基于RUSLE模型的六盘水市土壤侵蚀评价

尹　璐，闫庆武，卞正富

(中国矿业大学环境与测绘学院，江苏 徐州　221116)



基于RUSLE模型的六盘水市土壤侵蚀评价

尹璐，闫庆武①，卞正富

(中国矿业大学环境与测绘学院，江苏 徐州221116)

摘要：矿产资源的开采容易导致矿区土地资源破坏及生态环境恶化，为探索煤矿开采对土壤侵蚀的影响，分析矿区土地侵蚀状况。以贵州省西南部煤矿城市六盘水市为研究对象，基于土壤质地、地形、气候、土地覆盖和土地利用等数据，运用RUSLE模型，结合GIS空间分析方法，研究六盘水市土壤侵蚀现状及空间分布特征，着重分析煤矿区土壤侵蚀分布特征。结果表明：(1)六盘水市土壤侵蚀以微度、中度侵蚀为主，侵蚀严重区域主要集中在水城县东部和南部，六枝特区东部以及盘县中部。(2)土壤侵蚀主要发生在人类负向干扰活动强烈的林地、草地、旱地、煤矿区和裸地。(3)六盘水市南部煤矿区侵蚀较严重，以中度侵蚀为主，主要原因是采煤造成的地质灾害使土壤侵蚀抑制因素作用减弱。(4)私营煤矿区土壤侵蚀程度比国有煤矿区严重。私营煤矿区应在煤炭开采过程中加强保护与治理。

关键词：GIS；水土流失；RULSE模型；煤矿区

水土流失是一个全球性的土地退化问题,是当今全球变化的重要表现形式[1]。我国水土流失与生态安全综合科学考察活动研究表明,我国现有土壤侵蚀面积为356.92万km2,其中水力侵蚀面积为161.22万km2,风力侵蚀面积为195.70万km2[2]。定量评价区域土壤侵蚀量、土壤侵蚀强度及其空间分布特征,对水土保持和耕地保护具有重要意义[3]。就煤矿区而言,随着煤炭开采活动的不断深入,对土地资源的破坏日益加剧,煤矿的采、运、堆等过程使得植被遭到严重破坏,地表裸露,土壤表层松散性加大,丧失了原地表土壤的抗蚀力,造成土地劣化、贫瘠化和干旱化,不仅使耕地急剧减少,还会造成地表水源和地下含水层水源的漏失,引起矿区水土流失[4]。

目前,土壤侵蚀研究应用最广泛的模型是修正通用水土流失方程(revisied universal soil loss equation,RUSLE),该模型也被成熟地运用到我国土壤侵蚀调查工作中。刘宝元等[5]借鉴通用土壤流失方程(universal soil loss equation,USLE)的成果经验,建立适用于中国陡坡的土壤侵蚀预报模型(Chinese soil loss equation,CSLE);肖洋等[6]通过查表法,构建不同植被覆盖度和不同土地覆盖类型下的地表植被覆盖因子C值图层,估算了重庆地区土壤侵蚀量、土壤保持量和土壤保持价值;田鹏等[7]以RUSLE模型为基础,增加流域输沙能力与淤地坝拦沙效率模块,并在黄土高原粗沙多沙区皇甫川流域进行验证。笔者在GIS和RS技术的支持下,结合修订的RUSLE模型对研究区域及研究区内煤矿区土壤侵蚀现状进行定量分析,为促进煤矿区土地复垦、土壤改善和土地资源利用率的提高提供科学依据。

