黄土高原植被和气候对土壤侵蚀变化的影响研究

程 楼，侯付闯

(1.山东安博工程管理咨询有限公司，山东 东营 257000；2.陕西中凯恒瑞工程项目管理有限公司，陕西 西安 710000)

土壤侵蚀的加速是对土壤健康的主要威胁，导致土壤退化，影响农业生产和粮食安全，威胁生态环境和社会经济发展。研究土壤侵蚀的特征，以指导土壤保持和可持续利用至关重要。土壤侵蚀模型在检测和预测土壤流失方面是有效的，其中RUSLE由于形式简单、参数有限但性能良好被广泛应用。尽管RUSLE最初是为野外尺度研究开发，在GIS的帮助下应用扩展到大规模建模。将RUSLE与GIS相结合，可以得到不同尺度土壤侵蚀的时空变化规律。

目前国内外学者对土壤侵蚀时空变化，吴义远等[1]根据1951—2016年长江中下游的气候与土壤数据，采用冗余分析与蒙特卡洛检验方法，分析其气候生产潜力和土壤因子的相关性。吴建召等[2]选择蒋家沟流域温带湿润山岭区、亚热带和暖温带半湿润区、亚热带干热河谷区3个主要气候区为研究区，在各气候区失稳性坡面的不同区段(稳定区、失稳区、堆积区)设置样地，进行植被群落调查、植物和分层土壤样品(0～5、5～10、10～20cm)采集，测定植物地上和地下部分生物量及土壤密度等。马丽等[3]从植物个体水平、群落水平特征，以及土壤物理、化学、生物特性等方面，综述了气候变暖对高寒草甸植被-土壤系统的影响，并指出现有研究存在的不确定性，对今后的工作做了展望。展小云等[4]通过采集中国东部南北样带(NSTEC)上112个样点的102种植物叶片样品，分析了植物叶片氮浓度对植被功能型(PFTS)以及环境因素的响应特征。但目前研究缺少关于环境变化过程中因素影响因子对土壤侵蚀的时空演变机理与规律研究。

本研究以黄土高原为例，确定侵蚀的主导因子，量化环境变化下各因子对侵蚀变化的贡献。使用RUSLE估算了1986—2015年中国黄土高原的土壤侵蚀。在此基础上，利用相关分析和小波相干分析，分析了土壤侵蚀的时空格局和主导控制因素，基于弹性系数法定量分析了各因素对侵蚀变化的贡献。研究结果可为研究区水土流失防治提供参考。

1 材料与方法

1.1 研究区域

中国黄土高原面积为64万km2，黄土厚度为50～350m，土壤类型主要有风沙、砂质黄土、典型黄土和黏性黄土。土地利用类型主要包括草地和耕地。地形复杂，坡度从0°～83°不等。在干旱至半湿润气候下，年平均降水量145～674mm(如图1(d))，其中70%的年降水量在6—9月之间以暴雨形式出现。年平均气温-12.6～14.6℃。海拔200～5197m，由东南向西北逐渐升高。黄河流经研究区，主要支流有祖立河、无定河、清水河、渭河、洛河、延河、汾河等。

图1 不同流域出口输沙观测与流域累积土壤侵蚀模拟比较

1.2 数据收集

本研究采用RUSLE估算土壤侵蚀，需要6个参数。包括气候因子(即降雨侵蚀力R)、土壤相关的因子(即土壤可蚀性K)、两个与地形相关的因子(即坡长L、坡陡度S)、两个与植被或土地利用相关的因子(植被覆盖和管理C、侵蚀控制实践P)。模型参数的详细介绍和方程可参考补充资料。参数来源于降水、土壤、DEM、NDVI和土地利用。R根据中国气象局86个气象站的降水资料计算。利用粮农组织和国际应用系统研究所构建的和谐世界土壤数据库的土壤数据计算钾，选择5年间隔的土地利用数据。为了验证RUSLE的准确性，利用中国河流泥沙公报和黄河水利委员会的年输沙数据，对库野河、无定河、燕河、荆河、罗河和渭河等大型河流的年输沙量进行分析。

1.3 估算土壤侵蚀

侵蚀估计的RUSLE形式如下：

A=R·K·L·S·C·P

(1)

式中，A—平均土壤流失量，t·hm-2·A-1。

降雨侵蚀力反映了降雨对土壤的剥离和携带能力，与降雨量、降雨动能、降雨强度、降雨持续时间和降雨类型有关。基于日降水数据的估算方法精度高、误差小、数据易于获取、信息全面。本研究采用改进的日降雨侵蚀力模型[5]。

(2)

α=21.586β-7.1891

(3)

β=0.8363+(18.144/Pd12)+(24.455/Py12)

