APP下载

基于RS和GIS的重庆市土壤侵蚀模型研究

2018-05-14温莉周廷刚刘晓璐吴浪

安徽农业科学 2018年27期
关键词:水土流失重庆市模型

温莉 周廷刚 刘晓璐 吴浪

摘要 [目的]研究更簡便、更精确的模型计算重庆市的水土流失量。[方法]以RS、GIS、eCognition、SPSS等软件为平台,将基于RUSLE模型计算得到的2002年重庆市各区、县的年水土流失量数据与官方公布数据进行回归分析,建立重庆市土壤侵蚀模型。[结果]基于RUSLE模型计算得到的2002年重庆市各区、县的年水土流失量数据相对于官方公布数据,平均精度达72.38%,在多缓坡的区、县精度较高,在多陡坡的区、县精度较低。由建立的重庆市土壤侵蚀模型计算得到的2002年重庆市10个区、县的年水土流失量数据相对于官方公布数据,模拟精度达85.73%,较好地改善了RUSLE模型在陡坡地区精度较差的不足。重庆市土壤侵蚀模型相对于RUSLE模型,在重庆市10个验证数据的水土流失量计算中,计算结果的平均精度提高了10.6%。[结论] 重庆市土壤侵蚀模型相对于RUSLE模型在重庆市水土流失量的计算中具有更好的实用性,可为重庆市水土流失量的计算提供参考。

关键词 模型;RS;GIS;;RUSLE; 水土流失;重庆市

中图分类号 S157 文献标识码 A 文章编号 0517-6611(2018)27-0130-04

The Study of Soil Erosion Models in Chongqing Based on RS and GIS

WEN Li1,ZHOU Tinggang1,2,LIU Xiaolu1 et al

(1.School of Geographical Sciences,Southwest University,Chongqing 400715;2.Chongqing Engineering Research Center for Remote Sensing Big Data Application,Chongqing 400715)

Abstract [Objective] To explore a simple and more accurate model to calculate the amount of soil and water loss in Chongqing.[Method] Based on the RUSLE model,this paper took advantage of RS,GIS,eCognition,SPSS and other software.First of all,six factors that affect soil and water loss were calculated and the distribution of soil and water loss of Chongqing in 2002 was obtained by applying the overlay analysis function of GIS.Then,calculating the amount of soil and water loss in various districts and counties of Chongqing in 2002 and making regression analysis with official published data,finally established the model of soil erosion in Chongqing.[Result]With the standard of official data ,the average accuracy of soil and water loss in districts and counties of Chongqing in 2002 which was calculated based on the RUSLE model reached to 72.38%.The accuracy was more accurate in districts which had more gentle slopes,and was poorer in steep districts.With the standard of official data,the simulation accuracy of soil and water loss in districts and counties of Chongqing in 2002 which was calculated based on the established model of soil erosion in Chongqing,reached to 85.73%.The established model of soil erosion in Chongqing improved the deficiencies of RUSLE model in steep lands.Compared with the RUSLE model,the established soil erosion model in Chongqing showed that the average accuracy of calculated results was improved by 10.6% in calculation the amount of soil and water loss in 10 validated data in Chongqing.[Conclusion] Compared with the RUSLE model,the model of soil erosion in Chongqing improves the calculation precision in the areas which have large gradient,and has better practicability in the calculation of soil and water loss in Chongqing.

