重庆市土壤保持服务空间分布及影响因素分析

邵志豪， 牟凤云， 黄淇， 李秋彦， 汪孝之

(重庆交通大学智慧城市学院， 重庆 400074)

经济全球化、国家城市化和气候异常化的共同影响使全球生态系统结构发生了巨大的变化，并持续影响生态系统服务。土壤保持服务作为生态系统服务中的一项不可或缺的调节服务，具有泥沙储积、植被保持和涵养水源等功能[1]。人类社会的不断发展直接或间接影响着土壤保持服务，导致全球土壤侵蚀风险加剧。中国作为全球土壤侵蚀最为严重的地区之一，风势、水蚀的土地面积占国土地面积的37%[2]。土壤侵蚀会导致区域土壤肥力降低，土层变薄，进而影响植被生长和生态环境质量，最终会对区域自然环境产生影响，不利于人类社会经济进一步发展。土壤保持能力的提高可有效解决土壤侵蚀引起的一系列问题。

国内外许多学者针对土壤侵蚀已进行了大量研究，研究方法可分为两大类：一是早期通过实地监测手段对小区域范围内的土壤侵蚀进行研究，如李向伟[3]、马力等[4]、李晶晶等[5]借助实地考察方法，建立小区域的监测样区，对生态系统的土壤保持服务进行评估；二是与3S技术相结合，即遥感技术(remote sensing，RS)、地理信息系统(geography information systems，GIS)和全球定位系统(global positioning systems，GPS)，以模型为主的研究方法，如结合RS、GIS技术的修正通用土壤流失方程(revised universal soil loss equation，RUSLE)被广泛应用于土壤侵蚀的计算[6-8]，包含土壤保持估算模块的生态系统服务和交易的综合评估(integrated valuation of ecosystem services and trade-offs，InVEST)也被广泛用于土壤保持服务的评估。刘爱霞等[9]利用该模型计算了三峡库区的土壤侵蚀，李成等[10]利用该模型对扬州市中心城区的土壤保持服务进行了评价，廖雯等[11]对丹江口库区土壤保持变化以及影响因素进行了分析，发现该地区土壤保持服务有一定增强且受众多因素影响。

景观格局是土壤保持服务众多影响因素中的一个因素，通常是指大小以及形状不同的景观元素在空间上的配置[12]，不同土壤侵蚀强度可以作为景观的一种元素。景观格局作为生态过程的承载体，与生态过程息息相关，在人类需求的驱动下，建立维持人类生存发展的系统——生态系统服务[13-14]，其作用于生态过程的前提下对土壤保持服务造成一定程度的影响。此外，研究表明气候变化对生态系统的构成和空间分布存在一定影响，会改变物质在空间格局上的分布和生态系统信息流的交互，作为生态系统服务功能的土壤保持服务会因气候变化而发生改变[15]。因此，分析景观格局和气候因素对土壤保持服务的影响程度，对有关部门治理和保护生态系统服务决策具有重要意义。

重庆市地形复杂，土壤类型和植被类型多样，在水土保持区划中，属于西南紫色土区，水土流失类型以水力侵蚀为主，部分地区存在重力侵蚀，其土壤大量流失不利于三峡工程的长治久安，并且制约中国经济进一步发展。由于不同模型计算出的土壤保持服务存在差异，只有选择较适合的土壤保持服务估算模型，才能使模型估算结果具有实际意义。目前针对土壤保持服务方面研究多从单个模型出发，少有从多个模型角度去探讨研究区土壤保持情况。现以重庆市作为研究区，采用RUSLE模型和InVEST模型估算土壤侵蚀模数，根据其估算结果与实测结果做对比，选择适合重庆市的土壤保持服务估算模型，并在此基础上探讨气候因素和景观格局对其服务功能存在的影响，其研究成果可为区域生态系统管理与保护政策提供决策依据。

