(完整word版)基于RUSLE的土壤侵蚀建模分析.docx
基于RUSLE模型遥感分析的广河县土壤侵蚀强度评估
基于RUSLE模型遥感分析的广河县土壤侵蚀强度评估发表时间：2018-03-30T14:07:25.220Z 来源：《防护工程》2017年第34期作者：李钊[导读] 多年平均年日照时数2560h，多年平均气温6.4℃，多年平均年降水量493.5mm，多年平均年蒸发量1257mm。
甘肃省有色工程勘察设计研究院甘肃兰州 730000 摘要：本文以广河县为研究对象，以2013年LANDSAT的TM影像、地形数据、土壤资料等数据为基础，采用美国土壤保持局修订后的RUSLE模型，结合遥感技术对广河县土壤侵蚀变化做定量研究。
关键词：RUSLE模型、广河县、土壤侵蚀Evaluation of Soil Erosion Intensity in Guanghe County Based on RUSLE Model Li Zhao（Gansu province Nonferrous Engineering Exploration & Design Research Institute, Gansu, Lanzhou, 730000）Abstract: This paper takes Guanghe county as the research object, based on the data of TM image, topographic data and soil data of LANDSAT in 2013, using the RUSLE model revised by the United States soil conservation bureau, and the quantitative study of soil erosion change in Guanghe county combined with remote sensing technology. Key words: RUSLE model；Guanghe County；Soil erosion 1 研究区域概况广河县地处陇西黄土高原西北部。
基于RUSLE模型的黄土高原土壤侵蚀变化分析——以延安市为例
河南科技Henan Science and Technology 地球与环境总777期第七期2022年4月基于RUSLE模型的黄土高原土壤侵蚀变化分析——以延安市为例梁钰汪洋（长安大学，陕西西安710000）摘要：土壤侵蚀是影响黄土高原生态环境质量的重要因素。
为研究延安地区土壤侵蚀的时空变化，本文基于RUSLE模型并借助Arcgis10.2，以延安地区2012年、2015年和2018年的LandsatTM影像、DEM数据、日降水量数据、土地利用数据、土壤类型数据和NDVI数据，得出延安地区各年土壤侵蚀模数并划分土壤侵蚀等级。
结果表明：延安地区2012—2018年，土壤侵蚀情况有所下降，特别是在2015—2018年，土壤侵蚀剧烈等级显著降低。
北部地区的土壤侵蚀等级较高，南部地区土壤侵蚀等级较低。
黄河流域的土壤侵蚀等级随时间变化较大，7年间土壤侵蚀强度明显减弱，延安市的土壤侵蚀程度明显改善。
侵蚀强度的降低主要与当地实施的退耕还林、治沟造地和打坝淤地等水土保持措施有关，本研究可为当地的水土保持工作提供科学依据。
关键词：土壤侵蚀；RUSLE；时空变化；黄土高原；延安市中图分类号：S157文献标志码：A文章编号：1003-5168（2022）7-0121-05 DOI:10.19968/ki.hnkj.1003-5168.2022.07.028Analysis of Soil Erosion Change in Loess Plateau Based on RUSLEModel—Take Yan'an City as an ExampleLIANG Yu WANG Yang(Chang'an University,Xi'an710000,China)Abstract:Soil erosion is an important factor affecting the ecological environment quality of the Loess Pla⁃teau.In order to study the spatial-temporal changes of soil erosion in Yan'an Region,based on RUSLE model and Arcgis10.2,this paper used LandsatTM images,DEM data,daily precipitation data,land use data,soil type data and NDVI data in Yan'an region in2012,2015and2018.The soil erosion modulus and soil erosion grade in Yan'an area were obtained.The results showed that the degree of soil erosion in Yan'an area decreased from2012to2018,especially during2015to2018,the severity level of soil erosion decreased significantly.The grade of soil erosion is higher in the northern region and lower in the southern region.The soil erosion level of the Yellow River basin changed greatly over time,the intensity of soil erosion was obviously weakened,and the soil erosion degree of Yan'an city was obviously im⁃proved.The decrease of erosion intensity is mainly related to the local soil and water conservation mea⁃sures such as returning farmland to forest,constructing ditches for land and dredging for dam.This study is helpful to provide scientific basis for local soil and water conservation work.Keywords:soil erosion;RUSLE;space-time change;Loess Plateau;Yan'an收稿日期：2022-03-21作者简介：梁钰（1997—），男，硕士生，研究方向：土地资源评价与利用。
219443710_基于RUSLE_模型的浙江省土壤侵蚀风险时空演变与驱动力分析
doi:10.3969/j.issn.2095-1329.2023.02.008基于RUSLE模型的浙江省土壤侵蚀风险时空演变与驱动力分析张 驰，冯秀丽*（宁波大学地理与空间信息技术系，浙江·宁波315211）摘 要：土壤侵蚀是浙江省重要生态问题之一，掌握浙江省土壤侵蚀风险的时空演变特征及其驱动力是水土保持工作开展的基础。
本研究在省域尺度上基于多源数据和RUSLE模型定量评估2000年、2010年以及2020年浙江省土壤侵蚀风险，并结合地理探测器对六大自然区内土壤侵蚀风险驱动力进行定量分析，填补了当前浙江省内土壤侵蚀研究的空白。
结果表明：2000—2020年间浙江省水土保持工作成果显著，土壤侵蚀风险等级以微度侵蚀为主且微度侵蚀面积比例逐年增加，同时微度侵蚀以及剧烈侵蚀风险地区较稳定，不易发生等级转变。
浙江省各自然区内土壤侵蚀等级变化情况不同，地形相对平坦地区普遍存在土壤侵蚀轻度恶化的情况，与当地密集的人类活动密切相关；西北中山丘陵区以及南部中山区内的土壤侵蚀好转明显。
坡度对对土壤侵蚀的影响十分显著，解释力q值最高为0.2668；坡度与植被覆盖度的双因子协同作用具有较高的解释力，q值最高为0.3816，其次为坡度与土地利用，q值为0.2869。
因此，浙江省的土壤侵蚀治理应当考虑各自然区内的主导因子以及多因子协同作用的影响。
关键词：土壤侵蚀；时空演变；RUSLE；地理探测器；GIS中图分类号：S157 文献标志码：A 文章编号：2095-1329(2023)02-0046-07土壤侵蚀作为一种危害深远的生态环境问题广泛分布于全球。
土壤侵蚀的加剧将对地表水质量[1]、水体生态环境[2]、水利工程效益[3]、耕地质量[4]等产生不利影响，成为自然资源和环境可持续发展的重大阻碍；其引发的洪涝灾害[5]以及地质灾害则严重威胁着人民生命财产安全。
因此对土壤侵蚀风险进行定量评估并掌握其时空演变规律对水土保持工作的宏观决策以及实际开展具有重要意义。
基于RUSLE的汾河上游土壤侵蚀特征分析
中图分类号：Ｓ１５７．１；ＴＶ８８２．１ 文献标志码：Ａ ｄｏｉ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１０００－１３７９．２０２０．１１．０１５
Ａｎａｌｙｓｉｓ ｏｆ Ｓｏｉｌ Ｅｒｏｓｉｏｎ Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｔｈｅ Ｕｐｓｔｒｅａｍ ｏｆ ｔｈｅ Ｆｅｎｈｅ Ｒｉｖｅｒ Ｂａｓｅｄ ｏｎ ＲＵＳＬＥ
２０１８ ｌａｎｄ ｕｓｅ ｄａｔａ， ｗｉｔｈ ｔｈｅ ｈｅｌｐ ｏｆ ｔｈｅ ｒｅｖｉｓｅｄ ｇｅｎｅｒａｌ ｓｏｉｌ ｌｏｓｓ ｅｑｕａｔｉｏｎ ａｎｄ ｇｅｏｇｒａｐｈｉｃ ｉｎｆｏｒｍａｔｉｏｎ ｓｙｓｔｅｍ， ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｔｅｃｈｎｏｌｏｇｙ， ｔｈｅ
ｐａｐｅｒ ｃａｌｃｕｌａｔｅｄ ｔｈｅ ｓｏｉｌ ｅｒｏｓｉｏｎ ｍｏｄｕｌｕｓ ｉｎ ｔｈｅ ｕｐｓｔｒｅａｍ ｏｆ ｔｈｅ Ｆｅｎｈｅ Ｒｉｖｅｒ ａｎｄ ａｎａｌｙｚｅｄ ｉｔｓ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ． Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ
数也较大，应加强土地用途管制，合理利用草地、林地和耕地，杜绝乱砍滥伐、不合理矿山开采等，尽可能减少人为土壤侵蚀；随着海
拔的上升土壤侵蚀强度先急剧增大后缓慢减小，１ ２００ ～ ２ ０００ ｍ 是土壤侵蚀主要海拔段；土壤侵蚀模数随着坡度的增大而增大，８° ～
３５°坡度范围是流域土壤侵蚀的严重区域和水土流失治理的重点区域。
情况进行分析，结果表明：汾河上游最大土壤侵蚀模数为 ４８ １１７．１０ ｔ ／ （ ｋｍ２ ·ａ） ，平均侵蚀模数为 ２ ７８１．７４ ｔ ／ （ ｋｍ２ ·ａ） ，侵蚀强度等
级比较高的区域主要分布在东北部和西南部；不同土地利用类型的土壤侵蚀强度差异较大，土壤侵蚀主要发生在海拔高、坡度大、
基于RUSLE模型的六盘水市土壤侵蚀评价
基于RUSLE模型的六盘水市土壤侵蚀评价尹璐;闫庆武;卞正富【摘要】Mining mineral resources will easily lead to destruction of land resources and deterioration of eco-environment in mining areas. In order to explore effect of coal mining on soil erosion and evaluate the situation of soil erosion in Liupan-shui, a major coal mining based city in Southwest Guizhou Province, based on related soil texture, terrain, meteorology, land cover and land use data, status quo and spatial distribution of soil erosion in the city was studied and characterized, with emphasis on distribution of soil erosion in the mining area using the RUSLE model and GIS spatial analysis method. Results show that the soil erosion in Liupanshui is mostly mild and moderate, with severe erosion distributed only in the east and south of Shuicheng County, the east of Liuzhi Special Zone and the central of Panxian County; that soil erosion mainly occurs in woodlands, meadows, dry lands, mining area and bare land where human disturbance is intense;that the mining area in the south of Liupanshui is quite severe in soil erosion as compared with others, but yet dominated with mod-erate erosion, mainly because mining activities triggers geological disasters which in turn lower the effect of soil erosion controlling factors;and that the situation of private-owned coal minings is much worse than that of state-owned ones. It is, therefore, important for private-owned coal minings to intensify protection and management of the land resources in the process of coal mining.%矿产资源的开采容易导致矿区土地资源破坏及生态环境恶化,为探索煤矿开采对土壤侵蚀的影响,分析矿区土地侵蚀状况.以贵州省西南部煤矿城市六盘水市为研究对象,基于土壤质地、地形、气候、土地覆盖和土地利用等数据,运用RUSLE模型,结合GIS空间分析方法,研究六盘水市土壤侵蚀现状及空间分布特征,着重分析煤矿区土壤侵蚀分布特征.结果表明:(1)六盘水市土壤侵蚀以微度、中度侵蚀为主,侵蚀严重区域主要集中在水城县东部和南部,六枝特区东部以及盘县中部.(2)土壤侵蚀主要发生在人类负向干扰活动强烈的林地、草地、旱地、煤矿区和裸地.(3)六盘水市南部煤矿区侵蚀较严重,以中度侵蚀为主,主要原因是采煤造成的地质灾害使土壤侵蚀抑制因素作用减弱.(4)私营煤矿区土壤侵蚀程度比国有煤矿区严重.私营煤矿区应在煤炭开采过程中加强保护与治理.【期刊名称】《生态与农村环境学报》【年(卷),期】2016(032)003【总页数】8页(P389-396)【关键词】GIS;水土流失;RULSE模型;煤矿区【作者】尹璐;闫庆武;卞正富【作者单位】中国矿业大学环境与测绘学院, 江苏徐州 221116;中国矿业大学环境与测绘学院, 江苏徐州 221116;中国矿业大学环境与测绘学院, 江苏徐州 221116【正文语种】中文【中图分类】S157;X87水土流失是一个全球性的土地退化问题,是当今全球变化的重要表现形式[1]。
基于RUSLE模型的云南省土壤侵蚀和养分流失特征分析
第35卷第6期2021年12月水土保持学报J o u r n a l o f S o i l a n d W a t e rC o n s e r v a t i o nV o l .35N o .6D e c .,2021收稿日期:2021-05-06 资助项目:云南农业大学引进人才科研启动项目(A 2032021031) 第一作者:陈正发(1985 ),男,云南砚山人,博士,讲师,主要从事水土生态工程方面的研究㊂E -m a i l :c h e n z h e n g f a 2013@126.c o m 通信作者:宁东卫(1977 ),男,山西运城人,硕士,讲师,主要从事水土保持方面的研究㊂E -m a i l :674057066@q q.c o m 基于R U S L E 模型的云南省土壤侵蚀和养分流失特征分析陈正发1,2,龚爱民1,2,宁东卫1,2,张刘东1,2,王建雄1,2,相彪1,2(1.云南农业大学水利学院,昆明650201;2.云南省农业节水工程技术研究中心,昆明650201)摘要:准确评估区域土壤侵蚀和养分流失空间分布特征,是开展区域水土保持规划和生态治理的基础㊂基于G I S 空间分析技术和R U S L E 模型,对云南省土壤侵蚀和养分流失特征进行定量化分析㊂结果表明:云南省土壤侵蚀面积为1835.91ˑ104h m 2,占总面积的48.07%,平均侵蚀模数为15.65t /(h m2㊃a ),土壤侵蚀以微度侵蚀㊁轻度侵蚀为主,但极强烈侵蚀㊁剧烈侵蚀是区域侵蚀产沙的主要来源㊂滇西南区土壤侵蚀强度较大,而滇西北区土壤侵蚀强度较小㊂区域土壤侵蚀主要发生在夏季,旱地是区域侵蚀产沙的主要策源地㊂流失土层厚度集中分布在0~2mm /a ,平均土层流失厚度为1.19mm /a ㊂土壤有机质(S OM )㊁全氮(T N )㊁速效钾(A K )㊁有效磷(A P )的平均流失模数分别为820.00,55.19,3.32,0.32k g/(h m 2㊃a ),4种养分流失量空间分布均存在一定的聚集特征,总体表现为滇西区等西部区域大于东部区域㊂研究结果可为云南省水土保持规划和水土流失生态环境建设提供科学依据㊂关键词:R U S L E 模型;土壤侵蚀;侵蚀危害性评价;养分流失;G I S;云南中图分类号:S 157.1 文献标识码:A 文章编号:1009-2242(2021)06-0007-08D O I :10.13870/j.c n k i .s t b c x b .2021.06.002C h a r a c t e r i s t i c s o f S o i l E r o s i o na n dN u t r i e n tL o s s i nY u n n a nP r o v i n c eB a s e do nR U S L E M o d e lC H E NZ h e n g f a 1,2,G O N G A i m i n 1,2,N I N G D o n gw e i 1,2,Z H A N GL i u d o n g 1,2,WA N GJ i a n x i o n g 1,2,X I A N GB i a o 1,2(1.C o l l e g e o f W a t e rC o n s e r v a n c y ,Y u n n a nA g r i c u l t u r a lU n i v e r s i t y ,K u n m i n g 650201;2.R e s e a r c hC e n t e r o f A g r i c u l t u r a lW a t e rS a v i n g E n g i n e e r i n g a n dT e c h n o l o g y i nY u n n a nP r o v i n c e ,K u n m i n g 650201)A b s t r a c t :A c c u r a t e a s s e s s m e n to f s pa t i a l d i s t r ib u t i o nc h a r a c t e r i s t i c so f s o i l e r o s i o na n dn u t r i e n t l o s s i s t h e b a s i s o f r e g i o n a l s o i l a nd w a te rc o n s e r v a t i o na n de c o l o g i c a l e n v i r o n m e n t g o v e r n a n c e .B a s e do n G I Ss p a t i a l a n a l y s i st e c h n o l o g y a n d R U S L E m o d e l ,s o i le r o s i o n a n d n u t r i e n tl o s s w e r e q u a n t i t a t i v e l y ev a l u a t e di n Y u n n a nP r o v i n c e .T h e r e s u l t s s h o w e d t h a t t h e s o i l e r o s i o n a r e aw a s 1835.91ˑ104h m 2i nY u n n a nP r o v i n c e,a c c o u n t i n g fo r 48.07%o f t h e t o t a l a r e a ,a n d t h em e a na n n u a l e r o s i o nm o d u l u sw a s 15.65t /(h m 2㊃a )w i t ha t o t a l o f 597.52ˑ106t /a o f p o t e n t i a l s o i l l o s s .T h e i n t e n s i t y o f s o i l e r o s i o nw a sm a i n l y mi c r o -e r o s i o n a n dm i l d e r o s i o n ,b u t e x t r e m e l y s t r o n g er o s i o na n ds e v e r e e r o s i o nw e r e t h em a i ns o u r c e so f s e d i m e n t y i e l d .T h e s o i l e r o s i o n i n t e n s i t y w a s h i g h e r i n s o u t h w e s t e r nY u n n a n a n d l o w e r i nn o r t h w e s t e r nY u n n a n .S o i l e r o s i o nm a i n l yo c c u r r e d i ns u mm e r (J u n e -A u g u s t ),a n dd r y la n dw a s t h em a i ns o u r c eo f s e d i m e n t y i e l d .T h e t h i c k n e s so f t h e l o s t s o i l l a y e rw a sm a i n l y d i s t r ib u t e db e t w e e n0a n d 2mm /a ,a n d t h e a v e r a ge v a l u ew a s 1.19mm /a .A s t h e t h i c k n e s s of t h e l o s t s o i l l a y e r i n c r e a s i ng ,th e p r o p o r ti o n o f t h e c o r r e s p o n d i n g a r e a p r e s e n t e d a d e c r e a s i n gt r e n d .T h e a v e r a g e l o s sm o d u l u so f s o i l o r g a n i cm a t t e r (S OM ),t o t a ln i t r o ge n (T N ),a v a i l a b l e p o t a s s i u m (A K )a n d a v a i l a b l e p h o s p h o r u s (A P )w a s 820.00k g /(h m 2㊃a ),55.19k g /(h m 2㊃a ),3.32k g /(h m 2㊃a ),0.32k g /(h m 2㊃a ),r e s p e c t i v e l y .T h e s p a t i a l d i s t r i b u t i o nof t h e f o u rn u t r i e n t l o s s e sh a dc e r t a i nag g r e ga t i o n c h a r a c t e r i s t i c s ,a n d t h e o v e r a l l p e r f o r m a n c ew a s t h a t t h ew e s t e r nr e g i o nw a s l a r g e r t h a n t h e e a s t e r nr e g i o n .T h e s ef i n d i n g s c o u l d p r o v i d e s c i e n t i f i cb a s i sf o r w a t e r a n d s o i lc o n s e r v a t i o n p l a n n i n g a nde c o l o gi c a l e n v i r o n m e n t c o n s t r u c t i o n i nY u n n a nP r o v i n c e .K e yw o r d s :R U S L E m o d e l ;s o i l e r o s i o n ;e r o s i o nh a z a r d a s s e s s m e n t ;n u t r i e n t l o s s ;G I S ;Y u n n a nP r o v i n c e Copyright©博看网 . All Rights Reserved.