1研究区概况

六盘水市位于贵州省西部,云贵高原一、二级台地斜坡上,地理位置为25°18′～26°50′ N,104°18′～105°53′ E,现辖六枝特区、盘县、水城县和钟山区4个县级行政区,总面积为9 914 km2,占全省总面积的5.63%,2013年常住人口为285.9万,GDP总量为876.95亿元,人均GDP全省排名第2。六盘水市属亚热带高原性季风气候区,气候温和,夏无酷暑,冬无严寒,年平均气温为13～14 ℃,被称为中国凉都,境内降水充沛,但时空分布不均,年降水量表现为南部多北部偏少,东部多西部偏少,旱涝灾害频繁,多年平均降水量为1 244 mm。六盘水市地处长江水系和珠江水系的分水岭地区。市境矿藏储量丰富,矿种较多,煤储量居贵州省之首,素有“江南煤都”之誉,是国家“西电东送”的重点电源基地之一。2013年5月发布的《贵州省水土保持公告》显示,2010年贵州全省水土流失面积为55 269.40 km2,占土地总面积的31.37%,全省水土流失状况呈现西北重东南轻的格局,六盘水市地处生态环境脆弱的喀斯特地区,水土流失治理难度大。

2研究方法

2.1数据资料

为开展六盘水市水土流失评价,需收集以下6类数据:

(1)土壤质地数据。一部分来源于中国科学院资源环境科学数据中心,数据包括砂粒、粉粒和黏粒的组成;另一部分来源于六盘水市国土部门收集的土壤类型数据及土壤采样点数据,通过插值生成的研究区域土壤有机碳分布图。

(2)地形数据。运用ASTER GDEM 30 m分辨率的数字高程模型(DEM),利用ArcGIS的表面分析方法计算坡度和坡长。

(3)气候数据。通过中国气象数据网获取六盘水市及其周围15个气象站点2004—2014年各月平均降水量,并用克里金插值方法生成30 m分辨率的多年平均降水量分布图和多年平均各月降水量分布图。

(4)土地覆盖数据。利用2013年6月16日Landsat 8 OLI遥感影像,经拼接、裁剪、配准和大气校正等预处理后进行数据反演,得到研究区域植被覆盖度分布图。

(5)土地利用数据。采用国土部门收集的2010年第2次全国土地利用矢量调查数据,比例尺为1∶25万。对土地利用数据进行栅格化,与计算出的水土流失等级图进行叠加分析,得到不同土地利用类型的水土流失分布数据。

(6)六盘水市煤矿区数据。采用国土部门收集的《六盘水市矿产资源总体规划(2011—2015)》中的煤矿区拐点坐标生成矿区位置矢量图。将六盘水市分为南、北和东3个煤矿区域。将煤炭生产能力大于120万t·a-1的国有企业煤矿区作为国有煤矿区土壤侵蚀现状的重点研究区域,将与上述国有煤矿研究区域有着相近环境和地理位置、生产能力为30万～60万t·a-1的私营煤矿区作为私营煤矿区土壤侵蚀现状的重点研究区域。

将栅格数据统一为30 m×30 m大小的栅格单元,统一采用WGS-1984-UTM投影。

2.2土壤侵蚀模型

采用修正的RUSLE模型对六盘水市土壤侵蚀量进行估算。RUSLE是对USLE加以改进发展而来的经验土壤侵蚀预报模型,得到国内外的广泛研究和应用,目前已有学者验证了RUSLE模型在中国南方喀斯特地貌的应用是可行的[8-9],因此选用RUSLE模型作为研究土壤侵蚀的定量模型,其表达式[10]为

A=R×K×L×S×C×P。

(1)

式(1)中,A为单位面积上时间和空间的平均土壤流失量,t·km-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;L为坡长因子;S为坡度因子，(°);C为地表植被覆盖因子;P为水土保持措施因子。

2.3研究区RUSLE因子计算

2.3.1降雨侵蚀力因子(R)估算

R反映了降雨对土壤的潜在侵蚀能力,与降雨量、降雨强度和降雨历时等有关。采用WISCHMEIER等[11]提出的R值简便算法,即利用多年月降水量建立的年均降雨侵蚀力因子的经验公式:

(2)

式(2)中,p为多年平均降水量,mm;pi为各月平均降水量,mm。

2.3.2土壤可蚀性因子(K)估算

(3)

