小流域治理工程土壤侵蚀量影响因子研究

黄俊 亢庆 李乐 方宗福 王玉琅 徐舟

摘要 以《云貴鄂渝水土保持世行贷款/欧盟赠款项目》土壤侵蚀量监测子项目为例，分析了小流域治理不同水土保持措施土壤减蚀效果。基于皮尔逊相关分析及灰色关联度分析研究了8个影响因子（水土保持措施实施前、后坡长坡度因子——LS前和LS后、作物覆盖与管理因子——C前和C后、土壤保持因子——P前和P后，以及水土保持类型——SWCM和调查图斑面积——AREA）与土壤减蚀量间相关关系，以及8因子重要性排序。结果表明，不同水土保持措施土壤侵蚀量减少20%～90%，依次为石（土）坎坡改梯>种草>保土耕作>封禁治理>水保林>经果林。皮尔逊相关分析与灰色关联度分析结果总体一致。土壤保持因子P后对土壤侵蚀量影响作用最大，皮尔逊相关系数及灰色关联度系数分别为0.918（P<0.01）和0.650 6。两种方法其余影响因子重要性排序分别为：“P前>LS后>C后>C前>SWCM>LS前>AREA”和“C后>C前>LS后>P前>SWCM>LS前>AREA”。

关键词 土壤侵蚀；相关分析；灰色关联度

中图分类号 S157.9 文献标识码 A 文章编号 0517-6611（2015）27-203-03

Study on Affecting Factors of Soil Erosion in the Watershed Rehabilitation Project

HUANG Jun1，2， KANG Qing1，2， YANG Jian-xin1，2 et al

（1. Pearl River Hydraulic Research Institute， Pearl River Water Resources Commission of the Ministry of Water Resources， Guangzhou， Guangdong 510611； 2. Soil and Water Conservation Monitoring Center of Pearl River Basin， Pearl River Water Resources Commission of the Ministry of Water Resources， Guangzhou， Guangdong 510611）

Abstract Taking the subproject of Soil Erosion Monitoring in the Changjing and Pearl River Watershed Rehabilitation Project as the example， this paper analyzed the soil loss reducing effect of different soil and water conservation measures. Based on the pearson correlation analysis and grey correlation analysis， this paper studied the relationship between soil erosion reducing ratio （SERR） and eigth factors （slope-length and gradient factor before and after the implementation of soil and water conservation measures——SLB and SLA， cover and management factor——CB and CA， support practice factor——PB and PA， the type of soil and water conservation measures——TM， and the area of the surveied map-spot——AMS）， and gave the importance rank of eight factors. Results showed， the soil erosion decreased from 20% to 90% for different soil and water conservation measures， the sequence of the soil erosion reduction for different measures were： Slope-To-Terrace>Planting Forage Grass>Conservation Tillage>Blockading Administration> Planting Soil and Water Conservation Forest>Planting Economic Fruit Forest. The result from the pearson correlation analysis and grey correlation analysis were generally consistent， and showed the PA was the most important factor affecting SERR， the pearson correlation coefficient and grey correlation degree between PA and SERR were 0.918（P<0.01）and 0.650 6， respectively. The importance order of other factors by these two methods were PB>LSA>CA>CB>TM>LSB>AMS and CA>CB>LSA>PB>TM>LSB>AMS.

Key words Soil erosion； Correlation analysis； Grey relational degree

小流域综合治理指以小流域为治理单元，在全面规划的基础上，预防、治理和开发相结合，合理安排农林牧等各业用地，因地制宜，因害设防，优化配置工程、生物和农业耕作等各项措施，形成有效的水土流失综合防护体系，达到保护、改良和合理利用水土资源，实现生态效益、经济效益和社会效益协调统一的水土流失防治活动。笔者以启动于2006年的《云贵鄂渝水土保持世行贷款/欧盟赠款项目》为例，分析了小流域治理中不同水土保持措施效果，及其多个影响因素对土壤侵蚀量变化的影响作用，以期为其他小流域水土保持治理工程提供参考。