土壤侵蚀作为全球性环境问题,是全球变化的重要组成部分[1]㊂导致土壤侵蚀的驱动力较多,其中人类不合理的土地利用是加速土壤侵蚀的主要原因[2]㊂土壤侵蚀使表土层变薄㊁带走土壤养分,导致土壤退化,土地生产力下降[3]㊂侵蚀泥沙及其伴随的养分流失也会对生态环境造成污染,土壤侵蚀成为规模最大㊁危害程度最为严重的非点源污染[4]㊂因此,土壤侵蚀及其养分流失研究已成为环境科学和农业科学研究人员共同关注的热点课题㊂定量评估区域土壤侵蚀分布特征是制定水土保持生态环境治理规划的基础和前提[5]㊂目前,国内外土壤侵蚀研究主要集中在土壤侵蚀机制㊁预测模型㊁水土保持措施及生态环境效应等方面㊂在土壤侵蚀预测模型方面,常用的模型包括经验统计模型㊁物理成因模型等[6]㊂从模型适用的空间尺度来看,一般包括坡面尺度模型㊁流域尺度模型和区域尺度模型[7],其中以流域尺度模型为主㊂国内外常用的土壤侵蚀预测模型主要包括U S L E/R U S L E㊁W E P P㊁E P M㊁E U R O S E M㊁A G N P S等模型,不同模型的输入参数㊁适宜条件㊁预测精度存在差异[8]㊂其中,U S L E/R U S L E模型因其结构简单,所需参数较少,对平均土壤侵蚀量预测较准确等特点,在世界各地得到了广泛运用[9]㊂从模型运用的空间尺度来看,基于U S L E/R U S L E模型的土壤侵蚀研究既包括坡面㊁流域尺度,同时也包括区域尺度㊂近年来,有学者[10-11]开展了基于G I S和R U S L E模型的区域土壤保持功能演变和水土保持生态服务功能评价方面的研究,取得了部分研究成果㊂土壤有机质和养分作为土壤质量评价的重要指标,其含量的大小是衡量耕地土壤质量高低的重要标准[12]㊂侵蚀过程土壤有机质和养分随着侵蚀泥沙和地表径流迁移,一方面成为农业面源污染的重要来源[4],另一方面也降低了耕地养分含量,从而使耕地质量下降[13]㊂土壤有机质在维持耕层土壤物理㊁化学和生物学特征中起着关键性作用[14],而坡面土壤侵蚀使土壤有机质通过泥沙和径流损失,破坏了耕层土壤物理㊁化学和生物结构性能,进而降低土壤质量㊂N㊁P㊁K等养分含量是土壤质量评价的重要指标,养分含量的高低对土壤质量产生直接的影响[15]㊂养分流失使表层土壤N㊁P㊁K等养分含量减小,最终导致土壤质量降低㊁耕地发生侵蚀退化,并导致水体污染㊂近年来,部分学者[16]采用U S L E/R U S L E模型对流域或区域尺度养分流失规律进行了研究,拓展了U S L E/R U S L E模型的运用范围㊂但总体而言,基于U S L E/R U S L E模型的区域尺度土壤侵蚀研究主要关注土壤流失,对养分流失的关注相对较少㊂云南省作为全球同纬度地带生物资源多样性保存最完好的地区,生态环境质量总体较好,但受人为活动等因素影响,部分区域土壤侵蚀有进一步加剧的风险,土壤侵蚀和面源污染成为区域农业生产和生态环境建设的重要障碍因素㊂基于此,本文在前人研究基础上,基于G I S空间分析技术和R U S L E模型,对云南省土壤侵蚀和养分流失进行定量化评估,为云南省水土保持规划和生态环境建设提供决策依据㊂1材料与方法1.1研究区概况云南省地处中国西南边陲㊁云贵高原西南部,国土面积39万k m2,属东亚季风和南亚季风交汇区域㊂国土面积84%为山区,丘陵和坝区平地仅占总面积的16%,地形由山地向喀斯特地貌逐渐演变㊂由于生态环境演变及人类活动的共同影响,中度生态脆弱性的类型区面积占总面积的32.02%,强度和极强脆弱的类型区面积占总面积的53.63%[17]㊂云南降雨充沛,河流众多,但在时空上分布严重不均㊂主要土壤类型为红壤㊁赤红壤㊁紫色土㊁黄壤和黄棕壤㊂研究[18]表明,云南坡耕地分布面积为472.55万h m2,占耕地面积的69.79%,坡耕地占耕地的面积比重较大,坡耕地在云南农业生产活动中具有重要地位㊂为使本研究与区域农业生产活动保持一致,参照云南省综合农业区划,将云南划分为7个分区㊂云南7个分区高程及土地利用类型空间分布见图1㊂1.2数据来源研究区D E M数据来源于中国科学院地理空间数据云平台(h t t p://w w w.g s c l o u d.c n),数据空间分辨率为30m,该数据集利用A S T E R G D E M数据进行加工得来㊂降雨数据来源于均匀分布于云南省的36个国家基本气象站1951 2018年间的降雨观测资料㊂土地利用来源于中国科学院资源环境科学数据中心(h t t p://w w w.r e s d c.c n),数据空间分辨率为30k m;该土地利用数据基于2015年L a n d s a tTM/ E T M遥感影像为主要数据源,通过人机交互解译生成;土地利用分类包括耕地(分为水田和旱地)㊁林地㊁草地㊁水域㊁建设用地和未利用土地6个一级类型㊂土壤分布图来源于联合国粮农组织(F A O)和维也纳国际应用系统研究所(I I A S A)构建的世界和谐土壤数据库(HW S D),该数据空间分辨率为1k m,采用的土壤分类系统为F A O-90㊂土壤养分含量空间分布采用2005 2015年在云南省土壤测土配方施肥项目中获取的分县级数据集,建立全省30mˑ30m的土壤养分空间分布栅格图㊂根据云南省气候㊁地理特点,在1个年度中季节划分为3 5月为春季,6 8月为夏季,9 11月为秋季,12月至翌年1,2月为冬季㊂8水土保持学报第35卷Copyright©博看网 . All Rights Reserved.图1 云南省高程和土地利用类型空间分布2 研究方法2.1 分析计算模型2.1.1 R U S L E 模型及计算流程 采用R U S L E 模型定量评估云南省土壤流失量,R U S L E 方程基本形式为:A =R K L S C P (1)式中:A 为年平均土壤流失量(t /(h m 2㊃a ));R 为降雨和径流侵蚀因子((M J ㊃mm )/(h m 2㊃h ㊃a ));K为土壤可蚀性因子((t ㊃h m ㊃h )/(M J ㊃mm ㊃h m ));L S 为地形因子,其中L 为坡长因子,S 为坡度因子;C 为植被覆盖与管理因子;P 为水土保持措施因子,均为无量纲因子㊂为模拟现状土壤侵蚀空间分布特征,本研究土地利用数据采用2015年土地利用图,并依据1951 2018年降雨观测资料计算逐年降雨侵蚀力,取平均值作为现状降雨侵蚀力值㊂采用水利部‘土壤侵蚀分类分级标准“(S L190 2007)进行侵蚀强度等级划分㊂模型计算分析基于A r cG I S10.2软件进行,分析流程为:(1)基于基础数据分别计算并获取R ㊁K ㊁L S ㊁C ㊁P 因子空间分布;(2)基于G I S 空间运算功能,计算各因子乘积并得到云南省土壤侵蚀空间分布;(3)采用G I S 的空间分析功能,进一步提取土壤侵蚀空间特征参数㊂为确保计算结果精度,计算栅格均统一为30mˑ30m ,并转换为相同的地理坐标系㊂2.1.2 流失土层厚度计算模型 根据质量守恒原理,可导出流失土层厚度ΔH 计算模型为:ΔH =A10ˑρ(2)式中:ΔH 为流失土层厚度(mm /a );A 为土壤侵蚀模数(t /(h m 2㊃a ));ρ为自然状态下的土壤容重(g /c m 3),10为单位换算系数㊂本研究参照水利部‘土壤侵蚀分类分级标准“(S L190 2007)的估算方法,结合对云南省不同土壤类型坡面土壤容重的实测数据变化,土壤容重取值为1.35g /c m 3㊂2.1.3 养分流失估算模型 参照文献[16]提出的方法,第i 种养分物质流失量N i 估算公式为:N i =E R i ˑA ˑW i (3)式中:A 为侵蚀模数(t /(h m 2㊃a ));E R i 为第i 种养分的侵蚀泥沙富集系数;W i 为第i 种养分在土壤中的含量(土壤有机质(S OM )的含量单位为g /k g ,全氮(T N )的含量单位为g /k g ,有效磷(A P )的含量单位为m g /k g ,速效钾(A K )的含量单位为m g /k g )㊂根据已有研究[19-20],土壤有机质的侵蚀泥沙富集系数分布在1.30~2.33,均值为1.64;全氮的侵蚀泥沙富集系数分布在1.05~2.99,均值为1.95;有效磷的侵蚀泥沙富集系数分布在0.84~1.95,均值为1.34;速效钾的侵蚀泥沙富集系数分布在1.14~2.17,均值为1.67㊂因此,本研究土壤有机质㊁全氮㊁有效磷㊁速效钾的侵蚀泥沙富集系数均分别取1.64,1.95,1.34,1.67㊂2.2 R U S L E 模型因子确定2.2.1 土壤可蚀性因子(K ) 土壤可蚀性因子反映土壤承受侵蚀动力剥蚀和搬运的敏感性,是评价土壤对侵蚀敏感程度的重要定量化参数㊂本研究引用杨子生[21]㊁郭志民[22]针对土壤可蚀性K 的研究成果,并将土壤可蚀性值转化为国际制单位,K 值取值见表1㊂表1 云南省不同土壤类型K 值变化土壤类型(亚类)K (U S )K (S I )土壤类型(亚类)K (U S )K (S I)红壤0.4100.054燥红土0.340.044黄红壤0.3300.043褐红土0.340.045山原红壤0.4120.054冲积土0.350.046红壤性土0.4200.055红色石灰土0.250.033黄壤0.3800.050黑色石灰土0.310.041黄壤性土0.3470.046黄色石灰土0.260.035黄棕壤0.3210.042酸性紫色土0.420.055暗黄棕壤0.3040.040中性紫色土0.400.053棕壤0.2920.038石灰性紫色土0.400.052暗棕壤0.2860.038赤红壤0.270.035棕色针叶林土0.2500.033注:K (U S )表示美国制单位;K (S I)表示国际制单位㊂9第6期 陈正发等:基于R U S L E 模型的云南省土壤侵蚀和养分流失特征分析Copyright©博看网 . All Rights Reserved.2.2.2降雨侵蚀力因子(R)降雨侵蚀力因子一般采用简易公式计算,但不同的简易公式计算得到的降雨侵蚀力数值差异较大,需对计算模型的适宜性进行评价㊂根据陈正发等[23]对云南省降雨侵蚀力计算模型的适宜性研究成果,降雨侵蚀力计算公式为:R=5.249(ð12i=1P i P P i)1.205(4)式中:P为年降雨量(mm);P i为第i个月的降雨量(mm)㊂设F i=P iP P i,A=(ð12i=1F i)β-1,α=5.249,β=1.205,则每个月的降雨侵蚀力计算公式为:R i=αA F i=5.249A F i(5)式中:R i为第i个月的降雨侵蚀力值((M J㊃mm)/(h m2㊃h㊃a))㊂2.2.3地形因子(L S)坡度因子(S)和坡长因子(L)统称为地形因子,反映地形地貌特征对土壤侵蚀的影响㊂本研究缓坡地(θ<14ʎ)坡度因子采用早期U S L E中给出的计算式:S=65.41ˑ(s i nθ)2+4.56ˑs i nθ+0.065(6)式中:θ为坡度(ʎ)㊂陡坡地(θȡ14ʎ)地形因子采用刘宝元等[24]基于中国天水㊁安塞和绥德3个水土保持试验站天然径流小区观测资料提出的模型进行计算:S=21.91s i nθ-0.96(7)坡长因子(L)采用U S L E模型提出的计算公式进行计算:L=(l22.1)m(8)式中:l为坡长值(m);m为可变的坡长指数㊂当θ< 0.57ʎ时,m=0.2;0.57ʎɤθ<1.72ʎ,m=0.3;1.72ʎɤθ<2.86ʎ,m=0.4;θȡ2.86ʎ,m=0.5㊂计算地形因子过程中,首先基于D E M图直接提取坡度因子(S);其次,采用H i c k e y[25]提出的方法,基于D E M数据经过一系列水文流量累积分析后,最终得到坡长因子(L);最后,取2个因子图的乘积,即得到地形因子(L S)空间分布图㊂2.2.4植被覆盖与管理因子(C)植被覆盖与管理因子反映地表有植被覆盖情况下对侵蚀的减小作用,因子取值在0~1,一般通过模型计算法㊁试验法㊁赋值法确定C因子㊂本研究采用赋值法获得C因子空间分布图㊂根据杨子生[21]在云南开展的研究成果,水田C因子取值为0.088,旱地取值为0.120,林地取值为0.003,草地取值为0.005,其他土地利用类型取值为1.000㊂2.2.5水土保持措施因子(P)水土保持措施因子反映实施水土保持措施后对侵蚀的减小作用,因子取值在0~1,区域尺度一般依据土地利用类型进行赋值㊂根据赵明松等[16]和杨子生[21]研究成果,将林地㊁草地的P因子赋值为0.1,旱地赋值为0.35,水田赋值为0.18,其他土地利用类型均赋值为0㊂3结果与分析3.1模型计算结果精度验证基于R U S L E模型进行区域土壤侵蚀评估中,需要对计算精度进行验证㊂抚仙湖尖山河小流域位于云南省滇中地区,多年平均降雨量1050mm,雨季为6 10月,降雨量占全年总降雨量的75%,年平均径流深300mm,年均蒸发量为900mm,流域土壤主要是红紫泥土和红壤㊂尖山河小流域土壤㊁降雨㊁地形地貌㊁土地利用等特征在云南省具有较好的代表性,因此采用王克勤等[26]2006年在尖山河小流域标准径流小区观测的数据,验证模型计算结果的精度㊂通过计算,模型在灌草地㊁坡耕地㊁次生林小区上的土壤侵蚀预测精度最高,相对偏差仅为0.93%,-7.28%, 8.48%,梯坪地㊁人工林小区的预测相对偏差较大,相对偏差为16.60%,16.67%㊂整体上看,5种土地利用类型上的预测相对偏差为7.08%,模型确定系数为0.992,较接近于1,表明预测结果整体上比实测结果偏大,但整体偏差<10%,表明模型精度相对较高,可基本满足云南省土壤侵蚀和养分流失评估精度要求㊂3.2土壤侵蚀空间分布特征根据模型计算结果,云南省土壤侵蚀面积为1835.91ˑ104h m2,占总面积的48.07%,侵蚀量为597.52ˑ106t/a,年平均侵蚀模数为15.65t/(h m2㊃a)㊂图2为云南省土壤侵蚀强度分级图㊂从图2可以看出,云南大部分地区土壤侵蚀强度均处于微度侵蚀,其次为轻度侵蚀和中度侵蚀,强烈以上等级的侵蚀分布面积较小,但呈现出集中分布特征㊂图2云南省土壤侵蚀强度空间分布从表2可以看出,微度侵蚀所占面积最大,面积占比为51.93%,侵蚀模数仅为1.41t/(h m2㊃a),年01水土保持学报第35卷Copyright©博看网 . All Rights Reserved.侵蚀量仅占总侵蚀量的4.68%㊂轻度侵蚀面积仅次于微度侵蚀,侵蚀面积占比为36.75%,侵蚀模数为9.86t /(h m 2㊃a ),年侵蚀量占总侵蚀量的23.17%㊂中度侵蚀面积占比为3.26%,侵蚀模数为33.16t /(h m 2㊃a ),年侵蚀量占总侵蚀量的6.91%㊂强烈侵蚀㊁极强烈侵蚀和剧烈侵蚀面积占比差异较小,侵蚀面积占比分别为2.32%,3.53%,2.21%;尽管上述3个侵蚀强度等级的侵蚀面积占比较小,但平均侵蚀模数较大,侵蚀模数分别为64.92,109.26,219.45t /(h m 2㊃a ),且土壤侵蚀量占比分别达到9.64%,24.68%,30.93%㊂其中,剧烈侵蚀的面积占比仅为2.21%,但侵蚀量占比却高达30.93%,剧烈侵蚀是云南省侵蚀产沙的主要策源地㊂此外,极强烈侵蚀的面积占比也较低,仅为3.53%,而侵蚀量占比却高达24.68%㊂上述分析表明,云南省土壤侵蚀以微度㊁轻度侵蚀为主,但极强烈㊁剧烈侵蚀量占比较大,区域水土保持生态环境建设中应重视极强烈㊁剧烈侵蚀等级的水土流失治理㊂表2 云南省土壤侵蚀强度分级特征侵蚀强度分级面积/万h m2面积所占比例/%侵蚀量/(106t㊃a -1)侵蚀量所占比例/%平均侵蚀模数/(t ㊃h m -2㊃a-1)微度侵蚀1983.1351.9327.954.681.41轻度侵蚀1403.5236.75138.4323.179.86中度侵蚀124.483.2641.286.9133.16强烈侵蚀88.752.3257.629.6464.92极强烈侵蚀134.953.53147.4424.68109.26剧烈侵蚀84.222.21184.8130.93219.45合计3819.04100.00597.52100.0015.65 土壤侵蚀是导致土地退化㊁土地生产力下降的重要原因,分析不同农业分区土壤侵蚀特征,可为分区水土流失治理和耕地质量保护提供科学依据㊂从表3可以看出,不同农业分区侵蚀模数和侵蚀总量均存在差异,侵蚀模数的大小关系为滇西南区>滇东北区>南部边缘区>滇西区>滇中区>滇东南区>滇西北区,而侵蚀量的大小关系为滇西南区>滇中区>南部边缘区>滇西区>滇东南区>滇东北区>滇西北区㊂滇西南区平均侵蚀模数㊁侵蚀量均为最大,侵蚀模数达24.91t /(h m 2㊃a ),土壤侵蚀总量为144.08ˑ106t /a,说明滇西南区是云南省土壤侵蚀相对较严重的区域㊂滇东北区平均土壤侵蚀模数仅次于滇西南区,平均侵蚀模数为23.45t /(h m 2㊃a),土壤侵蚀强度也较大㊂南部边缘区土壤侵蚀模数为17.69t/(h m 2㊃a ),土壤侵蚀量为105.93ˑ106t /a ,土壤侵蚀量小于滇中区,但平均侵蚀模数大于滇中区㊂滇西区的土壤侵蚀量㊁侵蚀模数均小于南部边缘区,平均土壤侵蚀模数为16.66t /(h m 2㊃a),土壤侵蚀总量为82.42ˑ106t /a ㊂滇西北区土壤侵蚀模数和侵蚀量均为最小,侵蚀模数仅为9.30t /(h m 2㊃a ),表明该分区土壤侵蚀强度相对较小㊂3.3 土壤侵蚀季节分布特征受不同季节降雨侵蚀力㊁植被覆盖等因子变化的影响,不同季节土壤侵蚀存在较大波动㊂从图3可以看出,不同季节土壤侵蚀模数差异较大㊂其中,夏季土壤侵蚀模数最大,侵蚀模数集中分布在0~50t/h m 2,平均土壤侵蚀模数为10.53t /h m 2,侵蚀强度等级以轻度侵蚀㊁微度侵蚀为主㊂秋季土壤侵蚀模数仅次于夏季,侵蚀模数集中分布在0~25t /h m 2,平均土壤侵蚀模数为2.94t /h m 2,处于微度侵蚀㊂春季土壤侵蚀模数集中分布在0~5t /h m 2,平均土壤侵蚀模数为1.52t /h m 2,处于微度侵蚀㊂冬季土壤侵蚀模数最小,侵蚀模数集中分布在0~1.3t /h m 2,平均土壤侵蚀模数为0.17t /h m 2,也处于微度侵蚀㊂从侵蚀量占比来看,春㊁夏㊁秋㊁冬4个季节土壤侵蚀量占全年侵蚀总量的比重分别为10.18%,68.99%,19.69%,1.14%,表明云南省土壤侵蚀过程主要发生在夏季,夏季是云南省降雨侵蚀的敏感期,同时也是水土流失防治的关键时段㊂表3 不同分区土壤侵蚀特征分区侵蚀模数均值/(t ㊃h m -2㊃a-1)标准差C V 侵蚀量数值/(106t ㊃a -1)占比/%滇西北区9.3026.692.8745.827.67滇东北区23.4544.991.9251.558.63滇西区16.6640.852.4582.4213.79滇中区12.7331.312.46109.3118.29南部边缘区17.6943.502.46105.9317.73滇西南区24.9155.542.23144.0824.11滇东南区11.9427.982.3458.419.783.4 不同土地利用类型土壤侵蚀特征不同土地利用类型的侵蚀环境和受人为活动影响的强度不一致,导致不同土地利用的土壤侵蚀特征也存在较大差异㊂从表4可以看出,不同土地利用类型侵蚀模数㊁侵蚀量占比存在较大差异㊂从侵蚀模数来看,旱地侵蚀模数最大,平均侵蚀模数为79.79t /(h m 2㊃a),达到强烈侵蚀等级;草地的侵蚀模数仅次于旱地,平均侵蚀模数为10.32t /(h m 2㊃a ),处于11第6期 陈正发等:基于R U S L E 模型的云南省土壤侵蚀和养分流失特征分析Copyright©博看网 . All Rights Reserved.轻度侵蚀等级;林地㊁水田的侵蚀模数均值差异较小,平均侵蚀模数分别为4.87,2.61t/(h m2㊃a),处于微度侵蚀等级,表明林地㊁水田的水土保持效果较好,地表土壤侵蚀强度较小;未利用土地㊁建设用地㊁水域等土地利用类型几乎不发生侵蚀,或侵蚀量十分微小,整体上处于微度侵蚀等级㊂从不同土地利用类型侵蚀量占比来看,旱地㊁林地㊁草地是区域侵蚀产沙的主要来源,其他土地利用类型侵蚀量占比均较小㊂其中,旱地的侵蚀量占比最大,侵蚀量占比达67.42%,表明云南省大部分土壤侵蚀发生在旱地上,旱地是区域侵蚀产沙的主要来源㊂林地的侵蚀量占比仅次于旱地,侵蚀量占比为17.44%;草地侵蚀量占比小于林地,侵蚀量占比为14.46%㊂图3不同季节土壤侵蚀分布表4不同土地利用类型土壤侵蚀特征土地利用类型侵蚀面积/104h m2微度侵蚀轻度侵蚀中度侵蚀强烈侵蚀极强烈侵蚀剧烈侵蚀平均侵蚀模数/(t㊃h m-2㊃a-1)侵蚀量占比/%林地1411.55755.4010.362.614.353.334.8717.44草地273.68535.9340.771.912.151.3710.3214.46水域00000000建设用地40.030000000未利用地15.860000000水田136.8323.430.450.190.220.122.610.69旱地64.1787.7572.7783.97128.1579.3679.7967.42 3.5流失土层厚度特征土壤侵蚀导致坡面表土层不断流失,使土层厚度变薄,坡面石砾化和土壤粗骨化,最终导致土壤退化㊂通过计算,云南省土壤侵蚀流失土层厚度分布在0~69.9m m/a,平均土层流失厚度为1.19m m/a,不同区域流失土层厚度存在差异㊂从表5可以看出,随着流失土层厚度增加,对应面积占比表现为递减趋势;大部分区域流失土层厚度为0~2m m/a,对应的面积为3407.63ˑ104h m2,占总面积的比例为89.23%㊂其中,流失土层厚度为0~0.5m m/a的面积分布最广,分布面积为2293.79ˑ104h m2,占总面积的比例为60.06%;流失土层厚度为0.5~2m m/a范围的面积分布也较大,为1113.84ˑ104h m2,占总面积的比例为29.17%;流失土层厚度>2m m/a范围的面积分布较小,为411.41ˑ104h m2,占总面积的比例仅为10.77%㊂表5土壤侵蚀流失土层厚度分布面积及所占比例流失土层厚度/ (mm㊃a-1)流失面积/104h m2占比/%0~0.52293.7960.06 0.5~2.01113.8429.17 2.0~5.0156.404.10 5.0~8.0103.792.72 8.0~12.079.892.09 12.0~15.030.250.79 15.0~20.024.650.65 20.0~25.010.200.27 25.0~30.04.050.11 >30.02.180.063.6养分流失空间分布特征土壤侵蚀过程中,养分元素伴随着侵蚀泥沙和地表径流发生迁移㊁沉积,一方面作为农业面源污染的重要来源,另一方面使耕地上作物所需养分减少,使土地产生侵蚀性退化㊂面源污染治理作为区域环境整治的重要组成部分,研究区域养分流失时空分布特征对制定区域环境治理规划和开展生态环境建设具有重要的指导意义㊂从表6可以看出,在4种养分中土壤有机质(S O M)年流失总量㊁平均流失模数均为最大,年流失总量为3129.33ˑ104t,平均流失模数达820.00k g/(h m2㊃a);全氮(T N)年流失总量和平均流失模数仅次于土壤有机质(S O M),年流失总量为210.76ˑ104t,平均流失模数为55.19k g/(h m2㊃a);速效钾(A K)流失量和流失模数次于全氮(T N),年流失总量为12.69ˑ104t,平均流失模数为3.32k g/(h m2㊃a);有效磷(A P)年流失总量和平流失模数均为最小,年流失总量仅为1.22ˑ104t,平均流失模数为0.32k g/(h m2㊃a)㊂从空间分布上来看,土壤有机质流失量分布在0~ 60945k g/(h m2㊃a),集中分布在0~2151.01k g/ (h m2㊃a),不同区域土壤有机质流失模数空间分布差异性较大,滇西区有机质流失模数明显大于其他分区㊂全氮流失模数分布在0~3865k g/(h m2㊃a),集中分布在0~151.56k g/(h m2㊃a),不同地区全氮流失模数空间分布也存在差异性,总体表现为滇西区等西部区域大于东部区域㊂有效磷流失模数分布在0~28.9k g/(h m2㊃a),集中分布在0~1.02k g/(h m2㊃a),流失模数空间分布也21水土保持学报第35卷Copyright©博看网 . All Rights Reserved.