式(3)中,w砂为砂粒(粒径为0.1～2 mm)含量,%;w粉为粉粒(粒径为0.002～<0.1 mm)含量,%,w黏为黏粒(粒径<0.002 mm)含量,%;w碳为土壤有机碳含量,%。N=1-w砂/100。由EPIC模型计算出的KEPIC值与实测值具有良好的线性关系,可通过修正转换公式对KEPIC进行修订,以用于我国的土壤可蚀性估算[13]。修订公式为

K=-0.013 83+0.515 75KEPIC。

(4)

利用式(4)得到每个像元单位的K值,用面积加权法求得土壤亚类K值(表1)。

表1六盘水市各土壤类型的可蚀型因子(K)取值

Table 1Valuation of erodible factor(K) of various types of soils in Liupanshui City

土壤类型K值土壤类型K值粗骨土0.110漂洗黄壤0.138黑色石灰土0.136石灰(岩)土0.135红壤0.116水稻土0.131红色石灰土0.128酸性石质土0.105黄红壤0.140酸性紫色土0.130黄壤0.126岩石0.128黄壤性土0.135中性紫色土0.119黄色石灰土0.122紫色土0.124黄棕壤0.130棕壤0.132黄棕壤性土0.112棕色石灰土0.141灰潮土0.122

2.3.3坡长(L)和坡度(S)因子估算

坡长和坡度因子反映了地形地貌对降雨侵蚀动力的加速影响,表示在降雨强度、植被覆盖度等条件相同的情况下,坡度越大,坡长越长,径流速度越大,对土壤的冲刷能力越强[14]。使用Hickey和Van Remortel构建的方法计算L和S因子,计算公式[15]为

(5)

β=(sinθ/0.089 6)/[3(sinθ)0.8+0.56],

(6)

m=β/(1+β),

(7)

(8)

式(5)～(8)中,λ为像元坡长,m;m为坡长指数；θ为坡度。

2.3.4地表植被覆盖因子(C)估算

植被覆盖多少对土壤有着重要影响,C是土壤侵蚀模型中的抑制因子,C值与植被覆盖度(VFC,CVF)有着较强的相关性。用Landsat 8 OLI遥感影像计算六盘水市归一化植被指数(normalized differential vegetation index,NDVI,INDV)值,计算公式为

(9)

式(9)中,RNI为近红外波段(0.7～1.1 μm)像元亮度值;R为红光波段(0.4～<0.7 μm)像元亮度值。

选取INDV值累积概率为5%左右数为区域内最小INDV值(INDV,min),选取INDV值累积概率为95%左右数为最大INDV值(INDV,max),求得INDV,min=0.288 868,INDV,max=0.829 726。利用INDV值计算六盘水市CVF,计算公式为

利用建立的CVF与C因子之间的关系计算C值,计算公式[16]为

C=1-CVF。

2.3.5水土保持措施因子(P)估算

P是土壤侵蚀模型中的抑制因子。当P=0时,表示采取水土保持措施后不发生土壤侵蚀;当P=1时,表示未采取任何水土保持措施[17]。根据六盘水市土地利用现状和实地调查情况,结合前人的研究成果[7,18-20],确定水田、旱地、园地、有林地、其他林地、灌木林地、草地、建设用地、采矿用地、水域和裸地的P值分别为0.01、0.4、0.4、1、0.9、1、0.8、0、0.5、0和1,并计算得到P值分布图(图1)。

图1　六盘水市各土壤侵蚀因子计算结果

根据SL 190—2007《土壤侵蚀分类分级标准》[21],六盘水市属于水力侵蚀区的西南土石山区,该类型侵蚀区的容许土壤流失量为500 t·km-2·a-1,应用RUSLE模型计算六盘水市土壤侵蚀强度,并将其分为6级。

3结果与分析

3.1土壤侵蚀等级评价

通过RUSLE模型计算研究区土壤侵蚀强度并划分等级(表2),研究区超过容许土壤流失量(500 t·km-2·a-1)的土地面积达6 710.06 km2,占全市侵蚀总面积的68.11%,其中,微度、轻度侵蚀面积为7 874.50 km2,占比达79.93%,但其土壤侵蚀量强度占比仅为42.13%;轻度、中度和强烈土壤侵蚀量强度较大,占土壤侵蚀量总强度的85.68%。从图2～3可知,六盘水市土壤侵蚀严重的地区位于水城县东部和南部,六枝特区东部以及盘县中部,这

