2000—2015江淮分水岭区域土壤侵蚀动态变化

毛晶晶，汪光胜

(滁州学院 地理信息与旅游学院，安徽 滁州 239000 )

2000—2015江淮分水岭区域土壤侵蚀动态变化

毛晶晶，汪光胜

(滁州学院 地理信息与旅游学院，安徽 滁州 239000 )

基于GIS和RS技术，利用江淮分水岭2000年、2005年、2010年、2015年4期遥感影像数据，计算并对比该区域4期的土壤侵蚀量，达到对江淮分水岭土壤侵蚀时空动态监测。结果表明：1)江淮分水岭区域土壤侵蚀空间分布主要为皖西山地丘陵区，皖东环滁低山丘陵地带，微度和轻度侵蚀的土壤面积占总面积的99%以上。2)江淮分水岭区域15 a间土壤侵蚀模数总体下降14.21 t/(km2·a)，各等级土壤侵蚀面积向微度侵蚀转移，土壤侵蚀状况总体发生好转。3)15 a间江淮分水岭区域土地利用类型转变明显，耕地面积减少2 208.17 km2(7.23%)，林地、水体面积分别增加133.76 km2(2.80%)、552.34 km2(15.71%)。植被覆盖度的提高和水域面积的增加是土壤侵蚀改善的根本因素。

土壤侵蚀；USLE；江淮分水岭

土壤是地球陆地表面的薄弱层，是人类赖以生存的基本环境资源，而土壤侵蚀已成为当今全球环境变化的热点问题[1]，得到国内外学者的广泛关注[2-3]。USLE模型是目前应用最为广泛的土壤侵蚀模型，最先由美国学者提出，并进行了科学研究[4-5]，形成了较为完整的研究体系。20世纪80年代后，开始引入我国，我国学者主要从土壤侵蚀的区域分布[6]和时间变化[7]角度展开定量研究，研究区域多为省域[8]、河流流域[9]以及地形区[10]等。这些研究大多采用GIS与USLE模型相结合的方式，或是对USLE模型进行局部优化，在土壤侵蚀研究中取得了丰富成果。

随着经济的快速发展，江淮分水岭地区人类活动不断加强。而目前这种强烈的人类活动对该区域土壤侵蚀状况是否产生影响，土壤侵蚀是否发生明显变化鲜有报道。因此，本文基于USLE模型，估算江淮分水岭区域2000—2015 4个不同时期的土壤侵蚀量，以达到对土壤侵蚀空间布局、时间变化的动态监测，从而为江淮分水岭区域水土保持规划和土地利用结构优化等提供科学有效的指导。

1 研究区概况及数据来源

1.1 研究区概况

以江淮分水岭位于安徽省内部的区域为研究区域，研究区面积约4×104m2，海拔在100～300 m之间，包括合肥、滁州、蚌埠、六安等16个市(区、县)。该区域属于暖温带与亚热带的过渡气候区，年均降水量900 m，雨量相对充沛。研究区的土壤以黄棕壤和粗骨土及黑色石灰土、紫色土、石质土等为主，土层大多浅薄、抗侵蚀能力弱，水土流失成为该区域一个重要的生态[11]问题。

1.2 数据来源

影像数据为覆盖安徽省2000年、2005年、2010年和2015年(影像获取时间均为7月份)的Landsat TM、ETM遥感影像，影像的地面分辨率为30 m；土壤数据为全国第二次土壤普查结果1∶50万的安徽省土壤分布类型图；地形数据为栅格分辨率1∶50万的安徽省DEM数据；降水量数据来源于滁州、蚌埠、合肥等19个离散分布于江淮分水岭及周边区域的气象站点逐日地面观测数据，周边区域站点数据参与空间插值处理，数据获取时间为1953—2015。