存在差异性,也表现为滇西区等西部区域流失量大于东部区域㊂速效钾流失模数分布在0~216k g/(h m2㊃a),集中分布在0~8.48k g/(h m2㊃a),流失模数空间分布总体表现为滇西区等西部区域大于东部区域㊂上述分析表明,云南省4种养分流失模数空间分布均存在较大差异性,但空间分布上存在一定的聚集特征,总体表现为滇西区等西部区域大于东部区域㊂表6云南省养分流失特征统计养分类型流失模数集中分布区间/(k g㊃h m-2㊃a-1)平均流失模数/(k g㊃h m-2㊃a-1)流失量/(104t㊃a-1)土壤有机质0~2151.01820.003129.33总氮0~151.5655.19210.76有效磷0~1.020.321.22速效钾0~8.483.3212.69 4讨论4.1不同区域土壤侵蚀模数比较土壤侵蚀模数可较好地反映不同空间位置上土壤侵蚀强度的大小和潜在侵蚀危险性特征㊂由于不同区域影响土壤侵蚀的因子不同,使得不同区域土壤侵蚀模数也存在较大差异㊂据估计[27],全球尺度土壤侵蚀模数为12~15t/(h m2㊃a),每年流失约0.90~0.95mm厚度的表层土壤㊂国内部分研究[28]结果显示,云南省澜沧江流域平均土壤侵蚀模数分布在0~2853t/(h m2㊃a),平均值为19.8t/(h m2㊃a)㊂从本文研究来看,云南省土壤侵蚀面积占总面积的48.07%,年平均侵蚀模数为15.65t/(h m2㊃a),总体处于轻度侵蚀等级㊂从结果对比来看,云南省平均土壤侵蚀模数接近全球平均值,侵蚀强度小于我国的黄土高原区(平均侵蚀模数>20t/(h m2㊃a))[29]和三峡库区(平均侵蚀模数20.87t/(h m2㊃a))[30]等区域,但较东北漫岗区(平均侵蚀模数6.77t/(h m2㊃a))[31]㊁安徽省(平均侵蚀模数2.57t/(h m2㊃a))[16]等区域大,说明云南省土壤侵蚀相对较严重,水土保持生态建设仍然面临着艰巨任务,该结论与胡云锋等[29]的研究结果一致㊂此外,本研究显示云南西部土壤侵蚀强度大于东部,而澜沧江流域位于云南省西部,该区域土壤侵蚀模数(19.80t/(h m2㊃a))大于全省的均值(15.65t/(h m2㊃a)),该研究结果与Z h o u等[28]对云南省澜沧江流域土壤侵蚀的研究结果具有一致性㊂4.2土地利用变化对土壤侵蚀的影响不同土地利用类型植被覆盖㊁微地貌特征㊁水土保持效应存在差异性,从而影响地表径流和土壤侵蚀过程[32]㊂从本文研究结果来看,旱地㊁草地㊁林地㊁水田的侵蚀模数分别为79.79,10.32,4.87,2.61t/ (h m2㊃a),农用地中的旱地土壤侵蚀模数显著大于其他土地利用类型,该研究结果与大多数研究[28]结论一致㊂农用地在耕作过程中表层土壤产生人为扰动现象,同时对地表覆盖状况也产生深刻影响,耕作过程降低土壤和地表对径流侵蚀的抵抗力,加剧土壤侵蚀进程㊂草地㊁林地地表覆盖度相对较高,且地表人为扰动相对较小,坡面土壤侵蚀模数也较小㊂云南省作为典型的高原山地区,大部分旱地为坡度>3ʎ的坡耕地[18]㊂受自然因素和不合理耕作活动的影响,坡耕地土壤侵蚀强度较大,整体上处于强度侵蚀等级㊂因此,旱地(特别是坡耕地)应成为区域水土保持生态环境治理的重点区域㊂随着人为活动对区域土地利用空间格局影响作用的增强,区域土壤侵蚀空间分布也将发生演变,这对区域水土保持生态环境建设带来了新的挑战[2]㊂本文仅对当前状态下的土壤侵蚀空间分布特征进行了研究,今后应加强土地利用/覆盖变化条件下土壤侵蚀时空分布演变特征的研究,以为区域水土保持治理提供科学依据㊂5结论(1)云南省土壤侵蚀面积为1835.91ˑ104h m2,占总面积的48.07%,总侵蚀量为597.52ˑ106t/a,年平均侵蚀模数为15.65t/(h m2㊃a)㊂大部分地区土壤侵蚀强度处于微度侵蚀,其次为轻度侵蚀和中度侵蚀,强烈及以上等级的侵蚀分布面积较小,但呈现出集中分布特征,极强烈侵蚀㊁剧烈侵蚀是区域侵蚀产沙的主要来源㊂不同农业分区侵蚀模数和侵蚀总量均存在差异,滇西南区土壤侵蚀强度最大,而滇西北区土壤侵蚀强度最小㊂(2)不同季节土壤侵蚀模数和侵蚀量占比差异较大,夏季平均土壤侵蚀模数和侵蚀量占比均最大,云南省土壤侵蚀主要发生在夏季㊂不同土地利用类型侵蚀模数㊁侵蚀量占比存在较大差异,其中旱地的侵蚀模数㊁侵蚀量占比均为最大,旱地是区域侵蚀产沙的主要来源㊂(3)云南省土壤侵蚀导致的流失土层厚度分布在0~69.9m m/a,集中分布在0~2m m/a,平均流失土层厚度为1.19m m/a㊂流失土层厚度处于0~0.5m m/a范围的面积分布最广,占总面积的比例达60.06%㊂(4)云南省土壤有机质(S OM)年流失总量为3129.33ˑ104t,平均流失模数达820.00k g/(h m2㊃a);全氮(T N)年流失总量为210.76ˑ104t,平均流失模数为55.19k g/(h m2㊃a);速效钾(A K)年流失总量为12.69ˑ104t,平均流失模数为3.32k g/(h m2㊃a);有效磷(A P)年流失总量为1.22ˑ104t,平均流失模数为0.32k g/ (h m2㊃a)㊂4种养分流失模数空间分布均存在较大差异性,但空间分布上存在一定的聚集特征,总体表现为滇西区等西部区域大于东部区域㊂31第6期陈正发等:基于R U S L E模型的云南省土壤侵蚀和养分流失特征分析Copyright©博看网 . All Rights Reserved.。
基于GIS和RUSLE的黄土高原小流域土壤侵蚀评估
抗由降雨、径流产生的侵蚀能力的综合体现。ＲＵＳＬＥ中，
土壤可蚀性因子定义为标准小区内单位降雨侵蚀力引起
的土壤流失率。采用ＲＵＳＬＥ推荐的在缺少资料时采用土
壤颗粒平均几何直径计算Ｋ因子的方法【１２】：
１
Ｋ＝７．５９４（０．００３４＋０．０４０５ｅｘｐ｛一｛－［（１０９Ｄｇ＋ ｒ¨
●
、二／
１．６５９）／０．７１０１］２））
坡产生５６．５０％的侵蚀量；不同土地利用类型中，占总面积５７．０７％的草地产生９６．３７％的侵蚀最，成为目前流域内主要侵
蚀产沙源。研究为应用修正通用土壤流失方程在黄土高原进行侵蚀评估提供技术范例，为该区侵蚀防治和水土资源利用
提供有益参考。
关键词：土壤，侵蚀，地理信息系统，修正通用土壤流失方程，黄土高原
长、对角线长或边长与坡度余弦比等作为其坡长进行运 算，忽略了单元格间的汇流过程，将其作为水文孤岛， 从而严重减小￡因子、低估侵蚀强度【ｌ ｏ】。虽然有的研究 选用不规则坡面的坡段三因子算法【１１１，并以分水线到单 元格的实际汇流长度为坡长进行计算，在一定程度上考 虑了上坡汇流对侵蚀的作用、量化了坡面内不同坡段的 侵蚀差异，但ＧＩＳ中的均匀单元格实际是将三维地形简 化成二维地形，单元格的侵蚀强度由上坡汇流面积决定。 因此，这种算法所获得结果也存在较大误差。其次，上 坡汇流面积确定不准确。鉴于二维空间中，单元格侵蚀 强度由上坡汇流面积决定，Ｄｅｓｍｅｔ掣１０】提出基于上坡汇 流面积的￡因子算法，得到广泛应用。然而，现有研究 中的汇流面积都是根据数字高程模型（ＤＥＭ）确定的汇 流方向简单累加得到，未考虑汇流路径上土地利用／覆盖 对汇流的影响，尤其是植被对降雨再分配而产生的减少、 阻滞地表径流的水文效应。虽然ＲＵＳＬＥ中的植被覆盖和 经营管理因子（Ｃ）可反映地表覆盖对土壤侵蚀的影响， 但基于单元格评估土壤侵蚀时，各因子的作用仅局限于 所在单元格，上坡土地利用／覆盖对汇流的作用无法由Ｃ 因子体现。因此，这类方法所获得结果仍与实际存在较 大差别。
基于gis和rusle的淮河流域土壤侵蚀研究——以信阳市商城县为例
感ꎬ２０１９ꎬ３１(４) :２４３ － ２４９. ( Ｌｉ Ｙ ＰꎬＬｕ Ｘ ＰꎬＺｈａｎｇ Ｈꎬｅｔ ａｌ. Ｓｏｉｌ ｅｒｏｓｉｏｎ ｉｎ Ｈｕａｉｈｅ Ｒｉｖｅｒ Ｂａｓｉｎ ｂａｓｅｄ ｏｎ ＧＩＳ ａｎｄ ＲＵＳＬＥ: Ｅｘｅｍｐｌｉ￣
ｆｉｅｄ ｂｙ Ｓｈａｎｇｃｈｅｎｇ Ｃｏｕｎｔｙꎬ Ｘｉｎｙａｎｇ Ｃｉｔｙ[ Ｊ] . Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｆｏｒ Ｌａｎｄ ａｎｄ Ｒｅｓｏｕｒｃｅｓꎬ２０１９ꎬ３１(４) :２４３ － ２４９. )
山” ( 编号: 豫科人组[２０１４]２ 号) 共同资助ꎮ
第一作者: 李亚平(１９９３ － ) ꎬ女ꎬ硕士研究生ꎬ主要从事地质环境遥感的研究ꎮ Ｅｍａｉｌ: ｗ１３５６９１９５３７１＠ １６３. ｃｏｍꎮ
通信作者: 卢小平(１９６２ － ) ꎬ男ꎬ教授ꎬ博士ꎬ博士生导师ꎬ主要从事摄影测量与遥感研究ꎮ Ｅｍａｉｌ: ｌｘｐ＠ ｈｕｙｐ. ｅｄｕ. ｃｎꎮ
用ꎮ 雍斌等
[１１]
基于多流向算法对累积分配中单位等
高线汇流面积进行了改进ꎮ 然而这些研究都忽略了
上坡地表覆盖 / 植被对汇流的影响ꎬ植被和地形的耦
合作用 必 然 会 导 致 汇 流 变 化ꎬ 进 而 对 侵 蚀 产 生 影
响[１２] ꎮ 秦伟等[１３] 考虑了上坡土地利用 / 覆盖ꎬ但其
实验仅针对黄土高原地区ꎬ且缺乏对比实验与验证ꎬ
２４４
２０１９ 年
国 土 资 源 遥 感
Ｌ ＝ ( λ / ２２. １) ｍ ꎬ
ìï０. ２
ï０. ３
ｍ ＝ í
ï０. ４
ï
î０. ５
θ ≤ １°
１° < θ ≤ ３°
３° < θ ≤ ５°
土壤侵蚀危险性分析建模文档
土壤侵蚀危险性建模分析文档学院：专业：年级：姓名：学号：分数：1. 确定目标，加载数据(1)在ArcMap中新建一个地图文档(2)添加矢量数据：StudyArea、Vegetation、栅格数据：Soilsgrid(3)打开Arctoolbox，激活Spatial Analyst空间分析扩和3D分析扩展模块(4)根据Vegetaion 中的属性[V egTYPE]设置植被图层的符号为[唯一值]，根据SoilsGrid 图层中属性[S_Value]设置土壤类型栅格的符号为[唯一值]，设置图层StudyArea的边界和填充(5)调整各图层的顺序得到如下下效果：(6)保存地图文档为[Ex8.mxd]2. 创建模型（1）在“我的文件”文件夹里面新建工具箱，右键工具箱，新建模型，打开模型构建器。
3.编辑模型在上一步基础上进行(1)在[ModelBuilder]窗口中，执行菜单命令：[模型]>>[模型属性](2)在[模型构建器]窗口中，执行菜单命令：[模型]>>[图层]中将工具[DEM到栅格] 拖放到[模型构建器]窗口中(4)在[模型构建器]窗口中，双击工具图框[DEM到栅格]，在出现的工具设置对话框中指定输入USGS DEM文件为：[elevation.dem]－通过输入框右边的[浏览打开]按钮在硬盘上找到该文件。
(5)从[Arctoolbox]中将工具[坡度] 拖放到[模型构建器]窗口中，在[模型构建器] 窗口中，点击[添加连接]按钮，将派生数据图框[DEMToRa_elev1]与工具图框[坡度]连接在一起。
完成后效果如下图所示：右键点击图框[输出栅格]将其改名为: [坡度图](6)从[Arctoolbox]中将工具[重分类] 拖放到[模型构建器]窗口中，在[模型构建器] 窗口中，点击[添加连接]按钮将派生数据图框[坡度图]与工具图框[重分类]连接在一起。
完成后效果如下图所示：(7)在[模型构建器]窗口中，双击工具图框[重分类]，在[重分类]工具属性对话框中将坡度重分类：在这里我们通过INFO数据表[slopereclass]实现重分类，在上图中，点击[加载]按钮，找到数据表[slopereclass],将根据此数据表中的设定值将坡度分为10类。
基于RUSLE模型的土壤侵蚀时空分异特征分析_以辽宁省朝阳市为例_怡凯1_2_王
摘要：以数字高程模型（DEM）、降雨量、土壤、遥感影像等为基础数据，运用 GIS 与遥感技术，结合 RUSLE 模型研
究辽宁省朝阳市 2001~2010 年的土壤侵蚀时空分异特征。研究结果如下：① 2001~2010 年土壤侵蚀模数总体呈
下降趋势，其中 2009 年的平均土壤侵蚀模数为 254.02 t•hm-2•a-1，为 10 a 间最低值；② 微度土壤侵蚀面积总体呈
收稿日期：2014-03-16；修订日期：2014-06-19 基金项目：国家自然科学基金项目(41171137)、2013 年国家级大学生创新创业训练计划项目(201310165001)、辽宁省创新团队项目 （wt2011002）资助。 作者简介：怡 凯（1981-），男，陕西泾阳人，博士研究生，讲师，主要从事区域分析与规划、城市人居环境与地理信息系统应用。 E-mail：Yikai.lntu@ 通讯作者：王诗阳。 E-mail：1362357846@ 网络出版时间： 2015-03-31 10:36网络出版地址： /kcms/detail/22.1124.P.20150331.1036.005.html
Fig.2 The spatial distribution of K value within the study area
18.96″ ~121° 17′ 38.54″，北 纬 40° 35′ 53.51″ ~42° 23′ 21.22″，东西跨度 165 km，南北跨度 216 km，西边 与河北省、内蒙古自治区接壤，东边与省内的阜新 市、锦州市、葫芦岛市毗连，朝阳市处于蒙古高原 向沿海平原过渡的二、三阶梯交界地带，地势西高
站点 54237 54321 54323 54324 54326 54327 54328 54334 54337 54452 54455
基于RUSLE模型的土壤侵蚀时空变化及其影响因子—以粤港澳大湾区为例
基于RUSLE模型的土壤侵蚀时空变化及其影响因子—以粤港澳大湾区为例目录1. 内容概览 (2)1.1 研究背景 (3)1.2 研究意义 (4)1.3 研究目标与内容 (5)2. 相关理论与研究方法 (6)2.1 RUSLE模型的原理 (7)2.2 土壤侵蚀的概念 (8)2.3 时空数据处理方法 (10)2.4 影响土壤侵蚀的主要因素 (11)3. 粤港澳大湾区概况 (12)3.1 地理与气候特征 (13)3.2 土地利用状况 (14)3.3 土壤侵蚀历史与现状 (15)4. RUSLE模型在粤港澳大湾区的应用 (16)4.1 数据收集与预处理 (17)4.2 模型参数选择与验证 (19)4.3 土壤侵蚀模拟结果 (21)5. 土壤侵蚀时空变化分析 (22)6. 影响土壤侵蚀的主要因素分析 (23)6.1 土地利用变化 (25)6.2 降水量变化 (26)6.3 人为活动因素 (27)6.4 气候变化影响 (28)7. 土壤侵蚀对粤港澳大湾区的影响 (30)7.1 对生态环境的影响 (31)7.2 对农业生产的影晌 (33)7.3 对水资源的影晌 (34)7.4 对沿海地区的影响 (35)8. 土壤侵蚀控制与生态恢复策略 (36)8.1 植被恢复策略 (37)8.2 排水系统和防蚀工程 (38)8.3 土地管理与规划 (40)8.4 政策与法规建议 (41)9. 结论与建议 (43)9.1 研究结论 (44)9.2 技术建议 (45)9.3 未来研究展望 (47)1. 内容概览本文旨在探讨土壤侵蚀的时空变化特征及其影响因素，土壤侵蚀不仅是全球性的环境问题，也对区域经济发展和生态系统服务质量产生深远影响。
粤港澳大湾区作为中国经济最活跃的区域之一，其土壤侵蚀问题对其可持续发展构成挑战。
本文首先介绍了RUSLE模型的理论基础、模型结构和工作原理，以及在大湾区应用该模型的必要性和可行性。
通过收集和分析环境、地形、土壤、降水和植被覆盖等关键数据，利用遥感技术对大湾区的土壤侵蚀状况进行时空动态监测。
基于RUSLE模型的喀斯特地区土壤侵蚀动态变化研究——以盘州市为例
基于RUSLE模型的喀斯特地区土壤侵蚀动态变化研究——以盘州市为例胡先培;钱庆欢;郭程程【期刊名称】《曲靖师范学院学报》【年(卷),期】2018(037)003【摘要】对区域土壤侵蚀进行定量评价,为土壤侵蚀治理工作和土地利用决策提供科学依据.基于 GIS及修正RUSLE模型,以日降雨量12 mm和30 mm为侵蚀性降水起算值,基于DEM数据,利用2000～2015年贵州省盘州市的NDVI、日降雨量、土壤和土地利用数据,计算土壤侵蚀模数.结果表明:传统算法在喀斯特广泛发育区域高估了土壤侵蚀量,改进后的降雨侵蚀力更符合当地实际情况;盘州市 2000年的平均土壤侵蚀模数修正为67.97 t ha-1yr-1,2015年为23.33 t ha -1 yr -1 ;土壤侵蚀强度等级转移矩阵表明大部分地区的土壤侵蚀强度向低一级转移,全市的土壤侵蚀等级呈下降趋势.对土壤侵蚀与坡度分析时,各侵蚀等级主要集中在较缓坡与陡坡间;且2015年各侵蚀等级在陡坡时迅速下降,这与推进≥25°坡耕地全部退耕还林政策相关;但坡陡谷深地带及城镇建设区周边区域仍是今后水土保持的工作重点.%To evaluate the soil erosion in Panzhou City, and to provide scientific basis for soil erosion control and land use decision. Based on GIS and modified RUSLE model, the daily rainfall of 12mm and 30mm for the erosive precipitation from the value of the use of 2000 to 2015, Panzhou City, NDVI, DEM, daily rainfall, soil and land use data to calculate the soil Erosion modulus. In the karst area, the traditional method will overestimate the total amount of soil erosion, so the improved rainfallerosivity is more in line with the local situation. The average erosion modulus in 2000 is 67.97t ha -1 yr-1 and 23.33 in 2015 t ha-1 yr -1 ; soil erosion intensity grade transfer matrix shows that most of the soil erosion intensity to a lower level of transfer, the city's soil erosion grade showed a downward trend. In the analysis of soil erosion and slope, the erosion grade is mainly concentrated in the gentle slope and the steep slope ; and in 2015 the erosion rate in the steep slope of the rapid decline, which in recent years to promote ≥25° slope of all the policy of returning farmland to forest ; But the slope steep valley deep area and the surrounding area of urban construction area is still the focus of future soil and water conservation.【总页数】8页(P71-77,82)【作者】胡先培;钱庆欢;郭程程【作者单位】贵州师范大学地理与环境科学学院,贵州贵阳 550025;贵州师范大学地理与环境科学学院,贵州贵阳 550025;贵州师范大学地理与环境科学学院,贵州贵阳 550025【正文语种】中文【中图分类】S157.1【相关文献】1.基于GIS和RUSLE模型的土壤侵蚀定量评价——以咸宁市咸安区为例 [J], 周亚欣;陈浩;袁希平;甘淑2.基于GIS与RUSLE模型的毕节市土壤侵蚀动态变化 [J], 张思琪;翁应芳3.基于RUSLE模型的印江流域土壤侵蚀动态变化研究 [J], 胡先培;郭程程4.基于GIS与RUSLE模型的喀斯特地区土壤侵蚀研究--以贵州省为例 [J], 孙德亮;赵卫权;李威;吴建峰;杨振华;吕思思5.基于RUSLE和景观安全格局的土壤侵蚀风险格局研究——以甘肃省甘南藏族自治州迭部县为例 [J], 姚妤;张沛;严力蛟;樊吉因版权原因，仅展示原文概要，查看原文内容请购买。
基于RUSLE模型的雅鲁藏布江流域土壤侵蚀评价
第31卷第3期2024年6月水土保持研究R e s e a r c ho f S o i l a n d W a t e rC o n s e r v a t i o nV o l .31,N o .3J u n .,2024收稿日期:2023-05-27 修回日期:2023-06-26资助项目:中国科学院西部之光 西部交叉团队重点实验室专项(x b z g -z d s ys -202009)和中国科学院A 类战略性先导科技专项 泛第三极环境变化与绿色丝绸之路建设 (X D 20040202) 第一作者:兰泽凡(1997 ),男,江西宜春人,硕士研究生,研究方向为土壤侵蚀与水土保持㊂E -m a i l :l yl @n w a f u .e d u .c n 通信作者:赵广举(1980 ),男,河南驻马店人,研究员,主要从事流域水沙过程与水土保持研究㊂E -m a i l :g jz h a o @m s .i s w c .a c .c n h t t p :ʊs t b c y j .p a p e r o n c e .o r gD O I :10.13869/j.c n k i .r s w c .2024.03.042.兰泽凡,田小靖,牛祎凡,等.基于R U S L E 模型的雅鲁藏布江流域土壤侵蚀评价[J ].水土保持研究,2024,31(3):20-29.L a nZ e f a n ,T i a nX i a o j i n g ,N i uY i f a n ,e t a l .E v a l u a t i o n o n S o i l E r o s i o nB a s e d o nR U S L E M o d e l i n t h eY a r l u n g Z a n gb oR i v e r B a s i n [J ].R e s e a rc h o f S o i l a nd W a te rC o n s e r v a t i o n ,2024,31(3):20-29.基于R U S L E 模型的雅鲁藏布江流域土壤侵蚀评价兰泽凡1,田小靖1,牛祎凡2,赵广举1,3,4,普琼5,拉巴仓决5,左巴特2(1.西北农林科技大学水土保持研究所,陕西杨凌712100;2.西北农林科技大学资源环境学院,陕西杨凌712100;3.中国科学院水利部水土保持研究所,陕西杨凌712100;4.水利部交通运输部国家能源局南京水利科学研究院,南京210029;5.西藏自治区水文水资源勘测局,日喀则水文水资源分局,西藏日喀则857000)摘 要:[目的]研究雅鲁藏布江流域土壤侵蚀时空变化特征,并分析气候和植被覆盖变化对土壤侵蚀的影响,以期为高寒区土壤侵蚀防治㊁生态系统保护和水土资源开发利用提供理论支撑㊂[方法]以雅鲁藏布江流域为研究区,采用R U S L E 模型定量评估了1980 2017年流域土壤侵蚀的时空变化特征㊂[结果]1980 2017年,雅江流域土壤侵蚀强度整体呈现先减小后增加的趋势,1980 1999年年均土壤侵蚀模数波动下降,2000 2017年年均土壤侵蚀模数则呈现不显著上升趋势;流域中上游地区土壤侵蚀变化较为显著,下游地区侵蚀强度先增加后减小㊂年均土壤侵蚀模数与降雨侵蚀力呈显著正相关关系,P e a r s o n 相关系数为0.92,而与N D V I 关系不显著㊂不同土地利用类型中,土壤侵蚀最强烈的是未利用地,其次是稀疏草地,由于其面积占比最高,对流域总侵蚀量的贡献比超过54%㊂[结论]降雨是影响雅江流域土壤侵蚀强度变化的主要因素,未来土壤侵蚀防治的重点区域应为流域东部下游降雨量较大的地区,重点防范极端降雨造成的水土流失㊂关键词:土壤侵蚀;雅鲁藏布江流域;R U S L E ;时空变化;气候变化中图分类号:S 157.1 文献标识码:A 文章编号:1005-3409(2024)03-0020-10E v a l u a t i o no nS o i l E r o s i o nB a s e do nR U S L E M o d e l i n t h eY a r l u n g Z a n gb oR i v e rB a s i n L a nZ e f a n 1,T i a nX i a o j i n g 1,N i uY i f a n 2,Z h a oG u a n g j u 1,3,4,P uQ i o n g 5,L aB a c a n g ju e 5,Z u oB a t e 2(1.I n s t i t u t e o f S o i l a n d W a t e rC o n s e r v a t i o n ,N o r t h w e s tA&F U n i v e r s i t y ,Y a n g l i n g ,S h a a n x i 712100,C h i n a ;2.C o l l e g e o f N a t u r a lR e s o u r c e s a n dE n v i r o n m e n t ,N o r t h w e s tA&F U n i v e r s i t y ,Y a n g l i n g ,S h a a n x i 712100,C h i n a ;3.I n s t i t u t e o f S o i l a n d W a t e rC o n s e r v a t i o n ,C h i n e s eA c a d e m y o f Sc i e n c e s a nd M i n i s t r y o f W a te rR e s o u r c e s ,Y a n g l i n g ,S h a a n x i 712100,C h i n a ;4.N a n j i n g H yd r a u l i cRe s e a r c hI n s t i t u t e ,N a t i o n a lE n e r g y A d m i n i s t r a t i o n ,M i n i s t r y of T r a n s p o r t ,M i n i s t r y o f W a t e rR e s o u r c e s ,N a n j i ng 210024,C h i n a ;5.S h i g a t s eB r a n c h ,H y d r o l o g y a n d W a t e rR e s o u r c e s S u r v e y B u r e a u o f T i b e tA u t o n o m o u sR e g i o n ,S h i ga t s e ,T ib e t 85700,C h i n a )A b s t r ac t :[O b j e c t i v e ]T h es p a t i a l a n dt e m p o r a l c h a r a c t e r i s t i c so f s o i l e r o s i o n i nt h eY a r l u n g Z a n gb oR i v e r b a s i nw e r e e x p l o r e d ,a n de f f ec t so f c l i m a t ea n dv e g e t a t i o nc o v e rc h a n g e so ns o i l e r o s i o n w e r ea n a l yz e d ,i n o r d e r t o p r o v i d e t h e o r e t i c a l s u p p o r t f o r s o i l e r o s i o n p r e v e n t i o n ,e c o s y s t e m p r o t e c t i o n ,a n dd e v e l o pm e n t a n d u t i l i z a t i o no fw a t e r a n d s o i l r e s o u r c e s i n a l p i n e r e gi o n s .