些地区地势起伏较大,降雨较多,植被对降雨的拦截力度不够是其受侵蚀的主要因素。

表2研究区域土壤侵蚀强度分级统计表

Table 2Statistics and grading of soil erosion intensities in the study area

侵蚀等级侵蚀模数/(t·km-2·a-1)侵蚀面积/km2侵蚀面积占比/%侵蚀量强度占比/%微度<5003141.7231.893.71轻度500～<25004732.7848.0438.41中度2500～<50001408.1414.2931.05强烈5000～<8000411.224.1816.21极强烈8000～<15000147.781.509.45剧烈≥1500010.140.101.17

3.2土壤侵蚀与土地利用的相关分析

不同的土地利用类型对区域土壤侵蚀的发生面积和强度特征有着重要影响[22]。六盘水市不同土地利用类型土壤侵蚀强度分布见表3。

图2　六盘水市土壤侵蚀强度等级分布

由表3可知,水域和建设用地属于侵蚀极少区域,水田属于不易发生侵蚀区,主要原因是水田多分布在地势平坦、水热条件好的地区,且人为管理措施强;园地水土流失较轻,主要为微度和轻度流失,主要原因是人为保护措施较好;六盘水市土壤侵蚀主要发生在草地、旱地、林地、裸地和煤矿区,其中,灌木林地、有林地和其他林地侵蚀特征较接近,主要为轻度、微度和中度侵蚀,分别占各地类面积的88.80%、91.77%和89.22%;旱地超过土壤侵蚀容许模数的侵蚀面积占旱地总面积的67.76%,主要发生轻度侵蚀,占旱地总面积的57.28%;草地超过土壤侵蚀容许模数的侵蚀面积占比达80.46%,主要发生轻度和中度侵蚀,分别占草地总面积的43.56%和22.72%;煤矿区超过土壤侵蚀容许模数的侵蚀面积占比达73.95%,主要发生微度和轻度侵蚀,分别占煤矿区总面积的26.05%和58.19%;裸地是极易发生土壤侵蚀的土地类型,侵蚀等级以轻度、中度和强烈为主,占裸地总面积的84.25%。

图3　六盘水市矿区分布

表3各土地利用类型土壤侵蚀面积分布特征

Table 3Distribution of soil erosion areas relative to land use

地类面积比例/%微度侵蚀轻度侵蚀中度侵蚀强烈侵蚀极强烈侵蚀剧烈侵蚀面积/km2比例/%面积/km2比例/%面积/km2比例/%面积/km2比例/%面积/km2比例/%面积/km2比例/%草地8.57164.4419.54366.5343.56191.1222.7285.0210.1031.513.742.760.34建设用地1.36122.3099.730.250.210.060.050.020.010.000.000.000.00旱地40.261279.1332.242272.7057.28384.879.7029.580.751.080.030.020.00裸地3.4836.8210.73153.2544.6796.3928.0939.4311.4916.064.681.130.34煤矿区6.89177.6026.05396.6758.1995.1313.9511.451.680.870.130.000.00水田2.97289.0899.750.510.180.140.050.040.010.020.010.000.00水域0.2826.3199.830.030.100.010.050.000.010.000.010.000.00有林地15.45506.7333.25652.0442.77240.1315.7589.565.8834.032.231.890.12其他林地3.6679.0621.93165.3745.8877.1721.4128.337.8610.072.790.480.13灌木林地16.83442.5226.70708.0342.71321.5019.39127.597.7054.123.273.870.23园地0.2511.0245.2111.6347.711.516.200.210.850.010.030.000.00