1 研究区概况

重庆市位于中国西南地区，地理范围在东经105°11′～110°11′，北纬28°10′～32°13′，是长江上游的经济中心，也是成渝城市群的中心城市之一(图1)。重庆市总共有38个区县，辖区面积为8.24万km2。流经河流众多，其中乌江、嘉陵江、綦江、涪江、大宁河五大河流及上百条小河流于主城区汇入长江干流，流域面积大于1 000 km2的河流有40多条，流域面积大于100 km2的河流多达207条，建有水库3 089座。重庆市地形特征为从南北向长江河谷逐渐递减，中部和西北地区有较多低山、丘陵，东南部则有武陵山和大巴山两大山脉。全区土壤分布以紫色土为主，主要分布在海拔800 m以下丘陵地区，结构疏散，易于流失。重庆市属中亚热带湿润季风气候，降水充沛，多数地区平均降水在1 000～1 350 mm，其中5—9月的降水量是全年总降水的70%，2015年年均降雨量为1 448.7 mm。

图1 重庆市区位图Fig.1 Map of Chongqing City

2 研究方法与数据来源

2.1 数据来源与处理

2.1.1 数据来源

研究使用的数据如下。

(1)30 m分辨率的2015年重庆市土地利用类型数据，来源于GIS应用研究重庆市重点实验室。

(2)90 m分辨率DEM数据，来源于地理空间数据云(https://www.gscloud.cn/)。

(3)2015年降水、气温、NDVI以及1∶100万土壤类型分布图数据均来源于中国科学院资源环境科学与数据中心(https://www.resdc.cn/)。

(4)重庆市行政边界矢量数据来源于国家基础地理信息系统(http://www.ngcc.cn/)。

(5)2015年重庆市实际平均土壤侵蚀模数来源于重庆市水利局(http://slj.cq.gov.cn/)。

2.1.2 数据处理

利用ArcGIS10.8软件对多幅DEM进行拼接操作，再用Fill工具对拼接数据进行填挖处理得到去除异常值的数字高程模型(digital elevation model，DEM)数据，最后借助Hydrology、Slope等工具计算出研究区的流向、汇流量、流域、子流域及坡度等相关基础数据；基于2015年重庆市月平均降水量数据，通过Wischmeier月尺度计算公式获取年均降雨侵蚀力数据R；将重庆市2015年1∶100万土壤类型分布图中获取的土壤砂粒含量(SAN)、粉粒含量(SIL)、黏粒含量(CLA)和有机碳含量数据代入Williams等提出的计算方公式计算出土壤可侵蚀力数据K；从2015年重庆市DEM数据中提取的流向、汇水累积量、坡度等数据，根据边坡阈值选取公式计算得到坡长坡度数据SL；从2015年重庆市归一化植被指数(normalized difference vegetation index，NDVI)数据中提取出植被覆盖度用于计算土地覆盖管理数据C；土壤保持措施数据P根据相关研究，默认耕地建有水土保持工程设施时，P=0.15，林地、草地和未利用地未采取任何保护措施时，P=1，水域和建筑用地因建有保护工程几乎不受土壤侵蚀影响时，P=0。将土地利用类型栅格图导入Fragstats软件中计算出景观格局指标。

2.1.3 景观指数选取

生态系统服务的空间变化是受多种因素共同作用的结果，这些因素涉及人为干扰、自然和社会经济等多个方面[16]。生态系统服务影响因素中的人为因素和社会经济因素相对较活跃，存在更多的不确定性且难以量化，而自然因素相对稳定，因此从自然因素角度出发探讨生态系统服务的影响因素。根据相关文献研究以及重庆市实际情况，选取最具有代表性的降水、气温数据作为气候因素，并根据边晓辉等[17]对景观指数选取方式，选取表征景观格局破碎化、景观形状指数及景观格局多样性三大类指标，如表1所示。

表1 影响因素的选取

2.2 研究方法

2.2.1 土壤侵蚀评价模型

改进后的通用土壤流失模型(RUSLE模型)计算公式为

A=RKCPLS

(1)

式(1)中:A为土壤侵蚀模数,t/(km2·a)；R为降雨侵蚀力因子，MJ·mm/(km2·h)；K为土壤可蚀性因子,t·km2·h/(km2·a·MJ·mm)；LS为坡长坡度因子；C为土地覆盖管理因子；P为土壤保持措施因子。

InVEST模型可以用来评估生态系统服务功能，是一种工具，该模型中的泥沙运输(SDR)模块可用于估算土壤侵蚀量。InVEST模型不同于RUSLE模型之处在于前者考虑到了每一个地块对上游泥沙的拦截作用，并且在计算土壤侵蚀模数的过程中考虑到了每一个地块的泥沙拦截率，而RUSLE模型并未考虑到这些[18-19]。