[M e t h o d s ]B a s e do n t h eR e v i s e dU n i v e r s a l S o i l L o s s E q u a t i o n (R U S L E ),t h e s p a t i a l a n d t e m p o r a l c h a n g e o f s o i l e r o s i o n i n t h eY a r l u n g Z a n gb oR i v e r b a s i n f r o m 1980t o2017w a s q u a n t i t a t i v e l y e v a l u a t e d .[R e s u l t s ]T h es o i l e r o s i o n i n t e n s i t y i nt h e t h eY a r l u n g Z a n g b o R i v e r b a s i n s h o w e d a n o v e r a l l t r e n d o f f i r s t d ec r e a s i n g a nd t he n i n c r e a s i n gf r o m1980t o 2017,t h e f l u c t u a t i o no f t h em u l t i-y e a r a v e r a g es o i l e r o s i o n m o d u l u sd e c r e a s e df r o m1980t o1999,w h i l e t h ea n n u a l a v e r a g es o i l e r o s i o nm o d u l u s s h o w e dn o s i g n i f i c a n t i n c r e a s e t r e n d f r o m2000t o2017.T h eu p p e r a n dm i d d l e a r e a so f t h e b a s i nh a d s i g n i f i c a n tc h a n g e s,w h i l et h ee r o s i o ni n t e n s i t y i nt h el o w e ra r e a si n c r e a s e df i r s ta n dt h e n d e c r e a s e d.T h ea n n u a l a v e r a g es o i l e r o s i o n m o d u l u sw a ss i g n i f i c a n t l yp o s i t i v e l y c o r r e l a t e dw i t hr a i n f a l l e r o s i v i t y, w i t h aP e a r s o n c o r r e l a t i o n c o e f f i c i e n t o f0.92,b u t n o t s i g n i f i c a n t l y c o r r e l a t e dw i t hN D V I.A m o n g t h e d i f f e r e n t l a n d u s e t y p e s,t h em o s t i n t e n s e s o i l e r o s i o n o c c u r r e d i nu n u s e d l a n d,f o l l o w e db y s p a r s e g r a s s l a n d,w h i c h a c c o u n t e d f o r m o r e t h a n54%o f t h e t o t a lb a s i ne r o s i o nd u e t o i t sh i g h e s ta r e ar a t i o.[C o n c l u s i o n]R a i n f a l l i s t h e m a i nf a c t o r a f f e c t i n g t h e c h a n g e o f s o i l e r o s i o n i n t e n s i t y i n t h eY a r l u n g Z a n g p oR i v e r b a s i n,a n d t h e k e y a r e a s f o r s o i l e r o s i o n p r e v e n t i o na n d c o n t r o l i n t h e f u t u r e s h o u l db e t h e a r e a sw i t hr e l a t i v e l y h i g hr a i n f a l l i n t h e l o w e r r e a c h e so f e a s t e r n p a r t o f t h eb a s i n,a n d f o c u s o n p r e v e n t i n g s o i l e r o s i o n c a u s e db y e x t r e m e r a i n f a l l.K e y w o r d s:Y a r l u n g Z a n g b oR i v e r b a s i n;s o i l e r o s i o n;R U S L E;s p a t i a l-t e m p o r a l c h a n g e;c l i m a t e c h a n g e土壤侵蚀是土地退化与土壤资源减少的重要原因[1]㊂土壤侵蚀不仅导致土地退化,降低土地生产力,影响农业生产和粮食安全,而且侵蚀产生的泥沙随径流输移至下游区域,造成一系列次生生态问题,如江河湖库堵塞㊁水环境恶化㊁旱涝灾害加剧等,直接影响区域生态文明建设和社会经济可持续发展㊂土壤侵蚀已经成为各国关注的重要环境问题之一[2]㊂因此,开展流域土壤侵蚀评价,揭示气候变化环境下土壤侵蚀特征,可为应对全球气候变化背景下的水土资源开发利用提供科学依据㊂青藏高原地域辽阔,不同区域气候㊁地形㊁植被㊁土壤等环境条件差异显著,加之多种侵蚀营力交错作用,土壤侵蚀类型多样,空间分异显著,生态系统脆弱[3]㊂除滑坡和泥石流以外,暖湿地区的水蚀㊁河谷两岸的风蚀㊁高原边缘山区的重力侵蚀㊁高寒区的冻融侵蚀及气候变暖引起的冰雪融水侵蚀等多种侵蚀类型均广泛分布㊂T e n g等[4]采用R U S L E模型评估了青藏高原地区土壤侵蚀的空间分布,发现横断山脉和喜马拉雅山脉南部是土壤侵蚀最为严重的区域,且未来气候变化将加剧冰雪融化,进而导致水土流失更为严重㊂J i a n g等[5]评估了三江源地区的水土流失状况,结果表明区域暖湿化导致降雨侵蚀力增加,升温引起的冻融侵蚀与过度放牧致使青藏高原生态环境遭受严重破坏,区域内大面积草地退化,水土流失加剧[6-7]㊂雅鲁藏布江地处青藏高原的南缘,是青藏高原地区最大的河流,流域气候寒冷干旱,加之自然灾害频发,生态环境脆弱,土壤侵蚀严重㊂尽管目前针对雅鲁藏布江流域水力侵蚀空间特征已开展了部分研究,但关于气候变化及植被覆盖对土壤侵蚀变化影响的研究仍十分有限,再者定量评估高寒区水土流失的时空分异特征[8-11],是深入理解区域侵蚀产沙特征及主要影响因素的基础,也能够为应对气候变化导致的水土流失及青藏高原生态系统保护提供科学依据㊂因此,本文以雅鲁藏布江流域为研究区,采用R U S L E 模型评估该流域1980 2017年土壤侵蚀时空变化特征,分析气候变化和植被覆盖对土壤侵蚀的影响,以期为该高寒区土壤侵蚀防治㊁生态系统保护和水土资源开发利用提供理论支撑㊂1材料与方法1.1研究区概况雅鲁藏布江(以下简称雅江)(图1)发源于西藏西南部喜马拉雅山北麓的杰马央宗冰川,北靠冈底斯山,南接喜马拉雅山,位于82ʎ00' 97ʎ10'E,27ʎ80' 31ʎ02'N,中国境内干流全长约为2057k m,流域面积约为24.4万k m2,为我国第5大河,也是世界上海拔最高的河流之一[12]㊂雅江流域地域辽阔,流域内地形㊁气候㊁植被等差异较大,流域由西向东横贯西藏南部,总体呈西高东低㊁南北高中间低的地形特征,海拔差异极大,处于143~7261m㊂受青藏高原地理位置和地形因素的影响,流域上下游气候差异明显,年平均气温4.7~8.3ħ,年平均最高和最低气温分别介于13.5~16.2ħ和-3.0~1.2ħ,温度变化剧烈;流域降水年际变化不大,多年平均降水量300~500m m,但空间分布差异极显著且年内分配不均,部分地区夏季降水可达全年降水量的80%㊂流域内土壤主要是山地灌丛草原土和高山草原土,上游植被主要是高寒草原㊁高寒草甸及高山带植被等,中游主要为灌丛草甸,下游则主要以针叶林㊁阔叶林和次生植被为主[13]㊂1.2数据来源与处理雅江流域的降雨数据来源于中国气象数据网(h t t p:ʊd a t a.c m a.c n/)发布的 中国地面气候资料日值数据集(V3.0) ㊂本研究总计选取雅江流域及其周边邻近的27个气象站点,以气象站点1980 201712第3期兰泽凡等:基于R U S L E模型的雅鲁藏布江流域土壤侵蚀评价年的逐日降雨数据计算降雨侵蚀力,并使用反距离权重法插值获得流域面降雨侵蚀力㊂土壤属性数据采用国家地球系统科学数据中心(h t t p:ʊa u t h.g e o d a-t a.c n/)发布的中国土壤数据集㊂D E M来源于地理空间数据云(h t t p:ʊw w w.g s c l o u d.c n/),空间分辨率为90m㊂土地利用数据来源使用中国科学院资源环境科学与数据中心,该数据基于L a n d s a t卫星遥感影像,通过监督分类解译,数据结果可靠㊂土地利用数据包括1990年㊁2000年和2015年3期,空间分辨率为30m㊂植被覆盖指数(N D V I)数据基于G E E平台,通过1987 2017年L a n d s a t5/7的遥感影像使用最大合成法计算得到,1981 1986年N D V I数据采用G I MM S数据产品,空间分辨率为8k m,为保证数据空间分辨率的一致性,将其进行重采样至100m ㊂图1雅江流域地理位置图F i g.1G e o g r a p h i c a l l o c a t i o n o f t h eY a r l u n g Z a n g b oR i v e r b a s i n 2研究方法修正土壤流失方程(R U S L E)在国内外土壤侵蚀研究等方面应用广泛,不仅能够为不同区域水土流失评价提供有效的技术方法,而且能定量分析流域水土流失分布特征及影响因素,在不同的生态环境下开展土壤侵蚀特征评价[14]㊂因此本研究采用R U S L E估算雅江流域的土壤侵蚀量:A=R K L S C P(1)式中:A为土壤侵蚀模数,单位为t/(h m2㊃a);R为降雨侵蚀力因子,单位为(M J㊃mm)/(h m2㊃h㊃a); K为土壤可蚀性因子,单位为(t㊃h m2㊃h)/(h m2㊃M J㊃mm);L为坡长因子;S为坡度因子;C为植被覆盖与作物管理因子;P为水土保持措施因子,其中L,S,C,P因子无量纲㊂(1)降雨侵蚀力因子㊂降雨侵蚀力反映了降雨引起土壤侵蚀的潜在能力,是导致水土流失最重要的外部驱动力㊂根据雅江流域及其周边共27个气象站的日降雨资料为基础,采用章文波等[15]提出的基于日降雨量资料的估算模型计算降雨侵蚀力:R=ð24n=1R半月(2)R半月=αðk i=1(P i)β(3)α=21.586β-7.1891(4)β=0.836318.177p d12+24.455p y12(5)式中:n表示一年中第n个半月(此公式将一年划分为24个半月,以每月的前15d为一个半月,该月内剩余天数为另一个半月);R半月为半月降雨侵蚀力,单位为(M J㊃mm)/(h m2㊃h㊃a);k表示半月内的天数;P i表示半月内第i天的侵蚀性降雨量(规定日降雨量ȡ12mm的为侵蚀性降雨);α,β为回归系数; P d12表示日降雨量ȡ12mm的日平均降雨量;P y12表示日降雨量ȡ12mm的年平均降雨量㊂(2)土壤可蚀性因子㊂土壤可蚀性是反映土壤对降雨和径流剥蚀㊁搬运敏感程度的一个重要指标,是影响土壤流失的重要内在因素㊂K值大小主要与土壤质地及有机质含量有关,本研究采用S h a r p l y 等[16]在E P I C模型中提出的估算方法计算K因子: K=0.2+0.3e x p-0.0256S a(1-S i100){}S iC l+S iæèçöø÷0.31-0.25CC+e x p(3.72-2.95C)1-0.7S nS n+e x p(-5.51+22.9S n)(6)式中:S a,S i,C l分别为土壤的砂粒(0.05~2mm)㊁粉粒(0.002~0.05mm)㊁黏粒(<0.002mm)的含量百分比(%);S n为常数,S n=1-S a/100;C为土壤有机碳含量(%)㊂(3)坡度和坡长因子㊂坡长和坡度因子是R U S L E 模型估算土壤侵蚀量的重要地形参数,本研究采用刘宝元等[17]在C S L E模型中改进的坡长因子计算公式: L=(λ22.13)m(7)S=10.8+0.03θ<5ʎ16.8-0.55ɤθ<10ʎ21.91-0.96θȡ10ʎìîíïïïï(8)m=0.2θɤ1ʎ0.31ʎ<θɤ5ʎ0.43ʎ<θɤ5ʎ0.5θ>5ʎìîíïïïïï(9)式中:L为坡长因子;λ为从流域D E M中提取的坡长;m为坡长指数;S为坡度因子;θ为坡度(ʎ)㊂(4)植被覆盖与作物管理因子㊂植被覆盖与作22水土保持研究第31卷物管理因子是土壤侵蚀的重要抑制因子,与植被覆盖度密切相关㊂本研究采用B o r r e l l i[18]的方法计算C 因子,结合土地利用类型和N D V I数据,并根据中国实际土地覆盖类型进行调整,以得到更加精准的C 因子分布[19]㊂经过对比发现该流域土地利用变化较小,在计算C因子时,1980 1990年土地利用均采用1990年土地利用数据,1991 2000年采用2000年土地利用数据,2001 2017年则采用2015年土地利用数据㊂耕地区域C因子根据经验赋值,非耕地区域则结合已有文献中各种植被覆盖类型的经验赋值,利用土地利用数据和N D V I数据进行计算:C N o n A r a b l e=m i n(C N A)+r a n g e(C N A)ˑ(1-F c o v e r)(10)式中:C N o n A r a b l e是非耕地区域的C因子;m i n(C N A)是C N A取值范围的最小值;r a n g e(C N A)是C N A取值范围最大值与最小值的差;F c o v e r是植被覆盖度,使用像元二分法计算:F c o v e r=N D V I-N D V I s o i lN D V I m a x-N D V I s o i l(11)式中:N D V I为研究区的归一化植被指数;N D V I s o i l为研究区裸土的归一化植被指数;N D V I m a x是研究区归一化植被指数的最大值[20]㊂(5)水土保持措施因子㊂水土保持措施是防治土壤流失的有效方式,而P因子能够反映水土保持措施对土壤侵蚀的影响,其值一般在0~1之间㊂无任何水保措施的土地利用类型取值为1,几乎不发生土壤侵蚀的土地利用类型取值为0㊂结合雅江流域土地利用状况及前人研究,确定了雅江流域不同土地利用条件下的P值,其中水田㊁旱地及其他林地分别为0.01,0.4,0.7,其余土地利用类型均为1㊂3结果与分析3.1雅江流域降雨侵蚀力时空变化特征雅江流域1980 2017年均降雨侵蚀力为667.30 M J㊃mm/(h m2㊃h㊃a),随年均降雨量起伏变化,波动范围处于400~1000M J㊃mm/(h m2㊃h㊃a)之间,总体呈波动上升趋势,上升速率为每10a上升9.92M J㊃mm/(h m2㊃h㊃a)㊂不同时段变化差异较大(图2),1980 1992年降雨侵蚀力波动较大,最高值在1985年为937.3M J㊃mm/(h m2㊃h㊃a),最低值在1992年为432.3M J㊃mm/(h m2㊃h㊃a), 1993 1998年降雨侵蚀力明显升高,1998年降雨侵蚀力高达947.8M J㊃mm/(h m2㊃h㊃a),2001 2009年呈波动下降趋势,2009 2017年降雨侵蚀力波动上升,在2012年㊁2014年㊁2016年出现3个递减的峰值㊂38年间,雅江流域最大年降雨侵蚀力和最大年降雨量均出现在1998年,分别为947.8M J㊃m m/ (h m2㊃h㊃a),526.39m m,最小值则出现在2009年,分别是424.7M J㊃m m/(h m2㊃h㊃a),352.4m m,年降雨侵蚀力与年降雨量变化趋势基本一致㊂G u等[21]评估了青藏高原降雨侵蚀力的时空分布格局,研究表明,1980 2015年青藏高原降雨侵蚀力呈上升趋势,降雨侵蚀力增加主要发生在青藏高原南部河谷㊁雅鲁藏布江流域和横断山区㊂影响降雨侵蚀力的主要因素是降雨量和降雨强度,本研究中流域降雨量与降雨侵蚀力有较强的相关性,这与前人的研究结果一致[21]㊂图2雅江流域1980-2017年降雨侵蚀力和年降雨量变化F i g.2A n n u a l v a r i a t i o no f r a i n f a l l e r o s i v i t y a n d r a i n f a l l a m o u n t s f r o m1980t o2017从空间尺度来看,雅江流域降雨侵蚀力的空间差异十分显著(图3),流域年降雨侵蚀力呈现东部高西部低㊁由东向西逐渐递减的特点㊂流域西部雅江源头及中部地区年均降雨侵蚀力较小,雅江源头处年均降雨侵蚀力低至200M J㊃mm/(h m2㊃h㊃a)左右,其中普兰站的年均降雨侵蚀力仅为233.9M J㊃mm/ (h m2㊃h㊃a);流域东部雅江下游地区则具有明显高值,年均降雨侵蚀力接近2000M J㊃mm/(h m2㊃h㊃a),32第3期兰泽凡等:基于R U S L E模型的雅鲁藏布江流域土壤侵蚀评价其中波密站年均降雨侵蚀力为1805.9M J㊃mm/ (h m2㊃h㊃a),是普兰站的7.7倍㊂流域降雨量分布和降雨侵蚀力空间分布规律大致相同,西部源头地区年降雨量仅在200mm左右,中游日喀则㊁拉萨等地年降雨量增加至400mm左右,下游波密㊁林芝以南等地则在700mm左右,降雨量丰沛,降雨侵蚀力也较大㊂这主要是由于流域东部地区受印度洋西南季风影响,水汽充沛,降水量大,降雨侵蚀力较强;而西部地区深处内陆,受喜马拉雅山㊁念青唐古拉山东段阻隔,季风的影响较小,水汽到达有限,再加上高海拔和低温影响,降水稀少,降雨侵蚀力较弱[11,22-23]㊂图3雅江流域1980-2017年均降雨侵蚀力空间分布F i g.3S p a t i a l d i s t r i b u t i o no f r a i n f a l l e r o s i v i t y i n t h eY a r l u n g Z a n g b oR i v e r b a s i n f r o m1980t o20173.2雅江流域植被覆盖度时空变化特征植被是土壤侵蚀动态变化的主要影响因素之一㊂雅江流域1981 2017年均N D V I值和植被覆盖度总体呈上升趋势,这与其他研究[24]结果基本一致,表明雅鲁藏布江流域植被覆盖状况逐渐改善㊂同时,流域植被覆盖度的变化大致可以按2000年前后分为两个阶段(图4)㊂2000年之前年均植被覆盖度呈较为显著的波动上升趋势,而2000年之后的年均植被覆盖度则具有不显著下降趋势,且波动更加明显㊂针对N D V I空间变化分布,将雅江流域N D V I 划分为5个等级(表1),低植被覆盖(0~0.2]㊁中低植被覆盖(0.2~0.4]㊁中等植被覆盖(0.4~0.6]㊁中高植被覆盖(0.6~0.8]和高植被覆盖(0.8~1][25]㊂整体上看,雅江流域N D V I值呈现从上游到中游再到下游逐渐增大的空间分布特征(图5),这与左德鹏等[25]和L i等[26]研究结果相一致,上㊁中㊁下游N D V I均值分别为0.27,0.38,0.57,流域上中游地区土地覆被类型主要为永久性冰川积雪㊁草地㊁山地灌丛草原等,中低植被覆盖和中等植被覆盖分布广泛,占流域总面积的80%左右㊂下游地区则主要是高山植被㊁灌丛和针叶林等,N D V I值相对较高,尤其是林芝东南部地区㊂全流域植被状况呈现好转趋势,低植被覆盖㊁中低植被覆盖所占面积和比例逐渐减小,中等㊁中高和高植被覆盖所占面积及比例则逐渐增加,N D V I均值变化较明显的区域主要分布在中游及下游地区,占流域总面积的7.19%;流域上游N D V I均值变化趋势中增加比例占49.72%,中游和下游N D V I变化趋势增加比例分别占41.09%和53.78%㊂雅江流域植被分布与地形和海拔具有一定的相关关系,且具有很大的空间差异性[27]㊂上游大部分地区位于雪线以上或山谷边缘,不少地区长年覆盖积雪,海拔高,植被生长稀疏,故N D V I多为低值区;中游地区多分布草原草甸植被,而下游地区海拔较低,气温较高,降水丰沛,植被生长条件较好,N D V I值较高[28-29]㊂3.3雅江流域土壤侵蚀时空变化特征结合不同时期土地利用分布等数据分别计算雅42水土保持研究第31卷江流域逐年土壤侵蚀模数(图6)㊂结果表明,雅江流域土壤侵蚀强度整体呈现先减小后增加的趋势, 1980 1999年均土壤侵蚀模数波动下降,在1985年和1998年出现两个高值,分别为984.35t/(k m2㊃a)和887.28t/(k m2㊃a),最低值出现在1992年,为410.30t/(k m2㊃a);2000 2017年均土壤侵蚀模数则呈现不明显上升趋势,从2000年的551.27t/(k m2㊃a)增加至2017年的708.33t/(k m2㊃a),增加了28.5%,其中2013年出现递增的峰值,为893.12t/(k m2㊃a)㊂流域土壤侵蚀强度变化趋势与年均降雨侵蚀力的变化趋势具有明显的一致性,与植被覆盖度变化趋势相反,研究结果与T e n g等[4]的研究较为相似㊂图4雅江流域1981-2017年N D V I和植被覆盖度变化F i g.4V a r i a t i o no fN D V I v a l u e s a n dF V C i n t h eY a r l u n g Z a n g b oR i v e r b a s i n f r o m1981t o2017表1雅江流域植被覆盖状况分级T a b l e1C l a s s i f i c a t i o no fN D V I i n t h eY a r l u n g Z a n g b oR i v e r b a s i n等级N D V I1981年面积/104k m2比例/%1990年面积/104k m2比例/%2000年面积/104k m2比例/%2017年面积/104k