黄土地貌区水力侵蚀敏感性分析:以山西省五寨县为例

秦彤,李功权

(长江大学地球科学学院,武汉 430100)

在黄土高原地区,第三纪或中生代晚期形成的一些构造盆地在早期接受沉积,第四纪以来的垂直上升运动使黄土高原成为易受侵蚀的地区,特别是黄土高原地区分布最广的水力侵蚀[1],常年的水力侵蚀使得该区域具有千沟万壑的复杂地貌[2]。而复杂的地形地貌也不断影响着该区域的水力侵蚀进程,这种两者之间的相互作用使得在该区域进行水力侵蚀敏感性分析的难度加大。

传统的水力侵蚀分析主要采用抽样调查的方法[3],但是当研究区逐渐扩大时,该种方法将会耗费大量的人力财力。因此,中外学者近些年逐渐开始探究如何以一种更好的方式进行区域水力侵蚀分析,Masoudi等[4]综合考虑了降雨、土壤、植被以及地形后,采用因子评分法评估了伊朗地区的水力侵蚀风险;Yang等[5]与Panagosa等[6]从单因子降尺度分析入手,对中国西藏地区与欧洲地区进行了区域水力侵蚀分析。在区域尺度下进行水力侵蚀分析时,先前的学者主要从提高单因子空间分辨率以及信息表达能力入手,多从通用土壤侵蚀方程(universal soil loss equation,USLE)/修订通用土壤侵蚀方程(revised universal soil loss equation,RUSLE)出发[7-8]。但是以上两种方程在中国地区使用时仍存在一些局限性[9]。

因此,国内也逐渐开始探究如何在中国地区更好地进行区域尺度下的水力侵蚀分析。程琳等[10]通过对坡长坡度因子进行尺度变换后,将中国土壤侵蚀方程(Chinese universal soil loss equation,CSLE)更好地应用于陕西省土壤侵蚀定量评价。然而,不同地貌单元内的水力侵蚀影响因素是存在差异的[11-12]。在进行水力侵蚀敏感性分析时,除了探索如何在区域尺度下进行水力侵蚀敏感性分析,还应额外考虑到各地貌单元之间的区域差异性以及这种区域差异性是如何影响水力侵蚀敏感性空间分布的。更科学的土壤侵蚀估算、时空分布分析以及驱动机制探索,对避免水土流失、改善生态环境大有裨益[7-8]。

现以地形地貌复杂多样且水系众多的五寨县为研究区,探究如何对具有复杂地貌的黄土区进行水力侵蚀敏感性分析。主要结合降雨侵蚀力因子、土壤可蚀性因子、坡长坡度因子、生物/耕作措施因子以及工程措施因子,根据熵值法[13]进行水力侵蚀敏感性分析。并将该模型所得结果与面积-高程积分[14-15]结果进行对比,判别该模型在具有复杂地貌的黄土区使用的适宜性。以期为减缓当地水力侵蚀进程、避免对人类生命财产的损失提供理论依据。

1 材料与方法

1.1 研究区概况

五寨县位于山西省忻州市西部(111°20′0″E～112°0′0″E,38°40′0″N～39°20′0″N),地处黄河中游左岸的黄土高原之上。地貌类型来源于中国2014年1∶400万数字地貌数据集[16],中部偏北地区为黄土丘陵区、中部为“丁”字形盆地、东南部为石山区、西南部为黄土塬区,地势西北低、东南高。主要土壤类型为土壤肥力差的黄绵土,该土壤广泛分布于黄土丘陵区,易被侵蚀。境内径流交错分布,有“坐在水库”上的美誉。地形起伏加剧了地表、地下径流的流动,在降水与径流的作用下本就脆弱的土壤遭到了更严重的剥蚀、搬运与沉积。随着沟壑的不断扩大,土壤养分流失、肥力下降。植被集中分布于土石山区,其余地区以人工营造的乔灌为主,且分布不均、覆盖率低,由于缺乏植被的保护作用,水力侵蚀对研究区生态的破坏更为肆虐。恶性循环致使当地生态环境越来越脆弱(图1)。

