土壤可蚀性因子制图及其不确定性研究进展

孙佳佳,王志刚

（长江科学院a.水土保持研究所；b.水利部山洪地质灾害防治工程技术研究中心,武汉 430010)



土壤可蚀性因子制图及其不确定性研究进展

孙佳佳a,王志刚b

（长江科学院a.水土保持研究所；b.水利部山洪地质灾害防治工程技术研究中心,武汉 430010)

摘 要：土壤可蚀性因子是评价土壤对侵蚀敏感程度的重要指标,也是进行土壤侵蚀预报的重要参数。为促进今后相关研究的发展,较为系统地阐述了土壤可蚀性因子、土壤可蚀性因子的空间预测以及土壤可蚀性因子制图中的误差和不确定性的国内外研究现状。分析指出,准确地制作土壤可蚀性因子空间分布图具有重要的现实意义,然而,影响土壤可蚀性因子的因素相当复杂,将土壤类型、高程、遥感等辅助信息融入空间预测,量化、分析空间预测过程中的不确定性,降低制图误差、提高精度、控制风险,成为今后研究的方向。

关键词：土壤可蚀性；空间预测；土壤可蚀性因子制图；不确定性；地统计学

2016,33（02):24-27,37

1 研究背景

土壤可蚀性是土壤侵蚀预报的基本参数,它反映土壤在雨滴击溅、径流冲刷或者两者共同作用下,被分散、搬运的难易程度。通用土壤流失方程将其定义为标准小区上单位降雨侵蚀力引起的土壤流失率［1］。确定土壤可蚀性因子的最好办法是采用天然降雨的标准小区直接测定,用模拟降雨确定土壤可蚀性K值精度较差,通过相关方程计算K值的精度最差［2］。但是,用人工降雨的成本较高,花费时间也较长,目前很多地区尚缺乏实测土壤可蚀性K 值,因此通过常规土壤普查资料计算土壤可蚀性K值具有很高的实用价值［1］。

国内外不少学者先后建立了基于土壤性质的K值预测模型。如20世纪70年代,W .H. Wischmeier等［3］根据美国55种耕作土壤的人工模拟降雨数据建立了预测K值的诺谟图法,该方法在RUSLE2中还得到了进一步修正［4］。90年代初建立了EPIC模型的A.N.Sharply等,也提出了类似的预测K值的修正模型［5］。有学者还通过汇总全球225种土壤的K 值,针对砾石（＞2 mm)含量小于10%的土壤,建立了预测该类土壤K值的几何平均粒径模型［6］。还有利用全球范围内搜集到的土壤的K值介于0.01 和0.08（t·hm2·h·MJ-1·mm-1·hm-2)之间的207个数据,通过非线性最佳拟合方法建立的Torri模型［7］等。国内一些学者在土壤K值预测方面也做了大量的研究工作［8-9］,对土壤K值的预测多数采用了国际上的经验算式［10］。但由于土壤实际情况有所不同,国际上许多经验算法在我国使用前,均应该进行必要的验证和校正,并提出修正Torri模型和诺谟图法比较适合我国亚热带地区土壤［11］。

2 土壤可蚀性因子制图研究现状

土壤可蚀性因子制图与其他的土壤属性制图都是一个将点尺度数据拓展到面域的空间预测过程。目前在土壤可蚀性因子空间预测和制图中,常用的数据点面的拓展方法主要包括土壤图连接、逆距离加权、克里格插值、随机模拟这4种（表1)。这4种方法也是众多土壤属性空间预测中常用的方法,不同的方法有各自的优缺点和使用范围。

土壤图连接法将每个土壤图斑内的土壤可蚀性K值视为相同的一个值,忽略了土壤可蚀性K值在土壤图斑内的变异,误差和不确定性较大,不考虑土壤可蚀性K值的随机变异,不能定量K值预测的不确定性［12］。后来,研究者们利用环境相关法来发展该方法,将各种容易获取的地理及空间信息作为自变量,使用回归类的方法（如趋势面分析、样条插值、分类树、回归树、神经网络等),来解决土壤可蚀性K值在空间上连续变异的问题,但是由于该方法没有考虑土壤可蚀性K值的空间自相关性,只能反映系统变异,不能反映其随机变异,而且难以定量空间预测的不确定性［13］。

