长汀县朱溪流域土壤可蚀性不同估算方法对比分析

杨辰丛海

（福建师范大学地理科学学院 福州350007）

土壤可蚀性是土壤侵蚀的内在因素与内在发生潜力，反映土壤对侵蚀搬运的敏感性[1]，是水土保持领域重要的研究内容及进行土壤侵蚀预报的重要参数[2]，在诸多预报模型与评价模型中有着广泛的应用[3]。研究土壤可蚀性因子，可较准确预报水土流失，为水土保持工作开展提供一定的数据依据。

基于不同的实测数据与拟合方程建立方法，国内外学者在模型构建与实际应用两方面展开了广泛的研究。模型构建方面，由自然径流小区直接测定所得K值最为精确，但由于所需数据量庞大且历时较长，观测困难繁琐[4]，因此学者们尝试构建数学模型以计算K值，如诺莫图、Shirazi公式、EPIC模型、Torri.D模型等，其中EPIC模型成为目前被广泛采用的模型之一[5]。Torri.D模型、Shirazi公式也出现在不同模型的比较研究中，并在一些特定地区具有较EPIC模型更高的精确性。实际应用方面，林素兰[6]、张科利[7]等对辽北低山丘陵区、黄土高原区等地的土壤可蚀性展开了较大尺度调查；魏慧[4]、林芳[8]等基于在延河、安塞等地区的研究，分析了不同方程的地区适用性。

本文作者以长汀县朱溪流域为例，通过对野外采集样品的实验测定，使用EPIC模型、Torri.D模型、Shirazi公式3种算法计算土壤可蚀性K值，研究同样的实测数据在不同计算模型下所得K值的差异，并探讨各个土壤参数与不同算法K值的相关性及各个参数空间相关性，以期为更合理的可蚀性计算模型选择提供数据依据。

1 材料与方法

1.1 研究区概况

朱溪流域位于长汀县河田镇东部，整体海拔为270～600 m，地势大体呈现东高西低特点，地形为低山与丘陵，朱溪自东部高山地区发端，向西注入中央谷地，流域总面积约为45 km2[9]。当地属于中亚热带季风性湿润气候，年均温约为18℃，多年平均降水量约1 700 mm，集中于夏季。由于人为活动、土壤条件等原因，该地曾面临严重的水土流失问题，曾是红壤侵蚀区水土流失最严重的地区之一[10]。近年来在积极的人工治理下，该地植被覆盖度得到很大改善。

1.2 样品分析方法及K值计算

本研究所使用的土壤可蚀性K值计算方法为EPIC模型及Torri.D模型，两者在所需测量的参数上高度一致，均为土壤机械组成与有机质含量，有机碳可经参数转换为有机质，而Shirazi公式仅需机械组成即可。对野外采集的118组样品使用重铬酸钾氧化法测量有机质，用氢氧化钠分散-吸管法测量机械组成。

分别经EPIC模型、Torri.D模型、Shirazi公式（几何平均粒级法）[8]计算得K值后，使用SPSS 26进行数理统计分析、Excel 2007完成相关制表、ArcGIS 10.6完成空间相关性分析。

2 结果与分析

2.1 土壤参数及不同模型下K值数值特征对比

对经EPIC模型及Torri.D模型计算得的K值数值及土壤相关参数，选用平均值、标准差、变异系数、正态性检验进行描述性统计分析（表1）。结果表明，在朱溪流域，土壤机械组成中以砂粒为主，黏粒次之，粉粒最少，整体质地偏向壤土与沙黏壤土。通常认为变异系数以10%、100%为分界线，分为弱变异性、中等变异性、强变异性[8]。各个粒级变异系数在0.1～1.0之间，属中等强度变异性，粉粒变异性相对最强。各个样品之间有机质含量存在较明显的差异，变异系数达77.2。除砂粒正态性不显著外，粉粒、黏粒、有机质等均具有较强的正态性。