Key words Model;RS;GIS;RUSLE;Soil and water loss;Chongqing

基金项目 国务院三峡办三峡后续工作库区生态与生物多样性保护专项“重庆库区重要支流(涪陵—巫山段)水生生境状况调查与评估”(500000201BB5200002)。

作者简介 温莉(1993—),女,四川泸州人,硕士研究生,研究方向:遥感与地理信息系统应用。*通讯作者,教授,博士,从事遥感与地理信息系统应用研究。

收稿日期 2018-05-21

水土流失是我国面临的三大生态环境问题之一[1]。全国水土流失面积占国土面积的50.49%[2]。水土流失会造成土壤肥力下降,大量的径流泥沙会导致水库淤积、河道阻塞等问题[3]。我国地域广阔,自然和经济社会条件复杂,水土流失分布广、面积大、类型多,区域水土流失的监测和治理存在较大差异[4]。针对不同区域的自然和经济社会状况,提出适应于当地的土壤流失预测模型,是提高土壤流失预测预报精度的关键,也是防治水土流失的前提。

RUSLE土壤流失模型是一个通用的经验模型,适用于缓坡耕地土壤流失量的计算。对于我国大部分地区,用RUSLE模型计算土壤流失量仍有较大误差。因此,国内学者以通用土壤方程为基础,建立了适合于当地的土壤侵蚀预测模型。张宪奎等[5]以RUSLE土壤流失模型为基础,通过对7年大量试验数据的统计分析,对模型中各因子的求算方法和数值进行全面的修改,得到了适用于黑龙江省的土壤流失方程。刘斌涛等[6]针对芦山地震灾区的特殊情况,建立了芦山地震灾区土壤流失模型(LSSLE)。林素兰等[7]以USLE土壤流失模型为基础,通过11年的径流小区试验,得到了辽北低山丘陵区坡耕地的土壤侵蚀方程,为该地区坡耕地治理提供了科学依据。笔者以重庆市作为研究区,以RUSLE土壤流失模型为基础,计算2002年重庆市各区、县的水土流失量,将基于RUSLE模型计算得到的2002年重庆市各区、县的年水土流失量与官方公布数据进行回归分析与验证,建立重庆市土壤侵蚀模型。该模型的建立,可以及时有效地预测、分析重庆市水土流失现状,为开展水土流失治理工作和政府及有关部门的决策提供科学依据。

1 研究区概况与研究方法

1.1 研究区概况 重庆市位于我国西南部,长江上游地区,位于105°11′~110°11′E、28°10′~32°13′N,是青藏高原与长江中下游平原的过渡地带,幅员面积8.24万km2。地貌以丘陵、山地为主,坡地面积较大,有“山城”之称。重庆年平均气温16~18 ℃,年平均降水量较丰富,大部分地区在1 000~1 350 mm,降水集中在5—9月,占全年总降水量的70%左右。土壤以水稻土和紫色土为主。易发生水土流失的自然条件,加之不合理的土地利用,使重庆市的水土流失十分严重。

1.2 研究方法

1.2.1 数据来源。

重庆市及其周边邻省共35个站点的1992—2002年日降水量数据来源于中国气象数据共享网(http://data.cma.cn/);遥感影像来源于https://glovis.usgs.gov/;DEM数据来源于http://www.gscloud.cn/,选用的是GDEMV2 30 m空间分辨率的产品;土壤数据来源于中国科学院南京土壤研究所;重庆市水土流失数据来源于重庆市水利局。

1.2.2 降雨侵蚀力因子。

降雨侵蚀力(R)为单位降雨作用地表使其产生水土流的能量[8],是降雨引起土壤侵蚀的潜在能力,它从定量的角度评价了降雨对土壤颗粒分离和搬运的作用,是通用土壤流失方程(USLE)及其修正模型(RUSLE)中六大基本因子之一[9]。RUSLE模型中计算降雨侵蚀力的经典算法所需要的数据很难获取且计算复杂,因此该研究采用卢喜平等[10]提出的重庆地区降雨侵蚀力计算模型求解R值,采用的数据是1992—2002年的降水数据。

R=5.249×F1.205

F= 12 i=1 pi p ×pi (1)

式中,R为年降雨侵蚀力,(MJ ·mm)/(hm2·h·a);p为年平均降雨量,mm;pi为各月平均降雨量,mm。

1.2.3 植被覆盖度因子。植被覆盖度因子(C)指在相同的土壤、坡度和降雨条件下,有特定植被覆蓋或田间管理土地上的土壤流失量与实施清耕、无覆盖裸露休闲地上的土壤流失量之比,其值在0~1,无量纲[11]。以2002年的TM影像计算NDVI,计算公式:

NDVI=(ρNIR+ρRED)/(ρNIR+ρRED) (2)

式中,NDVI为归一化植被指数;ρNIR为近红外波段;ρRED为可见光红光波段。

在NDVI的基础上,应用公式(3)直接计算植被覆盖度因子。在大尺度区域利用遥感植被指数(NDVI)计算 C 值是最有效、最实用的方法[12],其计算公式:

C=exp -2× NDVI 1-NDVI (3)

1.2.4 坡度坡长因子。

坡度坡长因子(SL因子)用来衡量地形对土壤侵蚀的影响。基于栅格的数字高程模型(DEM)可以实现基于像元的坡度和坡长因子的计算。首先基于DEM生成重庆市坡度图,然后采用卜兆宏等[13]根据实测数据得出了适用于我国S因子的计算方法,其计算公式:

S=0.621 1×203.1576×sinθ (4)

式中,S为坡度因子,无纲量;θ是坡度,单位是弧度。

基于DEM数据,根据Wischmeier等[14]在RUSLE模型中的坡长因子(L)计算方法[10],其计算公式:

L=(λ/22.13)α (5)

α=β/(β+1) (6)

β=(sinθ/0.0896)/[3×(sinθ)0.8+0.56] (7)

λ=D/cosθ

式中,L为坡长因子;λ为水平坡长;α为坡长指数;β代表细沟侵蚀与细沟间侵蚀的比率;θ是坡度,D为像元尺度坡长。

1.2.5 土壤可蚀性因子。

土壤可蚀性因子是通用土壤流失方程系列模型(USLE、RUSLE、CSLE)中一个必要参数,常用K表示[15]。以重庆市土壤分布图为底图,根据重庆市水土保持局官方公布的重庆市土类土壤可蚀性因子K值对底图进行赋值。其赋值见表1。

1.2.6 水土保持因子。

水土保持因子(P)指采取一定措施后土壤流失量与顺坡种植时土壤流失量的比值[16]。对于因子P的计算目前尚无定量公式,一般选取经验值,P取0~1,0代表基本上不发生侵蚀的地区;1代表未采取任何控制措施的地区[17]。

将2002年的Landsat-5 TM影像进行预处理和监督分类,并将重庆市土地利用类型分为林地、草地、耕地、工矿和建筑用地、裸地、水体6类,得到土地利用类型图。参考美国农业部手册703号和重庆市水土保持局官方公布的重庆水土保持因子P值及其相关文献对重庆市2002年土地利用类型图的各土地利用类型进行赋值。其赋值:林地1.00,草地1.00,耕地 0.03,工矿和建筑用地 0,水体 0,裸地 1.00。

1.2.7 重庆市年土壤侵蚀量(A)的估算。

年土壤侵蚀量A的估算采用RUSLE模型,其计算公式

A=224.2×R×K×S×L×C×P (8)

式中,A为年平均土壤流失量,t/(km2 ·a)。

1.2.8 重庆市土壤侵蚀模型的建立。

把基于RUSLE模型得到的2002年重庆市38个区、县的年土壤侵蚀总量数据分为试验数据和验证数据。选取28个数据为试验数据,以官方数据(官方数据来自重庆市水利局公布的水土保持公报)建立拟合模型,选取10个数据为验证数据,并通过验证数据对其进行精度评价。建立的重庆市土壤侵蚀模型:

A=λ×224.2×R×K×S×L×C×P+φ (9)