2.2.2 土壤保持服务评价模型

根据InVEST模型中的土壤保持模块来计算土壤保持量[20]，计算公式如下。

SDR=Ap-A

(2)

Ap=RKLS

在快慢车运营模式下，采用站站停模式的慢车需要在部分避让站待避，以便让快车不停站通过。快车虽然节省了直达客流的出行时间，但同时增加了慢车乘客的等待时间。对于1条拟开行快慢车的线路而言，应根据全日快慢车的开行计划，分别计算这两项时间。

(3)

式中:SDR为土壤保持量，t/(km2·a)，即潜在土壤流失量与实际土壤流失量差值；Ap为在裸地背景下，计算各个土地利用类型潜在的土壤流失量。将以上数据以及相关参数[21]输入InVEST模型中的土壤保持模块计算出研究区土壤保持量。

2.2.3 多元线性回归

利用SPSS软件中线性回归方程计算出重庆市土壤保持量与气候因素、景观指数之间的相关关系，分析因变量、自变量两者间存在的数学关系，采用逐步回归方法对影响因素间的共线性进行检验，将多余自变量删除，建立土壤保持量与影响因素间的数量关系[22]。公式为

A=b0+b1x1+b2x2+…+bmxm

(4)

式(4)中：A为土壤保持能力；x1、x2、…、xm为影响土壤保持量变化的影响因素；b1、b2、…、bm为影响因素的回归系数；b0为常数项。通过显著性检验证明哪些因素是影响土壤保持服务的主要影响因素。

2.2.4 地理探测器

地理探测器是一种能够探测到要素的空间分层异质性的数学模型，并且可以通过探测到的结果分析出其背后驱动力[23]。利用该模型探测气候因素、景观指数对重庆市土壤保持服务的影响力Q，模型公式为

(5)

3 结果与分析

3.1 重庆市土壤侵蚀量空间分布特征

RUSLE模型和InVEST模型对重庆市土壤侵蚀量预估结果如图2所示，两种模型所模拟出的2015年重庆市土壤侵蚀模数有较大的差异，RUSLE模型所估算的重庆市土壤侵蚀模数最大值为35 2291 t/(km2·a)，年均土壤侵蚀模数为3 155.41 t/(km2·a)，而InVEST模型所估算的重庆市土壤侵蚀模数最大值为383 838 t/(km2·a)，年均土壤侵蚀模数为3 389.54 t/(km2·a)。由图3可知，InVEST模型所估算的土壤侵蚀模数与实际土壤侵蚀模数较为接近，而RUSLE模型所估算的数据则与实际土壤侵蚀模数相差较大。因此建议使用InVEST模型的土壤保持模块来评估2015年重庆市土壤保持服务。

图2 2015年重庆市土壤侵蚀量不同模型预测结果图Fig.2 Prediction results of different models of soil erosion in Chongqing in 2015

图3 2015年重庆市不同模型估算及实际土壤侵蚀模数Fig.3 Different model estimates and actual soil erosion modulus in Chongqing in 2015

3.2 重庆市土壤保持服务空间分布特征

通过InVEST模型中的土壤保持模块得出研究区土壤保持服务在空间上分布特征。由图4可知，从整体上看，土壤保持量高值区集中在渝东北以及西南部地区，低值区主要为西部及部分中部地区，2015年重庆市土壤保持量为13.01×108t。从流域上看，汉江水系土壤保持量最高，栅格单元最大值为167 348 t，最小值为1 228 t，土壤保持总量为146.07×106t；乌江水系土壤保持量为216.63×106t，土壤保持服务最高的区域为西部，最大值为15 2451 t，低值区分布在东部，其数值为59 t；长江上渝干流区间的流域面积是最大的，其土壤保持总量也是6个流域中最大的，为859.65×106t，高值区集中在东北部及零散分布在西南部，栅格单元最大值为141 586 t，低值区为西南及中部地区；洞庭湖水系栅格单元最大值为60 294 t，但由于其栅格单元值分布较为均匀，其土壤保持总量排在第四，其值为42.01×106t；嘉陵江水系和岷、沱江水系位于渝西北地区，由于土壤侵蚀大造成的水土流失现象较为明显，其土壤保持量较低，分别为33.73×106t和3.06×106t。

