基于Mann-Kendall方法的水土流失时空格局变化

江振蓝

(闽江学院 地理科学系, 福州 350108)



基于Mann-Kendall方法的水土流失时空格局变化

江振蓝

(闽江学院 地理科学系, 福州 350108)

实时准确把握水土流失的时空变异规律是制定合理有效水土流失防治措施的基础。利用RUSLE方程对浙江省安吉县2000—2012年的水土流失风险进行估算，获取共13期(每年1期)的水土流失时间序列数据。在此基础上，利用Mann-Kendall方法进行水土流失时空格局变化分析。结果表明：研究期间安吉县水土流失风险呈现显著上升趋势，具体表现为遭受水土流失风险范围呈现显著增长的同时，遭受水土流失的风险等级也呈现显著上升趋势。利用Mann-Kendall方法进行水土流失变化分析，较空间叠加分析方法更能真实地反映水土流失的时空格局变异规律，所得结果更为详实，更符合实际，可为水土流失的长时间序列动态变化分析提供新思路。

Mann-Kendall方法; 水土流失; 时空格局; 趋势分析

我国是世界上水土流失最为严重的国家之一，严重的水土流失不仅破坏地力，而且污染环境，是生态环境恶化的集中反映，已成为中国面临的头号环境问题，对我国的生态安全构成严重威胁[1-3]。因此，我国的大多数地方急需进行水土流失治理。要治理水土流失，我们必须明确水土流失的范围、程度及发生发展规律。遥感具有规则重复观测能力，可以提供大区域的同质数据，为区域水土流失长期动态监测提供了可能。如杨洁和汪邦稳基于CSLE模型对赣南地区1980年、1998年、2008年的水土流失进行评价，揭示其近30 a的水土流失变化规律[4]。Jiang等利用USLE方程估算浙江省安吉县1985年、1994年、2003年、2008年水土流失风险，分析了1985—2008年水土流失的时空动态变化特征[5]。王红岩等对红水河干流区1990年、2000年和2010年的水土流失敏感性进行了评价，并对其时空动态进行了监测分析[6]。然而，前人的这些研究，大多基于研究期间的两期或几期数据进行叠加分析其时空变化规律，揭示的仅是相应年份水土流失的变化情况，而对于期间水土流失的变化趋势如何，却很难做出判断。

Mann-Kendall检验法为充分揭示水土流失的变化趋势提供了可能。该方法是世界气象组织推荐并已广泛使用的非参数检验方法，不需要样本遵从正态分布，也不受少数异常值的干扰，计算简便[7]，被广泛应用在水文(径流、水质等)，气象(气温、降水等)，土壤湿度，植被等的趋势分析中[8-12]。其优点在于检测范围宽、人为影响小、定量化程度高。笔者利用Mann-Kendall方法，对浙江太湖苕溪流域植被随时间序列变化的特征进行分析，研究结果不仅从统计学意义上揭示植被随时间的变化趋势，还揭示植被发生突变的时间段[12]。本文以2000—2012年13期时间序列的水土流失数据为基础，将Mann-Kendall检验方法引入到水土流失时空格局变化分析中，以期为水土流失的动态变化分析提供新思路。

1　研究区概况

安吉县地处太湖西南部、浙江西北部、天目山北麓。位于东经119°14′—119°53′，北纬30°23′—30°53′，属于典型的亚热带海洋性季风气候。境内地形起伏高差大，具有明显的垂直气候特征。安吉县生态环境优良，2006年成为中国的第一个“生态县”，全县森林覆盖率达到71%。该县坚持以“生态经济”为立县之本，生态农业、生态工业和生态旅游已成为其主要的支柱产业。但由于近些年白茶种植和竹林开发，造成了大量林地的破坏，加剧了水土流失，已成为当地的主要生态环境问题之一[13]。

2　研究数据与处理

遥感数据主要用于土地利用分类和确定地表植被覆盖(C)因子，包括TM(Landsat Thematic Mapper)影像，中巴资源卫星(CBERS)影像，中巴资源卫星环境与灾害监测预报卫星(HJ-1 A /1 B星)影像和ALOS (Advanced Land Observation Satellite)影像。具体的数据见表1。

表1　遥感数据一览表

其他的数据包括1∶10 000地形图用于计算坡度坡长(LS)因子；1∶50 000土壤图用于获取土壤可蚀性(K)因子；安吉及周边11个站点的月均降雨量，用于计算降雨侵蚀力(K)因子。