m2比例/%Ⅰ0~0.23.4614.091.857.551.265.121.084.40Ⅱ0.2~0.412.9852.9312.8052.1711.5046.9010.8944.40Ⅲ0.4~0.66.4626.347.1229.038.3333.967.8632.04Ⅳ0.6~0.81.596.492.7011.022.8211.523.5814.60Ⅴ0.8~10.040.150.060.230.612.501.124.56图5雅江流域1981-2017年N D V I空间分布变化F i g.5N D V I v a l u e s a n d i t s s p a t i a l c h a n g e d i s t r i b u t i o n i n t h eY a r l u n g Z a n g b oR i v e r b a s i n f r o m1981t o2017以雅江流域1990年㊁2000年和2015年土壤侵蚀状况为例进行分析(图7),其年均土壤侵蚀模数分别为639.90,551.27,591.83t/(k m2㊃a),由于流域整体侵蚀强度较低,所以将土壤侵蚀强度按照侵蚀模数划分为5个等级(表2)㊂侵蚀模数<100t/(k m2㊃a) (Ⅰ级)的区域所占比例最大,1990年㊁2000年和2015年分别为68.14%,68.48%,68.11%;其次是>2000t/ (k m2㊃a)(Ⅴ级)区域,且Ⅰ和Ⅴ两级侵蚀区域所占比例之和均在78%以上㊂具体而言,侵蚀模数在1000~2000t/(k m2㊃a)之间(Ⅳ级)的区域所占比例呈先增加后减少的趋势,从1990年的9.00%增加至2000年的9.86%,随后减少至2015年的8.85%;而>2000t/(k m2㊃a)(Ⅴ级)的区域所占比例在1990 2000年降低了1.43%,在2000 2015年则增加了1.26%㊂从空间分布上看,侵蚀模数>2000t/ (k m2㊃a)的区域主要分布在雅江中上游河谷㊁年楚河上游㊁雅江中下游林芝以及拉萨河流域,表明这些区域土壤侵蚀较为严重,与已有研究结果相一致[10,30];谢通门县㊁南木林县㊁嘉黎县㊁墨竹工卡县㊁林周县㊁察隅县等地人为活动频繁,植被覆地区盖度52第3期兰泽凡等:基于R U S L E模型的雅鲁藏布江流域土壤侵蚀评价低,年均降雨量较大,加之高山冰川融水形成大量的地表径流,故侵蚀相对较强烈[31]㊂图6雅江流域1980-2017年均土壤侵蚀模数变化F i g.6V a r i a t i o no f s o i l e r o s i o nm o d u l u s i n t h eY a r l u n gZ a n g b oR i v e r b a s i n f r o m1980t o2017图7雅江流域1990年㊁2000年和2015年土壤侵蚀状况F i g.7S o i l e r o s i o n i n t e n s i t y i n t h eY a r l u n g Z a n g b oR i v e r b a s i n i n1990,2000a n d2015表2雅江流域土壤侵蚀强度分级T a b l e2C l a s s i f i c a t i o no f s o i l e r o s i o n i n t e n s i t y i n t h eY a r l u n g Z a n g b oR i v e r b a s i n等级侵蚀模数/(t㊃k m-2㊃a-1)1990年面积/104k m2比例/%2000年面积/104k m2比例/%2015年面积/104k m2比例/%Ⅰ<10016.6568.1416.7468.4816.6568.11Ⅱ100~5001.365.561.355.541.365.57Ⅲ500~10001.225.001.285.251.305.34Ⅳ1000~20002.209.002.419.862.168.85Ⅴ>20003.0112.302.6610.872.9612.13土地利用是人类活动影响土壤侵蚀最直接的方式,不同土地利用类型发生土壤侵蚀的方式不同,对于侵蚀的影响也有显著差异[32]㊂雅江流域主要土地利用类型可分为耕地㊁林地㊁草地㊁水体㊁建设用地㊁未利用土地6类㊂其中草地面积最大,占比达到60.60%以上,其次是未利用土地占比在18.91%左右,草地㊁未利用土地和林地3种土地类型总占比在94.10%以上㊂对比1990年㊁2000年㊁2015年土地利用数据发现,雅江流域土地利用类型并未发生明显变化,但各类型本身的土壤侵蚀状况呈现出不同的变化趋势(表3)㊂不同土地利用类型中,土壤侵蚀最强烈的是未利用地,其次是草地;对土壤侵蚀贡献最多的则是草地,贡献比例超过54%㊂流域内草地面积较大,产生土壤侵蚀量也较多,已有研究结果[8]同样表明草地是雅江流域土壤侵蚀发生的主要土地利用类型㊂1990 2000年,未利用地的年均土壤侵蚀模数由1129.7t/ (k m2㊃a)降低至879.4t/(k m2㊃a),侵蚀量减少了1159.42万t,减幅最大为22.16%;草地的年均土壤侵蚀模数由587.1t/(k m2㊃a)减至494.8t/(k m2㊃a),侵蚀量减少了1375.61万t,减幅为15.77%,未利用地和草地土壤侵蚀状况的好转是流域平均侵蚀模数减小的主导因素㊂2000 2015年,未利用土地的年均土壤侵蚀模数由879.4t/(k m2㊃a)增加至958.9t/(k m2㊃a),侵蚀量增加了371.19万t,增幅为9.11%;草地的年均土壤侵蚀模数由494.8t/(k m2㊃a)增加至583.4t/(k m2㊃a),侵蚀量增加了1309.02万t,增幅为17.91%,未利用地和草地土壤侵蚀的加剧导致流域平均侵蚀模数略有上升㊂林地土壤侵蚀模数的变化与未利用地和草地相反,呈现先增加后减小的趋势;耕地的年均土壤侵蚀模数不断下降,但趋势不显著㊂整体而言,雅江流域土壤侵蚀模数呈现先减后增的趋势,主要受降雨侵蚀力和植被覆盖度变化影响[33]㊂随着降雨侵蚀力的增加,土壤侵蚀模数也在增加,二者具有显著线性关系(图8),P e a r s o n相关系数为0.92,表明降雨侵蚀力与土壤侵蚀模数显著正相关㊂相比之下,整个流域N D V I值与土壤侵蚀模数不具有明显相关性,但流域部分地区如米林㊁波密等地植被状况较好,能够抵消一部分降雨侵蚀力造成的侵蚀强度增大㊂从典型年特征来看,2000年流域年均降雨侵蚀力低于1990年和2015年,且植被覆盖度高于1990年和2015年,所以2000年的侵蚀强度最低;空间分布上,流域东部下游部分地区年均降雨侵62水土保持研究第31卷蚀力较大,且未利用地分布较多,故土壤侵蚀强度较大㊂因此,雅江流域影响土壤侵蚀强度变化的最主要因子是降雨,与W a n g等[33]的降雨是造成土壤侵蚀主导因素的研究结果一致,未来土壤侵蚀防治的重点区域应为未利用地和草地,尤其是流域东部降雨量较大的区域,重点防范大雨暴雨造成的水土流失㊂表3雅江流域不同土地利用类型的土壤侵蚀强度T a b l e3S o i l e r o s i o n i n t e n s i t y o f d i f f e r e n t l a n du s e t y p e s i n t h eY a r l u n g Z a n g b oR i v e r b a s i n土地利用类型土壤侵蚀模数/(t㊃k m-2㊃a-1)1990年2000年2015年侵蚀量/104t1990年比例/%2000年比例/%2015年比例/%耕地220.9213.9208.274.910.4872.380.5469.520.48林地460.1560.6361.61644.1310.492010.0014.881295.818.96草地587.1494.8583.48724.4355.657348.8254.428657.8459.84未利用地1129.7879.4958.95232.9733.384073.5530.164444.7430.72注:在计算土壤侵蚀模数时,认为水体和建设用地不发生侵蚀㊂图8雅江流域降雨侵蚀力及植被覆盖度与土壤侵蚀模数关系F i g.8T h e r e l a t i o n s h i p b e t w e e n s o i l e r o s i o nm o d u l u s a n d r a i n f a l l e r o s i v i t y a n dN D V I i n t h eY a r l u n g Z a n g b oR i v e r b a s i n4结论本文以雅鲁藏布江流域为研究区,采用R U S L E 模型定量评估了1980 2017年流域土壤侵蚀的时空变化特征,分析了气候和植被覆盖变化对土壤侵蚀的影响,主要结论如下:(1)雅江流域大部分地区年降雨侵蚀力呈波动上升趋势,特别是流域东部地区增加显著;流域内降雨侵蚀力的空间差异十分显著,呈现东部高西部低㊁由东向西逐渐递减的特点㊂(2)雅江流域1981 2017年均N D V I值和植被覆盖度总体呈上升趋势,表明流域植被覆盖状况逐渐改善㊂以2000年为界,N D V I于1981 2000年呈波动上升,2001 2017年呈不显著下降趋势㊂(3)雅江流域土壤侵蚀强度整体呈先减小后增加的趋势,1980 1999年均土壤侵蚀模数波动下降, 2000 2017年均土壤侵蚀模数则呈现不明显上升趋势;流域整体土壤侵蚀强度呈先减小后增加的趋势,下游部分地区侵蚀强度则呈现相反趋势㊂(4)雅江流域侵蚀强度<100t/(k m2㊃a)面积所占比例最大,各年份均在68%以上;土壤侵蚀最强烈的区域为未利用地,其次是草地,草地的土壤侵蚀占总侵蚀量的54%以上㊂流域土壤侵蚀模数与降雨侵蚀力具有显著正相关关系,而与N D V I值相关关系不显著㊂因此,雅江流域影响土壤侵蚀强度变化的最主要因子是降雨,未来土壤侵蚀防治的重点区域应为未利用地和草地,尤其是流域东部降雨量较大的区域,重点防范极端降雨造成的水土流失㊂参考文献(R e f e r e n c e s):[1]W a l l i n g D E,F a n g D.R e c e n t t r e n d s i nt h es u s p e n d e ds e d i m e n t l o a d so ft h e w o r l d'sr i v e r s[J].G l o b a la n d P l a n e t a r y C h a n g e,2003,39(1):111-126.[2]王占礼.中国土壤侵蚀影响因素及其危害分析[J].农业工程学报,2000,16(4):32-36.W a n g ZL.A n a l y s e so f a f f e c t i n g f a c t o r so f s o i l e r o s i o na n d i t sh a r m s i nC h i n a[J].T r a n s a c t i o n so f t h eC S A E,2000,16(4):32-36.[3]陈同德,焦菊英,王颢霖,等.青藏高原土壤侵蚀研究进展[J].土壤学报,2020,57(3):547-564.C h e nTD,J i a o JY,W a n g HL,e t a l.P r o g r e s s i n r e s e a r c ho n s o i l e r o s i o n i n Q i n g h a i-T i b e tP l a t e a u[J].A c t aP e d-o l o g i c aS i n i c a,2020,57(3):547-564.[4] T e n g HF,L i a n g ZZ,C h e nSC,e t a l.C u r r e n t a n d f u t u r ea s s e s s m e n t s o f s o i l e r o s i o nb y w a t e r o n t h eT i b e t a nP l a t e a u72第3期兰泽凡等:基于R U S L E模型的雅鲁藏布江流域土壤侵蚀评价b a s e d o nR U S L Ea n dC M I P5c l i m a t em ode l s[J].S c i e n c eo f t h eT o t a l E n v i r o n m e n t,2018,635:673-686.[5]J i a n g C,L i D Q,G a oY N,e t a l.S p a t i o t e m p o r a l v a r i a-b i l i t y o f s t r e a m f l o wa n da t t r i b u t i o n i nt h eT h r e e-R i v e r sH e a d w a t e r R e g i o n,n o r t h w e s t C h i n a[J].J o u r n a lo fW a t e r a n dC l i m a t eC h a n g e,2016,7(3):637-649. [6]林慧龙,郑舒婷,王雪璐.基于R U S L E模型的三江源高寒草地土壤侵蚀评价[J].草业学报,2017,26(7):11-22.L i nH L,Z h e nST,W a n g XL.S o i l e r o s i o n a s s e s s m e n tb a s e do n t h eR U S L E m o d e l i nt h eT h r e e-R i v e r s H e a d-w a t e r s a r e a,Q i n g h a i-T i b e t a nP l a t e a u,C h i n a[J].A c t a P r a t a c u l t u r a eS i n i c a,2017,26(7):11-22.[7]邵全琴,肖桐,刘纪远,等.三江源区典型高寒草甸土壤侵蚀的137C s定量分析[J].科学通报,2011,56(13):1019-1025.S h a oQ Q,X i a oT,L i u JY,e t a l.S o i l e r o s i o n r a t e s a n dc h a r a c t e r i s t i c s o ft y p i c a la l p i n e m e ad o w u s i n g137C st e c h n i q u e i n Q i n g h a i-T i b e tP l a t e a u[J].C h i n e s eS c i e n c eB u l l e t i n,2011,56(13):1019-1025.[8]文安邦,刘淑珍,范建容,等.雅鲁藏布江中游地区土壤侵蚀的137C s示踪法研究[J].水土保持学报,2000,14(4):47-50.W e nAB,L i uSZ,F a n JR,e t a l.S o i l e r o s i o n r a t eu s i n g 137C s t e c h n i q u e i n t h em i d d l eY a r l u n g Z a n g b o[J].J o u r n a l o f S o i l a n dW a t e rC o n s e r v a t i o n,2000,14(4):47-50. [9]张琳,何政伟,陈晓杰,等.雅鲁藏布江中游流域水土流失动态变化[J].地理空间信息,2011,9(4):51-53,190.Z h a n g L,H eZ W,C h e nXJ,e t a l.D y n a m i c c h a n g e so f s o i l e r o s i o n i n t h em i d d l e r e a c h e s o fY a r l u n g Z a n g b oR i v e r [J].G e o s p a t i a l I n f o r m a t i o n,2011,9(4):51-53,190. [10]张鹏,格桑卓玛,范建容,等.西藏 一江两河 地区土壤侵蚀现状及分布特征[J].水土保持研究,2017,24(1):49-53.Z h a n g P,G e s a n g ZM,F a n JR,e t a l.S o i l e r o s i o n s t a-t u s a n dd i s t r i b u t i o nc h a r a c t e r i s t i c s i nt h e O n eR i v e ra n dT w oS t r e a m s r e g i o n i nT ib e t[J].R e s e a rc ho f S o i la n d W a t e rC o n s e r v a t i o n,2017,24(1):49-53.[11]刘慧,李晓英,肖建华,等.1961 2015年雅鲁藏布江流域风蚀气候侵蚀力变化[J].地理科学,2019,39(4):688-695.L i uH,L i XY,X i a o JH,e t a l.V a r i a t i o n s o fw i n de r o-s i o n c l i m a t i c e r o s i v i t y i nt h eY a r l u n g Z a n g b oR i v e rB a s i nd u r i n g1961 2015[J].S c ie n t i a G e o g r a p h i c a S i n i c a,2019,39(4):688-695.[12]张瑞,徐宗学,刘晓婉,等.1980 2015年雅鲁藏布江流域土地利用时空演变格局分析[J].中国农村水利水电,2019(3):106-111.Z h a n g R,X uZ X,L i u X W,e ta l.S p a t i o t e m p o r a lc h a r a c t e r i s t i c s o f l a nd u s e/c o ve r c h a n g ef o r t h eY a r l u n g Z a n g b o R i v e rB a s i nf r o m1980t o2015[J].C h i n aR u r a lW a t e r a n dH y d r o p o w e r,2019(3):106-111.[13]李佩君,左德鹏,徐宗学,等.基于地形梯度的雅鲁藏布江流域土地利用及景观格局分析[J].山地学报,2022,40(1):136-150.L i PJ,Z u oDP,X uZX,e t a l.L a n du s e/c o v e r a n d l a n d s c a p e p a t t e r n s b a s e d o n t e r r a i ni n t h e Y a r l u n gZ a n g b oR i v e rB a s i n,C h i n a[J].M o u n t a i n R e s e a r c h,2022,40(1):136-150.[14]田鹏,赵广举,穆兴民,等.基于改进R U S L E模型的皇甫川流域土壤侵蚀产沙模拟研究[J].资源科学,2015,37(4):832-840.T i a nP,Z h a oGJ,M uX M,e t a l.A m o d i f i e dR U S L Em o d e lt o e s t i m a t es e d i m e n t y i e l di nt h e H u a n g f u c h u a nw a t e r s h e d[J].R e s o u r c e sS c i e n c e,2015,37(4):832-840.[15]章文波,谢云,刘宝元.利用日雨量计算降雨侵蚀力的方法研究[J].地理科学,2002,22(6):705-711.Z h a n g W B,X i eY,L i uBY.R a i n f a l l e r o s i v i t y e s t i m a-t i o n u s i n g d a i l y r a i n f a l la m o u n t s[J].S c i e n t i a G e o-g r a p h i c aS i n i c a,2002,22(6):705-711.[16] S h a r p l y A N,W i l l i a m s JR,J o n e sCA,e t a l.E r o s i o np r o d u c t i v i t y i m p a c t c a l c u l a t o rE P I C:M o d e l d o c u m e n-t a t i o n[R].W a s h i n g t o n D C:U s d a T e c h n i c a lB u l l e-t i n1768,1990.[17]刘宝元,谢云,张科利,等.土壤侵蚀预报模型[M].北京:中国科学技术出版社,2001.L i uB Y,X i eY,Z h a n g K L,e t a l.S o i lE r o s i o nP r e-d i c t i o n M o de l[M].B e i j i n g:C h i n aS c i e n c e a n dT e c h n o l-o g y P r e s s,2001.[18] P a s q u a l eB,D a v i dA,RL a r i s s aRF,e t a l.A n a s s e s s-m e n to ft h e g l o b a li m p a c to f21s tc e n t u r y l a n d u s ec h a n g eo ns o i le r o s i o n[J].N a t u r e C o mm u n i c a t i o n s,2017,8(1):2013.[19]李佳蕾,孙然好,熊木齐,等.基于R U S L E模型的中国土壤水蚀时空规律研究[J].生态学报,2020,40(10):3473-3485.L i JL,S u nR H,X i o n g M Q,e t a l.E s t i m a t i o n o f s o i le r o s i o nb a s e do n t h eR U S L E m o d e l i nC h i n a[J].A c t aE c o l o g i c aS i n i c a,2020,40(10):3473-3485.[20]李苗苗,吴炳方,颜长珍,等.密云水库上游植被覆盖度的遥感估算[J].资源科学,2004,26(4):153-159.L iM M,W uBF,Y a nCZ,e t a l.E s t i m a t i o n o f v e g e-t a t i o n f r a c t i o ni nt h eu p p e rb a s i no f M i y u n R e s e r v o i rb y r e m o t e s e n s i n g[J].R e s o u rc e sS c i e n c e,2004,26(4):82水土保持研究第31卷。
基于RUSLE_模型的武陵山区土壤侵蚀研究