(4)

式中，Ri—第i个半月的降雨侵蚀力，MJ·mm·hm-2·h-1·a-1；K—天数，d；Pd—日降雨量，mm；α、β—待定参数；Pd12—大于12mm的日平均降雨量；Py12—大于12mm的日平均降雨量。利用86个气象站的降雨资料，利用kriging插值方法对降雨侵蚀力进行插值，插值结果与DEM和土地利用的分辨率一致，分辨率为30m。

土壤可蚀性被定义为单位外因力或侵蚀力(如降雨、地表流量和渗流)造成的土壤流失量。根据EPIC方程的土壤质地计算。

(5)

式中，Si—淤泥，%；Ci—黏土组分，%；Ca—土壤有机碳含量，%；Sn=1-Sa/100。0.1317是从美国常用单位到国际单位制单位的换算系数。

地形影响土壤和植被的形成和发展，制约地表物质和能量的再分配，决定地表径流的运动和方向。RUSLE主要研究坡长L和坡陡S的影响，计算地形因子如下。

(6)

(7)

式中，λ—斜率长度，m；22.1—标准地块的坡长；M—无量纲常数，它取决于斜率θ。

1.4 模型验证

RUSLE模型在美国开发和首次验证，已经被世界范围的数据集评估和改进。在黄土高原，被评价为土壤侵蚀估算的稳健性，可应用于没有测量的地区。本文采用30m空间分辨率的栅格数据计算上述模型参数。为与土地利用数据相一致，将研究期划分为1986—1990、1991—1995、1996—2000、2001—2005、2006—2010、2011—2015年6个子期。利用RUSLE模型对这6个时段的土壤侵蚀进行估算，利用各流域出口水文站实测输沙数据进行验证。对RUSLE模型的适用性进行了评价(如图1所示)，总体相关系数为0.71。

1.5 土壤侵蚀时空格局分析

估计的侵蚀率被绘制为每个栅格，以直观地显示空间格局。根据土壤侵蚀SL190—2007分级，将估算的侵蚀率分为6个等级。土壤侵蚀速率分别为≤500、500～2500、2500～5000、5000～8000、8000～15000、≥15000t·km-2·a-1。土壤侵蚀速率及相关环境因子的时间变化趋势用线性回归的斜率表示。计算每个网格的坡度，以显示时间趋势的空间格局。

1.6 量化每个因素对侵蚀变化的贡献

根据土壤侵蚀的时间变化，将整个时期分为t1和t2两个子时期。t1的土壤侵蚀受人为干扰较小，与环境因子的关系可作为自然条件下土壤侵蚀估算的基线。对于t2，土壤侵蚀受到人类活动的干扰，其侵蚀程度会偏离由t1得到的关系估计。土壤侵蚀总变化ΔAtot为两个子时期平均值之差：

(8)

ΔAtot主要是由于气候变化(ΔAR)和人类活动(ΔAC，ΔAP)所影响，可改写如下：

ΔAtot=ΔAR+ΔAC+ΔAP

(9)

根据弹性系数法的原理，ΔAR、ΔAC、ΔAP可以表示为：

(10)

(11)

(12)

式中，εR、εC、εP—年均R值、C值、P值对年均土壤侵蚀的弹性系数。

2 结果

2.1 RUSLE参数的时空变化

各因素在不同时期的空间分布总体上相似。以1986—1990年和2011—2015年为例，分析了各参数的空间格局变化。总体而言，大多数因素沿东南方向发生变化R、K、LS和NDVI分别在200～3000[MJ·mm/(hm2·h-1a-1)]、0.01～0.05[t·hm2·h/(MJ·mm·hm2)]、0～72和0～1范围内由东南向西北递减。C、P由东南向西北呈上升趋势，变化范围分别为0～0.84和0.15～1。

对于RUSLE因子的时间变化趋势，由于地形和土壤变化缓慢，只考虑R、c和p三个因子。根据Pettitt检验，从整个高原平均来看，2002年和2005年R总体呈上升趋势，而C呈下降趋势(图2)。而P随时间变化不明显(图3c)。各因子的变化率具有空间差异。东南地区R和C的变化率总体为正，西北地区为负。R在东南部增加最多，C在中部减少最多。

图2 R、C、P值时空变化规律

2.2 土壤侵蚀的时空变化

年平均侵蚀速率为594～1013t·km-2·a-1，各时段总体空间格局相似，幅度变化较小。大部分地区的侵蚀强度由极轻微到极轻微，主要分布在植被发育较好的地区[6-7]。侵蚀强度高的区域主要集中在东北—西南带的丘陵沟壑区或河流分布密集的区域。