通过对不同土地利用类型土壤侵蚀状况的定量分析可知,研究区土壤侵蚀主要发生在人类负向干扰活动强烈的林地、草地、旱地、煤矿区和裸地,草地和裸地是最易发生强烈以上等级侵蚀的土地利用类型,因此要加强对六盘水市草地和裸地的防护和治理工作,尤其是要防止草地和裸地石漠化演变,一旦石漠化将不易恢复。林地多处于坡度大的地区,遇到暴雨冲刷时,也会引起轻度和中度土壤侵蚀。旱地和煤矿区属于人类影响作用强烈的地区,农牧区和工矿活动区内人类不合理的生产方式是导致侵蚀发生的主要原因,因此要重视农牧区和工矿区的水土保持工作,如采取等高耕作、平衡施肥和边开采边治理等措施。

3.3煤矿区土壤侵蚀的空间分布

3.3.1煤矿区分区土壤侵蚀

为了反映六盘水市煤矿区土壤侵蚀状况,将六盘水市分为南、北和东3个煤矿区域(图3～4),以钟山区和水城县134个煤矿为北区,以盘县101个煤矿为南区,以六枝特区40个煤矿为东区(表4～5)。

图4　南、北和东煤矿区土壤侵蚀强度分级

从煤矿区总体情况来看,煤矿区极强烈和剧烈侵蚀不明显,以微度、轻度和中度侵蚀面积占比较大,达98.17%,煤矿区中度侵蚀面积比例(表4)比六盘水市中度侵蚀面积比例(表3)高7.54百分点；从土壤侵蚀量强度来看,煤矿区中度侵蚀造成的土壤侵蚀量强度比例(表5)比六盘水市中度侵蚀量强度比例(表3)高15.45百分点,说明煤矿区与土壤侵蚀空间相关性较大。从煤矿分区来看,南部煤矿区土壤侵蚀较严重,中度及其以上土壤侵蚀量强度达50.33%,远大于北部和东部煤矿区,主要原因为盘县是六盘水市煤炭产业发展的最重要地区,大型煤矿有80%位于盘县,煤炭开采造成的崩塌、滑坡和泥石流等大型地质灾害,使得煤矿区植被覆盖和人为的土壤保持等抑制侵蚀因素作用变小。

表4煤矿区分区土壤侵蚀面积比例

Table 4Proportion of soil erosion in area in different coal mining areas

煤矿区不同等级侵蚀面积比例/%微度轻度中度强烈极强烈剧烈北部32.0958.908.390.560.050.00南部19.1958.4219.392.780.220.00东部40.4952.696.500.320.010.00全部26.0950.2521.831.700.140.00

表5煤矿区分区土壤侵蚀量强度比例

Table 5Percentages of soil erosions different in intensity in different coal mining areas

煤矿区不同等级侵蚀量强度比例/%微度轻度中度强烈极强烈剧烈北部6.9964.7324.892.980.410.00南部2.9946.6839.279.841.210.01东部9.0466.8622.081.966.510.00全部4.5940.7846.507.230.890.00

3.3.2典型煤矿区土壤侵蚀

六盘水市国有煤矿区土壤侵蚀状况(图2～3)显示,六盘水市大型国有企业煤矿区共8个,其中发耳煤矿和玉舍煤矿位于水城县,其他6个煤矿均位于盘县,由表6～7可知,大型国有煤矿区主要为轻度和中度侵蚀,侵蚀模数大于5 000 t·km-2·a-1侵蚀面积比例和侵蚀量强度比例均较小,无剧烈侵蚀。

表6国有煤矿区土壤侵蚀面积比例

Table 6Proportion of soil erosion in area in the state-owned coal mining areas

侵蚀等级侵蚀模数/(t·km-2·a-1)侵蚀面积比例/%发耳煤矿玉舍煤矿火铺煤矿土城煤矿松河煤矿响水煤矿月亮田煤矿金佳煤矿微度<50012.7667.7812.4114.5218.6422.7417.7838.09轻度500～<250067.0930.1568.0958.9558.3162.2058.8447.19中度2500～<500018.241.7218.4922.3419.6914.0019.6912.44强烈5000～<80001.770.281.013.783.061.043.372.21极强烈8000～150000.140.080.010.420.300.020.320.07