图1 山西省五寨县地貌分布图

1.2 数据来源

以五寨县行政区划图为准,所采用的地形数据来自地理空间数据云(http://www.gscloud.cn/)上的ASTER GDEM 30 m分辨率的DEM数据。降水数据来自国家气象科学数据中心(http://www.nmic.cn/)2018年日降水量数据。土壤数据来自中国科学院资源环境科学数据中心(http://www.resdc.cn/)上的1 km分辨率的土壤质地类型数据,该数据分为砂土、粉砂土与黏土三大类,数值为百分比;中国科学院南京土壤研究所(http://www.issas.ac.cn/)上的中国土种数据库,通过该数据集可得土壤有机质含量数据。植被覆盖度数据来自哨兵数据(https://sentinel.esa.int/)官网上的2019年Sentinel-2数据,采用像元二分法及最大值合成法生成。土地利用数据来自于欧空局10 m分辨率全球土地覆被数据。

1.3 研究方法

1.3.1 水力侵蚀敏感性模型建立

从CSLE模型出发[10],优选降雨侵蚀力因子、土壤可蚀性因子、坡长坡度因子、生物/耕作措施因子以及工程措施因子为指标,针对不同的地貌单元分区赋权后开展水土流失敏感性模型构建,模型为

CSLE=aR+bK+cLS+dBT+eE

(1)

式(1)中:CSLE为水力侵蚀敏感性值;R为归一化降雨侵蚀力因子;K为归一化土壤可蚀性因子;LS为归一化坡长坡度因子;BT为生物/耕作措施因子;E为工程措施因子;a～e分别为对应因子的权重值。

(1)降雨侵蚀力因子。在进行降雨侵蚀力计算时,主要有基于降雨动能和雨强的经典法以及基于经验公式的简易法。考虑到采用经典法以及一些基于经典法的修正法进行大尺度区域研究时,长时间序列的次降水过程资料数据难以测定且数据需求量大,因此并未采用该方法。同时,为了平衡降水数据的采集难度与所得结果的精确程度以及经验公式与地理环境的适应性,针对五寨县年内降水分布不均且不同年间降水分布相似的情况,采用章文波等[17]提出的针对中国地区的年R值计算方法。该方法以日降雨量为基础,在逐半月进行年降水侵蚀力估算时平衡了研究区年内降水分布不均的情况,可较为准确地反映出研究区的年降水侵蚀力。

(2)土壤可蚀性因子。在多种土壤可蚀性因子的计算中,较为常用的有标准小区法、人工降雨模拟法、可蚀性诺谟图与公式法。标准小区法与人工降雨模拟法相对而言更适合研究较小区域,可蚀性诺谟图的土壤结构系数与渗透级别资料不宜获取、准确性偏低且不适合在中国黄土高原地区使用[18]。因此本文研究采用规范SL592—2012[19]中用于对土壤可蚀性因子进行计算的Williams等[20]提出的侵蚀生产力模型EPIC中的K值计算方法,该方法从土壤理化性质对土壤可蚀性的影响出发,以易于获取的土壤有机碳和粒径分布数据作为参数进行土壤可蚀性计算,在进行较大尺度区域研究时既方便了数据的获取也可得到较为准确的土壤可蚀性因子。参照结合土壤质地数据、中国土种数据库中的有机质含量数据和Van Bemmelen因数[21]即可以得到研究区K值分布。

