川西南干热河谷土壤侵蚀风险评价——以2000—2015年为例

蒲泓君

(成都理工大学地球科学学院，四川 成都 610059)

引言

土壤是发育于固态地球表面具有生物活性和孔隙结构的介质，是万物的生存之本。土壤侵蚀是全球公认的加速土地退化、导致营养丰富的表层土壤流失的最主要形式之一，对土壤造成了重大威胁[1]。土壤侵蚀的过程及严重程度取决于多种生物物理侵蚀剂，包括地形特征、气候变化、土地利用方式转变和管理实践等[2]。土壤流失速率超过土壤形成速率导致的土地退化对自然资源会产生很多负面影响，如破坏道路、引发泥石流等地质灾害、减少生物多样性和碳储量，制约经济社会的发展，造成经济损失，不利于可持续发展。

据历史记载，关于土壤侵蚀的研究已有百余年。在1956年，美国进行了第一次全国土壤侵蚀调查。随后，中国也开展了4次全国范围内的土壤侵蚀调查[3]。随着RS和GIS的快速发展，RUSLE(Revised Universaliooil Loss Equation)在评估土壤侵蚀风险、指导水土保持评价和规划中得到了广泛应用，其适用性和结果的可靠性是毋庸置疑的[4]。RUSLE的主要优势是可以逐单元地预测侵蚀潜力，能轻松地与GIS集成以进行更好的分析，促进对可用空间数据的利用，如土地利用、管理实践、地形、降雨等。在我国，大量关于土壤侵蚀的研究集中在黄土高原地区[5,6]，而对干热河谷地区的土壤侵蚀研究基础还很薄弱。四川省是长江和黄河的重要水源发源地，密切关系着长江中下游地区的生态环境安全及社会经济的发展。因此，川西南干热河谷地区的生态治理对周围河流乃至整个流域的水土保持、构建生态安全屏障中占有十分重要的位置。

本文结合自然和人文因素，在RS和GIS的技术支持下，基于RUSLE模型，对2000—2015年川西南干热河谷区的年平均土壤侵蚀进行分析评价，评估植被覆盖、地形对土壤侵蚀的影响，这些结果将有助于决策者提供重点区域水土流失综合治理方案，对干热河谷退化生态环境开发性治理提供了重要的科学依据。

1 研究区概况

该区域覆盖面积约为228081km2，范围在E98°36′～104°23′，N26°5′～33°33′。高程在251～7148m。研究区境内高温低湿，光热资源丰富，干湿季分明，降水少但蒸发量大，呈现出四周湿润环境包围下干旱炎热的气候特点。最冷月平均气温12℃，最暖月平均气温24～28℃，年均降雨量600～1000mm，90%的降雨集中在6—10月，且多为暴雨。

2 数据与方法

2.1 数据来源

降雨数据来自国家青藏高原科学数据中心(www.tpdc.ac.cn/)。土壤数据是来自世界土壤数据库(Harmonized World Soil Database version 1.2 )。数字高程模型(DEM)数据来自国家地球系统科学数据中心(www.geodata.cn/)。归一化植被指数(NDVI)数据和土地利用数据来自中国科学院资源环境科学与数据中心(www.resdc.cn/)。考虑到本研究中所使用的数据集来源和空间分辨率不同，将所有网格单元重采样到300m的分辨率，以提高用于不同数据源的数据兼容性，使用WGS 84投影系统将所有输入数据投影到UTM Zone 48 N中，以减少因遥感处理引起的不确定性。

2.2 RUSLE模型

RUSLE模型是一个基于物理的经验模型，可以预测长期平均年土壤流失量。该模型介入了5个参数，包括降雨侵蚀力因子(R)、土壤可蚀性因子(K)、坡度坡长因子(LS)、植被覆盖管理因子(C)、水土保持措施因子(P)。

SE=R×K×LS×C×P

(1)

式中，SE为年均土壤侵蚀量，t·hm-2·a-1；R为降雨侵蚀力因子，MJ·mm·hm-2·h-1·a-1；K为土壤可蚀性因子，t·h·MJ-1·mm-1；LS为坡度坡长因子(无量纲)；C为植被覆盖管理因子(无量纲)；P为水土保持措施因子(无量纲)。

2.2.1 降雨侵蚀力因子(R)

降雨侵蚀力能够度量雨水通过分离颗粒和产生地表径流而引起土壤侵蚀的潜在能力的大小，是土壤侵蚀的主要驱动力[7]。见经验公式(2)。

(2)

式中，R为降雨侵蚀力因子，MJ·mm·hm-2·h-1·a-1；Pi和P分别为月均和年均降雨量，mm。

2.2.2 土壤可蚀性因子(K)

土壤可蚀性因子(K)从根本上反映了水力分离和迁移土壤颗粒的难度以及土壤本身的抗腐蚀能力，说明了土壤性质和剖面特征对土壤侵蚀的影响。HWSD提供了土壤最上层30cm的特性，选择侵蚀/生产力影响模型(EPIC)计算K因子值。

