基于RUSLE模型的贵州省三穗县土壤侵蚀研究

梁建方，韦小茶，马龙生，颜 红，夏传花

(1. 贵州林业勘察设计有限公司，贵州 贵阳 550003；2. 贵州师范大学地理与环境科学学院，贵州 贵阳 550001)

自然和不合理的人为活动引起的土壤侵蚀，可导致土壤和养分的流失、土层变薄、土地贫瘠、宜耕地减少等，是土地退化和生态环境恶化的重要因素[1-2]。土壤侵蚀是全球范围内发生最广泛、危害最严重的生态环境问题之一，而以贵州为中心的中国西南喀斯特区是全球三大喀斯特集中分布区之一[3-4]，喀斯特地区土壤侵蚀直接后果就是基岩裸露而石漠化，滇黔桂三省(自治区)石漠化面积超过7.79万km2，占该地区喀斯特面积的21.1%[5-6]。

随着遥感和计算机技术的发展，土壤侵蚀经验统计模型成为土壤侵蚀研究的重要途径。其中，美国农业部于1997年发布的通用土壤流失经验模型(USLE)是目前应用最方便、使用最广泛的土壤侵蚀模型。根据中国特殊地貌类型的特征，修正的土壤流失方程(RUSLE)已被广泛应用于土壤侵蚀的估算中。例如，胡先培等基于RUSLE模型对盘州市土壤侵蚀动态变化进行研究[7]；李月基于GIS和RUSLE模型对喀斯特土壤侵蚀时空演变规律进行了探究[8]；罗红等基于修正的通用土壤流失方程，分析黔西北地区1974、1992、2008年土地利用/覆盖变化前后的土壤侵蚀状况[9]，以上研究均表明RUSLE模型在中国大多地区土壤侵蚀估算中具有一定的适用性。此外，周忠发等开展贵州纳雍县土壤侵蚀遥感调查与GIS空间数据分析[10]；杨广斌基于网格数据将上壤侵蚀的微观研究与宏观评价结合，实现贵州省土壤侵蚀的定量评价并建立土壤侵蚀模数数据库[11]；孙德亮等研究贵州省2010年的土壤侵蚀模数以及空间分布特征[12]。而在基于原位观测方法对贵州喀斯特地区土壤侵蚀的相关研究中, 李瑞等探讨区不同土地利用方式、地形及降雨等因子对典型喀斯特坡面土壤侵蚀的影响[13]；郑伟等研究不同降雨强度对裸地和植被覆盖小区的土壤侵蚀特征[14]；龙明忠等研究不同等级石漠化下土壤侵蚀因子的特征及其对土壤侵蚀的影响[15]。还有其他学者探讨了土地利用、土壤物理性质等因素对贵州省土壤侵蚀的时空演变规律[16-18]。

贵州是典型的喀斯特山地省份，具有地表破碎、地形崎岖及土层浅薄等生态问题，在特殊的自然环境背景和不合理的人为活动干扰下，水土流失及石漠化成为当地生态环境建设中面临的主要问题。由于贵州地形特征差异显著，而采用传统的土壤侵蚀实地调查难度大，目前关于中、大尺度及长时间序列的土壤侵蚀研究较少[19-26]。而随着社会的发展和生态文明建设工作的积极开展，贵州省的生态环境已发生明显的变化[27-28]。因此，本文以贵州省三穗县为例，基于RUSLE模型，定量分析三穗县1990—2015年土壤侵蚀时空变化特征，对区域土壤侵蚀及石漠化治理成效评估及进一步的水土保持工作提供重要的理论基础和科学的决策依据，也是该区域可持续发展的重要需求。

1 研究区概况

三穗县位于贵州省黔东南苗族侗族自治州东北部，地理位置108°32′～109°04′E，北纬26°47′～27°04′N(图1)，面积1.04×103km2，地处云贵高原向湘西丘陵过渡的斜坡面上，由西向东倾斜，境内地貌类型多样，低山、丘陵、河谷、盆地交错。全县平均海拔740 m，南部的海拔高达1 441 m，北部的海拔低达436 m，相对高差较大。三穗县属北亚热带温和湿润季风气候，年平均气温14.9℃，平均降水量1 147 mm。土壤类型有水稻土、黄壤、黄红壤、紫色土、黄棕壤、黑色石灰土等。