空间数据均采用横轴墨卡托投影(UTM)50 N带，生成的空间数据层均采样成30 m的空间分辨率。

3　研究方法

3.1水土流失量估算

本文采用修正型通用土壤流失方程(RUSLE)进行水土流失估算，其表达式为：

A=R×K×LS×C×P

式中：A——年平均水土流失量[t/(hm2·a)]；R——降水侵蚀力因子[(MJ·mm)/(hm2·h·a)]；K——土壤可蚀性因子[(t·h)/(MJ·mm)]；L——坡长因子；S——坡度因子；C——地表植被覆盖因子(0～1)；P——水土保持因子(0～1)。R因子值采用安吉及周边11个站点的月均降雨量进行估算，然后运用回归拟合的方法进行空间化；K值采用Williams等在EPIC模型中提出的方法，即利用土壤有机碳含量和土壤颗粒分布进行计算；LS因子值利用Wischmeier和Smith设计的经验模型进行计算；C因子值综合采用遥感分类法和线性像元分解法确定；P值是在对研究区实际考察的基础上，结合经验值，水田的P值确定为0—1，其他地类基本上没有采用水保措施，P值为1。各因子具体的计算方法和步骤见参考文献[5]和[13]。

利用以上步骤所构建的水土流失评估方法，对安吉县2000—2012年13个年份(每年1期)的水土流失进行估算，获得研究区相应年份的年均土壤流失量A。为了更直观地分析水土流失的动态变化规律，将土壤流失量按中华人民共和国水利部公布的《土壤侵蚀分类分级标准》进行划分[14]，共分为：微度(无明显)侵蚀[<500 t/(km2·a)]、轻度侵蚀[500～2 500 t/(km2·a)]、中度侵蚀[2 500～5 000 t/(km2·a)]、强烈侵蚀[5 000～8 000 t/(km2·a)]、极强烈侵蚀[8 000～15 000 t/(km2·a)]和剧烈侵蚀[>15 000 t/(km2·a)]六个等级，获得相应年份的水土流失风险图。

水土流失估算精度验证主要是通过实地调查，结合1 m分辨率的DOM影像、DEM和土地利用类型图，参照中华人民共和国水利部颁布的土壤面蚀分级标准和按土壤发生层的侵蚀程度分级标准[14]，在每个年份的遥感影像图上选取240个点进行土壤侵蚀分级，形成土壤侵蚀精度检验的参照数据。运用混淆矩阵和参照数据对其进行精度检验，以总体精度和Kappa系数两个指标对模型估算结果的可靠性进行检验[5,15]。2000—2012年水土流失风险图的总体精度均大于89%，Kappa系数均大于0—85(表2)。

表2　安吉县2000-2012年水土流失估算精度评价

3.2利用Mann-Kendall检验法分析水土流失变化规律

Mann-Kendall检验法的趋势检验假设数据的序列为x1，x2，…，xn(n≥10[16])，Mann-Kendall统计量(Sk)由方程(1)计算：

(1)

趋势的变化由式(2)计算的UFk检验值判断。

(2) 式中：UF1=0，E(Sk)和var(Sk)——Sk的均值和方差。

UFk将组成一条序列变化曲线，如果该曲线落在置信区间(-Ua/2,+Ua/2)内，那么原序列不存在显著变化趋势，反之，原序列存在显著的变化趋势。若UFk>0，表明序列具有上升趋势；UFk<0则表明序列具有下降趋势。

本文给定显著性水平a=0.05，置信区间为(-1.96，1.96)，运用Mann-Kendall趋势检验进行水土流失风险随时间变化的趋势分析。若UFk值大于0，则表明水土流失风险呈上升的趋势，小于0则表明呈下降趋势。UFk若落在(-1.96，1.96)区间，即当|UFk|<1.96时，变化趋势不显著，反之变化趋势显著。

4　结果与分析

4.1水土流失的时空变化特征

2000年和2012年水土流失统计结果见图1。为了更直观地说明安吉县水土流失的时空动态变化规律，将2000年和2012年水土流失风险图进行叠加，并将其变化类型分为三类，即水土流失未发生变化区域：2000年和2012年水土流失风险等级保持不变的区域；水土流失恶化区：2012年较2000年水土流失风险等级上升的区域；水土流失恢复区：2012年较2000年水土流失风险等级下降的区域(图2)。