K=k1×k2×k3×k4

(3)

式中，K是土壤可蚀性因子，通过将值乘以0.1317换算成国际单位制，即t·h·MJ-1·mm-1；SAN是沙含量，%；SIL是粉尘含量，%；CLA是粘土含量，%；TOC是土壤有机碳含量，%；SN=1-SAN/100。

2.2.3 坡度坡长因子(LS)

地形界定了重力对水和沉积物的流动的影响，是导致土壤侵蚀的直接因素。在RUSLE模型中，影响整体表层土壤侵蚀作用的主要地形因素为坡长因子(L)和坡度因子(S)。其中，S因子定义了坡度的影响,L因子定义了坡长的影响。本文采用Bizuwerk等对Wischmeier和Smith公式改进后的计算LS值的方法，见公式(4)。

(4)

式中，LS为坡度坡长因子(无量纲)；λ为坡长，通过在SAGAGIS软件2.3中Hydrology模块中导入DEM得出；m取决于坡度百分比，Wischmeier和Smith列出了与坡度百分比有关的m值[7]，见表1。

表1 不同坡度百分比下m的取值

2.2.4 植被覆盖管理因子(C)

植被覆盖管理因子(C)解释了植被、土壤覆盖、作物管理等如何导致土壤侵蚀与裸露休耕区的土壤侵蚀的区别，是最容易受决策者和农民影响的一个因子，也是最容易帮助减少土壤侵蚀量的条件。因此，本研究采用多种与NDVI有关的方法确定C因子，见表2，选出最适合本研究区的方法。

表2 在不同坡度和土地利用下的P因子值

C=e[(-α)×NDVI/(β-NDVI)]

(5)

式中，α=2；β=1；NDVI=(NIR-RED)/(RED+NIR)；NDVI是归一化差异植被指数；C因子值在0～1变化。

2.2.5 水土保持措施因子(P)

水土保持措施因子(P)表示在执行特定保护措施后的土壤流失量与顺坡种植时土壤流失量的比例[7]。P因子的值在0～1，P值越接近0代表实施水土保持措施的效果越显著，P值接近1代表未采取任何保护措施。结合土地利用类型和坡度。

3 结果与分析

通过将各个因子层(R,K,C,P,LS)以300m×300m的栅格形式整合到GIS环境的RUSLE模型中，逐像元估算川西南干热河谷区土壤侵蚀的空间分布情况。研究区在2000—2015年期间土壤侵蚀总量分别为3217560t·a-1、2838014t·a-1、2220368t·a-1、2448672t·a-1，年平均总土壤侵蚀量约为2681153.5t·a-1。将研究区的土壤侵蚀划分为5个等级，即非常轻微(0～2t·a-1)、轻微(2～10t·a-1)、中度(10～25t·a-1)、高(25～50t·a-1)、非常高(50～100t·a-1)、极高(>100t·a-1)的土壤侵蚀量。土壤侵蚀量的高值主要集中在研究区域的西部和中部，这是因为这些地区位于高山深谷区，滑坡、泥石流等自然灾害比较严重。表3描述了2000—2015年各侵蚀强度的面积及其比例分布状况，结果表明，2000—2015年间非常轻微侵蚀土壤侵蚀占比增加，轻微侵蚀、中度侵蚀和高侵蚀有所减少；尽管中度及以上侵蚀区域的覆盖面积小，但是占总的土壤侵蚀量的比率大，分别为25.45%、20.78%、9.96%、1.25%，而覆盖面积更广的非常轻微和轻微侵蚀区域分别占总土壤侵蚀量的18.45%、24.11%。

表3 2000—2015年研究区土壤侵蚀强度等级分布状况

4 结论

本文以川西南干热河谷为研究对象，基于GIS的RUSLE方法来估算川西南干热河谷内易侵蚀地区空间分布的结果，描绘了需要采取特殊保护措施的热点区域，为控制水土流失政策提供初步指南，集中精力为严重灾区制定土壤侵蚀减轻及恢复保护计划。

R因子和侵蚀性降雨的空间模式一致。最高的K值来自于砖红壤和淋溶土，其是低有机质或高粘土含量的土壤类型，容易在土壤表面形成结壳，导致渗透减少，显示出较高的侵蚀率。在河谷的高起伏区发现了LS因子高值，因为增加的斜坡长度和陡度分别导致更大的径流量和速度，从而导致土壤颗粒更强烈地分离，表现出更高的侵蚀率。土壤侵蚀图显示了研究区域内易受侵蚀地区，但由于地区差异，需因可用资源和特定地点的条件而采取适合当地的措施，便于以最高效率管理土壤侵蚀危害。更具体地说，因降雨量过大导致的高脆弱性地区，可以在沟谷间修建小塘坝蓄积地表水，防止山水冲刷耕地。改变顺坡耕作、陡坡开荒等不合理的耕作制度可以缓解因地形原因导致的土壤侵蚀。在管理措施方面，建议将重点放在草地和未利用地上面，可以根据作物轮作变化来开发未来的土地利用方案，保持在土壤表面残留植物。