表1 常用的土壤可蚀性因子数据点面的拓展方法Table 1 Common expand methods from point to plane based on soil erodibility index

逆距离加权法在一定程度上考虑了土壤可蚀性K值的空间自相关性,但是并不能定量地表达空间自相关性,插值计算也不是基于空间自相关性进行的。因此,逆距离加权法仍然是确定性插值方法,只能反映土壤可蚀性的系统变异,不能反映随机变异,不能定量空间预测的不确定性［33］。

克里格插值法包括一系列的方法,如简单克里格插值、普通克里格插值、泛克里格插值、协同克里格插值［32］。其中,简单克里格插值和普通克里格插值仅基于空间自相关性插值,将所有的空间变异均视为随机性变异,而泛克里格插值考虑了空间变异中的空间趋势这一系统变异,协同克里格插值则考虑了空间变异受其他变量（辅助变量)的影响［34］。因此,克里格插值法能定量地表达空间自相关性,可以提高空间预测的精度,能反映随机变异,可量化不确定性。然而,克里格插值法存在强烈的平滑效应,不能重现总体统计学特征,不能客观充分地反映制图误差。

因此,有研究者提出使用随机模拟的方法来进行空间预测［35］。该方法考虑空间自相关性,能反映随机变异,考虑不确定性,可添加辅助变量。目前,随机模拟用于土壤可蚀性因子空间制图的研究还不够充分,并且土壤可蚀性因子的影响因素相当复杂,如何将多种辅助变量,如土壤类型、高程、遥感影像等,协同融入随机模拟,实现高准确度的土壤可蚀性因子空间预测,还有待于进一步研究。

3 土壤可蚀性因子制图中的不确定性研究现状

土壤流失量是通过降雨、土壤、地形、植被、耕作管理、措施等多种因子来预测的,各种不同的因子又存在各自不同的时间和空间变异性,这些变异最终都会导致土壤流失量及其空间分布预测具有不确定性［30］。因此,土壤流失量及其空间分布数据的用户已经不能满足于仅获得数据本身,而是越来越重视数据的质量,即数据包含多大的不确定性。对于土壤因子而言,最重要的是土壤可蚀性这一综合性指标的不确定性。

基于历史数据的区域土壤可蚀性因子制图中的误差,主要来源于土壤性质的空间尺度的不够详尽、时间变异、辅助信息的误差、试验误差、模型误差、空间信息误差等方面［32］（见图1)。空间尺度误差主要指因空间尺度不够详尽、各变量间尺度不匹配、邻域选择不合理等导致的误差,很多研究者认为它是制图误差的最主要来源［36］。辅助变量误差主要指由遥感数据、地形数据等辅助信息引入的误差。一般而言,辅助变量的使用可以显著提高制图的准确性,降低制图的不确定性,虽然辅助变量所包含的误差比较低,但是它毕竟还是客观存在的［37］。时间误差主要指数据源时间较早、各变量间时相不匹配等导致的误差［38］。调查和实验误差主要包括采样、样品处理、测定等导致的误差。在目前的试验测试水平下,试验误差相对于空间尺度误差可以忽略［32］。采样误差可以通过空间信息误差、尺度误差等反映。空间信息误差主要指空间位置信息的误差,如GPS系统的误差、地理和投影坐标系统的误差、数字化过程中的误差等［39］。模型误差主要是指模型构建、运算过程、专家知识等导致的误差［35］。

图1 制图不确定性(误差)来源与分解图Fig.1 Sources and classification of mapping uncertainty

Campbell早在1996年,就给出了空间制图总体准确度的概念,但是它不能反映制图误差在空间上的变异。Pontius在2000年,给出了图斑地图（categorical map)制图误差在空间上的变化,但只是对图斑地图的一种折中。克里格方法给出的克里格方差,虽然在一定程度上可以反映不确定性在空间上的变化,但是克里格方差强烈地受样点空间分布格局的影响［32］。析取克里格和指示克里格可以用以推导空间点上的条件概率分布函数,但它们不能给出空间区域上的联合条件概率分布函数［40］。要获取更加全面、准确客观的空间不确定性还是要使用随机模拟的方法［40］。