第 43 卷第 3 期2024年 5 月Vol.43 No.3May 2024中南民族大学学报（自然科学版）Journal of South-Central Minzu University（Natural Science Edition）基于RUSLE模型的武陵山区土壤侵蚀研究刘欢，严翼*，张文豪，王森，罗佳欢（中南民族大学a.资源与环境学院；b.资源转化与污染控制国家民委重点实验室，武汉430074）摘要基于降水、土壤属性、数字高程模型（DEM）、归一化差值植被指数（NDVI）和土地利用等数据，采用修正后的通用土壤流失方程（RUSLE）模型计算了武陵山区的多年平均土壤侵蚀模数，探讨了武陵山区土壤侵蚀的空间分布特征.结果表明：（1）2001—2020年武陵山区约71.59%的区域受到土壤侵蚀的威胁，中度及中度以上土壤侵蚀占比30.55%；（2）坡度是影响土壤侵蚀强度分布的主要因素，中度及中度以上的土壤侵蚀主要分布在大于15°的坡度上；（3）同一坡度级下，林地土壤侵蚀强度最低；（4）重庆武陵山区多年平均土壤侵蚀模数最高，其次分别是湖北武陵山区和贵州武陵山区，湖南武陵山区多年平均土壤侵蚀模数最低；（5）重庆市武隆区，湖北省巴东县、五峰土家族自治县、秭归县、长阳土家族自治县，贵州省江口县和湖南省古丈县是多年平均土壤侵蚀模数较高的县（区）；（6）武陵山区土壤侵蚀的空间分布具有正的空间自相关性，高高集聚主要分布在湖北武陵山区，低低集聚主要分布在湖南武陵山区.研究结果对于武陵山区水土资源优化管理和地质灾害分区防治具有一定的指导意义.关键词武陵山区；土壤侵蚀；RUSLE模型；空间分布中图分类号S157 文献标志码 A 文章编号1672-4321（2024）03-0295-12doi：10.20056/ki.ZNMDZK.20240302Research on soil erosion in Wuling Mountain area based on RUSLE model LIU Huan，YAN Yi*，ZHANG Wenhao，WANG Sen，LUO Jiahuan（South-central Minzu University，a.College of Resources and Environment； b.Key Laboratory of Resources Conversion and Pollution Control of the State Ethnic Affairs Commission，Wuhan 430074， China）Abstract The revised universal soil loss equation （RUSLE）model was used to calculate the multi-year average soil erosion modulus in Wuling Mountain Area and to investigate the spatial distribution characteristics of soil erosion in Wuling Mountain Area using data of precipitation， soil properties， digital elevation model （DEM）， normalized difference vegetation index （NDVI） and land use. The results showed that （1） about 71.59% of Wuling Mountain area was threatened by soil erosion from 2001 to 2020， and moderate and above moderate soil erosion accounted for 30.55%；（2） land slope was the main factor affecting the distribution of soil erosion intensity， and the moderate and above moderate soil erosion was mainly distributed on slopes larger than 15°；（3） within the same slope ranges， forest land exhibited the lowest soil erosion；（4） Wuling Mountain area in Chongqing showed the highest multi-year average soil erosion modulus， followed by Wuling Mountain area in Hubei Province and Wuling Mountain area in Guizhou Province， and Wuling Mountain area in Hunan Province had the lowest multi-year average soil erosion modulus；（5）Wulong District of Chongqing，Badong County， Wufeng Tujia Autonomous County， Zigui County and Changyang Tujia Autonomous County of Hubei Province，Jiangkou County of Guizhou Province and Guzhang County of Hunan Province were the districts with high multi-year average soil erosion modulus；（6）the spatial distribution of soil erosion in Wuling Mountain area had positive spatial autocorrelation， with high-high clustering mainly in the Wuling Mountain area of Hubei Province and low-low clustering mainly in Wuling Mountain area of Hunan Province. The results provided some guidance for the optimal management of soil and water resources and the prevention and control of geological hazards in Wuling Mountain area.Keywords Wuling Mountain area； soil erosion； RUSLE； spatial distribution收稿日期2023-08-27* 通信作者严翼（1986-），女，讲师，博士，研究方向：“3S”技术在资源与环境中的应用，E-mail：**************** 基金项目国家自然科学基金资助项目（41901235）；中央高校基本科研业务费专项资金项目资助（CZY20033）第 43 卷中南民族大学学报（自然科学版）土壤侵蚀是影响生态环境和社会经济发展的重要因素［1-3］，其过程受到土壤、气候、地形、植被以及社会经济条件的影响［1，4］.由于土壤侵蚀对粮食生产、饮用水质量、生态系统服务、生物多样性和土壤养分等造成严重威胁，因而备受国内外的广泛关注［2，5］.定量评估区域的土壤侵蚀强度并掌握其空间分布特征有利于区域水土保持工作的高效开展和地质灾害的有效防治.目前，已有多种可用于土壤侵蚀定量评估的模型，如USPED（United Stream Power-based Erosion Deposition）模型、InVEST（Integrated Valuation of Ecosystem Services and Trade-offs）模型、CSLE（Chinese Soil Loss Equation）模型和USLE（Universal Soil Loss Equation）模型等［6-7］.其中，USLE模型是美国农业部依据10000多个地块的试验观测数据开发的经验性土壤流失预报方程模型，其先后经历了2次改进，即MUSLE（Modified Universal Soil Loss Equation）和RUSLE（Revised Universal Soil Loss Equation）.RUSLE 模型因其计算因子物理含义明确且相互独立、所需数据易于获取、与GIS能够兼容，并适用于各种地形地貌区域等优点，被广泛应用于全球各地的土壤侵蚀评估［3，5］.如DEMIRCI等［8］使用RUSLE模型预测了土耳其伊斯坦布尔西部布尤切克梅奇湖流域的土壤侵蚀；CUNHA等［9］使用RUSLE模型评估了巴西塞拉多农村居民点所在流域的土壤侵蚀；ISLAM 等［10］使用RUSLE模型预测了马来西亚冷岳河流域的潜在土壤侵蚀.国内学者也对中国不同区域的土壤侵蚀展开了大量研究，研究区域主要集中在各大江河的小流域片区、黄土高原区和三峡库区［11-16］，但对位于我国中南部的武陵山区研究较少.武陵山区山高坡陡、地势崎岖、土地贫瘠，区域生态环境脆弱［17］.随着极端天气事件增多和人类活动增强，水土流失和地质灾害频发.由于武陵山区是我国重要的水土保持功能区以及长江流域重要的水源涵养区和生态屏障，及时掌握该区域土壤侵蚀强度及其空间分布特征有利于区域水土保持工作的科学推进和土地资源的优化管理.鉴于此，本文拟基于遥感和地理信息技术及RUSLE模型，采用多源数据，定量评估2001—2020年武陵山区的多年平均土壤侵蚀模数，并结合空间自相关分析探讨其空间分布格局，为区域水土保持工作的有序开展和土地资源的优化管理提供科学依据和数据支持.1 数据来源与研究方法1.1 研究区概况武陵山区地跨湖北、湖南、贵州和重庆四省（市），下辖71个县（市、区），总人口约2300多万人，其中近50%为少数民族.全域土地面积达1.72×107 hm2，地势西北高、东南低，平均海拔约700 m，是我国三大地形阶梯中第二级阶梯向第三级阶梯的过渡带，也是云贵高原的东部延伸地区［18］.其气候属亚热带向暖温带过渡类型，年平均温度为13~16 ℃，年降水量为1100~1600 mm，冬冷夏凉，雨水充沛.2020年，武陵山区土地利用类型以林地为主，占全区面积的79.35%，其次是耕地和草地，分别占武陵山区总面积的8.97%和6.17%，而其他土地利用类型只占5.50%.据2020年中国水土保持公报显示［19］：武陵山区生物多样性与水土保持生态功能区水土流失面积约1.6×106 hm2，土壤侵蚀形势十分严峻.本文以掩膜去除武陵山区建设用地和水体后的区域作为研究区域，总面积为1.67×107 hm2，约占武陵山区总面积的97.17%（图1）.1.2 数据来源1.2.1 降水数据降水数据来自国家地球系统科学数据中心（http：//）的中国区域1 km分辨率逐月降水量数据集（2000—2020年），该数据基于再分析气候数据经过空间降尺度得到，量纲为1 mm，数据格式为TIFF.1.2.2 土壤属性数据土壤属性数据（包括土壤砂粒含量、土壤粉粒含量、土壤黏粒含量和土壤有机碳含量数据）来自SoilGrids数据集（https：///soilgrids）. SoilGrids是一个全球数字土壤测绘系统，基于WoSIS数据库中超过230000个土壤剖面观测值和一系列环境协变量，使用机器学习的方法来绘制全球土壤特性空间分布图，其空间分辨率为250 m，数据格式为TIFF.1.2.3 数字高程模型数据数字高程模型（Digital Elevation Model， DEM）数据使用由美国太空总署（National Aeronautics and Space Administration， NASA）和国防部国家测绘局（National Imagery and Mapping Agency， NIMA）联合测量的航天飞机雷达地形测绘任务（Shuttle Radar Topography Mission，SRTM）（http：///296第 3 期刘欢，等：基于RUSLE 模型的武陵山区土壤侵蚀研究search ），空间分辨率为90 m ，数据格式为TIFF.1.2.4 归一化差值植被指数数据归一化差值植被指数（Normalized DifferenceVegetation Index ， NDVI ）使用MODIS/Terra VegetationIndices 16-Day L3 Global 250m SIN Grid （MOD13Q1）产品（2000—2022年）（https ：// ），该产品时间分辨率为16 d ，空间分辨率为250 m ，数据格式为HDF ，包含NDVI 、EVI （Enhanced VegetationIndex ）等12个波段的陆地专题植被数据产品.1.2.5 土地利用数据土地利用数据（Land Use/Land Cover ， LULC ）来自欧空局全球基本气候变量监测计划（即European Space Agency Climate Change Initiative ， ESA CCI ）（https ：//viewer.esa /worldcover ）.本文获取了2020年武陵山区的土地利用现状数据，空间分辨率为10 m ，数据格式为TIFF.图1 研究区区位图和专题图Fig.1 Location map of the study area and thematic maps297第 43 卷中南民族大学学报（自然科学版）本文将所获取的多源遥感数据统一重采样为与DEM 数据一致的空间分辨率（90 m ），以便于进一步的建模分析.1.3 研究方法1.3.1 RUSLE 模型本文采用RUSLE 模型来定量评估武陵山区的土壤侵蚀状况.1965年，Wischmeier 和Smith 基于大量小区观测资料和人工模拟降雨实验资料建立了USLE 模型，该模型自建立以来被广泛应用，并取得了巨大的经济和社会效益［20］.但在USLE 模型中，仅考虑了降雨侵蚀力因子，未考虑与土壤侵蚀密切相关的其他因子.为了解决这个问题，美国农业部在USLE 模型的基础上先后进行了两次改进.MUSLE 是第一次改进后的模型，但由于MUSLE 是针对特定的现场条件开发的，在没有校准的情况下使用会产生很大的误差，因此美国农业部对原USLE 模型进行了再次修订，并将其称为RUSLE ［3］.目前，RUSLE是土壤侵蚀研究中应用最广的模型，其表达式如下：A =R ×K ×T ×C ×P ，（1）式中：A 是多年平均土壤侵蚀率（多年平均土壤侵蚀模数），t/（hm 2·a ）；R 是降雨侵蚀力因子，MJ ·mm/（hm 2·h ·a ）；K 是土壤可蚀性因子，t ·hm 2·h/（hm 2·MJ ·mm ）；T 是地形因子，是坡长和坡度的乘积，无量纲；C 是植被管理因子，无量纲；P 是水土保持因子，无量纲.各因子的计算方法详见式（2）~（6）［1，12， 18， 20-23］.R =∑i =1121.735×101.5log 10p i2p-0.8188 ，（2）式中：p i 是2001—2020年多年i 月平均降水；p 是2001—2020年多年年平均降水， mm.K =(0.2+0.3e-0.0256S d ()1-Si100)×(S i C l +S i)0.3×(1.0-0.25SOCSOC +e 3.72-2.95SOC)×æèççççç1.0-0.7()1-Sd 1001-S d 100+e 22.9()1-Sd100-5.51öø÷÷÷÷÷×0.1317，（3）式中：S d 为土壤砂粒含量，%；S i 为土壤粉粒含量，%；C l 为土壤黏粒含量，%；SOC 为土壤有机碳含量，%.T =L ×S ，（4）式中：L 和S 分别为坡长因子和坡度因子，二者均根据AMANDA ［24］开发的方法进行计算.C =(1-NDVI2)1+NDVI，（5）式中，NDVI 为2001—2020年多年年平均归一化差值植被指数.P =0.2+0.03s ，（6）式中：s 为坡度百分比；P 若等于1说明未采取水土保持措施，P 若等于0说明采取了有效的水土保持措施，P 介于0~1之间说明采取了一定的水土保持措施.1.3.2 空间自相关分析空间自相关研究对象与其空间位置之间的相关性，是检验要素属性值是否显著地与其相邻空间点属性值相关联的重要指标［25］，包括全局自相关和局部自相关.全局莫兰指数可以用于探测整个研究区域土壤侵蚀的空间模式，它使用单一的值反映研究区域整体的空间自相关程度［26］.其计算公式如下：I =n ∑i =1n∑j =1n ωij ()x i -xˉ()x j -x ˉ()∑i =1n∑j =1nωij∑i =1n()xi-xˉ2，i ≠j ，（7）式中：I 表示全局莫兰指数，n 表示格网的数量，ωij 表示空间权重矩阵，x i (x j ）表示第i （j ）个格网的多年平均土壤侵蚀模数，x ˉ表示所有格网多年平均土壤侵蚀模数的均值.全局莫兰指数的值域为［−1，1］，当全局莫兰指数越接近于1时，表示各格网的多年平均土壤侵蚀模数在空间分布上呈现出的集聚效应越显著；当全局莫兰指数越接近−1时，表示各格网的多年平均土壤侵蚀模数在空间分布上呈现出的趋异性越显著.由于空间数据分布存在异质性，仅用全局自相关分析无法反映局部的变化，因此需要采用局部莫兰指数（聚类和异常值分析）反映聚集或异常发生的具体空间位置［27］.其计算公式如下：I i =x i -xˉ∑j =1，j ≠in()x i -x ˉ2n -1-xˉ2∑j =1，j ≠i nωi ，j ()x i -x ˉ ，（8）式中：I i 表示第i 个格网的局部莫兰指数，其余符号含义同前.当I i 大于零时，表示要素具有同样高或同样低的临近要素，该要素是聚类的一部分；当I i 小于零时，表示要素具有包含不同值的临近要素，该要素是异常值.本文利用创建渔网工具，将武陵山区划分成逐个5 km × 5 km 的格网，并统计每个格网的多年平均298第 3 期刘欢，等：基于RUSLE 模型的武陵山区土壤侵蚀研究土壤侵蚀模数，使用全局莫兰指数来确定由这些格网组成的武陵山区土壤侵蚀的整体空间模式，再使用局部莫兰指数来识别由这些格网组成的武陵山区土壤侵蚀的局部空间模式.局部莫兰指数将研究区多年平均土壤侵蚀模数的空间分布模式划分为4种类型：即高高集聚、高低集聚、低高集聚和低低集聚.高高集聚，即某一区域与其邻近区域的多年平均土壤侵蚀模数均较高；高低集聚，即某一区域的多年平均土壤侵蚀模数较高，而其邻近区域的多年平均土壤侵蚀模数较低；低高集聚，即某一区域的多年平均土壤侵蚀模数较低，而其邻近区域的多年平均土壤侵蚀模数较高；低低集聚，即某一区域与其邻近区域的多年平均土壤侵蚀模数均较低.2 结果与讨论2.1 武陵山区土壤侵蚀评估2.1.1 多年平均土壤侵蚀模数评估基于多源数据，运用RUSLE 模型，计算得到武陵山区2001—2020年的多年平均土壤侵蚀模数，并参考我国水利部发布的《土壤侵蚀分类分级标准》（SL 190—2007） ［28］将武陵山区土壤侵蚀强度划分为微度［0~5 t/（hm 2·a ）］、轻度［>5~25 t/（hm 2·a ）］、中度［>25~50 t/（hm 2·a ）］、强烈［>50~80 t/（hm 2·a ）］、极强烈［>80~150 t/（hm 2·a ）］和剧烈［>150 t/（hm 2·a ）］6个等级.图2（a ）是武陵山区不同强度土壤侵蚀的空间图2 土壤侵蚀模数及各土壤侵蚀因子的空间分布图Fig.2 Spatial distribution of soil erosion modulus and each soil erosion factor299第 43 卷中南民族大学学报（自然科学版）分布，由图2（a）可见：武陵山区土壤侵蚀以微度、轻度和中度为主，强度土壤侵蚀（强烈、极强烈和剧烈）的区域较少，主要分布在武陵山区西北部.为了更清晰地展示武陵山区的土壤侵蚀概况，统计了研究区域不同土壤侵蚀强度的土地面积（表1）发现：微度、轻度、中度、强烈、极强烈和剧烈土壤侵蚀区域其面积分别为4.40×106、7.06×106、3.10×106、1.26×106、7.17×105和1.72×105 hm2，分别占比25.58%、41.04%、18.04%、7.34%、4.17%和1.00%.其中，轻度土壤侵蚀区域占比最大，是研究区域最主要的土壤侵蚀类型.由于《土壤侵蚀分类分级标准》（SL 190—2007）中划定南方红壤丘陵区和西南土石山区的容许土壤流失量为5 t/（hm2·a），因此武陵山区约25.58%的区域未受到土壤侵蚀的威胁，其余约71.59%的区域均受到土壤侵蚀的威胁.2.1.2 土壤侵蚀因子分析图2（b）~2（f）分别是研究区域降雨侵蚀力因子、土壤可蚀性因子、地形因子、植被管理因子和水土保持因子的空间分布图.从图中可见：降雨侵蚀力因子的高值区域主要分布在湖南武陵山区，土壤可蚀性因子的高值区域主要分布在武陵山区四省（市）接壤处，植被管理因子的高值区域主要分布在重庆武陵山区和贵州武陵山区，而地形因子和水土保持因子的高值区域几乎均匀的散布在整个研究区域.此外，通过统计研究区域不同土壤侵蚀强度下的降雨侵蚀力因子、土壤可蚀性因子、地形因子、植被管理因子和水土保持因子的均值发现，武陵山区土壤侵蚀强度与降雨侵蚀力因子、地形因子和水土保持因子成正比，与土壤可蚀性因子成反比（图3）.表2是研究区域多年平均土壤侵蚀模数与各土壤侵蚀力因子的相关性分析结果，可见研究区域多年平均土壤侵蚀模数与地形因子和水土保持因子的相关性较大，分别为0.92和0.64，说明地形因子和水土保持因子是决定研究区域多年平均土壤侵蚀模数分布的主要因素，通过减缓地形和实施水土保持措施可以有效遏制研究区的土壤侵蚀.但由于人为改变地形难度较大，因此采取水土保持措施是遏制研究区域土壤侵蚀的良好选择.植被是全球生态系统的重要组成部分，在截留降水、减缓径流、防治荒漠化和水土保持方面都起着重要作用［29］，因此，植被长势越好的区域越不容易发生土壤侵蚀，即土壤侵蚀强度与NDVI成反比.由于植被管理因子由NDVI计算得来，且与NDVI成反比，因此土壤侵蚀强度与植被管理因子成正比.然而，图3（d）显示：随着武陵山区土壤侵蚀强度的增加，植被管理因子先减小后增大.本文认为这可能与武陵山区的土地利用有关，进一步分析将在2.2.2节详细叙述.2.2 武陵山区土壤侵蚀的空间分布特征2.2.1 不同坡度下武陵山区土壤侵蚀的空间分布坡度影响坡面侵蚀的演进速度和侵蚀强度，是决定地表径流和冲刷的基本要素［30］.地形和水土保持因子是决定研究区域多年平均土壤侵蚀模数分布的主要因素.由于地形因子和水土保持因子均由表1 不同角度下各土壤侵蚀力因子均值及区域面积Tab.1 Mean values of each soil erosion force factor and area under different angles 类别土壤侵蚀强度坡度/（°）省份微度轻度中度强烈极强烈剧烈<2>2~6>6~15>15~25>25重庆湖北贵州湖南R2580.772770.702963.653060.793249.403790.302584.972695.112793.042883.052969.702702.222850.302460.262950.31K0.030.030.030.030.030.030.030.030.030.030.030.030.030.030.03T0.769.0920.9935.6153.8689.450.131.928.8518.5730.8614.8317.7112.8812.50C0.110.090.090.090.090.090.110.110.090.090.080.100.080.110.09P0.200.210.210.210.220.220.200.200.210.210.220.210.210.210.21A1.2514.0835.0562.46104.12209.910.263.6815.9232.1753.1129.2128.6525.4320.58面积/hm²4.40×1067.06×1063.10×1061.26×1067.17×1051.72×1052584.972695.112793.042883.052969.702.23×1063.15×1063.03×1068.30×106面积占比/%25.5841.0418.047.344.171.000.030.030.030.030.0312.9618.3317.6348.26300第 3 期刘欢，等：基于RUSLE 模型的武陵山区土壤侵蚀研究坡度计算得来，因此坡度在很大程度上决定了土壤侵蚀的空间分布.图4统计了研究区不同坡度下不同土壤侵蚀强度的土地面积.当坡度小于2°时，研究区以微度土壤侵蚀为主，随着坡度的增加，微度土壤侵蚀的土地面积减少；当坡度大于15°时，微度土壤侵蚀的土地面积逐渐趋近于0；轻度和中度土壤侵蚀的土地面积随着坡度的增加先增加后减少，分别在6°~15°和15°~25°时土地面积达到最大；强烈、极强烈和剧烈土壤侵蚀的土地主要分布在坡度大于15°的区域，并随着坡度的增加，其面积也逐渐增加.整体而言，研究区约85.59%的中度及中度以上的土壤侵蚀区域分布在大于15°的坡度带上（表3），因此，武陵山区的土壤侵蚀防治应着重在坡度大于15°的区域.2.2.2 不同土地利用类型下武陵山区土壤侵蚀的空间分布有研究表明，不同土地利用类型下土壤侵蚀强度分布存在差异［31-32］.对研究区域不同土地利用类图4 不同坡度下不同土壤侵蚀强度的面积分布图Fig.4 Area distribution of different soil erosion intensitiesunder different slopes表2 相关性矩阵Tab.2 Correlation matrixR K T C P AR1‒0.210.13‒0.330.170.28K ‒0.211‒0.110.16‒0.12‒0.08T 0.13‒0.111‒0.260.700.92C ‒0.330.16‒0.261‒0.35‒0.10P 0.17‒0.120.70‒0.3510.64A 0.28‒0.080.92‒0.100.641图3 不同土壤侵蚀强度下各土壤侵蚀力因子的均值Fig.3 Mean values of each soil erosion force factor under different soil erosion intensity301第 43 卷中南民族大学学报（自然科学版）型下各土壤侵蚀强度的面积进行统计（表4）可见：研究区域的林地、灌丛地和草地均以轻度土壤侵蚀为主，而耕地、裸地和湿地均以微度土壤侵蚀为主，这是因为林地、灌丛地和草地所在区域的坡度普遍比耕地、裸地和湿地所在区域的坡度高［图5（a）］.由于武陵山区的土壤侵蚀强度分布主要受坡度的影响，因此增加植被覆盖在一定程度上可以缓解武陵山区的土壤侵蚀，但整体而言，坡度高的区域始终比坡度低的区域更容易发生土壤侵蚀，土壤侵蚀强度也更高［图5（b）］.但在同一坡度级下，林地的土壤侵蚀模数是所有土地利用类型中最低的［图5（b）］，这是因为林地植被的根系可以有效改善土壤的物理性质和结构，增强土壤的渗透性，提高土壤抗冲蚀性，进而抵御土壤侵蚀［33-34］.另外，图3（d）显示：当土壤侵蚀模数小于50 t/（hm2·a）时，研究区域植被管理因子与土壤侵蚀强度成反比，而当土壤侵蚀模数大于50 t/（hm2·a）时，研究区域植被管理因子与土壤侵蚀强度成正比.这是因为武陵山区大部分的耕地都属于中度及中度以下的土壤侵蚀［土壤侵蚀模数小于50 t/（hm2·a），表4］.耕地上常年种植一年生农作物，因此NDVI较高.但NDVI越高意味着土地的利用强度越大，土壤退化导致发生土壤侵蚀的风险更高，所以图3（d）中出现了植被管理因子与土壤侵蚀强度成反比的情况.而土壤侵蚀模数大于50 t/（hm2·a）区域耕地的占比较少，土地利用主要以林地为主（表4）.此时，NDVI越高意味着林地植被的长势越好，林地植被截留降水、减缓径流以及保水固土的能力就越强，因此NDVI越高，植被管理因子越小，土壤侵蚀强度越低，植被管理因子与土壤侵蚀强度成正比. 