表7国有煤矿区土壤侵蚀量强度比例

Table 7Percentages of soil erosions different in intensity in the state-owned mining areas

侵蚀等级侵蚀模数/(t·km-2·a-1)侵蚀量强度比例/%发耳煤矿玉舍煤矿火铺煤矿土城煤矿松河煤矿响水煤矿月亮田煤矿金佳煤矿微度<5002.7320.732.411.912.534.603.216.68轻度500～<250052.9062.6857.2143.7346.2957.2444.5947.02中度2500～<500037.2511.6836.8040.4438.9333.7138.7935.01强烈5000～<80006.323.533.5511.9110.694.3111.7810.75极强烈8000～150000.811.390.032.011.560.141.630.53

在8个私营煤矿区中,保兴和攀枝花煤矿区位于水城县,其他6个私营煤矿均位于盘县,由表8～9可知,私营煤矿区侵蚀面积以轻度、中度为主,侵蚀量强度以轻度、中度和强烈为主,强烈侵蚀较明显,有剧烈侵蚀出现。

综上所述,私营煤矿区土壤侵蚀程度要比国有企业煤矿区严重,主要表现为强烈、剧烈等级侵蚀面积占比增大,就强烈及其以上等级的平均土壤侵蚀量强度占整个研究区域侵蚀量总强度而言,私营煤矿区达30%以上,国有煤矿区为9%,除个别自然因素以外,造成这种现象的原因是相对于私营煤矿国有企业煤矿的开采保护措施力度更大,开采后复垦工作更加到位。

表8私营煤矿区土壤侵蚀面积比例

Table 8Proportion of soil erosion in area in the private-owned mining areas

侵蚀等级侵蚀模数/(t·km-2·a-1)侵蚀面积比例/%祥兴煤矿红果煤矿攀枝花煤矿保兴煤矿梓木嘎煤矿上纸厂煤矿森林煤矿昌兴煤矿微度<50010.2229.434.968.253.6822.316.4110.22轻度500～<250045.1049.8961.7862.9249.0446.3544.9856.86中度2500～<500031.2513.1728.3923.6833.3718.3335.8925.64强烈5000～<800010.595.264.434.3010.709.2310.714.73极强烈8000～<150002.742.250.440.833.213.722.022.55剧烈≥150000.090.000.000.020.000.070.000.00

表9私营煤矿区土壤侵蚀量强度比例

Table 9Percentages of soil erosions different in intensity in the private-owned coal mining areas

侵蚀等级侵蚀模数/(t·km-2·a-1)侵蚀量强度比例/%祥兴煤矿红果煤矿攀枝花煤矿保兴煤矿梓木嘎煤矿上纸厂煤矿森林煤矿昌兴煤矿微度<5000.943.760.781.360.452.110.711.45轻度500～<250024.0736.8942.0543.9726.2227.0322.9435.94中度2500～<500040.8426.5343.2438.3939.8329.1645.8237.73强烈5000～<800023.8320.2111.9612.4023.1125.2223.3013.43极强烈8000～<150009.7712.621.963.7510.3916.047.2311.46剧烈≥150000.550.000.000.130.000.440.000.00

4讨论

由于RUSLE模型是经验统计模型,难以保持很高的精度,因此在运用该模型进行土壤侵蚀估算时模型因子计算的本地化尤为重要[23]。由于条件限制,该研究在这方面做得还欠缺。此外,模型中的地表植被覆盖因子和水土保持措施因子目前尚无统一的计算方法,在一定程度上影响了模型精度。

六盘水市土壤侵蚀主要发生在人类负向干扰活动强烈的林地、草地、旱地、煤矿区和裸地,草地和裸地是最易发生强烈以上侵蚀的土地利用类型,目前已成为六盘水市可持续发展的制约因素。因此,应该采取有效的保护和管理措施来防止生态环境恶化。建议加强对六盘水市草地和裸地的防护和治理工作,尤其要防止草地、裸地的石漠化演变。林地多处于坡度大的地区,遇到暴雨冲刷时,也会引起轻度和中度水土流失,要加强对高山区域的生态保护工作,护坡护林护草,有效保护好高山地区草地和林地。旱地和煤矿区属于人类影响作用强烈的地区,农牧区和工矿活动区人类不合理的生产方式是导致土壤侵蚀发生的主要原因,因此要重视农牧区和工矿区的水土保持工作,如采取等高耕作、平衡施肥和边开采边治理等措施。