(3)地形因子。近代黄土高原大部分地区处于新构造运动上升期,侵蚀基准面的下降增加了流水作用的势能,加速了水土流失现象[1]。因此,为了探究地形侵蚀因子在水力侵蚀中的作用并避免DEM数据误差的影响,首先要对DEM数据进行预处理与洼地填充。在此基础上利用三阶反距离平方权差分算法得到坡度,并将坡度零值进行修正;水平坡长(实际坡长的水平投影)的提取是对进行无洼地处理后的DEM数据基于D8算法运用非流量累计坡长计算方法获得的。与此同时,为了使得到的坡度与坡长更接近真实情况,参考徐静等[22]采用的分形方法,以3×3窗口划分子区域、以1″分辨率为基准进行相应的坡度校正计算。最后基于Liu等[23-24]针对中国地形提出的L与S因子提取公式,借助Arcgis栅格计算器工具针对之前进行一系列修正计算后的坡长与坡度值得到研究区的坡长与坡度因子。为了充分提取坡长坡度因子中的信息,对归一化后的坡长与坡度因子进行主成分提取后进行水力侵蚀敏感性模型构建。

(4)其他因子。生物、工程与耕作措施因子均是一个无量纲数,其值分布于[0,1]。结合2019年植被覆盖度数据,根据蔡崇法等[25]提出的B值计算方法进行研究区B值分布情况分析。B值越大,土壤可蚀性越高。目前国内工程措施因子E主要是根据不同区域不同土地利用类型进行赋值,因此参考耿豪鹏等[26]的研究,结合土地利用数据将林地/草地/裸土赋值为1、耕地赋值为0.35、建设用地/水域赋值为0。在耕地措施因子T计算中,采用黄小芳等[27]提出的针对山西地区的耕地措施因子计算方法。同时,参考《区域水土流失动态监测技术规定 (试行)》[28],当土地利用方式为耕地时,在生物/耕作措施因子中应考虑耕作措施因子进行水土流失敏感性模型构建;当土地利用方式为非耕地时,应考虑生物措施因子进行建模。

1.3.2 水力侵蚀敏感性模型评价

(1)模型评价依据。面积-高程积分表达了流域地貌的演化程度[14-15],当HI>0.60时,处于流域地貌演化的不平衡期或幼年期,侵蚀程度较轻;当HI在0.35～0.60时处于流域地貌演化的平衡期或壮年期,侵蚀程度适中;当HI<0.35时处于流域地貌演化的老年期,侵蚀程度比较严重[15]。因此,以面积-高程积分值对水力侵蚀敏感型模型进行评价。

其积分值计算方法中有积分曲线法、体积比例法及起伏比法等,其中起伏比法较为简洁易行[14]。因此,以起伏比法计算研究区的面积-高程积分值。结合研究区遥感影像,利用Arcgis水文分析工具提取研究区的集水区域后,根据Pike和Wilson提出的基于高程起伏比法[29]可以计算出研究区的面积-高程积分值,其值分布于[0,1],如式(2)所示。

(2)

式(2)中:HI为面积-高程积分值;ERR为数学上的高程起伏比;Elevmean、Elevmin、Elevmax分别为每一个集水区域内的高程平均值、最小值以及最大值。

(2)模型评价方法。为了判断模型使用是否适宜,采用交叉验证方法。根据张威等[15]对面积-高程积分值与地表侵蚀周期之间关系的研究,地貌演化幼年期(HI>0.6)对应模型轻度敏感区、地貌演化壮年期(0.6>HI>0.35)对应模型中度敏感区、地貌演化老年期(HI<0.35)对应模型重度敏感区。得分值越高对水力侵蚀越敏感,参考面积-高程积分分级标准,对水力侵蚀敏感性综合得分结果根据0.35和0.6为断点,划分水力侵蚀轻、中以及重度敏感区。将对应部分的面积除以研究区域总面积后得到分类精度,并将该值作为模型适宜性评价因子,因子值越高表明模型越适宜。

(3)

式(3)中:I为评价因子指数;α为幼年期-水力侵蚀轻度敏感区交叉面积;β为壮年期-水力侵蚀中度敏感区交叉面积;γ为老年期-水力侵蚀重度敏感区交叉面积;A为研究区总面积。