但是,仅使用随机模拟的方法计算各种不确定性的总和是远远不够的,我们需要了解不同来源不确定性占总不确定性的比重,那么就要对不确定性进行分解。常用的不确定性分解方法有蒙托卡罗法（Monte Carlo methods)、傅里叶振幅敏感度检验（Fourier Amplitude Sensitivity Test)、泰勒级数法（Taylor series)、多项式回归法（Polynomial regression)、Sobol法（Sobol’s method)等。这些方法中,蒙托卡罗法和Sobol法计算过程极其庞杂；傅里叶振幅敏感度检验计算简便,但却不能解决输入变量间的相关性；泰勒级数法要求模型函数可导；基于方差、协方差分解的多项式回归法可以处理输入变量间的相关性,且计算又较为简便［35］。另外,这些方法最大的问题在于不能计算不确定性在空间上的变异情况,因此需要将上述不确定性分解的方法与随机模拟方法组合起来,建立可以分解空间不确定性的方法。

4 结 语

目前,建立区域尺度上土壤可蚀性因子空间分布图的数据,多为20世纪80年代第2次土壤普查中获得,这些历史数据无论在空间尺度还是在时相上,均存在较大的变异。通过以上分析,研究如何将土壤类型、高程、遥感等辅助信息融入土壤可蚀性因子空间预测,量化、分析空间预测过程中的不确定性,降低制图误差,提高精度,控制风险,成为今后研究的方向。

参考文献：

［1］ WISCHMEIER W H, SMITH D D. Predicting Rainfall E-rosion Losses—A Guide to Conservation Planning［R］. Washington D C: U.S. Department of Agriculture, 1987.

［2］ 刘宝元,谢 云,张科利.土壤侵蚀预报模型［M］.北京:中国科学技术出版社, 2001.

［3］ WISCHMEIER W H,JOHNSON C B, CROSS B V.Soil Erodibility Nomograph for Farmland Construction Sites［J］. Journal of Soil and Water Conservation, 1971, 26（5): 189-193.

［4］ FOSTER G R. Soil Erosion Modeling: Special Considerations for Nutrient Pollution Evaluation of Field Sized Area ［M］∥OVERCASH M R, DAVIDSON J M. Environment Impact of Non point Source Pollution. Ann Arbor, Michigan : Ann Arbor Science Publishers, 1980:213-243.

［5］ SHARPLY A N, WILLIAMS J R. EPIC-erosion/ Productivity Impact Calculator: 1) Model Documentation［R］. Washington D C: USDA-ARS Technical Bulletin, 1990.

［6］ RENARD K G, FOSER G R, WEESIES G A, et al. Predicting Soil Erosion by Water: A Guide to Conservation Planning with the Revised Universal Soil Loss Equation （RUSLE)［R］. Washington D C: U.S. Department of Agriculture,1997.

［7］ TORRI D, POESSEN J, BORSELLI L. Erratum to Predictability and Uncertainty of the Soil Erodibility Factor U-sing A Global Dataset［J］. Catena, 2002, 46: 309-310.

［8］ YU D S, SHI X Z, WEINDORF D C. Relationships Between Permeability and Erodibility of Cultivated Acrisols and Cambisols in Subtropical China［J］. Pedosphere, 2006, 16（3): 304-311.

［9］ 张科利,彭文英,杨红丽.中国土壤可蚀性值及其估算［J］.土壤学报, 2007, 44（1): 7-13.

［10］傅伯杰,赵文武,陈利顶,等.多尺度土壤侵蚀评价指数［J］.科学通报, 2006, 51（16): 1936-1943.

［11］张文太,于东升,史学正,等.中国亚热带土壤可蚀性K值预测的不确定性研究.土壤学报, 2009, 46（2): 185-191.

［12］WANG G X, GERTNER G, FANG S F, et al. Mapping Multiple Variables for Predicting Soil Loss by Geostatistical Methods with TM Images and A Slope Map［J］. Photogrammetric Engineering＆Remote Sensing,2003,69（8):889-898.