针对煤矿区土壤侵蚀问题要重点加强对矿区土地复垦与生态重建研究,包括:土地复垦与生态重建的基础理论问题;矿区土地复垦与生态重建实用技术;煤矿区域土地与生态环境管理的综合研究;新技术的应用研究[24]。

所选用的卫星影像分辨率为30 m×30 m,而研究区域面积较小,在处理精度上不够精确,又因受数据的限制,主要采用小比例尺的土壤质地数据,因此后续研究中要提高数据源的精确性,且可选择多时相数据来反映研究区域土壤侵蚀情况的时空演变特征。

5结论

六盘水市土壤侵蚀以微度、轻度侵蚀为主,侵蚀严重的地区位于水城县东部和南部,六枝特区东部以及盘县中部。六盘水市土壤侵蚀主要发生在林地、草地、旱地、煤矿区和裸地,其中草地和裸地是最易发生强烈以上侵蚀的土地利用类型。六盘水市煤矿区土壤侵蚀以微度、轻度和中度为主,中度侵蚀造成的水土流失量最多,南部煤矿区土壤侵蚀比北部和东部严重,要重点加强南部煤矿区的矿区修复工作。煤矿开采时要做到边开采边治理,开采后要进行环境评估来科学地进行土地复垦工作。六盘水市私营煤矿区土壤侵蚀程度比国有煤矿区严重,要通过政策约束和政策激励,使私营煤矿区在开采和治理过程中注重水土保持。

参考文献：

[1]OLDEMAN L R.The Global Extent of Soil Degradation[R].Netherlands:[s. n.],1991.

[2]鄂竟平.中国水土流失与生态安全综合科学考察总结报告[J].中国水土保持,2008(12):3-7.

[3]兰敏.基于GIS的秦巴山区土壤侵蚀空间特征分析：以陕西省宁强县为例[J].干旱地区农业研究,2012,30(2):196-200.

[4]朱丽,秦富仓.露天煤矿开采项目水土流失量预测：以内蒙古锡林郭勒盟胜利矿区一号露天煤矿为例[J].水土保持通报,2008,28(4):111-115.

[5]刘宝元,谢云,张科利,等.土壤侵蚀预报模型[M].北京:中国科学技术出版社,2001:217-223.

[6]肖洋,欧阳志云,徐卫华,等.基于GIS重庆土壤侵蚀及土壤保持分析[J].生态学报,2015,35(21):7130-7138.

[7]田鹏,赵广举,穆兴民,等.基于改进RUSLE模型的皇甫川流域土壤侵蚀产沙模拟研究[J].资源科学,2015,37(4):832-840.

[8]龙天渝,乔敦,安强,等.基于GIS和RULSE的三峡库区土壤侵蚀量估算分析[J].灌溉排水学报,2012,31(2):33-37.

[9]王尧,蔡运龙,潘懋.贵州省乌江流域土壤侵蚀模拟：基于GIS、RUSLE和ANN技术的研究[J].中国地质,2014,41(5):1735-1747.

[10]RENARD K G,FOSTER G R,WEESIES G A,etal.Predicting Soil Erosion by Water:A Guide to Conservation Planning With the Revised Universal Soil Loss Equation (RUSLE)[K]∥USDA Agricultural Handbook.[s. l.]:[s. n.],1997.

[11]WISCHMEIER W H,SMITH D D.Predicting Rainfal Erotion Loss Cropland East of the Rocky Mountains[K]∥USDA Agricultural Handbook.[s. l.]:[s. n.],1965.