使用ENVI软件对影像进行拼接，利用江淮分水岭行政矢量文件进行裁剪，并在ArcGIS10.0软件中，参照安徽省1︰50万地形图，对影像进行几何校正；采用高斯—克吕格投影和二项式校正，配准精度均小于0.5个像元。

采用监督分类与目视解译相结合的方式，参照中国科学院土地利用覆盖分类体系，将土地利用类型分为林地、草地、耕地、水体、建设用地和未利用地6大类。2000年与2015年土地利用分类如图1所示，由图1可以看出，15 a间江淮分水岭土地利用类型分布发生了明显的变化，以建设用地的变化最为明显。

图1 2000年(左图)、2015年(右图)江淮分水岭区域土地利用分类

2 研究方法

2.1 USLE土壤流失方程

基于GIS平台，采用美国农业部1978年刊出的通用土壤流失方程(USLE)，该模型主要受降雨因子、地形因子、土壤侵蚀因子、土地利用因子的影响，并被广泛应用于土壤侵蚀的定量计算和分析[12-13]。

通用土壤流失方程USLE基本形式为[7]：

A=R·K·L·S·C·P.

(1)

式中:A表示土壤侵蚀量,( t/hm2·a)；R表示降雨侵蚀力因子,(MJ·mm·hm-2·h-1·a-1)；K表示土壤可蚀性因子,(t/m·J)；L表示坡长因子,m；S表示坡度因子,%；C表示覆盖与管理因子；P表示水土保持因子。

2.2 降雨侵蚀力因子R值

R值是反映一个区域土壤侵蚀性降雨宏观特征的重要指标，反映了土壤的潜在侵蚀能力，主要受降水相关的综合因素影响。本文根据安徽省降水与多年总结的侵蚀特性，采用基于月平均降水量和年降水量的经验公式，公式[14]为

(2)

式中：pi为第i月平均降水量,mm；p为年降水量,mm。计算江淮分水岭区域各站点平均侵蚀力度，结果见表1。

表1 江淮分水岭区域各站点年平均降雨量及年平均侵蚀力度

由表1可知，江淮分水岭区域多年年均降水量在1 000 mm左右，南部整体高于北部；年均侵蚀力度多数分布在250～400(MJ·mm)/(hm2·h·a)之间，年均侵蚀力度与年均降水量分布一致性较好，部分地区出现年均降水量高，而年均侵蚀力度较低的现象，这主要是因为这些地区月降水量相对均衡。

2.3 土壤可蚀性因子K值

K值本身是土壤抵抗水蚀能力大小的一个相对综合指标，K值的大小通常与土壤有机质含量、土壤质地、土壤结构、土壤通透性具有相关性。K值越大，其抗冲蚀能力越小，反之其抗冲蚀能力越强。本研究结合江淮分水岭流域1∶50万的土壤类型图采用EPIC模型中的K值估算公式[15]，计算不同土壤类型的K值，公式如下：

(3)

式中：Wd为砂粒含量,%；Wi为粉粒含量,%；Wt为黏粒含量,%；Wc为有机碳含量,%。其中,K值的单位为国际制，(t·hm2·h)/(MJ·hm2·mm)，结果如表2所示。

表2 江淮分水岭区域各土壤类型K值

2.4 地形因子LS值

地形因子LS表示在其他地理环境因子相同的条件下，某一给定坡度和坡长的坡面上，土壤流失量与标准径流小区土壤流失量的比值，该因子反映了地形起伏对土壤侵蚀的增减作用，一般情况下，侵蚀作用会随着坡度的增高、坡长的增大加剧[16]。基于DEM数据提取坡度因子S，采用参考Liu[17]等改进的坡度公式进行坡度计算。

(4)

式中：S表示坡度因子，θ为像元坡度，(°)。

坡长因子L需标准化到22.13 m的标准小区上，美国规定的标准小区表达坡度为9%，宽2 m，坡长为22.13 m，并连续保持顺坡耕作裸露休闲状态，坡长为λ(m)坡地上的平均侵蚀量，公式为

L=(l/22.13)m.