2 结果分析

2.1 水力侵蚀敏感性模型建模因子分析

为了更好地说明这些因子在进行建模时的科学性,参考许明杰等[30]的评价因子相关性分析法对单因子进行相关性分析。将单因子在SPSS软件中进行共线性检验,方差膨胀因子(variance inflation factor,VIF)均低于10,因子通过共线性检验,可以将其运用于水力侵蚀敏感性计算。通过比较不同插值方法下的结果得泛克里金插值下的研究区R值分布效果最好。经计算得本研究区年降水侵蚀力为2 236.40～2 531.54(MJ·mm)/(hm2·h·a),在区域内的分布呈现东南高,西北低的趋势,如图2(a)所示。经美制单位转换为国际制单位后得K为0.02～0.04(t·hm2·h)/(hm2·MJ·mm)。但是考虑到中美之间的差异以及经验公式与地理环境的适宜性,该K值需要进行相应的修正计算才可使用。因此,参考张科利等[31]提出的针对中国地区的基于EPIC的K值修正方法对K值进行相应的修正。最终所得K值在研究区内的西北和东南偏高,越往“丁”字形盆地分布越低,如图2(b)所示。坡长因子分布在0～63.75,在东南土石山区较高;坡度因子分布在0.05～20.48,与坡长因子空间分布大致一致,如图2(c)所示。在中起伏山地与大起伏山地主要分布为林草地,其中大起伏山地的植被分布较为旺盛,中起伏山地相对稀疏;在“丁”字形盆地底部以人工建筑为主,仅有贫瘠的植被分布。在黄土塬地区与黄土梁峁地区主要分布为耕地,黄土梁峁地区的地形起伏略大,不易进行耕作措施的设置,因此T值更高。由于人类活动需要,在人类频繁活动的“丁”字形盆地工程措施设置相对较为完善,但是在几乎没有人类活动的北部与南部的山地地区不够完善,如图2(d)～图2(e)所示。

图2 归一化单因子分布图

2.2 水力侵蚀敏感性模型构建及评价

对单因子进行归一化与异常值去除后进行熵值法赋权,可得不同地貌单元下各单因子的权重,如表1所示。黄土梁峁地区与冲积洪积平原地区以降雨侵蚀力因子为主要影响因子,中起伏山地地区以土壤可蚀性为主要影响因子,黄土塬地区以坡长坡度为主要影响因子,洪积平原以生物/耕作措施为主要影响因子,大起伏山地以工程措施为主要影响因子。根据式(1)对分地貌单元赋权后的各单因子进行水力侵蚀敏感性模型构建,对本文所提出的模型与不分地貌单元赋权叠加的模型(降雨侵蚀力因子权重:0.265,土壤可蚀性因子权重:0.141,坡长坡度因子权重:0.319,生物/耕作措施因子权重:0.121,工程措施因子权重:0.154)、归一化CSLE模型分别采用面积-高程积分进行交叉验证后得,该模型的评价精度为61%,优于不分地貌单元赋权叠加的模型的54%,更优于归一化CSLE模型的12%,表2所示。因此,利用该模型进行水力侵蚀敏感性评价与分析更为适宜。