表1 各土壤性质参数及K值描述统计特征

各个算法计算所得K值特征方面，平均值为KShirazi＞KEPIC＞KTorri.D，以KShirazi最大，显著高于其他2种算法，且KShirazi数据离散性也最强，标准差、变异系数均高于KEPIC与KTorri.D。 正态性分布方面，KShirazi正态显著性相对最强，KEPIC次之，KTorri.D相对最低，各个方程计算所得K值显著性均＞0.05，表明K值在研究区范围内满足正态分布。

2.2 不同方程K值与土壤参数相关关系

对各个粒级参数及有机质与经EPIC模型、Torri.D模型、Shirazi公式计算得的K值进行相关性分析（表2）。从整体相关性关系异同上看，EPIC模型与Torri.D模型均与砂粒及有机质呈显著负相关，砂粒方面相关系数相近，而有机质方面相关系数差距较大，EPIC模型下K值与有机质的关系显著弱于Torri.D模型。2种模型与各个参数相关性差异介于粉粒与黏粒之间。EPIC模型与粉粒呈极显著正相关，与黏粒相关关系不显著；Torri.D模型与黏粒呈极显著正相关，与粉粒相关性不显著。Shirazi公式与Torri.D模型相关性相似，均与砂粒、黏粒呈极显著正相关，且相关性较Torri.D模型更强，相关系数分别高出0.181、0.131，而无显著相关性的粉粒方面，相关系数则更低。

表2 各模型K值与土壤参数相关关系

2.3 半方差函数分析

使用半变异函数对各个K值算法空间分布特征及空间相关性进行研究，建模方法采用高斯分布法及半方差函数（表3）。通常认为块基比＜0.25为强相关，0.25～0.75为中等相关，＞0.75为弱相关，块基比越低则空间相关性越强[4]。结果表明，土壤参数方面，黏粒、粉粒均具有较强的空间相关性，有机质具有中等程度空间相关性，块基比分别为0.196、0.206、0.507；砂粒为弱相关水平，块基比为0.784。

表3 各模型K值与土壤参数半方差函数分析

各个K值算法空间相关性方面，块基比为KEPIC＜KTorri.D＜KShirazi，表明基于EPIC方程计算的K值在空间上相关性较为强烈，块基比为0.379，显著低于Torri.D模型及Shizari公式。而基于Torri.D模型及Shizari公式计算得的K值空间相关性相对较差，块基比为0.715、0.771，KShirazi为弱相关水平。各个参数步长均远小于变程，表明克里金插值法对该地区具有良好的应用效果[4]。

3 结论

基于本研究，得出以下结论。

（1）土壤参数方面，朱溪流域土壤砂粒含量最多，粉粒次之，黏粒最少。各个模型计算得K值平均值为KShirazi＞KEPIC＞KTorri.D。 各参数变异程度处于中等变异区间，有机质变异程度最强，KEPIC变异程度最弱。

（2） 相关关系方面，KEPIC、KTorri.D、KShirazi均与砂粒、有机质呈显著负相关，而KEPIC与粉粒呈极显著正相关，与黏粒相关性不明显；KTorri.D、KShirazi均与黏粒呈显著正相关，而与粉粒相关关系弱。

（3）半方差函数分析表明，黏粒、粉粒有较强空间相关性，而砂粒空间相关性较弱。各个K值模型中，块基比为KEPIC＜KTorri.D＜KShirazi，KEPIC空间相关性最强。

限于数据的局限性，本研究未能完全比照出何种计算为最佳计算方法。本研究下一步可能的进展方向为进一步获取朱溪流域年输沙量数据，并获取降水量、植被覆盖度、坡度坡长因子、人为活动因子等CSLE方程所需数据，将其与各个K值计算方法进行结合，综合比较实测小区数据和拟合数据的误差，进而筛选出适宜朱溪流域这一地区的K值计算方法。