1 项目概况

《云贵鄂渝水土保持世行贷款/欧盟赠款项目》于2006年启动（以下简称《世行》），建设周期为5年。项目旨在减轻水土流失，基于一系列农村基础建设和生计保障措施，通过改善生产生活条件和促进当地增收，最终实现区域生态恢复、经济社会可持续发展。项目包括公共/私人利益措施与技术支持服务三方面。主要水土保持措施有水土保持林、经济果木林、种草、封禁治理、保土耕作等20余项。项目涉及云南、贵州、湖北、重庆4省（市）的37个县（市、区），其中云南省8个，贵州省12个，湖北省6个，重庆市11个。项目区涉及274条小流域，规划治理水土流失面积3 175 km2。项目总投资约为16.61亿元，其中世行贷款1亿美元（合人民币7.3亿元），欧盟赠款1 000万欧元（合人民币1亿元），中央安排水利建设投资2.43亿元，地方配套和农民投劳折资4.566 2亿元，建设期贷款利息1.314亿元。

2 研究方法

笔者使用了《世行》项目中4省（市）中23个治理小流域的野外调查653组数据用于论文分析。该研究中反映土壤侵蚀量变化的因子为土壤侵蚀量减少比率（Soil Erosion Reducing Ratio——SERR），其值为水土保持工程实施后土壤侵蚀量与实施前土壤侵蚀量比值，由野外观测点实测数据计算获得。影响土壤侵蚀量减少比率的因子共计8个，其中3个为美国通用土壤流失方程[1]中的变量，另外2个分别为调查图斑面积（AREA）和调查图斑水土保持措施（SWCM），详情如表1所示。

其中调查图斑水土保持措施共分为六大类，其代码与措施对应关系分别为：SWCM1——保土耕作、SWCM2——封禁

治理、SWCM3——经果林、SWCM4——石（土）坎坡改梯、

SWCM5——水保林和SWCM6——种草。调查图斑坡长坡度

因子（LS）计算方法参考Wischmeier等[2]、Kenneth等[3]和Liu等[4]研究结果。作物覆盖与管理因子（C）计算方法参考蔡崇法等[5]研究成果。调查图斑土壤保持因子（P）计算方法参考张有全等[6]研究结果。

笔者分别采用皮尔逊相关分析与灰色关联度分析，研究了上述8个影响因子与SERR间关系。

3 结果与分析

3.1 不同水土保持措施效果

笔者统计了《世行》项目中4省（市）中23个治理小流域6种水土保持措施调查图斑的土壤侵蚀量变化情况，结果如图1所示。

图1 不同水土保持措施土壤侵蚀量变化

与水土保持工程实施前相比，SWCM4保持水土效益最好，土壤侵蚀量平均值降低了94.3%；其次为SWCM6，其土壤侵蚀量平均值降低了88.9%；其余水土保持土壤侵蚀量降低了20%～40%，从大到小依次为SWCM1>SWCM2>SWCM5>SWCM3。这里统计结果是水土保持工程措施实施1年后的情况。因此，诸如封禁治理、水保林、经果林等措施，因时间较短，林木树龄较短，形成的郁闭度较低，水土保持功效并未真正体现。

3.2 各影响因子与土壤侵蚀量减少比率相关关系

3.2.1 皮尔逊相关分析。

表2给出了8个影响因子间以及它们与SERR间相关关系。水土保持类型与影响因子——C前、C后、P前和P后具有极为显著的相关性（P<0.01），但为中等相关性。这也说明水土保持类型对LS影响不大，而对影响因子C和P具有较为显著影响作用。8个影响因子对SERR的影响作用均达到了极显著水平（P<0.01），其中影响因子P前和P后对SERR影响作用较大，相关系数均超过了0.9（P<0.01）。影响因子LS前、LS后、C前和C后对SERR影响作用也较为显著，相关系数在0.2～0.4之间波动。水土保持措施类型对SERR的影响作用是显而易见的，且达到了极显著水平（P<0.01），但相关系数仅为-0.252。AREA也对SERR产生了显著影响作用，这是因為AREA大小可直接影响水土保持措施实施的效果。总体而言，8个因子对SERR影响作用大小排序为：P后>P前>LS后>C后>C前>SWCM>LS前>AREA。

