基于CSLE模型的神木市土壤侵蚀模数计算
2021-04-19游浩妍黄曦涛
游浩妍，黄曦涛，陈 瑞
(1.自然资源部 陕西基础地理信息中心，陕西 西安 710054； 2.自然资源部 第一地理信息制图院，陕西 西安710054)
神木市隶属于陕西省榆林市，位于陕甘宁蒙晋五省区交界地带，地理位置重要，矿产资源丰富，是正在建设的国家能源重化工基地之一，同时神木市又位于内蒙古毛乌素沙地和黄土丘陵沟壑区的过渡区，部分地区长期存在的土壤侵蚀会影响经济社会的可持续发展。因此，本研究选择神木市为研究对象，基于GIS、RS平台，采用中国土壤流失方程(CSLE)研究土壤侵蚀的时间和空间变化特征，并利用水文观测站实测输沙模数、陕西省水资源公报输沙量数据等对计算的土壤侵蚀模数进行对比验证，以期合理评价区域水土流失分布规律，为水土流失治理提供参考。
1 研究区概况
神木市位于109.66°～110.92°E、38.23°～39.45°N之间，总面积7 484.29 km2，南北长138 km，东西宽113 km，是陕西省面积最大的县级市；属温带半干旱大陆性季风气候区，年平均日照时数2 876 h，年无霜期 169 d，年均气温8.5 ℃，年均降水量440. 8 mm；位于森林草原向典型草原和干旱草原过渡带，主要土地利用类型为草地、耕地和林地[1]；降水资源短缺，但地下水资源相对丰富，西北部有46个内陆湖泊，其中塞上明珠红碱淖总面积 54 km2、储水8亿m3，是中国最大的沙漠淡水湖；主要土壤类型为风沙土和黄绵土，还有淡栗钙土和黑垆土交错分布。
2 研究数据
本研究采集数据包括：全国气象站网2001—2017年日降雨数据，来源于国家气象科学数据中心；1∶50万神木市土壤属性空间分布图及工程措施数据，来源于陕西水土保持研究所；神木市分辨率10 m DEM数据，来源于陕西测绘地理信息局；2010、2015、2017年神木市土地利用现状和植被覆盖度数据，分别来源于陕西测绘地理信息局1∶5万DLG数据(2010年)、地理国情普查(2015年)和基础性地理国情监测(2017年)地表覆盖分类数据，以及2010、2015、2017年7月神木市Landsat影像；还有位于神木市西南的孤山川高石崖控制站2010年实测输沙模数，以及陕西省水利厅发布的各年水资源公报输沙量数据。
3 研究方法
3.1 CSLE模型
CSLE模型的基本形式为
A=R·K·L·S·B·E·T
(1)
式中：A为土壤侵蚀模数，t/(hm2·a)；R为降雨侵蚀力因子，MJ·mm/(hm2·h·a)；K为土壤可蚀性因子，t·hm2·h/(hm2·MJ·mm)；L、S分别为坡长、坡度因子，无量纲；B为生物措施因子，无量纲；E为工程措施因子，无量纲；T为耕作措施因子，无量纲。
3.2 模型因子取值
(1)降雨侵蚀力因子。根据全国气象站网2001—2017年日降雨数据，采用监测年份前10年降雨数据(2010年采用2001—2010年数据，2015年采用2006—2015年数据，2017年采用2008—2017年数据)计算2010、2015、2017年各个站点半月降雨侵蚀力，由此计算得到半月平均、月平均、逐年、年平均降雨侵蚀力，然后采用简单克里金内插方法进行降雨侵蚀力空间插值，得到研究区降雨侵蚀力分布。降雨侵蚀力计算公式[2]分别为
(2)
(3)
β=0.836 3+18.144/Pd12+24.455/Py12
(4)
α=27.815β-7.189 1
(5)
上四式中：R半月i为第i个半月时段的降雨侵蚀力，MJ·mm/(km2·h)；k为该半月内侵蚀性降雨日数，d，k=1,2,…,m；Pk为该半月内第k天的日雨量，mm，Pk≥12 mm，否则以0计；R年为多年平均降雨侵蚀力，MJ·mm/(km2·h·a)；Pd12为一年内侵蚀性降雨日雨量的平均值，即一年中大于等于12 mm日雨量的总和与相应日数的比值，mm；Py12为侵蚀性降雨年总量的多年平均值，即大于等于12 mm日雨量年累加值的多年平均，mm；α、β均为参数。
(2)土壤可蚀性因子。本研究仅考虑土壤水蚀作用，采用1∶50万神木市土壤属性空间分布图及工程措施数据计算土壤可蚀性因子。计算公式[3]为
(6)
式中：K为土壤可蚀性因子，thm2h/(hm2MJm)；SAN、SIL、CLA、C分别为砂粒、粉粒、黏粒和有机碳含量，%；SN1=1-SAN/100。
(3)坡度、坡长因子。借助神木市分辨率10 m的DEM数据，采用符素华等[4]提出的公式计算坡度、坡长因子，计算公式分别为
(7)
(8)
上式中：S为坡度因子；θ为坡度，(°)；L为坡长因子；λ为坡长，m；m为坡长指数。
(4)生物措施、工程措施、耕作措施因子。根据2010、2015、2017年神木市土地利用现状、植被覆盖度数据及Landsat影像，采用符素华等[4]的研究成果，对CSLE模型中的生物、工程、耕作措施因子进行赋值或计算，结果见表1、2。工程措施因子计算公式[5-6]为