图4 2015年重庆市土壤保持服务Fig.4 2015 Chongqing soil conservation service

3.3 土壤保持服务影响因素分析

不同土壤侵蚀强度形成的斑块在空间上所进行的组合以及更迭，是在一定范围内将水土流失按照等级、类型、个体的相似性进行归并分类后的产物。因此，可将不同土壤侵蚀强度定义为由不相同的侵蚀强度镶嵌而成的侵蚀景观。这样，就可以运用景观指数来揭示土壤保持服务其与外部影响因素之间的关系[24]。将InVEST模型所估算的土壤侵蚀模数按照中国水利部发布的《土壤侵蚀分类分级标准》分成6类，如图5所示，再结合当前国内外的相关研究选取影响土壤保持服务的影响因素，采用多元线性回归分析土壤保持服务与影响因素的统计学关系；借助地理探测器探讨土壤保持服务与气候因素、景观指数间相关性，分析出影响其空间分布的主要因素。结合两个研究方法，综合诊断出影响重庆市土壤保持服务的主导因素。

图5 2015年重庆市土壤侵蚀分级图Fig.5 Soil erosion grading map in Chongqing in 2015

(1)多元线性回归。借助多元线性逐步回归法对影响因素进行相关性和共线性研究，选取最优的影响因素，建立最佳的回归模型。研究结果表明，气候因素、景观格局指数与土壤保持服务间存在相关性，显著性检验均小于5%,模型拟合度较为良好。根据回归方程[式(6)、式(7)]可以看出，降水(x1)、气温(x2)、蔓延度指数(x9)、景观分离度(x10)、分离度指数(x11)和香农均匀度指数(x14)与土壤保持服务相关性较为显著，而景观面积(x3)、斑块数量(x4)、斑块密度(x5)、平均斑块面积(x6)、最大斑块指数(x7)、景观形状指数(x8)、景观丰度(x12)、香农多样性指数(x13)8个影响因素间无明显相关性。其中，除了气温和景观分割度与土壤保持服务呈负相关外，其余影响因素均显示为正相关关系。

A=53 952.066-5 730.260x2+34.388x1

(6)

A=-195 960.270+2 499.540x9+

201 076.071x14-31 432.254x10+

1 745.839x11

(7)

(2)地理探测器。地理探测器探测影响因素时，类型变量与连续型变量相比较而言，类型变量出来的效果更好[25]，因此选取聚类效果较优且原理简单的K-means聚类算法进行分类处理。首先利用SPSS软件对连续型指标数据进行K-means聚类，分为1、2、3、4四类。探测结果显著性水平P<0.05，通过显著性检验。

根据图6可知，导入地理探测器中的14个指标后，得到影响整个重庆市土壤保持服务的主要影响因素有10个，按影响力Q大小排序为：蔓延度指数(x9)>气温(x2)>香农均匀度指数(x14)>香农多样性指数(x13)>景观分离度(x10)>最大斑块指数(x7)>斑块密度(x5)>景观丰度(x12)>分离度指数(x11)>降水(x1)。因为汉江水系、洞庭湖水系及岷、沱江水系样本数量过少，不再对此进行分析。从流域尺度上看，影响乌江水系土壤保持量的影响因素最多，共有7个指标，其中影响力Q在0.5以上的指标有降水(x1)、最大斑块指数(x7)、景观分离度(x10)、香农多样性指数(x13)4个；长江上渝干流区间影响因素有4个，且影响力Q大小差异显著，气温是主导因素，其值为0.536；嘉陵江因样本数量不足，无法探测出景观格局指数对其土壤保持服务的影响，但气候因素对其影响力大，降水和气温的影响力Q均在0.6以上。

图6 研究区影响因素探测结果Fig.6 The detection results of influencing factors in the study area

3.4 土壤保持服务影响因素空间分布特征

通过多元线性回归方法和地理探测器综合分析发现，影响土壤保持服务功能的主要影响因素有降水、气温、蔓延度指数、景观分割度、分离度指数和香农均匀度指数。根据图7进一步分析气候因素、景观格局因素的作用机理，以确保实现生态系统服务的可持续发展。