式中,λ、φ为模型参数。

安徽农业科学 2018年

2 结果与分析

2.1 基于RUSLE模型的土壤侵蚀总量数据与官方数据的对比

为了检验该研究计算方法的可靠性和探究RUSLE模型的不足,将基于RUSLE模型的土壤侵蚀总量数据与官方数据进行对比(官方数据中各因子的计算方法与该研究的计算方法不一致),结果表明,官方数据与基于RUSLE模型的土壤侵蚀总量数据的一致性较高,二者一致性变化为45.54%~89.84%,平均精度达72.38%。表明该研究计算水土流失各影响因子的方法可靠,计算结果精度较高,可以在重庆市使用。土壤侵蚀总量在多缓坡的区、县误差较小,误差较大的主要出现在奉节县、城口县、云阳县、开州区、南川区、江津区等地势崎岖的区、县,主要原因是RUSLE模型适合缓坡耕地水土流失量的计算,对于坡度较大的地区,计算结果精度较差。

2.2 重庆市土壤侵蚀模型的建立

重庆市多山地丘陵,地势崎岖,RUSLE模型不完全适合重庆市水土流失量的计算。为了改善RUSLE模型在陡坡地区计算精度的不足,减小数据的计算误差,把基于RUSLE模型得到的沙坪坝区、九龙坡区、酉阳县、奉节县、合川区、江津区、长寿区、云阳县、巫山县、江北区的年土壤侵蚀总量数据作为验证数据,其他28个区、县的年土壤侵蚀总量数据作为试验数据,建立重庆市土壤侵蚀模型。将试验数据与重庆市水利局2002年水土保持公报的官方数据进行回归分析,判定系数R2为0.752,拟合度较高,不被解释的变量较少。回归方程显著性检验的概率 为0,小于显著性水平0.05,则认为系数不同时为0时,被解

释变量与解释变量全体的线性关系显著,可建立线性方程。线性回归模型的模型参数λ=0.826,φ=9.211,拟合线性方程为Y=0.826X+9.211(图1)。由此可得到重庆市土壤侵蚀模型为A=0.826×224.2×R×K×S×L×C×P+9.211。

2.3 重庆市土壤侵蚀模型的验证 由该研究得到的重庆市土壤侵蚀模型计算年土壤侵蚀量A的方法相对简单,数据资料获取相对便捷,但模型存在地域性,必须经过验证,才可在

重庆市使用。将重庆市官方数据分别与应用重庆市土壤侵蚀模型计算得到的沙坪坝区、九龙坡区、酉阳县、奉节县、合川区、江津 区、长寿区、云阳县、巫山县、江北区的年土壤侵蚀总量数据和基于RUSLE模型计算得到的以上10个区、县的土壤侵蚀总量数据进行相关性分析,相关度分别为0.842和0.721,官方数据与基于重庆市土壤侵蚀模型的土壤侵蚀总量数据的相关性比官方数据与基于RUSLE模型的土壤侵蝕总量数据的相关性提高了0.121。对三者进行误差分析,结果表明,官方数据与基于重庆市土壤侵蚀模型的土壤侵蚀总量数据一致性为65.25%~88.99%,平均精度达85.73%。官方数据与基于RUSLE模型的土壤侵蚀总量数据的一致性为50.51%~81.63%,平均精度为75.13%,平均精度提高了10.6%(图2)。将官方数据与基于重庆市土壤侵蚀模型的土壤侵蚀总量数据进行线性拟合,决定性系数R2为0.870(图3),官方数据与基于RUSLE模型的土壤侵蚀总量数据进行线性拟合,决定性系数R2为0.730(图4),表明官方数据与基于重庆市土壤侵蚀模型的土壤侵蚀总量数据的拟合度较好,2组数据无显著差异,基于重庆市土壤侵蚀模型的土壤侵蚀总量数据比基于RUSLE模型的土壤侵蚀总量数据更精确、可靠。