(9)
式中：St为梯田面积，km2；Sd为淤地坝控制面积，km2；S为土地面积，km2；α、β分别为梯田和淤地坝的减沙系数，α=0.764，β=1。
表1 神木市不同地表覆盖类型的B值
表2 神木市不同坡度条件的T值
3.3 模型验证
采用CSLE模型，通过计算各因子值，计算得到神木市孤山川高石崖控制站2010年土壤侵蚀模数为185.37 t/(km2·a)，而水文观测站实测输沙模数为98.2 t/(km2·a)，两结果均属微度侵蚀，可以认为CSLE模型及上述参数取值适用于当地的土壤侵蚀评价，可以应用于全市土壤侵蚀模数估算。此外，据陕西省水利厅发布的各年水资源公报，2010、2015、2017年黄河流域输沙量分别为10 214万、4 075万、12 147万t，呈现先减小后增加的变化趋势，这同本研究采用CSLE模型计算得到的神木市土壤侵蚀模数变化趋势一致。输沙是一个极其复杂的过程，暴雨洪水、人类活动等都会引起输沙量的变化，虽然不完全等同于土壤侵蚀，但其趋势对于土壤侵蚀评价有参考意义，也辅助证明了本研究计算得到的土壤侵蚀模数变化规律的准确性。
4 结果与分析
4.1 土壤侵蚀模数
运用CSLE模型，计算得到神木市2010、2015、2017年土壤侵蚀模数分别为1 252.55、1 216.68、1 976.07 t/(km2·a)，呈先减后增的变化趋势，不同侵蚀强度土地面积及比例见表3。
4.2 土壤侵蚀与植被的关系
将研究区植被分级数据与2010、2015、2017年3期土壤侵蚀空间分布数据进行叠加，分析不同时段不
表3 2010、2015、2017年神木市不同侵蚀强度土地面积及比例
同植被覆盖度下的土壤侵蚀分布，结果见表4。随植被覆盖度增加，3期不同植被覆盖度区域侵蚀模数和侵蚀量均呈先增后减的变化趋势。分析其变化原因：植被覆盖度≤20%区域多集中在西部地势平坦的沙丘区，受地形影响，侵蚀模数相对较低；植被覆盖度40%～60%区域多集中在东部地形破碎、海拔1 150 m以上的草地，受雨水冲刷影响明显，侵蚀模数较高；植被覆盖度>60%区域，植被覆盖度较高，抗蚀作用强，加之土地面积较小，因此侵蚀模数较低，侵蚀量也较小。
表4 研究区2010、2015、2017年不同植被覆盖度的土壤侵蚀分布
4.3 土壤侵蚀的地形分布特征
(1)不同海拔的土壤侵蚀分布。将研究区地形图与3期土壤侵蚀空间分布图叠加，分析不同海拔的土壤侵蚀分布，结果见表5。随区域内海拔逐渐升高，3期不同高程带内侵蚀模数均呈逐渐减小趋势，即海拔越高侵蚀强度越低。随时间演进，>1 050 m高程带内侵蚀模数呈先减后增趋势；在≤1 050 m高程带内侵蚀模数呈增加趋势。在≤950 m高程带内，3期侵蚀模数均为各高程带内最大值。≤950 m高程带区域主要分布在研究区东南部，区内沟壑纵横、地形破碎、坡度较陡，剧烈侵蚀区域所占比例较大，因此侵蚀模数较大。
表5 研究区2010、2015、2017年不同海拔的土壤侵蚀分布
(2)不同坡度的土壤侵蚀分布。将研究区坡度等级图与3期土壤侵蚀空间分布图叠加，分析不同坡度级别的土壤侵蚀分布，结果见表6。从表6中可以看出：随着坡度增加，3期不同坡度级别区域侵蚀模数均大致呈增加趋势；随时间演进，除25°～35°坡度级别外，相同坡度级别内侵蚀模数和侵蚀量均呈现先减后增的趋势。
表6 研究区2010、2015、2017年不同坡度的土壤侵蚀分布
4.4 土壤侵蚀与降雨的关系
降雨是影响土壤侵蚀的重要自然因素，尤其是暴雨对土壤侵蚀影响巨大。神木市2017年土壤侵蚀程度增加明显，在一定程度上是受降水增加的影响。神木市2017年降水量554.14 mm，比2010年降水量400.23 mm增加了38.46%；2017年降雨侵蚀力为2 141.91 MJ·mm/(hm2·h·a)，比2010年降雨侵蚀力1 089.31 MJ·mm/(hm2·h·a)增加了96.63%。因此，在神木市开展水土流失防治时应增加应对暴雨的措施。
5 结 论
(1)采用CSLE模型对神木市2010、2015、2017年土壤侵蚀模数进行定量分析，用境内实测站点输沙量数据和水资源公报输沙量数据进行对比，结果表明估算结果合理，说明CSLE模型作为经验模型可用于神木市土壤侵蚀定量研究。
(2)2010—2017年神木市土壤侵蚀模数呈现先减少后增加的变化趋势。同时，随植被覆盖度增加，不同植被覆盖度区域土壤侵蚀模数和侵蚀量先增后减；随海拔升高，不同高程带内侵蚀模数逐渐减小，在≤950 m高程带内侵蚀模数出现最大值；随着坡度增加，不同坡度级别区域侵蚀模数大致呈增加趋势；此外，暴雨是导致神木市土壤侵蚀增加的重要原因，因此在水土保持工作中应增加应对暴雨的措施。