2.2.3 不同行政区下武陵山区土壤侵蚀的空间分布武陵山区地跨4个省（市），其中重庆武陵山区的多年平均土壤侵蚀模数最高，为29.21 t/（hm2·a），其次是湖北武陵山区和贵州武陵山区，多年平均土壤侵蚀模数分别为28.65 t/（hm2·a）和25.43 t/（hm2·a），表3 不同坡度下中度及中度以上土壤侵蚀的面积占比Tab.3 Area share of moderate and above soil erosion at different slopes土壤侵蚀强度中度强烈极强烈剧烈不同坡度下的土壤侵蚀面积占比/%0°~2°0.000.000.000.00>2°~6°0.010.000.000.00>6°~15°11.562.090.430.02>15°~25°25.5210.434.430.56>25°21.9611.488.792.70表4 不同土地利用类型各土壤侵蚀强度的面积Tab.4 Area of each soil erosion intensity for different land use types土地利用类型林地灌丛地草地耕地裸地湿地不同土壤侵蚀强度的面积（102 hm2）微度30157.92（17.54）23.36（0.01）3087.54（1.80）8234.81（4.79）2480.88（1.44）4.11（0.00）轻度59822.25（34.79）56.42（0.03）4295.37（2.50）4996.97（2.91）1385.22（0.81）0.58（0.00）中度27303.03（15.88）23.40（0.01）1883.10（1.10）1422.85（0.83）388.22（0.23）0.06（0.00）强烈11174.49（6.50）8.27（0.00）791.82（0.46）496.64（0.29）140.03（0.08）0.05（0.00）极强烈6407.04（3.73）4.24（0.00）453.16（0.26）233.73（0.14）70.72（0.04）0.04（0.00）剧烈1561.94（0.91）0.92（0.00）105.32（0.06）41.29（0.02）13.64（0.01）0.00（0.00）注：表中数据括号内为面积占比（%）.图5 不同角度下坡度均值和土壤侵蚀模数均值统计Fig.5 Mean values of slope and mean values of soil erosion modulus under different angles 302第 3 期刘欢，等：基于RUSLE模型的武陵山区土壤侵蚀研究而湖南武陵山区的多年平均土壤侵蚀模数最低，为20.58 t/（hm2·a）（表1）.表5统计了武陵山区不同省（市）不同土壤侵蚀强度的土地面积，可见重庆武陵山区、湖北武陵山区和贵州武陵山区共覆盖了48.91%的研究区域（与湖南武陵山区相当，湖南武陵山区覆盖了48.26%的研究区域），但却分布了7.92%的强烈及强烈以上土壤侵蚀区域（湖南武陵山区强烈及强烈以上土壤侵蚀区域只占整个研究区域的4.59%），说明土壤侵蚀高值区域主要分布在贵州武陵山区、重庆武陵山区和湖北武陵山区内.为了更好地指导土地资源的可持续管理工作，本文进一步统计了武陵山区下辖71个县（市、区）的多年平均土壤侵蚀模数（表6）发现：湖南省邵阳县的多年平均土壤侵蚀模数最低，为7.88 t/（hm2·a）；除了湖南省邵阳县外，另有46个县（市、区）的多年平均土壤侵蚀模数均低于25 t/（hm2·a），属于轻度土壤侵蚀；中度土壤侵蚀的县（市、区）共有24个，分别是重庆市黔江区、酉阳土家族苗族自治县、秀山土家族苗族自治县、彭水苗族土家族自治县和武隆区，湖北省建始市、宣恩县、巴东县、五峰土家族自治县、秭归县和长阳土家族自治县，贵州省德江县、道真仡佬族苗族自治县、沿河土家族自治县、印江土家族苗族自治县、务川仡佬族苗族自治县和江口县，湖南省吉首市、龙山县、桑植县、武陵源区、保靖县、城步苗族自治县和古丈县.其中，江口县的多年平均土壤侵蚀模数为41.01 t/（hm2·a），是贵州省乃表6 不同县（市、区）多年平均土壤侵蚀模数Tab.6 Multi-year average soil erosion modulus in different counties （cities and districts）省（市）湖南贵州湖南湖南湖南湖南湖南湖南湖南湖南湖南湖南湖南湖南湖南湖南湖南湖南湖南湖南贵州湖南贵州湖南湖南贵州贵州湖南湖南贵州湖南湖北贵州湖南湖南湖北县（市、区）邵阳县（12）玉屏侗族自治县（64）武冈市（18）鹤城区（25）麻阳苗族自治县（31）涟源市（39）洞口县（14）隆回县（13）花垣县（43）凤凰县（42）辰溪县（28）新邵县（11）会同县（30）靖州苗族侗族自治县（34）芷江侗族自治县（33）泸溪县（41）中方县（26）冷水江市（38）溆浦县（29）通道侗族自治县（35）思南县（66）绥宁县（15）万山区（62）新化县（37）新宁县（16）湄潭县（59）余庆县（60）洪江市（36）石门县（19）凤冈县（58）慈利县（22）利川市（4）松桃苗族自治县（70）安化县（24）永顺县（46）来凤县（9）A/［t·（hm2·a）-1］7.889.9410.2411.3913.4314.1415.1315.1515.3815.5116.0217.3217.3817.5417.5717.6917.7518.1719.3119.5019.8219.8619.9620.0020.1120.1520.3420.9121.2921.8422.1922.3822.5122.8323.4123.48省（市）重庆湖北重庆湖南湖南贵州贵州湖北湖南贵州湖北贵州湖南重庆湖北湖南湖南贵州湖南贵州湖北湖南湖南重庆贵州重庆贵州重庆湖南湖北湖北湖北重庆湖北贵州县（市、区）丰都县（50）恩施市（3）石柱土家族自治县（51）永定区（20）新晃侗族自治县（32）正安县（55）碧江区（61）咸丰县（8）沅陵县（27）石阡县（65）鹤峰县（10）德江县（68）吉首市（40）黔江区（48）建始市（5）龙山县（47）桑植县（23）道真仡佬族苗族自治县（56）武陵源区（21）沿河土家族自治县（69）宣恩县（7）保靖县（44）城步苗族自治县（17）酉阳土家族苗族自治县（53）印江土家族苗族自治县（67）秀山土家族苗族自治县（52）务川仡佬族苗族自治县（57）彭水苗族土家族自治县（54）古丈县（45）巴东县（6）五峰土家族自治县（2）秭归县（0）武隆区（49）长阳土家族自治县（1）江口县（63）A［t·（hm2·a）-1］23.7023.7123.8423.8924.0024.3324.3724.4524.5524.7524.9825.0825.1425.5625.5725.7225.8427.2527.7727.8928.0528.8929.9930.3530.4730.5630.5830.6833.2835.0035.3536.0338.1038.3541.01注：括号里面标注的是各县（市、区）的FID，对应图1（b）中标注的数字.303。
基于GIS和RUSLE的土壤侵蚀量计算_以贵州省猫跳河流域为例
第28卷 第4期2006年7月北 京 林 业 大 学 学 报JO URN AL OF BEIJING FO RES TRY UN IV ERSITYVol.28,N o.4Jul.,2006收稿日期:200522082216http:P P 基金项目:国土资源部土地利用重点实验室开放基金项目(062208)、国家自然科学基金重点项目(40335046)、高等学校博士学科点专项科研基金资助项目(20040001038).第一作者:许月卿,副教授.主要研究方向:土地利用P 覆被变化及土地资源可持续利用.电话:0102262732936 Em ail:xm oonq@si 地址:100094北京市海淀区中国农业大学资源与环境学院土地资源与管理系.基于GIS 和RUSLE 的土壤侵蚀量计算)))以贵州省猫跳河流域为例许月卿1,2邵晓梅1(1中国土地勘测规划院,国土资源部土地利用重点实验室2中国农业大学资源与环境学院土地资源与管理系)摘要:为了解西南喀斯特山区土壤侵蚀空间分布特征,该文以贵州省猫跳河流域为研究区,在G IS 技术支撑下,应用修正的通用土壤流失方程(RUSLE)估算了研究区2002年现实土壤侵蚀量和潜在土壤侵蚀量,得到了研究区现实土壤侵蚀量和潜在土壤侵蚀量的空间分布特征,计算了各种土地利用类型的土壤保持能力,并对研究区土壤侵蚀防治措施进行了探讨.结果表明,研究区年均现实土壤侵蚀模数为28170t P (hm 2#a),年均土壤流失量875165@104t P a,年均土壤保持量25095173@104t P a.旱地的土壤保持能力最小,研究区进行水土流失防治除对25b 以上的旱地实行退耕还林、裸岩荒地植树造林外,还应加强对6b ~25b 的旱地进行治理如坡改梯等.关键词:G IS,RUS LE,土壤侵蚀,现实土壤侵蚀量,潜在土壤侵蚀量中图分类号:S71417 文献标识码:A 文章编号:1000221522(2006)042200672205X U Yue 2qing 1,2;S HAO Xiao 2mei 1.Estimation of soil erosion supported by GIS and RUSLE :A case study of Maotiaohe Watershed ,Guizhou Pr ovince .Journal o f Beijing Forestry U nive rsity (2006)28(4)672271[Ch,17ref.]1Key Laboratory of L and Use,M inistry of Land and Resources,China L and Surveying and Planning Institute,Beijing,100035,P.R.China;2Department of Land Resources and Manage ment,College of Resources and Environment,China Agricultural University,Beijing,100094,P.R.China.Soil erosion in karst mountainous areas of southwest China is one of the determining f actors f or land degradation and productivity reduction.To explain the spatial charac teristics of soil erosion in karst mountainous areas in southw est China,the authors used the Maotiaohe Watershed in G uizhou Province as study area.Geographic Information System(GIS)technology and the Revised Universal Soil Loss Equa tion (RUSLE)w ere applied to estimate the potential and actual amount of soil erosion in M aotiaohe Watershed of Guizhou Province,present the spatial distribution characteristics of soil erosion in the w atershed,calculate the soil conservation capacity by land use and then discuss the soil and water c onservation counter measures.Resultsshow ed that the soil erosion modulus and the actual amount of soil erosion were 28170t P (hm 2#a)and 875165@104t P a,respectively,and the annual soil conservation a mount was 25095173@104t P a.Among land use types,the soil conservation capacity of dry land is the smallest.Apart from the option of returning all the farmland with a slope grade above 25b to woodland or grassland and aff orestation in bare mountains,it isimperative to enforce proper management of farmlands with a slope grade of 6b 2225b ,such as terracing,in order to decrease soil loss.Key words GIS,Revised Universal Soil L oss Equation (RUSL E ),soil erosion,actual amount of soilerosion,potential amount of soil erosion土壤侵蚀不仅破坏土地资源,引起土地生产力下降,而且造成沟渠塘库的淤积,加剧洪涝、干旱等灾害的发生,严重威胁着人类的生存和发展,成为各国普遍关注的热点问题之一.我国在土壤侵蚀定量预报方面已进行了大量研究[1223],但对西南喀斯特山区土壤侵蚀预报研究尚未进行系统性的报道.西南喀斯特山区山高坡陡、土层疏松浅薄、陡坡旱地广泛分布,在多暴雨条件下,水土流失十分严重,土壤侵蚀成为当地土地退化的主要方式.长期以来由于对喀斯特山区的环境问题重视程度不够,土壤侵蚀的研究基础薄弱,而且区域环境条件复杂,土壤侵蚀模数的监测工作在很多地区都是空白.因此,定量估算西南喀斯特山区土壤侵蚀量,对确定重点水土保护区域,确认引起水土流失的关键因子,制定相应的防治措施具有重要意义.本文以贵州省猫跳河流域为例,在GIS技术支持下,选用修正的通用土壤流失方程(RUS LE)估算流域年平均土壤侵蚀量和潜在土壤侵蚀量,分析土壤侵蚀的空间分布特征,探讨土壤侵蚀防治措施,为水土流失防治提供科学依据.1研究区概况猫跳河流域位于贵州省中部,介于东经106b00c ~106b53c、北纬26b00c~26b52c,属长江水系,是乌江的一条主要支流,全长约180km,流域面积3195km2.猫跳河流域位于西部高原向东部平原的过渡地带,其基本流向为西南)东北向.流域内地貌类型繁多,山地、丘陵、谷地、坝子、湖泊均有分布.猫跳河流域属于亚热带季风湿润气候,年平均气温1318e,年均降雨量1300mm.气候温和,冬无严寒,夏无酷暑,季风交替明显.流域主要土壤类型有黄壤、水稻土、石灰土、紫色土、山地黄棕壤、沼泽土等土类,其中以黄壤分布面积最大,其次是水稻土和石灰土.2土壤侵蚀量计算方法211模型选择与数据处理本文选用修正的通用土壤流失方程(RUSL E)[4]预测猫跳河流域年均土壤流失量,其基本形式为:A=R#K#LS#C#P(1)式中,A为土壤侵蚀量(t P(hm2#a)),R为降雨侵蚀力因子(M J#mm P(hm2#h#a)),K为土壤可侵蚀性因子(t#hm2#h P(M J#mm#hm2)),L S为坡长、坡度因子(无量纲),C为覆盖与管理因子(无量纲),P为水土保持措施因子(无量纲).应用GIS和RUSL E模型预测土壤侵蚀的关键是各指标值的确定和各因子图的生成,本文土壤侵蚀量计算流程见图1.针对RUS LE模型的5个因子,收集到研究区土壤图、地形图、气象站降雨数据及土壤普查、森林资源调查等相关资料.土地利用现状图通过2002年8月31日的T M影像解译得到.在Arc P Inf o、Arcview等软件支持下,获取相关数据.具体操作步骤如下:1)数字类型图层的获取.在Arcvie w312和Arc P Inf o811软件支持下,对研究区1B50000地形图的等高线进行跟踪数字化,生成数字高程模型,进而获取研究区数字坡度图.同样在GIS软件支持下对土壤类型图等图件进行数字化,建立研究区数字化土壤类型图,为土壤侵蚀定量计算提供基础数据.2)图形数据库和属性数据库的匹配.结合实地考察和研究区土壤普查、森林资源调查及土地利用等资料,建立土壤属性、森林资源属性及土地利用属性数据库.根据图形数据库和属性数据库的统一编码,实现属性数据和空间数据的相匹配.图1土壤侵蚀量计算流程图FIGURE1Flow chart of soil eros ion calc ulati on212R USLE各因子值的确定和因子图层的生成21211R值的估算降雨侵蚀力因子R是一项评价降雨引起的土壤分离和搬运的动力指标,反映了降雨对土壤侵蚀的潜在能力.通过对各种算法性能比较以及气候资料状况,选择基于日降雨的月降雨侵蚀力计算模型[5227],计算研究区的降雨侵蚀力R.E j=A[1+G cos(2P fj+X)]6Nd=1R B d,R d>R0(2)式中,E j为月降雨侵蚀力(M J#mm P(hm2#h));R d是日降雨量;R0是产生侵蚀的日降雨强度阈值,一般取值为1217mm;N是某月中日降雨量超过R0的天数;f为频率,f=1P12;j为月份;X=5P P6;A、B、G为模型参数,在年降雨量大于1050mm的地方,A、B 的关系如式(3),在年降雨量500~1050mm的地方,A、B关系为式(4),G和年均降雨量的关系为式(5):lg A=2111-1157B(3)68北京林业大学学报第28卷A=013951+010983126S P P(4)G=0158+0125P P1000(5)式中,B取值范围在112~118之间,S为下半年降雨量,P为年均降雨量.利用研究区修文、清镇、贵阳、平坝、安顺气象站1980)2003年逐日降水资料,根据以往研究结果并结合研究区实际情况[7],本文取B=115.利用式(2)、(3)、(5)计算研究区各气象台站逐月降雨侵蚀力,经汇总后得到各气象台站的多年平均降雨侵蚀力R.采用Kriging内插方法进行空间内插,得到研究区降雨侵蚀力的空间分布图.21212K值估算土壤可蚀性因子K值是指标准小区在单位降雨侵蚀指标下的土壤侵蚀量.K值反映土壤被降雨侵蚀力分离、冲蚀和搬运的难易程度.本文采用RUSL E推荐的在缺少资料时采用土壤颗粒的几何平均直径计算K值的方法[8]:K=71594(010034+010405exp(-1P2((log D g+11659)P017101)2))(6)D g=-exp01016f i ln m i(7)式中,D g为土壤颗粒的几何平均直径,m i为第i级粒级下组分限值的平均值,f i为第i级粒级组分的重量百分比.根据研究区第2次土壤普查资料,得到各类土壤的机械组成、有机质含量等,根据式(6)计算出研究区各类土壤的可蚀性K值.根据数字化的土壤类型图层,将K值赋予相应的土壤类型,研究区土壤可蚀性K值平均为010388.21213LS值的估算L S因子反映地形地貌特征对土壤侵蚀的影响.L S 表示在其他条件相同的情况下,某一给定坡度和坡长的坡面上,土壤流失量与标准径流小区典型坡面土壤流失量的比值,是侵蚀动力的加速因子.本文采用Wischmeie r提出的L S因子计算方法[9],利用流域25m @25m的D E M数据,在G IS中的ARC模块下运行编好的程序,得到各像元L S因子值和L S图层.L S=(K P7216)m(65141sin2B+4156sin B+01065)(8)式中,K为坡长;B为坡度;m为随坡度变化的变量,当坡度\2186b时,m=015,坡度为1172b~2186b时, m=014,坡度为0157b~1172b时,m=013,坡度< 0157b时,m=012.21214C值估算作物管理因子C是在相同的土壤、坡度和降雨条件下,某一特定作物或植被情况时的土壤流失量与耕种过后连续休闲地的土壤流失量的比值.植被覆盖和经营管理C因子为侵蚀动力的抑制因子,其值小于或等于1.根据研究区土地利用及农田经营情况实际调查并结合前人研究结果确定研究区C 值[102214](表1).没有土壤侵蚀的地区C赋值为0;1值被赋予最易受到侵蚀的区域.利用土地利用图层,将C因子值赋予相应的土地利用类型,得到研究区C因子图层.21215P值估算水土保持措施因子P是采取水保措施后,土壤流失量与顺坡种植时的土壤流失量的比值.本文参考以往研究结果并结合当地土地利用及农事活动情况确定P值[102214](表2),并将P因子值赋予相应的土地利用类型,得到研究区P因子图层.0值代表无侵蚀地区;1值表示未采取任何水保措施的地区.对于研究区而言,水田基本上已梯田化,但旱地仍有相当一部分未采取任何措施.裸岩虽然对土壤侵蚀的敏感程度很高,但因为它基本无土壤层可被侵蚀,所以被赋值为0.213现实土壤侵蚀量将上述各因子图层均转化为统一坐标系下像元大小为25m@25m的栅格图,在Arc P Inf o软件支持下将各因子图层相乘,得到研究区土壤侵蚀空间分布图.根据水利部颁布的5水土保持技术规范6 S D2382287侵蚀强度标准确定土壤侵蚀分级指标,并生成研究区土壤侵蚀强度等级图.表1不同土地利用类型C因子值T ABLE1C values of different land use ty pes土地利用类型水田旱地林地疏林地其他林地(果园、茶园)灌草地水域城镇居民点建设用地裸岩C值011012201006010101040104000表2不同土地利用类型P因子值T ABLE2P values of different land use ty pes土地利用类型水田旱地林地疏林地其他林地(果园、茶园)灌草地水域城镇居民点建设用地裸岩P值010101411017100069第4期许月卿等:基于GIS和RUS LE的土壤侵蚀量计算)))以贵州省猫跳河流域为例214潜在土壤侵蚀量潜在土壤侵蚀量指在没有任何植被覆盖和水土保持措施条件下的年均土壤流失量,即C=1、P= 1,则RUSL E形式变为:A=R#K#L S(9)在地理信息系统支持下,将上述各因子图层相乘,得到研究区潜在土壤侵蚀量空间分布图.3结果分析与讨论311现实土壤侵蚀量流域现实土壤侵蚀量为875165@104t P a,平均土壤侵蚀模数为28170t P(hm2#a),属于中度侵蚀(表3).土壤侵蚀较严重的地区主要分布在流域下游沿猫跳河两岸、修文和清镇市交界处,局部地区平均土壤侵蚀模数达200t P(hm2#a)以上;轻度和微度侵蚀主要分布在流域上游的高原.计算结果和以往土壤侵蚀调查估计的结果比较吻合[152217],这说明运用GIS技术,采用RUSL E模型研究大区域土壤侵蚀是一种可行的方法与技术途径.312潜在土壤侵蚀量流域潜在土壤侵蚀量达25971138@104t P a,平均潜在土壤侵蚀模数为94913t P(hm2#a)(表3).流域下游地区地表切割较深,地面破碎,潜在土壤侵蚀量较大.潜在土壤侵蚀量对于侵蚀高危险区的认识和制定侵蚀防治措施均有重要意义.通过潜在土壤侵蚀量和现实土壤侵蚀量的对比反映了在当前土地利用条件下,植被覆盖在多大程度上影响了水土流失,也可反映所应用的侵蚀控制措施是否有效.313土壤保持量潜在土壤侵蚀量和现实土壤侵蚀量的差值就是因植被覆盖和实施土地管理措施而减少的土壤侵蚀量,即土壤保持量.流域年均土壤保持量25095173 @104t P a,其中有林地、疏林地和灌草地的年均土壤保持量最大,均在1000t P(hm2#a)以上(表3).若用平均潜在土壤侵蚀量与平均现实土壤侵蚀量比值表示土地利用类型防止土壤侵蚀的能力,则水田保持土壤能力最强,其潜在土壤侵蚀量与现实土壤侵蚀量的比值达1111131,其次是有林地、疏林地,其比值是181131和104105.旱地保持土壤能力最小,其比值仅为12160,流域平均土壤保持能力为33170.表3各地类土壤侵蚀量和土壤保持能力TA BLE3Soil erosion amo unt and soil conservation capacity of varied land use types地类土壤侵蚀总量P(104t#a-1)单位面积土壤侵蚀量P(t#hm-2#a-1)土壤保持量潜在侵蚀现实侵蚀潜在侵蚀现实侵蚀侵蚀总量P(104t#a-1)单位面积侵蚀量P(t#hm-2#a-1)土壤保持能力水田28751932159539134015128731345381831111131旱地644119051113577214966156593015570519312160有林地5925181321681468196910658931131459190181131疏林地3137170301161492141514731071541476193104105其他林地721591197728101211227016270617936191灌草地75171452961901051127451137220155100611425132流域合计2597113887516525095173流域平均9491302817092016033170水田因为分布地势平坦,平均现实土壤侵蚀量非常小,所以其比值很大.林地因为有浓密的冠层消减暴雨势能,缓冲暴雨对土壤的击打,且森林枯枝落叶层是减少土壤侵蚀的天然屏障,所以林地的土壤保持能力强.旱地由于多分布在山坡上,有部分耕地分布在坡度大于25b的陡坡上,且相当一部分旱地未采取水保措施顺坡耕种,所以旱地平均现实土壤侵蚀量大,土壤保持能力最差.314土壤侵蚀防治措施由上述分析可知,水田和林地土壤保持能力最大,旱地土壤保持能力最小.