图7 影响因素空间分布图Fig.7 Spatial distribution map of influencing factors

(1)气候因素。相关研究表明，降水充沛有利于植物生长，植被覆盖率提升的同时提高了土壤保持的能力；但当降水过剩时会对土壤造成侵蚀作用，进一步降低了土壤保持能力。对比图7中降水分布图，可以看见主城及周边地区降水量最多对土壤存在侵蚀作用，因此该区域土壤保持量小；汉江水系的年均降水量为1 168 mm，降水量适宜，土壤保持量较高；其余流域降水量在800～900 mm，该区域的土壤保持量分布特征与其降水分布较为一致。气温与土壤保持服务呈负相关性，主要是由于过高的温度会使土壤结构发现不可恢复性的变化，即对土壤结构造成破坏[26]。汉江水系的年均气温在8～11 ℃，岷、沱江水系、嘉陵江水系和长江上渝干流区间的年均气温在14～16 ℃，因此温度适宜的汉江水系土壤保持能力最佳，其余流域土壤保持量较低。

(2)景观格局指标。斑块密度和最大斑块占比可以表征景观格局破碎化，根据图7可以看出，汉江水系斑块密度小，而最大斑块占比大，表明该区域的景观格局破碎化程度较低，土壤保持能力较好；长江上渝干流区间的主城区域，由于人类活动较多，相应的斑块密度较大、最大斑块占比较小，即景观破碎化程度较大，使得该区域土壤保持能力较低。

蔓延度指数、景观分离度和分离度指数表征景观格局形状。其中蔓延度指数是指各斑块间的蔓延程度，其值越小则表明景观以多要素形式密集分布，即破碎化程度高；景观分离度与分离度指数空间分布特征一致，其值越大表明景观形状越复杂越破碎化。根据图7可以看出汉江水系及长江上渝干流区间东北部区域的蔓延度指数在55%以上，景观分离度范围在0.033%～0.298%，分离度指数在1.035%～1.974%，即该区域景观格局形状较为简单，破碎化程度低，土壤保持能力强；长江上渝干流区间西南部地区3个指标数表征该区域存在轻微破碎化，因此其土壤保持量比前者较少。

香农多样性指数与香农均匀度指数表示景观多样性，即其值越大则表明该区域景观类型越多，景观破碎化程度越大。香农多样性指数与香农均匀度指数的空间分布特征与研究区土壤保持量空间分布情况一致，即景观类型越多样的区域，土壤保持量越小，反之景观类型越单一的区域，土壤保持量越大。

4 结论与展望

以重庆市作为研究区，分别基于RUSLE模型和InVEST模型估算2015年研究区土壤侵蚀量，在此基础上分析2015年重庆市土壤保持量空间分布情况，并采用多元线性回归和地理探测器模型综合探讨气候因素、景观格局指数对其空间分布特征的影响，得到以下结论。

(1)通过与重庆市水利局公布的2015年重庆市年均土壤侵蚀模数数据对比可知，InVEST模型所估算的土壤侵蚀模数与2015年重庆市实际土壤侵蚀模数较为接近，两者之间的差值为33.11 t/(km2·a)，精度较高；而RUSLE模型所估算的土壤侵蚀模数与2015年重庆市实际土壤侵蚀模数差值为201.02 t/(km2·a)，精度较低。

(2)从重庆市来看，土壤保持能力较强的区域在渝东北及部分渝西南，渝西部、中部和东南部土壤保持能力较弱；从流域来看，汉江水系、长江上渝干流区间的东北部与部分西南地区、乌江水系西部等区域的土壤保持量较高，岷、沱江水系、嘉陵江水系等其他区域土壤保持量较低。

(3)利用多元线性回归方法计算出影响土壤保持服务的主要影响因素为降水、气温、蔓延度指数、景观分离度、分离度指数和香农均匀度指数；利用地理探测器探讨重庆市土壤保持服务影响因素除了以上6个外，还有斑块密度、最大斑块指数、景观丰度、香农多样性指数4个因素；不同流域间影响土壤保持服务的因素也有所差异，汉江水系土壤保持服务影响因素有7个，长江上渝干流区间影响因素有4个，嘉陵江水系影响因素有2个。

主要对重庆市土壤保持服务的空间分布及影响因素进行了探讨。由于土壤保持服务的空间分布特征是一个复杂的生态过程，在后期研究中将对多时段的土壤保持服务进行深入研究。并且，两种模型估算结果精确度后续应继续进行验证。此外，由于地理探测器中使用类型数据优于连续型数据，后续还需对最优分类方法进行探讨。