(5)

式中：L表示坡长因子，l表示像元坡长，l的计算见式(6)，m表示坡长指数，m的取值见式(7)。

(6)

式中：li为第i个像元坡长，Di为沿径流方向第i像元坡长的水平投影距离(在栅格图像中为两相邻像元中心距，随方向而异)；θi为第i个像元的坡度，(°)；i为自山脊像元至待求像元个数。

(7)

式中：β为像元坡度比,%。

2.5 覆盖管理因子C值及水土保持因子P值

地表覆盖因子C是指在相同的土壤、坡度和降雨条件下，某一特定作物或植被下的土壤流失量与耕种过后连续休闲地的土壤流失量比值[18]。由于地表植被覆盖状况的不同，土壤侵蚀的抑制力大小也不同，当植被覆盖率低时，C值为1。当水土保持状况较好时，C值为0。根据长江中下游地区的地表覆盖因子C的取值见表3。

水土保持措施因子P是指特定保持措施下的土壤流失量，与未实施保持措施之前相应地块顺坡耕作时的土壤流失量之比值。土壤保持措施主要通过调整水流汇流方向、减少斜坡坡度、径流量、径流速。当P值为1，表示未采用任何保持措施的区域；当P值为0，表示不可能发生土壤侵蚀的区域，即水体。本文依据汤丽洁在巢湖流域水土流失评估成果[16]并结合安徽省土地利用及农事活动情况，对P进行赋值,见表3。

表3 各地类C值、P值

3 结果与分析

3.1 土壤侵蚀的空间分布

在ArcGIS软件中利用通用土壤流失方程对各因子进行栅格计算。得到2000—2015 4个典型时期的土壤侵蚀空间分布(见图2)。为量化江淮丘陵土壤侵蚀空间分布状况，依据水利部划分的土壤侵蚀等级[19]，对江淮分水岭区域的土壤侵蚀强度等级进行划分，并统计研究区2000—2015各等级土壤侵蚀面积(见表4)。

图2 2000—2015江淮分水岭区域土壤侵蚀模数

侵蚀等级平均侵蚀模数/[t/km2·a]2000年2005年2010年2015年面积/km2比例/%面积/km2比例/%面积/km2比例/%面积/km2比例/%微度<500400001296746399688996671401606797136404327797801轻度500～25001203842912122572229651093682645827972003中度2500～50001008002441106502686052014654810133强烈5000～800025920063261100632002004818760045极强8000～15000115200281227003086500215770014剧烈>1500028800071440003154000400

由图2和表4可以看出，江淮分水岭区域土壤侵蚀程度总体较低，且有进一步减轻的趋势，4个时期的微度侵蚀的面积占比均在96%以上，中度侵蚀、强烈侵蚀、极强侵蚀和剧烈侵蚀的总占比不足0.4%，其中,2015年江淮分水岭区域剧烈侵蚀等级的面积近似为0。土壤侵蚀较严重的区域主要分布在皖西山地丘陵区、皖东环滁低山丘陵地带、巢湖西南侧低山丘陵带；西南部侵蚀较强，但有明显减轻的趋势，其他区域土壤侵蚀变化并不明显。

3.2 土壤侵蚀的时间变化

对2000—2015期间研究区土壤侵蚀面积数据进行变化量和变化率的统计见表5，由表5可知，微度侵蚀和剧强侵蚀的土壤面积前一时期减少，后增加，且轻微侵蚀增加幅度不断提高；剧烈侵蚀土壤面积变化量均较小；其他侵蚀等级的土壤面积均前一阶段增加后一阶段减少，其中轻度减少量最大，且减少幅度快速增加。说明2000—2005土壤侵蚀强度整体有所增强，2005—2010和2010—2015期间，土壤侵蚀强度整体明显减轻。