由于地形地貌条件影响,研究区发展水田规模受到限制,目前流域内旱地相当一部分未采取水保措施且分布在陡坡,因此流域控制土壤侵蚀的有效措施是在裸岩山地和陡坡旱地植树造林,大于25b的陡坡旱地退耕还林还草,扩大林地面积,缩小陡坡耕地面积.如果把土壤侵蚀在中度以上的区域称为侵蚀危险区,则目前流域侵蚀危险区面积占流域面积的39134%.假设流域所有大于25b的陡坡耕地全部还林还草,荒草地被全部森林化并且成熟后的情况下,对研究区土壤流失量进行模拟.模拟结果表明,流域平均土壤侵蚀模数降为1718t P(hm2#a),年均土壤流失量为55213@104t P a,比目前减少3619%,但仍有2115%的区域处于侵蚀危险区.其土壤流失量的84168%来自坡度小于25b的旱地,其中6b~15b的旱地土壤侵蚀量占总侵蚀量的37161%,15b~25b的坡耕地土壤侵蚀量占总侵蚀量的30129%,二者合计67190%(表4).可见,6b~25b坡耕地是土壤侵蚀发生的主要区域,对土壤侵蚀量贡献率最大.这说明研究区内即使所有大于25b坡耕地全部退耕还林,荒坡70北京林业大学学报第28卷全部绿化,也不能完全解决该地区严重的水土流失问题,对6b~25b的旱地采取坡改梯、保土耕作等治理措施已成为当务之急.表4大于25b坡耕地全部还林还草、荒地森林化后的土壤侵蚀TAB LE4Soil loss under the condition of returning all farmland with a slo pe grade above25b to wo odland or grasslandand afforestatio n o f barren land地类栅格个数P个面积比例P%侵蚀量P(t#a-1)侵蚀量比例P%水田74167325113262481510152<6b旱地43612014178851694158161786b~15b旱地4719621519919089011253716115b~25b旱地2401958115153731517630129林地10609213519575069915514179参考文献[1]张佳华,姚凤梅.江西兴国土壤侵蚀动态的研究[J].北京林业大学学报,2004,26(1):532256.ZHANG J H,YAO F M.S oil erosion in Xi ngguo County of J iangxi Province[J].J ournal o f Bei jing Fo res try U nive rs ity,2004,26(1):532256.[2]陈奇伯,齐实,孙立达.宁南黄土丘陵区坡耕地土壤侵蚀对土地生产力影响的研究[J].北京林业大学学报,2001,23(1):342237.C HEN Q B,QI S,SUN L D.Impac t of s oil erosion productivi ty ofsloping field in hilly2gully regi on of the Loess Plateau in south Ningxia[J].J ournal o f Bei jing Fores try U ni vers ity,2001,23(1):342237.[3]胡良军.基于GIS的区域水土流失定量评价指标研究[J].水土保持通报,1998,18(5):242227.HU L J.Index of GIS2based re gional erosion evaluation[J].Bulletino f Soil and W ate r C ons ervation,1998,18(5):242227.[4]RENARD K G,FOS TER G R,WEES IES G A,et al.Predic tingsoil erosion by water:A guide to cons ervati on planni ng with the Revis ed Universal Soil Los s Equati on(RUS LE)[S]P P Uni ted S tates Department of Agriculture(USDA).Agricul tural handbook:No.703.Washington D.C:US DA,1997.[5]YU B,R OSEWELL C J.Rainfall erosivity and its es ti mation forAus tralia.s tropics[J].Aus tralian J ournal o f Soil Res earc h,1998(36):14322165.[6]YU B,HAS HIM G M,EUSO F Z.Es ti mating the R2factor withli mi ted rainfall data:A cas e study from peni nsular Malaysia[J].Journal o f Soil and W ate r Conse rvation,2001,56:10122105. [7]宁丽丹,石辉.利用日降雨资料估算西南地区的降雨侵蚀力[J].水土保持研究,2003,10(4):18322186.NING L D,S HI H.Es tim ating R2factor in southwes t C hina wi th data of dai ly rainfall am ount[J].Res earc h o f Soil and W ate rC ons ervation,2003,10(4):18322186.[8]刘宝元,张科利,焦菊英.土壤可蚀性及其在侵蚀预报中的应用[J].自然资源学报,1999,14(4):34522350.LIU B Y,ZHANG K L,J IAO J Y.S oil erodi bility and i ts use in s oil erosion prediction m odel[J].J ournal o f Nat ural Res ources,1999,14(4):34522350.[9]WISC HMEIER W H,S MI TH D D.Predicting rainfall erosion losses[S]P P United S tates Department of Agriculture(US DA).Agricul tural handbook:No.537.Washi ngton D.C:US DA,1978.[10]蔡崇法,丁树文,史志华,等.应用U S LE模型与地理信息系统IDRISI预测小流域土壤侵蚀量的研究[J].水土保持学报,2000,14(2):192224.C AI C F,DING S W,S HI Z H,e t al.S tudy of applyi ng US LE andGeographical Inform ation System IDRISI to predic t s oil erosi on in s mall watershed[J].J ournal o f Soil and W ate r Cons ervat ion,2000,14(2):192224.[11]游松财,李文卿.GIS支持下的土壤侵蚀量估算)以江西省泰和县灌溪乡为例[J].自然资源学报,1999,14(1):622268.YOU S C,LI W Q.Estim ation of s oil erosion supported by GIS)A case s tudy in Guanji Township,Taihe,Jiangxi[J].J ournal o f Natural R esourc es,1999,14(1):622268.[12]杨子生.云南省金沙江流域土壤流失方程研究[J].山地学报,2002,20(增刊):1229.YANG Z S.S tudy on soil loss equation in Jins ha River B asin of Yunnan Province[J].J ournal o f Mountain Sc ienc e,2002,20 (Supp.):1229.[13]周斌,杨柏林,洪业汤,等.基于GIS的岩溶地区水土流失遥感定量监测研究[J].矿物学报,2000,20(1):132221.Z HO U B,YANG B L,HO NG Y T,et al.Study on quantitati ve rem ote sensing moni tori ng of s oil erosion i n kars t areas based on GIS as e xeam plified by Ans hun Ci ty,Guizhou[J].Ac ta Mineralogica S inica,2000,20(1):132221.[14]王万忠,焦菊英.中国的土壤侵蚀因子定量评价研究[J].水土保持通报,1996,16(5):12220.WANG W Z,JIAO J Y.Quanti tative evaluati on on factors influencing s oil erosion in China[J].Bulletin o f Soil and W ate r Conse rvation,1996,16(5):12220.[15]5平坝县综合农业区划6编写组.平坝县综合农业区划[M].贵阳:贵州人民出版社,1989.Group of Agricultural Regionalization in Pingba C ounty.Agricultural re gionalization in Pingba County[M].Guiyang:Guiz hou People.s Publishing House,1989.[16]5清镇县综合农业区划编写组6.清镇县综合农业区划[M].贵阳:贵州人民出版社,1989.Group of Agricultural Regi onaliz ati on in Qingzhen C ounty.A gricultural re gionali zation in Qingzhen C ount y[M].Gui yang:Guizhou People.s Publishi ng House,1989.[17]5修文县综合农业区划6编写组.修文县综合农业区划[M].贵阳:贵州人民出版社,1991.Group of Agricultural Regionaliz ation in Xiuwen C ounty.A gricultural re gionalizat ion in Xiuwen County[M].Gui yang:Guizhou People.s Publishi ng House,1991.(责任编辑冯秀兰)71第4期许月卿等:基于GIS和RUS LE的土壤侵蚀量计算)))以贵州省猫跳河流域为例。
基于GIS与RUSLE模型的喀斯特地区土壤侵蚀研究
基于GIS与RUSLE模型的喀斯特地区土壤侵蚀研究摘要：本文基于GIS，利用RUSLEM模型，结合兴义市DEM、月降雨量、土地利用数据、NDVI等数据，研究兴义市土壤空间分布特征，并且在进一步的分析土壤腐蚀强度的变化与土地利用程度和坡度的关系。
结果表明，（1）从空间上来看，兴义市土壤侵蚀的等级较低的范围主要分布在市里的北部和西部，而且突然都是以块状为主；而另外的受到侵蚀等级高的主要分布在市里的相反方向，也就是南部和东部，这种侵蚀程度的都是以条带状为主；（2）从角度上来看，不同角度的土壤受到的侵蚀程度也是不同的，例如坡度分布在八度到十五度和十五度到二十五度的土壤会受到最大程度的侵蚀，侵蚀面积已经占到总面积的百分之六十六点六零；（3）从土地类型上来看，耕地和未利用土地占总土壤侵蚀面积比最大，分别为33.67%和26.76%。
1.引言土壤侵蚀是一种常见的自然灾害，它是指土地里的土壤母质由于各种外力因素的影响下土壤被破坏，表面被剥离、搬运、沉积的过程[1]这我国现在正在遭受着严重的土壤侵蚀，土壤侵蚀这种自然灾害已经遍及全国范围，对我国的土地资源造成了严重的破坏，导致生态环境遭到严重的损害。
根据资料得知，土壤侵蚀已经对我国的土地造成严重的破坏，整体面积超过六分之一受到了土壤侵蚀。
因为严重的土壤侵蚀，土地的表层资源已经被侵蚀的土质开始坏掉，从而导致土地开裂，这种开裂的土地无法种植农作物，这样又间接造成了粮食产量的降低，使土地利用率大幅度降低。
近几年来，随着天气愈加恶劣，也导致了土壤侵蚀的速度在不断加快，这种现象如果不及时治理，人们未来的生存将会受到造成极大威胁[2]。
在这个世界上有一片土壤条件极其差的地区，那就是西南喀斯特地区，在这一片地区上，环境极其恶劣，有着极其恐怖的岩溶[3]。
这片地区变成如今的现状，不但与独特的地质背景和可怕的岩溶作用有着密不可分的关系，还会人类不合理的土地利用有关系，从而加速了土壤侵蚀以致于形成今天这样的局面，使得区内石漠化问题和贫困问题相互制约，生态保护与社会经济发展矛盾凸显，使西南喀斯特地区土壤侵蚀恶化，严重制约了西南喀斯特地区的经济发展[4-6]。
基于RUSLE模型的祖厉河流域土壤侵蚀时空分异特征分析
基于RUSLE模型的祖厉河流域土壤侵蚀时空分异特征分析贵立德【摘要】以祖厉河流域为研究区,借助RS的图像信息提取技术,对研究区遥感影像进行校正与信息提取.利用GIS的栅格数据空间分析功能,将研究区空间离散化为30 m×30 m的栅格单元.根据修正的通用土壤流失方程RUSLE生成因子栅格图,借助GIS空间分析功能,实现研究区的土壤侵蚀评估模拟.研究结果表明:祖厉河流域1995、2005和2015年土壤侵蚀模数分别为2877.87、3372.24和3713.23t/(km2·a);从侵蚀量变化来看,1995、2005、2015年土壤流失量分别为2960.84万、3469.46万、3820.28万t.从土壤侵蚀量空间分布和侵蚀量变化来看,研究区土壤侵蚀程度呈现南北低、中部高,河流深切区低、高山林立区高的特点.【期刊名称】《中国水土保持》【年(卷),期】2016(000)008【总页数】4页(P43-45,66)【关键词】土壤侵蚀;RS;GIS;RUSLE;祖厉河流域【作者】贵立德【作者单位】甘肃省定西市水土保持科学研究所,甘肃定西743000【正文语种】中文【中图分类】S157祖厉河流域位于甘肃中部，地理坐标介于东经104°12′～105°33′、北纬35°18′～36°34′之间，流域面积10 653 km2，地跨甘肃省定西、白银、兰州三地(市)和宁夏固原地区，包括定西市，会宁县的绝大部分地区，以及靖远、榆中、陇西、通渭、西吉、海原县的小部分地区。
受贺兰山和祁连山加里东褶皱带的复合影响，地势大致由南向北倾斜，海拔大多在1 500～2 000 m之间，最高峰在流域东北崛吴山的南沟大顶(海拔2 858 m)，最低点在祖厉河汇入黄河处(海拔1 392 m)。
在第三纪末和第四纪初古地形的基底上，第四纪以来的多次侵蚀—堆积旋回和现代侵蚀作用，塑造了当今以塬、梁、峁为特点的黄土丘陵地貌形态，呈现出梁峁交错、沟壑纵横的景观。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
空间信息应用实践（中级）实验指导书空间建模——基于 RUSLE 的土壤侵蚀建模分析一．实验背景Soil erosion and gullying in the upper Panuco basin, Sierra Madre Oriental, eastern Mexico 土壤侵蚀是地球表面物质运动的一种自然现象，全球除永冻地区外，均发生不同程度的土壤侵蚀。
人类社会出现后，土壤侵蚀成为自然和人为活动共同作用下的一种动态过程，构成了特殊的侵蚀环境背景，并伴随着人类对自然改造能力的增强，逐渐成为当今世界资源和环境可持续发展所面临的重要问题之一。
土壤侵蚀被称为“蠕动的灾难”，每年因土壤侵蚀造成的经济损失较诸如滑坡、泥石流和地震等地质灾害更大, 土壤侵蚀已成为我国乃至全球的重大环境问题之一。
土壤侵蚀及其产生的泥沙使土壤养分流失、土地生产力下降、湖泊淤积、江河堵塞，并造成诸如洪水等自然灾害，泥沙携带的大量营养物和污染物质加剧了水体富营养化，水质恶化，不断严重威胁到人类的生存。
据估计全球每年因土壤侵蚀损失300 万公顷土地的生产力，造成的损失以百亿美元计。
我国人口众多、农耕历史悠久，加之历史上战乱频仍，以黄土高原为代表的华夏文明发源地是世界上土壤侵蚀最严重的区域之一，1990 年遥感普查结果，全国水土流失面积达367 万km 2，占国土总面积的38.2％，其中 50%为水蚀地区，土壤侵蚀以黄土高原、四川紫色土地亿 t 。
水区和华南红壤地区尤为突出，仅黄土高原地区一处，平均每年流失泥沙就达到16.3 土流失已成为中国重要的环境问题，土壤侵蚀研究已成为目前环境保护中的一个重要课题。
土壤侵蚀预报是有效监测水土流失和评价水保措施效益的手段，侵蚀模型则是进行土壤流失监测和预报的重要工具。
然而传统预测方法需要在量经费、时间和人力的投入，因此，在一定精度范围内通过有限的数据输入，得到满足要求的土壤侵蚀预测结果成为趋势。
80年代以来，随着地理信息系统(Geographical Information System, GIS) 的成熟，它开始与土壤侵蚀模型—通用土壤流失方程(Universal Soil Loss Equation, USLE) 相结合进行流域土壤侵蚀量的预测和估算，业已成为土壤侵蚀动态研究的有力工具。
GIS 与 USLE 相结合的分布式方法运用 GIS 的栅格数据分析功能，可预测出每个栅格的土壤侵蚀量，便于管理者识别关键源区，并通过确定引起水土流失的关键因子，针对性地提出最佳管理措施(Best Management Practices，BMPs) ，为流域内土地资源的质量评价、利用规划和经营管理等提供科学依据与决策手段。
二、实验目的模型生成器(ModelBuilder)为设计和实现空间处理模型提供了一个图形化的建模环境。
模型是以流程图的形式表示，它通过工具将数据串起来以创建高级的功能和流程。
你可以将工具和数据集拖动到一个模型中，然后按照有序的步骤把它们连接起来以实现复杂的GIS 任务。
通过对本次练习达到以下目的：掌握如何在ModelBuilder 环境下通过绘制数据处理流程图的方式实现空间分析过程的自动化；掌握土壤侵蚀理论的基本知识；掌握利用脚本文件实现空间建模，加深对地理建模过程的认识，对各种GIS 分析工具的用途有深入的理解；在 ModelBuilder 环境下如何计算RUSLE 模型的中各个因子，实现 RUSLE 模型自动化；三、实验准备实验环境： ArcGIS Desktop 9.3实验数据：矢量和栅格数据矢量数据：研究区界线 (bj.shp)、气象数据（Climate.shp ），土地利用数据 (landuse_Clip.shp,)和土壤数据 (soil_clip) ；栅格数据：地形数据（DEM ）；四、实验内容与步骤(1) 实验准备ArcGIS进行建模。
本次试验需要使用ArcGIS 的建模功能，在实验之前需要掌握如何利用首先，打开ArcMap ，激活工具箱”，即可新建一个工在工具箱中右键单击，选择“ New Toolbox具箱。
可以在此工具箱上右击，通过“ Rename”对工具箱重命名。
在新建的工具箱上右击，按照“ New ”—— >“ Model ”新建一个 Model ，可以按照同样的方法给这个 Model 命名。
然后在此Model 上右击，通过“Edit ”进入模型的编辑模式。
到此，模型准备已经结束，接下来开始逐个建立模型的各个因子。
（ 2）地形因子（ L ， S 因子）算法：坡长因子采用公式计算 , L( l )m ，式中： L 为坡长因子， l 为像元坡长， m 为坡 22.13ii 1长指数，像元坡长的计算式如下：l i( D i / cos i )(D i / cos i ) D i / cos i ，m 取11值如下式：0.5 5%0.4 3% 5% 为像元坡度 (%)m1% 式中， 0.3 3%0.2 1%式中， l i 为像元坡长， D i 为沿径流方向每像元坡长的水平投影距 (在栅格图像中为两相邻像元中心距，随方向而异)， θi 为每个像元的坡度 ( °)， i 为自山脊像元至待求像元个数。
10.8sin0.03 5坡度因子 S 分段计算： S 16.8sin- 0.55 10 21.91sin0.96 10L 和 S 因子的模型建立：首先在工具箱中找到Resample 工具，可以使用工具箱自带的搜索功能快速定位到。
在工具箱的下方有一行标签 ，选择 Search 标签，在搜索框中输入要查找的工具名，如 Resample ，点击Search 进行查询，查询结束后选中查询结果，点击下方的 Locate 可以快速定位需要查找的工具。
可以将这个工具直接拖到Model 的编辑窗口中，如图：现在需要给这个工具添加一个参数，在编辑窗口的Resample 上右击，通过“ Make Variable ”—— >“ From Parameter”—— >“ Input Raster”添加。
注意：这里不建议使用右键菜单的“Create Variable”来添加输入输出参数，因为很多工具拖入到编辑窗口后会自带一个输出参数，而且它们也有自己的默认输入参数。
如果另外新建一个参数，可能会因为这个新建参数类型不与工具要求的输入参数类型对应而出现错误。
按照同样的方法拖入Slope 工具， Single Output Map Algebra工具。
通过编辑窗口上的工具将这些工具首尾连接起来。
双击 Input Raster ，输入 dem 数据输入数据之后，编辑窗口中的工具颜色会相应的变化，说明这些工具已经相互连接起来，还是白色的工具代表它还没有和前面的工具联系起来构成“流水线”，同时，这也是判断SingleOutput Map Algebra 工具中的脚本语言是否和前面的输出文件关联起来的依据。
在相互连接的工具中，只要有一个工具是白色的，就说明这条“流水线”不能正常运行。
可以发现 Single Output Map Algebra 工具还是白的，这是因为我们没有添加算法，下面添加用于计算 S 因子的算法，依据为：10.8sin0.035坡度因子 S分段计算：S16.8sin- 0.551021.91sin0.9610双击 Single Output Map Algebra 工具，添加如下代码：Con([Slope_degree1]< 5 ,10.8 * Sin([Slope_degree1]* 3.14/ 180) + 0.03,Con([Slope_degree1]>=5 & [Slope_degree1]< 10, 16.8 * Sin([Slope_degree1]* 3.14 /180) - 0.5, 21.91 * Sin([Slope_degree1]* 3.14 / 180) - 0.96))这时点击左上方的绿色圆点会发现有错误提示单击会看到 Single Output Map Algebra 工具所接收到所有参数我，其中并没有我算所需要的个 Output raster 参数名行修改，改Slope_degree1 ，所以会提示。
就需要Slope_degree1 。
修改个参数其就是把Single Output Map Algebra 工具前的Output raster 出框行改名，如：接下来我要行一些参数的置。
（只需要修改框中的参数，其他的采用默置）双窗口中的Resample 工具，行如下置，注意，里置格大小90，并且本中个置都一采用90。
.Slope 置注意里的是DEGREE （度数）。
其坡度有两种表示方式，一种是用我平常用的度数；有一种是用百分数表示。
DEGREE表示是用度数来表示坡度，即的。
（里要解一下代：在里我使用的是条件句CON ，似于 C 言中的if 句，其写法CON（条件 1,如果条件真行，如果条件假行）。
如果多个条件行嵌套，就要写成CON(W1,T1,CON(W2,T2,CON(W3,T3,CON(W4,T4,⋯⋯))))W代表条件，T代表条件真行的句）（关于变量：这里的变量要用[] 括起来，如 [Slope_degree1] > 5 ）注意：之所以使用 [Slope_degree1] * 3.14 / 180 这是将原来的角度制转化为弧度制，能识别角度制。
注意：在运算符（如+， -， * ，/）的左右要有空格，如[Slope_degree1] * 3.14 / 180计算机不不要写成[Slope_degree1]*3.14/180 。
前者的运算符左右有空格，后者的运算符左右没有空格。
这一点必须严格遵守，否则相同的代码会出现不同的错误。
这样一来， S 因子的模型就建立好了。
点击运行运行成功口在S 上右击，选择“Add To Display ”就可以将结果显示出来结果为：接下来对 L 因子建立模型L 因子模型的建立可以在上面的 S 因子模型基础上进行。
需要添加工具 Fill 和工具 FlowDirection 以及 Single Output Map Algebra 工具，然后将他们连接起来Single Output Map Algebra 工具中的代码为：Con([FlowDirection] == 2 | [FlowDirection]== 8 |[FlowDirection]== 32 | [FlowDirection]== 128 ,Sqrt(2) * 90 , 1 * 90)这些步骤和在建立S 因子模型的时候是一样的，这里不再赘述。
下面解释一下代码：32 6412816 184 2对于中间栅格来说， 它与邻近的8 个栅格中心点之间的距离只有两种 （ sqrt(2) 和 1），当流向为 32,128,8,2 的时候，距离为 sqrt(2) ，其他情况下距离为 1。