各侵蚀强度的面积和百分比见表1。整个高原除轻度侵蚀呈上升趋势外，不同强度的土壤侵蚀均呈下降趋势。其中极轻微至轻微侵蚀的面积占整个高原的87%～95%。极轻微侵蚀面积为366.72×103～428.79×103km2，2011—2015年较1990—1995年增加62.07×103km2，占整个高原的8.22%。2011—2015年严重侵蚀的面积百分比小于1%，比1990—1995年减少了0.41×103km2。

表1 1986—2015年黄土高原各侵蚀强度的面积和百分比

为了揭示土壤侵蚀的时间变化规律，选取1986—2000年和2001—2015年两个时段，分析不同侵蚀强度之间的变化(见表2)，2000年，40.25%的极严重侵蚀转化为严重侵蚀，42.1%的极严重侵蚀转化为极严重侵蚀。极轻度、轻度、中度、重度、极重度、极重度的稳定率分别为97.32%、88.53%、74.47%、57.64%、55.82%、55.99%。

表2 1986—2015年黄土高原土壤侵蚀强度转移矩阵 单位：%

2.3 侵蚀变化的控制因素

利用r、C、P的观测时间序列，探讨了各栅格土壤侵蚀与r、C、P因子的相关性。土壤侵蚀与R值呈正相关，R值高的地区土壤侵蚀率较高。仅在整个高原的6.1%显著，主要分布在西北，可能是由于植被覆盖较低导致侵蚀更容易受到降雨的影响。东南地区36.5%的高原地区土壤侵蚀与C呈显著正相关(P<0.05)。而存在显著相关的区域仅占整个高原的6.2%，主要集中在西北地区(P=0.05)。东南部虽然R最高，与土壤侵蚀R的相关性较低，与C的相关性较高，土壤侵蚀与P因子呈正相关，表明植被在控制侵蚀方面起主导作用。

为了进一步探讨地形、植被和人类活动的影响，将这些因素叠加在土壤侵蚀上。通过坡陡与侵蚀速率叠加，发现高强度侵蚀的面积随着坡陡的增大而增大。侵蚀区主要集中在坡度为>-15°的地区。坡度为>25°的地区以极严重和极严重的侵蚀为主。坡度为0～8°的地区主要是极轻微和轻微的侵蚀。土壤侵蚀主要分布在NDVI为0.2～0.6的区域，严重侵蚀和极轻微侵蚀分别分布在NDVI为0～0.2和0.6-1.0的区域。利用土地利用综合反映人类活动的影响，发现土地利用类型影响不同强度的土壤侵蚀面积。侵蚀主要分布在耕地和草地上，占整个高原的70%。耕地以中度至重度侵蚀为主，森林以中度至重度侵蚀为主，未利用地的侵蚀强度分别以轻度侵蚀和极严重侵蚀为主。

2.4 每个因素对侵蚀的贡献变化

忽略土壤和地形在短时间内的微小变化，使用弹性系数法来量化降水、植被覆盖和保护措施对土壤侵蚀变化的贡献。多元回归关系拟定了年平均土壤侵蚀、降雨侵蚀力、植被覆盖和管理，以及水土流失控制的实践。

A(R，C，P)=154.037+0.008R+53.280C-434.897P

回归系数反映了土壤侵蚀对各因子的总体敏感性。结果表明，土壤侵蚀主要受P的影响，再乘以各因子的变化，R、C和P对减少土壤侵蚀的贡献分别为-28%、83%和36%。C贡献最大，说明C在侵蚀的动态变化中起主导作用，其次是P因子。P与土壤侵蚀呈负相关，但与土壤侵蚀呈正相关，空间相关性分析不存在冲突。P值的负相关表明P值的变化对侵蚀变化有负的影响，空间相关性的正相关关系是静态的，仅在该时期存在。r的负贡献表明，1986—2015年降雨变化可能加剧土壤侵蚀。

3 结语

本研究通过不同的方法来识别黄土高原土壤侵蚀的控制因素，采用弹性法定量分析了不同因素对侵蚀变化的贡献。结果表明：

(1)控制侵蚀的因素具有时空变化特征，主要为降雨量及地表条件的变化(如植被和保护措施)控制。

(2)尽管极端降水加剧加剧了土壤侵蚀，但人为活动(如改变植被覆盖度和水土保持下垫面)显著减少了土壤侵蚀。它强调了采取适当措施控制侵蚀的可能性。

(3)虽然RUSLE模型在估算大规模侵蚀时存在一些不确定性，但性能总体上满足要求。弹性系数法可以有效地划分不同环境因子对侵蚀变化的贡献。黄土高原的研究成果和方法可为水土流失防治研究提供技术支持。