[12]WILLIAMS J R.The Erosion-Productivity Impact Calculator(EPIC) Model:A Case History[J].Royal Society of London Philosophical Transactions,1990,329(1255):421-428.

[13]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.

[14]邓辉.基于遥感和GIS的泸定县生态地质环境质量评价[D].成都：成都理工大学,2011.

[15]杨洁,郭晓敏,宋月君,等.江西红壤坡地柑橘园生态水文特征及水土保持效益[J].应用生态学报,2012,23(2):468-474.

[16]GUTMAN G,IGNATOV A.The Derivation of the Green Vegetation Fraction From NOAA/AVHRR Data for Use in Numerical Weather Prediction Models[J].International Journal of Remote Sensing,1998,19(8):1533-1543.

[17]邓辉,何政伟,陈晔,等.基于GIS和RUSLE模型的山地环境水土流失空间特征定量分析:以四川泸定县为例[J].地球与环境,2013,41(6):669-679.

[18]陆建忠,陈晓玲,李辉,等.基于GIS/RS和USLE鄱阳湖流域土壤侵蚀变化[J].农业工程学报,2011,27(2):337-344.

[19]高峰,华璀,卢远,等.基于GIS和USLE的钦江流域土壤侵蚀评估[J].水土保持研究,2014,21(1):18-22,28.

[20]李奎,岳大鹏,刘鹏,等.基于GIS与RUSLE的榆林市土壤侵蚀空间分布研究[J].水土保持通报,2014,34(6):172-178.

[21]SL 190—2007,土壤侵蚀分类分级标准[S].

[22]倪晋仁,李英奎.基于土地利用结构变化的水土流失动态评估[J].地理学报,2001,56(5):611-621.

[23]陈贵廷.基于“3S”技术的呼伦贝尔土壤侵蚀研究[D].兰州：甘肃农业大学,2009.

[24]卞正富.我国煤矿区土地复垦与生态重建研究[J].资源·产业,2005,7(2):18-24.

(责任编辑： 李祥敏)

Evaluation of Soil Erosion of Liupanshui City Based on Revised Universal Soil Loss Equation(RUSLE).

YIN Lu， YAN Qing-wu， BIAN Zheng-fu

(School of Environment Science and Spatial Informatics, China University of Mining and Technology, Xuzhou 221116, China)

Abstract:Mining mineral resources will easily lead to destruction of land resources and deterioration of eco-environment in mining areas. In order to explore effect of coal mining on soil erosion and evaluate the situation of soil erosion in Liupanshui, a major coal mining based city in Southwest Guizhou Province, based on related soil texture, terrain, meteorology, land cover and land use data, status quo and spatial distribution of soil erosion in the city was studied and characterized, with emphasis on distribution of soil erosion in the mining area using the RUSLE model and GIS spatial analysis method. Results show that the soil erosion in Liupanshui is mostly mild and moderate, with severe erosion distributed only in the east and south of Shuicheng County, the east of Liuzhi Special Zone and the central of Panxian County; that soil erosion mainly occurs in woodlands, meadows, dry lands, mining area and bare land where human disturbance is intense; that the mining area in the south of Liupanshui is quite severe in soil erosion as compared with others, but yet dominated with moderate erosion, mainly because mining activities triggers geological disasters which in turn lower the effect of soil erosion controlling factors; and that the situation of private-owned coal minings is much worse than that of state-owned ones. It is, therefore, important for private-owned coal minings to intensify protection and management of the land resources in the process of coal mining.

Key words:GIS;soil erosion;RULSE;coal mining area

收稿日期：2015-11-08

基金项目：国家科技基础性工作专项(2014FY110800);江苏高校优势学科建设工程基金(PAPD)

中图分类号：S157；X87

文献标志码：A

文章编号：1673-4831(2016)03-0389-08

DOI：10.11934/j.issn.1673-4831.2016.03.009

作者简介：尹璐(1990—),女,山东济宁人,硕士生,主要研究方向为矿区土地退化空间分析。E-mail: yinlu112233@163.com.

① 通信作者E-mail: 765427936@qq.com