基于RUSLE 的生产建设项目土壤侵蚀监测研究

侯礼婷

（1.河南省小流域生态水利工程技术研究中心，河南 开封 475000；2.黄河水利职业技术学院，河南 开封 475000）

土地资源和生态系统是地球上的重要生命支撑系统，土壤的成土过程十分漫长，土地资源遭受到破坏后，土壤很难再进行恢复［1］。最常见的土地资源破坏就是土地侵蚀，而土地侵蚀的定义一般是指土壤及其母质在各类外力作用下，土壤被破坏、剥蚀、搬运和沉积等过程，该种外力包括但不限于重力、水力、风力和冻融等［2］。土壤侵蚀所带来的影响十分恶劣，会引起洪涝、干旱、滑坡以及泥石流等自然灾害，也会进一步降低土地生产力，导致水土流失，对生态环境造成极其严重的侵害。因此，土壤作为农业生产最依赖的基本环境要素，为了经济社会的生态安全和可持续发展，合理应对土壤侵蚀，形成有效防治手段十分必要。1959 年，Wischmeier W H 和Smith D D 针对美国东部多个径流小区的观测资料，提出了通用土壤流失方程USLE［3］。1985 年，美国农业部进行了土壤侵蚀预报模型WEPP 的研究工作［4］，WEPP 是 目 前 研 究 最 为 完 整 的 参 数 模 型。1994 年，Morgan 依据欧洲的田间和流域的土壤状况归纳出欧洲土壤侵蚀模型EUROSEM［5］，并且集成GIS，运用遥感数据对土壤的动态进行分析。从20世纪90 年代开始，中国应用GIS、GPS 等技术开展不同流域内的侵蚀调查、防治措施等研究工作，主要是以地表水作为研究要素，对流域内的土壤进行统计研究和模型建立［6］。本研究主要针对线状生产建设项目开展土壤侵蚀情况分析，应用RUSLE 技术，对城市建设中最为常见的快速路工程对土壤的侵蚀作用开展研究，解决线状工程水土流失所具有的大跨度空间性和阶段时变性等难点。

1 研究理论基础

1.1 RUSLE 模型

RUSLE 模型又称为修正土壤侵蚀方程（Revised universal soil loss equation），RUSLE 模型可以预测面蚀和沟蚀的年均土壤流失量RUSLE 模型的数学表达式。如式（1）所示，式中，A为年均土壤侵蚀量，该侵蚀量主要是指由降雨和径流形成的细沟间侵蚀的年均土壤流失量［7］。R为降雨侵蚀力因子，是降雨动能和最大的30 min 降雨强度的乘积，主要用来描述降雨导致土壤流失的潜在能力。K为土壤可蚀性因子，定义为标准小区单位内的降雨导致的单位面积土壤侵蚀量［8］，通常用来表征土壤抗侵蚀能力和敏感性。LS分别是指坡长与坡度因素，L是坡长的幂函数，LS表示某坡长与坡度的土壤流失量与标准参考坡面上的土壤流失量的比值。C表示植被覆盖因子，该因子主要用来衡量植被覆盖和经营管理对土壤侵蚀的抑制作用，定义为植被覆盖的土壤流失量与耕种后连续休闲地的土壤流失量的比值。P指水土保持措施因子，指对土壤采取保护措施后的土壤流失量与顺坡种植土壤流失量的比值。

由于RUSLE 模型是一种经验统计模型，计算比较简单，考虑土壤流失的因素也较为全面，预测效果较好，再加上GIS 和RS 技术的应用，可以简便直观地表示土壤流失的计算结果，有助于分析土壤的空间分布状态。且该模型在应用不同地质状况时，需要进行本地化的处理，在进行修正之后模型更加准确。

1.2 数据来源

对于快速路的生产建设，前期的数据主要来源于当地国土资源局，并结合实测地形图获得。由于地表变化大，施工建设过程中的土壤数据难以测定，所以一般由经验认定为裸露地表。施工后的土壤数据主要依靠人工测定。然后，进行高程数据的确定。高程数据测定的平均密度为1 个高程点/120 m2，采用IDW（反距离权重插值）法进行数据分析，结合土地数据的分辨率，输出的像元为0.5 m×0.5 m。年降雨量的数据主要来源于该区域的4 个水文站2015—2018 年的日降雨数据，由于受到实际条件的限制，分别是建设项目区的范围和水文站点的限制条件。所以无法采用地质统计中的克里金空间插值的方法，而是简单地将水文站的降雨量数据平均值作为建设项目区降雨侵蚀力的数值，将区域范围控制在会受到该快速路建设项目区影响的地理范围。

2 研究区概况模型

2.1 土壤侵蚀定量分析方法

建立定量分析模型，首先是R因子的提取，R因子的估算方法是由Wischemeier 提出的USLE 的原始算法［9］，其经典算法如式（2）所示。R是降雨侵蚀力数值，∑E表示降雨总动能，I30表示最大降雨30 min的降雨强度。

基于EI结构计算降雨侵蚀力，主要依赖于降雨对地表的作用能量，以及降雨是否有侵蚀现象产生［10］。多数研究主要基于日、月、年降雨量资料计算降雨侵蚀力，这里利用日雨量计算降雨侵蚀力，其计算方法如式（3）所示。M表示半月的侵蚀力数值，k表示半月时段内的降雨天数，Pj是针对半月时段的第j天的日雨量，设置阈值为12 mm，该阈值与中国侵蚀性降雨标准一致。将所有月份以当月15 日为边界，这样全年12 个月划分成24 个时间段，式（3）中的β、α是模型参数，两者之间的关系表达式如式（4）所示。其中，Pd12表示日雨量不小于12 mm 的日平均雨量，Py12是不小于12 mm 的年平均降雨量。通过上述公式的累加即可计算出年降雨侵蚀力的数值。