表1 单因子确权表

表2 水力侵蚀敏感性模型精度评价表

2.3 水力侵蚀敏感性评价及影响因素分析

将水土流失敏感性值以0.35和0.6为断点进行分级后可得,研究区主要以中水力侵蚀为主,大体呈现自北向南水力侵蚀敏感性不断变高,特别是西南部的大起伏山地。“丁”字形盆地周围以及部分黄土梁峁与黄土塬地区主要为低水力侵蚀敏感区,占据整个研究区的15.55%;黄土梁峁、黄土塬、中起伏山地与洪积平原偏东地区主要分布为中水力侵蚀,占据整个研究区64.95%,是整个研究区分布最广的区域;洪积平原偏西地区与大起伏山地以高水力侵蚀为主,占据研究区的19.5%。朱家川和县川河下游,泥沙在两岸沉积,形成了冲积洪积平原,土壤可蚀性居中、地形平坦、以建成区及耕地为主,水力侵蚀程度很轻。北部地区夹杂分布着林/草地、坡度较大,但水土保持措施不够完善,植被覆盖度相对较低,因此在该地貌单元内更易发水力侵蚀。且在“丁”字形盆地内有人类居住,因此更应该加以重视。北部地区以中起伏山地为主,这里分布着稀疏的林/草地,但土壤可蚀性适中、地形起伏不大且降雨较小,因此水力侵蚀程度较轻。相对整个中起伏山地区而言,东南地区与西南地区地形起伏较大、土壤可蚀性较高,在暴雨作用下可能会发生滑坡、泥石流等地质灾害现象。由于与其接壤的冲积洪积平原主要为人类活动区,因此应结合生物/工程措施对该区域进行重点治理。中部偏西南与偏东南地区主要分布为黄土梁峁地貌,受近代流水侵蚀作用,被侵蚀为长条形乃至孤立的黄土丘,整体水力侵蚀程度偏高。降雨侵蚀力是该区域的主要水力侵蚀影响因子,偏东南地区的降雨比偏西北地区要高,因此也更容易发生水力侵蚀。西南地区以黄土塬为主,塬面平坦、四周沟谷环绕并受沟头侵蚀,此处为人类主要活动区,受建成区影响,植被分布差异较大。黄土塬地貌单元以坡长坡度为主要影响因素,相对塬面而言,黄土塬四周地形起伏大,水力侵蚀敏感性高,特别是与大起伏山地接壤的南部地区。东南地区主要分布为洪积平原,洪积平原之上的山地土壤易被侵蚀、以林地为主、地形坡度大、不易开垦,易发水土流失,随着由扇顶向扇底不断延伸,水力侵蚀程度逐渐变轻。扇顶植被覆盖度相对较高,但由于扇中的地形起伏相对较大且以耕地为主要土地利用类型,因此应加强耕作措施的建立。西南地区以大起伏山地为主,整体水力侵蚀程度很高,由于该区域延伸至主要人类活动区,提高植被覆盖度以避免水力侵蚀是很重要的,如图3所示。

图3 水力侵蚀敏感性评价图

3 讨论

程琳等[10]对陕西省土壤侵蚀进行分析后得,黄土丘陵区与黄土塬区的侵蚀严重于山地区、土石丘陵区与平原。但是本文研究认为西南部的大起伏山地水力侵蚀敏感性要高于黄土梁峁与黄土塬,主要是因为该区域在降雨侵蚀力、土壤可蚀性方面均处于高值,而程琳等[10]的研究区中该两因素处于低值。苏新宇等[32]对蒙阴县进行水土流失风险评价得山地风险性高、其次为丘陵区、最后为平原区,与本文研究结果一致。同时,常梦迪等[33]同样认为坡度较大的地区更易发生水土流失。

4 结论

(1)以面积-高程积分为评价依据,根据上文提出的模型评价方法计算得本文提出的水力侵蚀敏感性评价模型的评价精度为61%。在进行水力侵蚀敏感性评价时优于传统CSLE模型的12%,说明可以利用该水力侵蚀敏感性评价模型对研究区进行水力侵蚀敏感性分析。

(2)水力侵蚀敏感性整体呈现由南向北值不断降低,大起伏山地水力侵蚀敏感性值最高,其次分别为洪积平原、黄土塬、黄土梁峁、中起伏山地,冲积洪积平原水力侵蚀敏感性值最低。

(3)北部冲积洪积平原与中起伏山地相交地带土壤可蚀性高、植被覆盖度相对较低,更易发水力侵蚀,应重点治理,以避免对“丁”字形盆地内的人类居住区造成影响;南部大起伏山地内的清涟河流域附近植被覆盖度低,且延伸向主要人类活动区,在暴雨作用下很可能发生滑坡、泥石流,从而对人类的生命财产造成损害。