图1 三穗县区位

2 数据来源与研究方法

2.1 数据来源

所用数据包括GDEMDEM 30 M分辨率数字高程数据、气象数据、NDVI数据、土地利用类型数据与土壤数据。其中DEM数据、NDVI数据与土地利用类型数据均来源于地理空间数据云平台(http://www.gscloud.cn/)，NDVI数据由1990—2015年TM/ETM+/Landsat8遥感影像反演获得，基于1995年9月、2005年7月(Landsat5)、2015年3月(Landsat8)3期遥感影像监督分类获得土地利用类型数据；气象数据来源于中国气象数据共享网(http://data.cma.cn/)，为贵州19个气象观测站1990—2015年20—20时降雨量数据日值数据集；土壤类型数据通过HWSD(http://www.iiasa.ac.at/Research/LU/External -World-soil-database/HTML)查询表层土壤机械组成(沙粒含量、粉粒含量、黏粒含量)与有机碳含量得到土壤数据。

2.2 土壤侵蚀估算模型

采用修正通用土壤流失方程(RUSLE)对研究区的土壤侵蚀进行定量评估[27]，RUSLE的表达式如下:

A=R·K·LS·C·P

(1)

式中A——年土壤侵蚀量，表示单位面积坡地片蚀和细沟侵蚀的年平均侵蚀量，t/(hm2·a)；R——降雨侵蚀力因子，MJ·mm/(hm2·h·a)；K——土壤可蚀性因子，表示为标准小区下单位降雨侵蚀力形成单位面积的土壤流失量，t·h/(MJ·mm)；LS——地形因子(L为坡长因子，S为坡度因子)；C——植被覆盖和管理因子；P——水土保持措施因子。

2.2.1降雨侵蚀力因子R

降水侵蚀因子是加速土壤侵蚀的动力机制，在相同地表条件下的水蚀区，同一地区不同年份，或同一年份不同地区的侵蚀呈现差异，皆源出于R值的不同。本文选择由周伏建等提出的适合中国南方地区降雨侵蚀力R值的简易计算公式[28]：

(2)

式中Pi为月降水量，单位mm，根据贵州省19个气象站1990—2015年的日值数据，利用EXCEL表格统计获得。由式(2)得到每个站点的年降水侵蚀力R，再用Kriging插值法进行空间内插，形成大小为30 m的栅格数据，得到R的空间分布图，用IDL编程统计得到每年平均降雨侵蚀力因子。

2.2.2土壤可蚀性因子K

土壤可蚀性因子K值是经过试验获得的定量数值，通常以标准小区单位降水侵蚀力所造成的土壤流失量获得。本文以Williams等发展的仅由土壤颗粒和土壤有机碳组成数据来估算K值[10](图2)，其表达式为：

(3)

图2 三穗县K因子空间分布

2.2.3地形因子LS

地形地貌对土壤侵蚀有着重要的影响，RUSLE 模式中斜坡长度因子(L)、坡度因子(S)在不同的区域有变化(图3)。根据水流功率理论和物理过程，以及充分考虑径流和水文过程的影响[22]，计算公式如下：

L=(λ/22.13)m

(4)

(5)

β=(sinθ/0.0896)/(3 sin0.8θ+0.56)

(6)

(7)

式中L——坡长；m——可变坡长指数；22.13——标准小区坡长；S——坡度因子；θ——坡度。

图3 三穗县LS因子空间分布

2.2.4植被覆盖和管理因子C

植被覆盖和管理因子C是指在一定植被覆盖和管理措施条件下土壤流失量与同等条件下适时翻耕、连续休闲对照地上土壤流失量之比[10]。其计算公式如下：

NDVI=(NIR-R)/(NIR+R)

(8)

(9)

式中α=2；β=1；NDVI——归一化植被指数；R——近红外波段；NIR——红外波段。

2.2.5水土保持措施因子P

水土保持措施因子指在有一定水土保护措施的作用下，土壤流失面积与标准状况下土壤流失面积之比。其值在0 ～ 1之间，0 代表未发生土壤侵蚀，1 表明水土保持措施完全失效。由于位于贵州喀斯特山区，且海拔落差较大，坡度较陡，水土保持措施往往与土地利用类型紧密相关。本文参考孙德亮与赵海兵的研究成果，将各土地利用类型的保持措施因子P赋值[12,29]， 结果见表1。三穗县的水土保持措施因子空间分布特征见图4—6，在1996、2004、2013年的水土保持措施因子均值分别为0.748、0.828和0.851。

表1 研究区不同土地利用类型及其不同植被盖度下P值

图4 三穗县P因子空间分布(1996年)

图5 三穗县P因子空间分布(2004年)

图6 三穗县P因子空间分布(2013年)

3 结果与分析

3.1 土壤侵蚀模数变化特征

基于RUSLE模型对贵州省三穗县1990—2015年土壤侵蚀进行估算，结果见图7。三穗县26 a间的土壤侵蚀先增加后下降再增加，总体呈上升的趋势，1990—1997年间侵蚀模数由62.052 t/(hm2·a)增加到480.519 t/(hm2·a)。1999—2006年的土壤侵蚀模数一直处于较低且变化稳定的趋势，2003年的土壤侵蚀模数最低，为29.860 t/(hm2·a)。1994—1998年和2006—2015年的土壤侵蚀模数较高，其中，2014年的土壤侵蚀模数最高，为732.928 t/(hm2·a)。