对研究区土壤侵蚀量汇总得到2000—2015侵蚀模数，2000年、2005年、2010年、2015年土壤侵蚀模数分别为98.74 t/(km2·a)、99.95 t/(km2·a)、89.39 t/(km2·a)、84.53 t/(km2·a)。2005年土壤侵蚀模数有少量增加，增幅为1.23%，其他年份的土壤侵蚀模数均有所减小，到2015年，土壤侵蚀模数较2000年减少了14.21 t/(km2·a)，降幅为14.39%。侵蚀模数总体呈下降趋势，土壤侵蚀强度有所减轻，这与3个阶段土壤侵蚀面积变化得出的结论相同。

表5 各等级土壤侵蚀变化统计

2000—2015期间微度侵蚀面积增加1.09%，增幅明显，轻度、中度、强烈、极强烈、剧烈侵蚀面积分别减少31.22%、45.63%、27.62%、49.91%、100%，水土保持状况改善。

3.3 土壤侵蚀强度变化因素

为研究江淮分水岭区域土壤侵蚀强度变化的主要影响因素，基于遥感解译数据，统计了2000年和2015年研究区土地利用情况(见表6)。由表6可知，耕地面积减少最多，达2 208.17 km2，减少了7.23%，草地面积减少了72.16 km2，降幅为17.54%，未利用地面积减少了9.74 km2，降幅为11.35%；建设用地面积大幅增加，增加了1 703.97 km2，增幅为49.73%，水体面积增加了552.34 km2，增幅为15.71%，林地面积增加了133.76 km2，增幅为2.80%。

表6 江淮分水岭2000—2015土地利用变化情况

在通用土壤流失方程中，降水因子R、土壤可蚀性因子K、地形因子LS与自然环境相关性大，无法定量化，长期较为稳定。CP因子直接受到土地利用方式的影响，因此，CP因子对土壤侵蚀模数起着决定性作用，转变土地利用方式可以认为是土壤侵蚀问题解决的关键。结合表3可知， 2015年土壤侵蚀程度与总量的下降与耕地面积大幅减少、建设用地、林地、水体的增加有一定关系，耕地面积的大幅度减少使得C和P因子降幅明显。因此，可以在保持耕地的核心地位上，压缩农业用地，重点抓好皖中丘陵区的农田建设，采用现代农业技术，提高土地生产率，逐步建成旱涝保收，高产稳产的基本农田，扩大林草种植面积，复垦回填，建立高效的城市规划体系，节约城市土地面积。建设用地大量增加，导致地面硬化，土壤不易侵蚀，使得15a间土壤侵蚀状况改善与建设用地的增加呈现出正相关关系。

4 结 论

基于USLE模型，对江淮分水岭区域2000年、2005年、2010年、2015年4个时期的土壤侵蚀量进行了时空研究，得出如下结论：

1)江淮分水岭区域土壤侵蚀总体上以微度、轻度侵蚀(0～2 500 t/ km2·a)为主，占流域侵蚀总面积的99%以上。重度侵蚀主要分布在皖西山地丘陵区，皖东环滁低山丘陵地带，巢湖西南侧低山丘陵带。

2)江淮分水岭区域2000年土壤侵蚀模数为98.74 t/(km2·a)，2005年为99.95 t/(km2·a)，2010年为89.39 t/(km2·a)，2015年为84.54 t/(km2·a)，土壤侵蚀模数总体呈下降趋势。同时，各等级土壤侵蚀面积向微度侵蚀转移，总体转移量达436.05 km2，土壤侵蚀状况总体发生好转，水土保持状况改善。

3)2000—2015江淮分水岭区域土地利用类型转变明显，耕地面积下降7.23%，林地、水体面积分别增加133.76 km2(2.80%)、552.34 km2(15.71%)。15 a来研究区的土壤侵蚀程度与总量的下降依赖于该区域生态性退耕还湖、还林政策以及农业结构的调整。但其中也有相当部分原因在于建设用地对土壤的固化，此部分土壤实际侵蚀状况有待进一步研究。

[1] 庄建琦, 葛永刚. 土壤侵蚀对土地利用和降雨变化响应和空间分布特征[J]. 长江流域资源与环境, 2012, 21(3): 288-295.