图1安吉县2000年，2012年各风险流失区比重

图2安吉县2000-2012水土流失变化

从图1可以直观看出，在2000—2012年，安吉县遭受水土流失风险的范围在扩大，遭受的风险等级在增加，具体表现为无明显流失区从2000年占全县面积的86.35%下降至2012年的81.07%，而轻度、中度、强烈、极强烈和剧烈流失区则呈现扩展趋势，水土流失总体上呈现恶化趋势。其中：剧烈流失区扩展速度最为迅速，从2000年的3.17%扩展至2012年的6.06%，超过了轻度流失区(5.82%)，成为2012年比重最大的水土流失风险等级，其后依次为极强烈、强烈、轻度和中度流失区。图2进一步说明研究区水土流失状况的这种变化趋势，水土流失恶化区明显大于水土流失恢复区，前者(占全县面积8.84%)为后者(占全县面积2.81%)的3倍多，水土流失过程以恶化为主，呈现出明显的恶化趋势。

4.2基于Mann-Kendall检验的水土流失时空格局变化

在95%的置信水平下，置信区间为(-1.96，1.96)，对2000—2012年的水土流失风险进行Mann-Kendall检验，结果如图3所示。

图3基于Mann-kendall检验的2000-2012年水土流失变化趋势

对图3进行统计，水土流失风险显著下降的占0.91%，不显著下降的占7.95%，而显著上升的占2.26%，不显著上升的占12.80%，说明研究期间水土流失风险变化以不显著变化类型为主，但显著恶化区域大于显著恢复区，不显著恶化区域大于不显著恢复区，全区水土流失呈现恶化趋势，与空间叠加分析法所揭示变化规律一致。

为了定量说明Mann-Kendall检验法和空间叠加分析法研究结果的异同性，将Mann-Kendall检验的水土流失变化趋势(图3)分为水土流失恶化区(UFk>0)、水土流失不变区域(UFk=0)和水土流失恢复区(UFk<0)三类，得到基于Mann-Kendall检验的水土流失变化类型图，与图2(空间叠加分析结果)进行叠加，统计结果见表3。

由表3可知，Mann-Kendall检验法和空间叠加分析法分析结果的异同性主要体现在：(1) 基于空间叠加分析的绝大部分水土流失变化区域(恶化区的94.5%和恢复区的92.9%)在Mann-Kendall检验结果中仍保持相应的变化类型不变；(2) 空间叠加分析的水土流失不变区域明显大于Mann-Kendall检验结果，前者为88.3%，后者为76.1%；(3) 空间叠加分析相对于Mann-Kendall检验法减少的水土流失不变区域大致50%(各占全县的6%)分别在Mann-Kendall检验结果中表现为水土流失恢复区和水土流失恶化区，使得Mann-Kendall检验中的水土流失恢复区和水土流失恶化区较空间叠加分析结果明显增加，分别为空间叠加分析结果中恢复区和恶化区的3.2倍和1.7倍。

表3　Mann-Kendall检验法和空间叠加分析法的结果对比

综合以上，说明利用Mann-Kendall 检验方法不仅能够发现利用空间叠加分析方法探测到的绝大部分变化区域，还可以揭示空间叠加分析未能探测到的变化区域。这主要是由于水土流失在研究期间呈现波动式变化，空间叠加方法仅利用2000年、2012年的现状数据进行水土流失变化分析，其分析结果为2000年和2012年水土流失两年间的变化情况，无法揭示期间水土流失变化的波动特征，而Mann-Kendall 检验利用2000—2012年13个年份的水土流失数据进行时间序列变化分析，揭示的是2000—2012年水土流失间随时间的变化趋势，能够充分挖掘期间水土流失变化的真实情况，其分析结果更符合实际。