［13］HENGL T, HEUVELINK G B M, STEIN A. A Generic Framework for Spatial Prediction of Soil Variables Based on Regression-kriging［J］. Geoderma, 2004, 120: 75-93.

［14］ILWIS Department, International Institute for Aerospace Survey＆Earth Sciences. ILWIS 2.1 for Windows: Applications Guide［M］. Enschede,the Netherlands:International Institute for Aerospace Survery＆Earth Sciences,1997. ［15］RENSCHLER C S, MANNAERTS C, DIEKKRÜGER B. Evaluating Spatial and Temporal Variability in Soil Erosion Risk-rainfall Erosivity and Soil Loss Ratios in Andalusia, Spain［J］. Catena, 1999, 34: 209-225.

［16］BISSONNAIS Y L, MONTIER C, JAMAGNE M, et al. Mapping Erosion Risk for Cultivated Soil in France［J］. Catena, 2001, 46: 207-220.

［17］CHANDRAMOHAN T, DURBUDE D G. Estimation of Soil Erosion Potential Using Universal Soil Loss Equation［J］. Journal of the Indian Society of Remote Sensing, 2002, 30（4):181-190.

［18］LUFAFA A, TENYWA M M, ISABIRYE M, et al. Prediction of Soil Erosion in A Lake Victoria Basin Catchment U-sing A GIS-based Universal Soil Loss Model［J］. Agricultural Systems, 2003, 76: 883-894.

［19］WANG X D, ZHONG X H, FAN J R. Assessment and Spatial Distribution of Sensitivity of Soil Erosion in Tibet ［J］. Journal of Geographical Sciences, 2004, 14（1): 41-46.

［20］KHEIR R B, CERDAN O, ABDALLAH C. Regional Soil Erosion Risk Mapping in Lebanon［J］. Geomorphology, 2006, 82: 347-359.

［21］IRVEM A, TOPALOˇGLU F, UYGUR V. Estimating Spatial Distribution of Soil Loss over Seyhan River Basin in Turkey ［J］. Journal of Hydrology, 2007, 336: 30-37.

［22］BAIGORRIA G A, ROMERO C C. Assessment of Erosion Hotspots in A Watershed: Integrating the WEPP Model and GIS in A Case Study in the Peruvian Andes［J］. Environmental Modelling＆Software, 2007, 22: 1175-1183.

［23］BACCHI O O S, REICHARDT K, SPAROVEK G. Sediment Spatial Distribution Evaluated by Three Methods and Its Relation to Some Soil Properties［J］. Soil＆Tillage Research, 2003, 69: 117-125.

［24］PANAGOS P, MEUSBURGER K, ALEWELL C, et al. Soil Erodibility Estimation Using LUCAS Point Survey Data of Europe［J］. Environmental Modelling＆Software, 2012, 30: 143-145.

［25］REJMAN J, TURSKI R, PALUSZEK J. Spatial and Temporal Variations in Erodibility of Loess Soil［J］. Soil and Tillage Research, 1998, 46: 61-68.

［26］VEIHE A. The Spatial Variability of Erodibility and Its Relation to Soil Types: A Study from Northern Ghana［J］. Geoderma, 2002, 106: 101-120.

［27］PÉREZ-RODRÍGUEZ R, MARQUES M J, BIENES R. Spatial Variability of the Soil Erodibility Parameters and Their Relation with the Soil Map at Subgroup Level［J］. Science of the Total Environment, 2007, 378: 166-173.

［28］DIODATO N, FAGNANO M, ALBERICO I, et al. Mapping Soil Erodibility from Composed Data Set in Sele River Basin, Italy［J］. Natural Hazards, 2011, 58: 445-457.

［29］PANAGOPOULOS T, FERREIRA V, JESUS J. Determining the Relation Between Soil Erodibility and Spatial Variability of Erosion Properties Using Geostatistical Techniques at the Alqueva Reservoir Area in Recent Researches in Energy＆Environment［C］/ / World Scientific and Engineering Academy and Society. Proceedings of 6th IASME/ WSEAS International Conference on Energy＆Environment, Cambridge ,UK, February 23-25, 2011:105-110.

［30］WANG G X, GERTNER G, LIU X Z, et al. Uncertainty Assessment of Soil Erodibility Factor for Revised Universal Soil Loss Equation［J］. Catena, 2001, 46: 1-14.