3 结论

该研究以RUSLE方程为基础,采用更易获取的数据和更简单的方法来计算影响重庆市水土流失各因子。将基于RUSLE方程计算得到的2002年重庆市各区、县的年水土流失量与官方公布数据进行回归分析与验证,建立重庆市土壤侵蚀模型,结果表明,基于RUSLE模型计算得到的2002年重庆市各区、县的年水土流失量相对于官方公布数据,模拟精度达72.38%,数据一致性较好。但在奉节县、城口县、云阳县、开州区、南川区、江津区等地势较崎岖的区、县误差较大。由建立的重庆市土壤侵蚀模型计算得到的2002年重庆市10个区、县的年水土流失量数据相对于官方公布数据,平均精度达85.73%,与基于RUSLE模型的土壤侵蚀总量数据相比,平均精度提高了10.6%,减轻了地形对水土流失量的影

响,提高了陡坡地区水土流失量的计算精度。

参考文献

[1]

王刚,张秋平,郑海金,等.1987-2013年江西省水土流失趋势及其社会经济驱动力分析[J].生态科学,2017,36(3):115-120.

[2] 钱登峰,庄晓晖,张博.高寒区冻融侵蚀类型及驱动力分析[J].中国水土保持,2014(6):16-17.

[3] 田卫堂,胡维银,李军,等.我国水土流失现状和防治对策分析[J].水土保持研究,2008,15(4):204-209.

[4] 王治国,张超,纪强,等.全国水土保持区划及其应用[J].中国水土保持科学,2016,14(6):101-106.

[5] 张宪奎,徐靖华,卢秀琴,等.黑龙江省土壤流失方程的研究[J].水土保持通报,1992,12(4):1-9,18.

[6] 刘斌涛,宋春风,史展,等.芦山地震灾区土壤流失方程研究[J].长江科学院院报,2016,33(1):15-19.

[7] 林素兰,黄毅,聂振刚,等.辽北低山丘陵区坡耕地土壤流失方程的建立[J].土壤通报,1997,28(6):251-253.

[8] ELTAIF N I,GHARAIBEH M A,ALZAITAWI F,et al.Approximation of rainfall erosivity factors in North Jordan[J].Pedosphere,2010,20(6):711-717.

[9] 周琳,許武成,尹义星.近61年四川省降雨侵蚀力的时空变化趋势[J].水土保持研究,2018,25(4):8-14.

[10] 卢喜平. 紫色土丘陵区降雨侵蚀力模拟研究[D].重庆:西南大学,2006.

[11] 张岩,刘宝元,史培军,等.黄土高原土壤侵蚀作物覆盖因子计算[J].生态学报,2001,21(7):1050-1056.

[12] 陈学兄.基于遥感与GIS的中国水土流失定量评价[D].杨凌:西北农林科技大学,2013:89.

[13]卜兆宏,唐万龙,潘贤章.土壤流失量遥感监测中GIS像元地形因子算法的研究[J].土壤学报,1994,31(3):322-329.

[14] WISCHMEIER W H,SMITH D D.Predictingrainfall erosion losses:A guide to conservation planning[M]. Washington,DC:Science and Education Administration,United States Department of Agriculture, 1978.

[15] OSTOVARI Y.Modification of the USLE K factor for soil erodibility assessment on calcareous soils in Iran[J].Geomorphology,2016,273:385-395.

[16] PRASANNAKUMAR V,VIJITH H,ABINOD S,et al.Estimation of soil erosion risk within a small mountainous sub-watershed in Kerala,India,using Revised Universal Soil Loss Equation(RUSLE) and geo-information technology[J].Geoscience frontiers,2012,3(2):209-215.

[17] 韩佳.基于RS与GIS的东川地区水土流失研究[D].北京:中国地质大学,2010:50.

猜你喜欢

水土流失重庆市模型
重庆市光海养蜂场
重庆市光海养蜂场
重要模型『一线三等角』
重尾非线性自回归模型自加权M-估计的渐近分布
铸造辉煌
——重庆市大足区老年大学校歌
水土保持对防治水土流失的关键
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
重庆市关工委举行成立二十周年纪念大会