3.2.2 灰色关联度分析。

灰色关联度分析是基于灰色系统理论的一种多因素分析方法，基本原则是根据序列曲线几何形状的相似程度来判断序列的关联性是否紧密[7]。曲线越接近，认为两个序列关联度就越大，反之亦然。灰色关联分析可弥补传统数理统计学方法在系统分析时带来的不足，具有广泛的适用性[8]。灰色关联度系数计算公式如下：

r（y0（p），yi（p））=（ymin+δymax）/（△0i（p）+δymax）（1）

其中，△0i（p）=|y0（p）-yi（p）|，ymin=miniminp△0i（p），ymax=maximaxp△0i（p）。δ为分辨系数，一般有0<δ<1，笔者取δ=0.5。

那么灰色关联度计算公式即为：

γ（y0，yi）=[∑r（y0（p），yi（p））]/n（2）

其中，n为数据序列长度。

基于上述方法，笔者计算了8个影响因子与SERR之间灰色关联度，结果如表3所示。影响因子P后与SERR灰色关联度最大为0.650 6，其次为影响因子C后，与SERR间灰色关联度为0.646 1。这表明这两个影响因子对SERR影响作用最大。其余影响因子与SERR之间灰色关联度排序为X5>X4>X7>X2>X3>X1。其中X2～X8共7个影响因子与SERR灰色关联度均>0.6，为影响SERR的重要影响因子。调查图斑面积（X1）与SERR灰色关联度仅为0.364 5。总体而言，灰色关联度分析结果与皮尔逊相关分析结果基本一致，X8对SERR相关性最大，也就是该因子对SERR影响作用最大；AREA对SERR影响作用最小。

4 结论

（1）石（土）坎坡改梯水土保持措施减蚀量效果最好，实施1年后土壤侵蚀量降低了94.3%；其次为种草，该措施降低土壤侵蚀量达88.9%；其余各措施减少土壤侵蚀量为20%～40%，依次为保土耕作>封禁治理>水保林>经果林。

（2）皮尔逊相关分析表明，影响因子P前和P后对SERR影响作用最大，与SERR相关系数达0.9以上，且达到极显著水平。其余影响因子与SERR相关系数排序为：LS后>C后>C前>SWCM>LS前>AREA。灰色关联度分析结果与皮尔逊相关分析结果基本一致，影响因子P后对SERR影响作用最大，二者灰色关联度值为0.650 6，AREA与SERR关联度最小为0.364 5。其余各影响因子与SERR关联度排序为：C后>C前>LS后>P前>SWCM>LS前。

参考文献

[1] 毕小刚，段淑怀，李永贵，等.北京山区土壤流失方程探讨[J].中国水土保持科学，2006（4）：6-13.

[2] WISCHMEIER W H，SMITH D D.Predicting rainfall erosion losses——A guide to conservation planning[M].Washington DC：US Government Printing Office，1978.

[3] KENNETH G R，GEORGE R F，GLENN A W，et al.RUSLE——Revised universal soil loss equation[J].Journal of soil and water conservation，1991，46：30-33.

[4] LIU B Y，NEARING M A，RISSE L M.Slope gradient effects on soil loss for steep slopes[J].Transactions of the ASAE，1994，37：1835-1840.

[5] 蔡崇法，丁樹文，史志华，等.应用USLE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）：19-24.

[6] 张有全，宫辉力，赵文吉，等.基于GIS和USLE的密云县土壤侵蚀评价及空间特征研究[J].水土保持研究，2007，14（3）：358-362，364.

[7] DENG J L.Control problems of grey systems[J].Systems & control letters，1982，1：288-294.

[8] 黄俊，吴普特，赵西宁.基于神经网络及灰色关联分析的土壤入渗研究[J].土壤学报，2011，48（6）：1282-1286.