十大孔兑降雨侵蚀产沙时空分布特征及预测

十大孔兑降雨侵蚀产沙时空分布特征及预测作者：王文君陈新闯李小倩郭建英李锦荣张铁钢薛强

来源：《人民黄河》2019年第04期

摘要：采用CIS 与CA- Markov 模型，对十大孔兑土地利用格局及土壤侵蚀产沙的时空分布特征进行了分析，并对2030年土地利用格局及降雨侵蚀分布特征进行了模拟。结果表明：

十大孔兑土地利用类型以草地和荒草地（砒砂岩）为主，以自然生态系统为主，但人工生态系统分布相对集中，对局部干扰程度较大。2000-2015年人工生态系统不断扩张，耕地和城镇建设用地面积显著增大，沙地及荒草地面积显著减小，期间约有37%的土地利用类型发生转化，城市化及当地生态绿化措施显著影响着区域土地利用格局;2015-2030年土地利用变化比2000-2015年剧烈，土地类型转化集中于沙地转变为草地及灌木林地，城市化开始影响北部区域，

部分砒砂岩转变为草地及灌木林地;影响十大孔兑地区土地利用格局的主要驱动力是政策驱动下的生态修复，城市化对区域的影响在逐步增强。十大孔兑降雨侵蚀较严重，属于极强烈侵蚀，砒砂岩裸露是造成降雨侵蚀强度增大的主要因素。2000-2015年虽然平均土壤侵蚀模数减小，但是剧烈侵蚀面积显著增大。到2030年土壤侵蚀强度继续减小，减小约10. 39%，侵蚀量大的砒砂岩区得到修复，但是随着城市化进程加快，北部土壤侵蚀呈加剧趋势;十大孔兑未来的治理重点是既要针对砒砂岩地区开展生态修复工程建设，又要加强对北部城市化地区的生态管控，限制城镇无序发展侵占自然生态系统。

关键词：CA-Markov模型;土地利用格局;时空分布;侵蚀产沙;十大孔兑

中图分类号：P333

文献标志码：A

doi：10.3969/j.issn. 1000- 1379.2019. 04.001

黃河内蒙古段的十大孔兑（孔兑为蒙语，即山洪沟）为季节性河流，均发源于植被稀少的砒砂岩区，且流经库布齐沙漠，区域水土流失严重，河流含沙量极高，易使孔兑泥沙在人黄口形成沙坝淤堵黄河[1].使十大孔兑来沙成为内蒙古河段持续淤积的重要原因[2-4]。近年来，对十大孔兑进行研究治理来缓解河道淤积，已成为黄河上游流域治理战略中的重要组成部分[5-6].研究内容多集中在十大孔兑来沙特点及其成因[2.7-8]、输沙量及其对黄河主河道的影响[9-10]、水土流失危害及治理措施[11-12]，或者对于典型小流域分析其土壤侵蚀产沙及生态工程措施对水土流失的影响[13-14]等方面。不同土地利用状况其土壤侵蚀差异较大，十大孔兑土壤侵蚀主要发生于裸露的砒砂岩与植被覆盖较差的沙地。土地利用格局显著影响区域降雨侵蚀，良好的生态空间格局可有效预防侵蚀，且西北地区正处于城市化发展阶段，区域土地利用格局和下垫面类型及特性的转变，势必造成降雨侵蚀特征的时空变化，影响区域生态系统服务功能，但土地利用格局变化趋势及其对降雨侵蚀分布特征的影响仍不明确，区域尺度土地利用格局及降雨侵蚀的时空变化研究目前仍不够系统深入，给下一步的水土流失治理和泥沙灾害治理带来一定的问题。因此，定量分析土地利用格局及降雨侵蚀时空分布特征，对于区域生态安全格局构建及生态规划、生态建设具有一定的指导意义。基于此，本文运用GIS技术，运用通用土壤流失方程进行土壤侵蚀模拟，定量评价十大孔兑2000-2015年土地利用格局及降雨侵蚀产沙的时空变化特征，并基于CA-Markov（Cellular Automaton -Markov.元胞自动机一马尔科夫）模型预测2030年十大孔兑土地利用格局及降雨侵蚀分布特征，以期为十大孑L兑地区水土流失治理及生态规划提供参考。

1 试验材料与方法

1.1 研究区概况

十大孔兑是流人黄河干流的10条一级支流，位于鄂尔多斯高原北部，从西向东依次为毛不拉、卜尔色太沟、黑赖沟、西柳沟、罕台川、壕庆河、哈什拉川、木哈尔河、东柳沟、呼斯太河[6]。气候上属于温带大陆性季风气候，干旱少雨，年降水量为240 - 360 mm，多集中于7-8月，降雨主要以暴雨形式出现，降雨侵蚀严重。十大孔兑地形由南到北分为黄土丘陵沟壑区、库布齐沙漠区和黄河南岸冲积平原区三大自然单元，流域内广泛分布有砒砂岩、黄土、风沙土。