4.3基于Mann-Kendall检验的各风险流失区面积的变化趋势

在95%的置信水平下，置信区间为(-1.96，1.96)，对2000—2012年各等级风险流失区面积变化进行Mann-Kendall检验，结果如图4所示。

由图4可知，除微度(无明显)流失区呈显著减少趋势外(UFk=-3.54)，轻度、中度、强烈、极强烈和剧烈流失区均呈显著增加趋势，说明研究区遭受水土流失风险范围显著扩大，遭受风险等级显著上升，这与空间叠加分析法所揭示的水土流失变化规律一致。但轻度、中度、强烈、极强烈和剧烈流失区的UFk值分别为2.44，2.81，4.15，4.03，2.07，表明强烈流失区的扩展最为迅速，其次为极强烈风险区，而剧烈流失区的扩展速度相对较小，这与空间叠加分析法所揭示的各等级风险流失的变化速度排序(扩展速度从大到小依次为剧烈、极强烈、强烈、轻度和中度流失区)不相一致。这主要是由于各风险类型面积的变化随时间并非线性变化，而是呈波动式变化，利用两个现状数据进行对比分析，可能扩大或掩盖水土流失的变化情况，掩盖水土流失的真实情况。如剧烈流失区面积在2000—2001年略有减少后，经历了2001—2003年、2003—2005年、2005—2008年、2008—2010年的升—降—升—降—升的波动上升过程(图4F)，仅利用2000年的面积(较小)和2012年的面积(最大)进行简单的叠加对比分析，造成2012年较2000年剧烈流失区扩展面积大，扩大了这种变化趋势，忽视了期间的波动变化特征，造成了剧烈流失区的扩展速度最快的假象。

图42000-2012年各风险等级流失区面积变化的Mann-Kendall检验

为了更好地说明这一问题，以2000—2012年不同时间间隔，即1 a，2 a，3 a，4 a，6 a和12 a的水土流失风险图进行叠加分析，统计如图5所示。由图5可知，基于空间叠加的水土流失变化分析，随着研究时间间隔的不同，其分析结果也可能不尽相同。如以1 a时间间隔的水土流失变化波动最为剧烈，不同年份之间的变化没有明显的规律；以2 a时间间隔的水土流失变化表现为除2000—2002年变化不大外、2002—2004年、2006—2008年、2010—2012年水土流失恶化速度大于恢复速度，水土流失呈现恶化趋势，而2004—2006年、2008—2010年水土流失则呈相反的变化趋势；以3 a时间间隔的水土流失变化分析结果表明2003—2006年，水土流失状况有所缓解，而其他时段水土流失呈现恶化趋势；4 a，6 a和12 a时间间隔的水土流失变化分析结果均表明水土流失恶化速度大于水土流失恢复速度，水土流失呈现恶化趋势。

综上所述，基于空间叠加的水土流失变化分析，随着研究时间尺度的不同，得到的结果可能是不同的，具有一定的不确定性。但随着研究时间间隔增长，水土流失变化规律趋于稳定，变化的总体规律得到体现。但该方法利用两个时间段的数据进行比较分析，无法体现期间的波动变化特征，将有可能夸大或掩盖水土流失变化的真实情况。而Mann-Kendall检验方法则是以2000—2012年每年1期共13期数据进行变化趋势分析，能够充分体现研究期间水土流失的波动变化特征，较空间叠加分析方法所得结果更为详实，更符合实际，能真实地反映水土流失的时空格局变化趋势，可为水土流失的动态变化分析提供新方法。

图5不同时间尺度的水土流失风险变化规律

5　结 论

(1) 2000—2012年，安吉县遭受水土流失风险呈现上升趋势，不仅遭受水土流失风险的面积在扩展，遭受风险等级也在增强，水土流失情况呈恶化趋势。

(2) 基于Mann-Kendall检验方法和空间叠加分析法揭示的安吉县水土流失变化趋势总体上一致，但Mann-Kendall检验方法所揭示的水土流失恶化区和恢复区面积明显大于空间叠加分析结果，利用Mann-Kendall检验方法不仅能够发现利用空间叠加分析方法探测到的绝大部分变化区域，还可以揭示空间叠加分析未能探测到的变化区域。这主要是基于时间序列数据的Mann-Kendall检验方法用于水土流失时空动态变化分析，可以充分挖掘研究期间水土流失变化的波动特征，充分揭示可能被空间叠加分析方法夸大或掩盖的水土流失真实变化情况，分析结果更为详实、合理。

(3) 基于Mann-Kendall检验的水土流失变化趋势分析，不仅可以从空间可视化角度有效地揭示水土流失的时空变化格局，还可从统计学定量化角度揭示水土流失的变化趋势，其分析结果能真实地反映水土流失的时空格局变化趋势，可为水土流失的动态变化分析提供新思路。

[1]Fu B. Blue skies for China[J]. Science,2008,321(5889):611-611.

