明显变化。故将R、K、C、P各因子空间分布图重采样，得到像元大小为50 m分辨率的各因子空间分布图，结合DEM分辨率为50 m提取的LS因子空间分布图，计算得到大兴安岭土壤侵蚀量，按照水利部颁布的土壤侵蚀强度分类分级标准(见表2)中对东北黑土区的规定进行分级，结果见图4。

表2 土壤侵蚀强度分级标准(SL190-96)

图4 大兴安岭土壤侵蚀量

大兴安岭地区土壤侵蚀情况良好，几乎不存在剧烈侵蚀，大部分地区是微、轻度侵蚀。微度侵蚀和轻度侵蚀总面积为63 791.05 km2，占研究区域面积的90%以上，中度以上侵蚀面积不到总面积的10%。原因是大兴安岭地区植被覆盖度大，生态系统较完整，且地形起伏度较小，坡度较缓。侵蚀较严重情况多出现在山脊和部分其他植被覆盖极低的地区，这些地区大多人为干扰严重。

4 结论与讨论

DEM分辨率的大小决定了提取地形的精细度，从而影响利用地形因子所做应用分析的精度，因此找寻适宜分辨率成为地形分析中的重要研究内容。本研究使用ArcGIS软件，提取不同分辨率(10、20、30、40、50、60、70、80、90、100 m)的地形因子，代入RUSLE模型来估算大兴安岭地区的土壤侵蚀量，分析不同DEM分辨率下提取的地形因子对水土流失评价结果的影响。

研究区域内，土壤流失量变化主要是由于DEM分辨率变化引起的，DEM分辨率变化，导致L、S和LS因子变化，LS因子对土壤侵蚀量影响显著，L因子对LS因子的影响明显大于S因子对LS因子的影响。当DEM分辨率在40 m及以下时，L、S、LS因子值和土壤侵蚀量变化较小。分辨率过高，导致信息冗余，计算量过大，且对结果影响较小。当分辨率在50～60 m之间时，L、S、LS因子值和土壤侵蚀量数据均发生很大变化。当分辨率大于60 m时，L、S、LS因子值和土壤侵蚀量走势逐渐平稳，有明显的“趋同效应”。分辨率越低，地形越概化，坡度逐渐降低，导致地形趋于平缓，从而导致地形失真，使土壤侵蚀量计算结果受到影响。因此，研究区域内计算土壤侵蚀量最适宜的DEM分辨率在50～60 m之间。

大兴安岭地区土壤侵蚀状况良好，主要集中在微、轻度侵蚀，剧烈侵蚀极少。区域内影响土壤侵蚀量地形因子主要是坡长因子，是由于研究区域地形起伏较小，坡度较缓，坡长愈长，流水侵蚀能力愈强。可根据土壤侵蚀量分布图，根据不同地区，推行不同水土保持措施，以进一步改善大兴安岭地区水土流失情况。

[1] 许月卿,蔡运龙.贵州省猫跳河流域土壤侵蚀量计算及其背景空间分析[J].农业工程学报,2006,22(5):50-54.

[2] WISCHMEIER W H, SMTH D D. Predicting rainfall erosion losses; A guide to conservation Fig. T G, USDA[M]. Washington D C: Agriculture Handbook,1978.

[3] RENARD K G, FOSTER G A, WEESIES G A, et al. Predicting soil erosion Bywater: A guide to conservation planning with RUSLE. USDA[M]. Washington D C: Agriculture Handbook,1997.

[4] 欧阳雪芝,潘竟虎.陇东黄土高原土壤侵蚀变化定量遥感监测：以黄土高原水保二期世行贷款庆城项目区为例[J].水土保持通报,2006,26(5):75-78.

[5] IRVEM A, TOPALOGLUT F, UYGUR V. Estimating spatial distribution of soil loss over Seyhan River Basin in Turkey[J]. Journal of Hydrology,2007,336(1/2):30-37.

[6] 罗来兴,朱震达.编制黄土高原水土流失与水土保持图的说明与体会[C]//中国地理学会地貌专业委员会.中国地理学会一九六五年地貌学术讨论会文集.北京:科学出版社,1965.

[7] 静天魁.等高线地形图应用指南[M].北京：煤炭工业出版社,1983.

[8] 张兵,王向军.一种黄土区土壤侵蚀强度遥感调查新方法[J].国土资源遥感,1996(4):36-39.

[9] 李锐,宋桂琴,刘静,等.遥感图像“空间”特征的机助处理[J].水土保持研究,1994，2(1):63-67.

[10] 何伟,李壁成.小流域数字地面模型(DTM)的建立及其在水土保持遥感动态监测中的应用[J].水土保持研究,1998,5(2):141-147.

[11] 刘静.数字化地形模型(DTM)在水土保持中的应用[J].水土保持研究,1992(2):96-100.

[12] 柯正谊,何建邦.数字地面模型[M].北京：中国科学技术出版社,1993.

[13] 汤国安,赵牡丹,李天文,等.DEM提取黄土高原地面坡度的不确定性[J].地理学报,2003,58(6):824-830.

[14] 陈楠,林宗坚,李成名,等.1∶10 000及1∶50 000比例尺DEM信息容量的比较:以陕北韭园沟流域为例[J].测绘科学,2004,29(3):39-41.

[15] ZHANG W H， MONTGOMERY D R. Digital elevation model grid size， landscape presentation， and hydrologic simulations[J]. Water Re-sources Research，1994，30(4):1019-1028.

[16] 王峰,王春梅.地形因子与DEM分辨率关系的初步研究:以蒙阴县为例[J].水土保持研究,2009,8(4):225-229.

[17] JONG S M D, PARACCHINI M L, BERTOLO F, et al. Regional assessment of soil erosion using the distributed model SEMMED and remotely sensed data[J]. Catena,1999,37(3/4):291-308.

[18] FU B, LIU Y, LU Y, et al. Assessing the soil erosion control service of ecosystems change in the Loess Plateau of China[J]. Ecological Complexity,2011,8(4):284-293.

[19] XU L, XU X, MENG X. Risk assessment of soil erosion in different rainfall scenarios by RUSLE model coupled with information diffusion model: a case study of Bohai Rim, China[J]. Catena,2013,100(2):74-82.

[20] WICKAMA J, MASSELINK R, SRERK G. The effectiveness of soil conservation measures at a landscape scale in the West Usambara highlands, Tanzania[J]. Geoderma,2015,241(3):168-179.

[21] 王建.降雨及其侵蚀力研究方法探讨[J].广东水利电力职业技术学院学报,2008,6(2):53-57.

[22] 喻石,王瑄,张锐.丹东地区降雨侵蚀力(R值)的时空分布规律分析[J].水土保持研究,2007,10(3):158-160.

[23] 雷俊山,杨勤科.土壤因子研究综述[J].水土保持研究,2004,13(2):156-159.

[24] 张宪奎,许靖华,卢秀琴,等.黑龙江省土壤流失方程的研究[J].水土保持通报,1992(4):1-9.

[25] 刘宝元,谢云,张科利.土壤侵蚀预报模型[M].北京：中国科学技术出版社,2001.

[26] 黄金良,洪华生,张路平,等.基于GIS和USLE的九龙江流域土壤侵蚀量预测研究[J].水土保持学报,2004,18(5):75-79.