1.2研究方法

1.2.1 土地覆被数据获取

2000年和2015年十大孔兑土地覆被数据集以30 m分辨率的国产环境灾害卫星（HJ-

IA/B）和美国陆地卫星（ Landsat OLI）数据为信息源，在大量地面调查样点构建的分类样本库支持下，采用面向对象的多尺度分割、建立决策树进行分类的方法得到土地覆被数据，按照区域土地利用特点，分为耕地、灌木林地、建设用地、水域、沙地、草地、荒草地（植被覆盖度小于10%的砒砂岩地区）。

1.2.2 土壤侵蚀模型选择

鉴于十大孔兑流域土壤侵蚀主要为降雨侵蚀，故本文选择通用土壤流失方程进行土壤侵蚀模拟[13，15-16]：

A =RKLSCP式中：A为侵蚀模数，t/（ km2·a）;R为降雨侵蚀力措施因子，MJ.mm/

（ km2.h.a）;K为土壤可蚀性因子，t.h/（ MJ.mm）;L、S分别为坡长、坡度因子，无量纲;C为植被与经营管理因子，无量纲;P为水土保持因子，无量纲。

根据实地观测参数，模拟值与实测值相对误差的绝对值小于15%，模拟精度满足要求。根据《土壤侵蚀分类分级标准》（ SL 190-2007）确定土壤侵蚀强度，将研究区土壤侵蚀强度分为微度、轻度、中度、强烈、极强烈、剧烈6级。

1.2.3 模型数据来源

（1）降雨侵蚀力因子R来源于地球系统科学数据共享平台黄土高原数据共享运行服务中心提供的《全国降雨侵蚀力分图幅栅格数据集》。该数据集基于全国气象站逐日降水量数据，运用降雨侵蚀力日模型计算年降雨侵蚀力，并利用克里金插值法进行插值，从而得到全国范围内的年降雨侵蚀力分布图，其空间分辨率为30 m。第i年的降雨侵蚀力为

砂粒、粉粒、黏粒、有機碳含量数据来源于基于第二次全国土地调查1：100万土壤数据库的中国土壤数据集（来自寒区旱区科学数据中心），该数据库中包含土壤砂粒含量、粉粒含量、黏粒含量、土壤容重、土壤有机质含量、土壤深度等属性数据，其空间分辨率为1 km。采用克里金插值法即可得到K的分布情况。

（3）坡度坡长因子的计算。数据来源于1：10万地形图的等高线数字化的DEM栅格数据。利用ArcGIS提取水平坡长A.进而计算坡长长[17]：

（5）水土保持措施因子P的确定。水土保持措施因子是指采用特殊侵蚀控制措施后的土壤侵蚀量与采用顺坡种植时土壤侵蚀量的比值，取值范围为[0，1]。参照已有研究成果[21-22]，奉文结合坡角确定P值，不同坡角坡耕地的P值：0° - 5°，0.100;5° - 10°，0. 221;10° - 15°，0.305; 15° - 20°，0.575; 20° - 25°，0. 705;>25°，0.80°。

1.2.4 CA-Markov模型预测土地利用

土地利用格局中，每一种土地利用类型斑块相当于一个元胞，利用转移矩阵和条件概率图像进行运算，可确定元胞状态的转移情况，从而模拟土地利用格局的空间变化[23]。CA - Markov模型综合了CA模型和Markov模型各自的优势，既提高了土地类型转化的预测精度，又能有效地模拟土地格局的空间分布24]。首先，利用Markov链计算转移概率矩阵，在IDRISI软件中的Markov模块中分别输入2000年、2008年、2015年的土地利用图，通过交叉表分析得到2000-2008年和2008-2015年的土地利用类型转移概率矩阵。然后，创建土地利用转移可能性图集，可通过IDRISI软件中的MCE模块来实现。本研究采用布尔标准进行约束处理，不考虑转换的区域赋值为0，考虑转换的区域赋值为1。适宜性由区域的地形因子如坡度、高程等决定：易接近性和邻域效应主要考虑城市的行政中心、道路。本研究设置两个限制因子：水体和建成区。水体和建成区在短时间内不会发展为其他用地，因而设定为其他用地类型的约束条件。另外设置4个因子：坡度、与道路的距离、与水体的距离以及与城镇中心的距离。利用IDRISI软件中的CA-Markov模块模拟2030年土地利用变化的空间分布时，需要3部分数据：2015年土地利用图、2008-2015年土地利用转移矩阵、2015年土地利用转移可能性图集。设置CA模型的迭代次数为11，选择SX5摩尔邻域作为CA -Markov模型的滤波参数。CA - Markov模型通过多目标土地配置（ multi - objective land allocation，MOLA）程序得出最后的预测图。

为确保模拟结果的可靠性，需要对模型进行验证。本文采用Kappa指数K’对模型模拟土地利用变化的精度进行检验：

K’=（P o-P c）/（P p-P c）式中：P o为模拟正确的比例;P c为模型随机情况下模拟正确的比例;P p为理想分类情况下正确模拟的比例。