图7 三穗县1990—2015年土壤侵蚀模数(A)变化特征

土壤侵蚀分级标准参照SL 190—2007《土壤侵蚀分类分级标准》(表2)，在Arc map中对三穗县1990—2015年土壤侵蚀进行重分类得到各级土壤侵蚀强度。表3中，三穗县26 a间以微度土壤侵蚀为主，其次为轻度侵蚀，土壤剧烈侵蚀所占的面积最少。1990—1994、1999—2005年的微度土壤侵蚀面积均较大，1995—1998、2008—2015年的轻度土壤侵蚀面积均较大，1995—1998、2011—2015年的中度土壤侵蚀面积较大，2008—2015年的强度土壤侵蚀较为严重，极强度和剧烈土壤侵蚀在1997—1998、2008—2015年所占的面积较大。总体来说，三穗县在1993—1998、2008—2015年这2个时期的土壤侵蚀较为严重。可能是在1993—1998年，该区域以农业生产为主，开垦农田等土地利用方式是造成土壤侵蚀的主要原因。在2008—2015年，主要是由于大规模快速的城镇化建设，造成大量的水土流失，加剧土壤侵蚀。因此，在今后的生产建设中，应加强水土保持意识，防止水土流失的现象进一步恶化。

表2 水土流失强度分级标准 t/(km2·a)

表3 三穗县1990—2015年各级土壤侵蚀强度的面积变化 km2

3.2 降雨侵蚀力因子R变化特征

图8中，三穗县1990—2015年的降雨侵蚀力呈先上升后下降最后再上升的趋势，总体呈上升趋势。在1990—2005年的降雨侵蚀力由186.688 MJ·mm/(hm2·h·a)波动下降到138.557 MJ·mm/(hm2·h·a)。在2005—2015年，降水侵蚀力由138.557 MJ·mm/(hm2·h·a)上升到194.032 MJ·mm/(hm2·h·a)。其中，2011—2015年的降水侵蚀力增加最为明显，2011年的降水侵蚀力最低，为131.006 MJ·mm/(hm2·h·a)；2014年的降雨侵蚀力最高，为239.183 MJ·mm/(hm2·h·a)。而2014年的土壤侵蚀模数在研究期间最高，且26 a间的土壤侵蚀模数也呈先上升后下降最后再上升的趋势，可以看出两者的变化趋势具有一定的一致性。从图9数据分析中，土壤侵蚀模数与降雨侵蚀力之间的多项式关系较明显，相关系数为0.44，说明降雨侵蚀力对土壤侵蚀具有一定的影响作用。

3.3 植被覆盖与管理因子C变化特征

C因子指在相同的土壤、坡度和降水条件下，某一特定作物或者植被覆盖情况下的土壤流失量与耕作过后连续休闲土壤流失量的比值，取值为0～1。目前，土壤侵蚀量与植被覆盖度之间的指数关系被多数学者所认可。图10中，三穗县1990—2015年的植被覆盖与作物管理因子C总体呈显著的上升趋势，变化范围为0.130%～0.559%，尤其是2006—2015年的增加趋势最为显著。图11中，土壤侵蚀模数与植被覆盖和管理因子之间相关系数的平方为0.557 6，说明植被覆盖和管理对土壤侵蚀具有重要的影响。

图8 三穗县1990—2015年降雨侵蚀力因子(R)变化特征

图9 三穗县1990—2015年土壤侵蚀模数与降雨侵蚀力因子(R)之间的关系

图10 三穗县1990—2015年植被覆盖和管理因子(C)变化特征

图11 三穗县1990—2015年土壤侵蚀模数与植被覆盖和管理因子(C)之间的关系

4 结论

基于RUSLE模型估算三穗县1990—2015年的土壤侵蚀动态变化规律，主要得出以下结论：①三穗县26 a间的土壤侵蚀模数、降雨侵蚀力和植被覆盖与管理水平都呈上升的趋势，尤其在2008—2015年的升高趋势较为明显；②研究期间，以微度土壤侵蚀和轻度侵蚀为主，中度和强度土壤侵蚀次之，极强度和剧烈侵蚀所占的面积最少；③虽然在2006—2015年的水土保持措施因子、植被覆盖与管理因子较高且呈显著上升趋势，但是期间的土壤侵蚀模数也较高且升高趋势明显，今后应加强该区土壤侵蚀规律的深入探究，为防治水土流失等生态建设工作提供科学依据。