［31］PARYSOW P, WANG G X, GERTNER G, et al. Spatial Uncertainty Analysis for Mapping Soil Erodibility Based on Joint Sequential Simulation［J］. Catena, 2003, 53: 65-78.

［32］WANG G X, GERTNER G Z, FANG S F, et al. A Methodology for Spatial Uncertainty Analysis of Remote Sensing and GIS Products［J］. Photogrammetric Engineering＆Remote Sensing, 2005, 71（12): 1423-1432.

［33］汤国安,杨 昕. ArcGIS地理信息系统空间分析实验教程［M］.北京:科学出版社, 2006.

［34］MCBRATNEY A B, SANTOS M L M, MINASNY B. On Digital Soil Mapping［J］. Geoderma, 2003, 117: 3-52.

［35］JOURNEL A G, KYRIAKIDIS P C, MAO S G. Correcting the Smoothing Effect of Estimators: A Spectral Postprocessor［J］. Mathematical Geology, 2000, 32（7): 787-813.

［36］DAVIS F W, QUATTROCHI D A, RIDD M K, et al. Environmental Analysis Using Integrated GIS and Remotely Sensed Data: Some Research Needs and Priorities［J］. Photogrammetric Engineering＆Remote Sensing, 1991, 57（6): 689-697.

［37］LUNETTA R S, CONGALTON R G, FENSTERMAKER L K, et al. Remote Sensing and Geographic Information System Data Integration: Error Sources and Research Issues ［J］. Photogrammetric Engineering＆Remote Sensing, 1991, 57（6): 677-687.

［38］KHORRAM S, BIGING G S, CHRISTMAN N R, et al. Accuracy Assessment of Remote Sensing-derived Change Detection, ASPRS Monograph Series［M］. Bethesda: American Society for Photogrammetry and Remote Sensing, 1999.

［39］PONTIUS R G. Quantification Error Versus Location Error in Comparison of Categorical Maps［J］. Photogrammetric Engineering＆Remote Sensing, 2000, 66（8): 1011 -1016.

［40］GOOVAERTS P. Geostatistical Modelling of Uncertainty in Soil Science［J］. Geoderma, 2001, 103: 3-26.

（编辑:刘运飞)

Research Advances in Mapping of Soil Erodibility Factor and Its Uncertainty

SUN Jia-jia1, WANG Zhi-gang2
（1.Soil and Water Conservation Department, Yangtze River Scientific Research Institute, Wuhan 430010, China；2.Research Center on Mountain Torrent＆Geologic Disaster Prevention of Ministry of Water Resources, Yangtze River Scientific Research Institute, Wuhan 430010, China )

Abstract:Soil erodibility is an important indicator of assessing impact of erosion on soil, and also an important parameter for predicting soil erosion. In order to promote relevant research of soil erodibility factor in the future, we present state of the art in China and abroad in terms of its spatial prediction and error and uncertainty of mapping. Analysis shows that accurately acquiring spatial distribution of soil erodibility factor is of practical significance, but it is a difficult task due to complex factors which affect soil erodibility factor. In the future, we should lay emphasis on reducing mapping error, improving accuracy and controlling risk, and quantitatively analyzing the uncertainty of spatial prediction, in association with auxiliary information such as soil types, elevation, and remote sensing images.

Key words:soil erodibility；spatial prediction；mapping of soil erodibility factor；uncertainty；geostatistics

作者简介：孙佳佳（1983-),女,山东泰安人,工程师,硕士,主要从事土壤侵蚀、水土保持方面的研究,（电话)027-82926365（电子信箱)hhzxinxiang@163.com。

基金项目：国家自然科学基金项目（41201269,41101191)；中央级公益性科研院所基本科研业务费资助项目（CKSF2015011/ TB,CKSF2014022/ TB)；长江科学院创新团队项目（CKSF2012052/ TB)；国家科技重大专项专题（2012ZX07503-002-03)

收稿日期：2014-09-25;修回日期：2015-01-12

doi:10.11988/ ckyyb.20140824

中图分类号：S157.1

文献标志码：A

文章编号：1001-5485(2016)02-0024-04