[2]Ouyang W, Skidmore A K, Hao F, et al. Soil erosion dynamics response to landscape pattern[J]. Science of the Total Environment,2010,408(6):1358-1366.

[3]Yang T, Xu C, Zhang Q, et al. DEM-based numerical modelling of runoff and soil erosion processes in the hilly-gully loess regions[J]. Stochastic Environmental Research and Risk Assessment,2012,26(4):581-597.

[4]杨洁,汪邦稳.赣南地区碎土流失的时空变化和评价研究[J].中国水土保持,2011(12):10-12.

[5]Jiang Z L, Su S L, Jing C W, et al. Spatiotemporal dynamics of soil erosion risk for Anji County, China[J]. Stochastic Environmental Research and Risk Assessment,2012,26(6):751-763.

[6]王红岩,李强子,吴利桥,等.基于RS和GIS的水土流失敏感性评价及动态监测[J].水土保持研究,2015,22(2):64-68.

[7]Mann H B. Nonparametric tests against trend[J]. Econometrica: Journal of the Econometric Society,1945,13:245-259.

[8]Zhang Q, Xu C, Tao H, et al. Climate changes and their impacts on water resources in the arid regions:a case study of the Tarim River basin, China[J]. Stochastic Environmental Research and Risk Assessment,2010,24(3):349-358.

[9]Yue S, Pilon P, Cavadias G. Power of the Mann-Kendall and Spearman′s rho tests for detecting monotonic trends in hydrological series[J]. Journal of Hydrology,2002,259(1):254-271.

[10]张建云,章四龙,王金星,等.近50 a来中国六大流域年际径流变化趋势研究[J].水科学进展,2007,18(2):230-234.

[11]徐宗学,张玲,阮本清.北京地区降水量时空分布规律分析[J].干旱区地理,2006,29(2):186-192.

[12]江振蓝,荆长伟,李丹,等.运用Mann-Kendall方法探究地表植被变化趋势及其对地形因子的响应机制:以太湖苕溪流域为例[J].浙江大学学报:农业与生命科学版,2011,37(6):684-692.

[13]江振蓝,苏世亮,荆长伟,等.基于探索性空间数据分析的安吉县水土流失空间变异规律研究[J].浙江大学学报:理学版,2011,38(6):708-715.

[14]中华人民共和国水利部.土壤侵蚀分类分级标准[M].北京:中国水利水电出版社,2007.

[15]江振蓝.水土流失时空过程及其生态安全效应研究:以浙江省安吉县为例[D].杭州:浙江大学,2013.

[16]Su S, Li D, Zhang Q, et al. Temporal trend and source apportionment of water pollution in different functional zones of Qiantang River, China[J]. Water Research,2011,45(4):1781-1795.

Analysis on Spatiotemporal Dynamics of Soil and Water Loss by Using Mann-Kendall Approach

JIANG Zhenlan

(Department of Geographical Sciences, Minjiang University, Fuzhou 350108, China)

Accurate and timely information on spatiotemporal dynamics of soil loss is crucial for making effective soil and water conservation measures. By using RUSLE formula, an estimation was made on soil loss risks in Anji County of Zhejiang Province during the period from 2000 to 2012, and time series data of soil loss were thus obtained for 13 periods (one period per year). Then an analysis was made on spatiotemporal dynamics of soil and water loss by using Mann-Kendall approach. The results showed an evident trend of increasing risk of soil loss in the county during the study periods, when the area of soil and water loss obviously increased, the level of risk also showed an obvious trend of increase. Mann-Kendall approach, in comparison with spatial overlapping approach, can reveal spatiotemporal dynamics of soil and water loss more accurately and specificly. This approach can provides a new perspective on the analysis of long-term dynamics of soil and water loss.

Mann-Kendall approach; soil and water loss; spatiotemporal dynamics; trend analysis

2015-10-07

2015-11-18

福建省测绘地理信息局项目(2014M02);福建省教育厅项目(JA12267);福州市科技计划项目(2014S130);闽江学院项目(YKQ13005)

江振蓝(1977—),女,福建政和人,副教授,主要从事资源与环境遥感研究。E-mail:jessie33 cn@163.com

S157

A

1005-3409(2016)02-0060-06