土壤可侵蚀性因子K的估算方法主要有诺谟图法、EPIC 公式法等［11］，诺谟图法可以方便地测定土壤理化性质，所得结果稳定，成本较低，该方法由Wischmeier 提出。本研究主要采用Willams 提出的侵蚀/生产力影响模型EPIC，针对性地对土壤可蚀性进行计算，如式（5）所示。其中，SAN、SIL、CLA和C分别表征沙粒、粉粒、黏粒和有机碳额的含量百分比，可以根据区域分布的数据制成栅格图层获得不同K，其常见K分布如表1 所示。

表1 不同土壤的K 分布

LS因子的提取，分别计算坡长因子（L）和坡度因子（S），其反映地貌特征对土壤侵蚀的影响。L和S的估算值与土壤侵蚀量成正比关系，L的计算公式由Wischmeier 和Smith 提出［12］，如式（6）所示，其中，水平坡长的数值用λ表示，坡长指数为α，利用DEM提取坡度θ，计算流程如图1 所示。

图1 L 计算流程

对于坡度因子S的计算，要结合McCool 提出的适用于缓坡的研究成果公式和针对陡坡区域S的计算［13］，从而对研究区域的S提取，表达式如式（7）所示。

对于式中C和P的提取比较难以确定，C的计算受多种因素的影响，需要考虑植被的差异、植被水平与垂直结构以及不同时段的变化。通常的计算如式（8）所示，SLRi是第i个时段的土壤流失比，EIi是第i个时段的降雨侵蚀力指数值占全年的百分比。P可通过径流小区试验进行测定，该方法周期长，区域局限性比较大。在生产建设的过程中，由于开挖等操作造成松散的裸土形成，又很快被杂草覆盖，又由于项目建设的人工干预，P一般难以测定。因此，根据区域的经验值（表2）进行计算采纳。

表2 不同土壤条件的C、P 因子值

2.2 土壤侵蚀模型构建

根据RUSLE 的模型得到土壤侵蚀模数图，在计算过程中，无意义的研究点过多，会造成无法针对土壤侵蚀模型中的焦点问题进行针对性的分析，所以需要对焦点统计数据进行适当的平滑处理，绘制该区域2018 年土壤侵蚀模数分布，如图2 所示，土壤的侵蚀模数存在最大值和最小值，分别是47 447.00、0 t/（km2·年）。研究区的土壤侵蚀模数为3 717.76 t/（km2·年），研究区的土壤侵蚀分级可以判定为中度侵蚀。

图2 土壤侵蚀模数分布

为了确定该快速路不同阶段的土壤侵蚀等级分布，将对应的RUSLE 模型因子划分成0.5 m×0.5 m 的栅格图，分析该快速路建设区域的3 个阶段周期的土壤侵蚀分布。本研究依据水利部的标准（SL 190—2007），对南方红壤丘陵区的水力侵蚀强度进行分类，将该生产建设项目区的土壤等级分布情况分成6 类，依次是剧烈、极强度、强度、中度、轻度以及微度，具体如表3 所示。

从内容（表3）进行分析，在侵蚀强度方面，施工过程中以微度侵蚀和轻度侵蚀为主，强度侵蚀及以上约占4%。在侵蚀面积上，轻度侵蚀所占的比例相比于施工前大幅增加，其主要诱因是在建设过程中，需要搬运大量土石和机械设备，破坏了周边的水土资源，强度侵蚀的增加是由于道路旁的临时堆土区造成的土堆结构疏松，土壤抗侵蚀能力大幅降低。在施工结束后，该区域进入恢复期，绝大部分的侵蚀以微度侵蚀为主，且道路开挖的裸露面被绿化覆盖，植物的水土保持能力进一步加强。针对RUSLE 模型，该快速路建设造成土地利用类型的变化直接影响着C、P这2 个因子，因此，土地利用变化直接影响着土壤侵蚀的大小。在施工期间，地表覆盖类型会经历较大的变化，且该区域雨水较多，降雨侵蚀因子R的作用至关重要，尽量减少人为施工因素造成的水土流失。

表3 快速路不同施工阶段的土壤侵蚀等级分布

3 研究区土壤侵蚀的空间分析

土壤侵蚀需要相应的物质基础，土地资源是必要的物质基础。土地使用现状直接反映开发利用程度，利用方式的不同会导致土壤侵蚀方式的差异，该快速路周围研究区域的土地类型依照RUSLE 模型进行预测，然后比较预测值与实际测量值的差异。考虑土壤侵蚀分级图和土地应用现状的归纳结合，由表4 可以看出，模型的预测值与实测值大致相同，但对于施工过程中的实测数据比预测数据高1 个等级，说明对于施工的主体区域需要在精度上有所提高。结果表明，可以通过RUSLE模型来指导生产建设。

表4 研究区域不同施工周期的预测数据与实测数据的对比

4 小结与展望

本研究通过将修正的通用土壤流失方程引入到快速路建设的项目中，依据历史数据建立对该区域的RUSLE 模型，根据模型预测施工前后的土壤侵蚀情况以及空间分布情况。在侵蚀强度上，施工期对土壤扰动最大，侵蚀级别以微度和轻度为主，主要是由土地利用造成的。预测值与实际测量值基本一致，且在构建模型过程中，依次分析了土壤侵蚀因子的各种因素，并对其中的R、LS因子进行了重点分析。通过上述研究，快速路区域的水土保持工作可以从2 个方面入手，即工程保护措施和植被绿化措施，对土地进行总体性整治和利用。在未来的研究中，可以结合GIS 技术，提高预测模型的准确性，在综合考虑土壤利用复杂性的基础上进行进一步的分析。