[2] VRIELING A, STERK G, VIGIAK O. Spatial evaluation of soil erosion risk in the West Usambara Mountains, Tanzania[J]. Land Degradation and Development, 2006, 17(3): 301-319.

[3] 张喜旺, 周月敏, 李晓松, 等. 土壤侵蚀评价遥感研究进展[J]. 土壤通报, 2010, 41(4): 1010-1017.

[4] FERNANDEZ C, WU J Q, MCCOOL D K, et al. Estimating water erosion and sediment yield with GIS, RUSLE, and SEED[J]. Journal of Soil and Water Conservation, 2003, 58(3): 128-136.

[5] FU Guobin, CHEN Shulin, MCCOOL D K. Modeling the impacts of no-till practice on soil erosion and sediment yield with RUSLE, SEDD, and ArcView GIS[J]. Soil and Tillage Research, 2006, 85(1): 38-49.

[6] 程琳, 杨勤科, 谢红霞, 等. 基于GIS和CSLE的陕西省土壤侵蚀定量评价方法研究[J]. 水土保持学报, 2009, 23(05): 61-66.

[7] 李天宏, 郑丽娜. 基于RUSLE模型的延河流域2001—2010年土壤侵蚀动态变化[J]. 自然资源学报, 2012, 27(7): 1164-1175.

[8] 何维灿, 赵尚民, 王睿博, 等. 基于GIS和CSLE的山西省土壤侵蚀风险研究[J]. 水土保持研究, 2016, 23(3): 58-64.

[9] 方广玲, 香宝, 赵卫, 等. 基于GIS和RUSLE的拉萨河流域土壤侵蚀研究[J]. 水土保持学报, 2015, 29(3): 6-12.

[10] 张鹏, 格桑卓玛, 范建容, 等. 西藏“一江两河”地区土壤侵蚀现状及分布特征[J]. 水土保持研究, 2017, 24(1): 49-53.

[11] 史德明. 中国水土流失及其对旱涝灾害的影响[J]. 自然灾害学报, 1996, 5(2): 36-46.

[12] 杨子生, 刘彦随, Liang Luohui, 等. 金沙江下游近40年来土壤侵蚀变化——以云南彝良为例[J].山地学报, 2005, 23(2): 144-152.

[13] 张养安, 宋晓强, 高照良, 等. 基于RUSLE的2010年商南县土壤侵蚀特征分析[J]. 水土保持通报, 2015, 35(6): 311-315.

[14] 王莉娜, 李文龙, 王素芳, 等. 基于遥感和USLE 模型的2000—2010 年甘肃省土壤侵蚀变化评价[J]. 草业科学, 2016, 33( 2): 176-183．

[15] 查良松, 邓国徽, 谷家川. 1992—2013 年巢湖流域土壤侵蚀动态变化[J]. 地理学报, 2015, 70(11): 1708-1719.

[16] 汤丽洁，舒畅. 基于GIS和RS的巢湖流域水土流失评估[J]. 水土保持通报, 2013, 33(1)：305-308, 312.

[17] LIU B Y, NEARING M A, SHI P J, Slope Length Effect on Soil Loss for Steep Slopes[J]. Soil Sci, 2000, 64(5): 1759-1763.

[18] 冯强，赵文武. USLE/RUSLE中植被覆盖与管理因子研究进展[J]. 生态学报, 2014, 34(16): 4461-4472．

[19] 中华人民共和国水利部. 土壤侵蚀分类分级标准:SL190—2007[S]. 北京: 中国水利水电出版社, 2007．

Dynamic changes of soil erosion in Jianghuai watershed area from 2000 to 2015

MAO Jingjing, WANG Guangsheng

(Geography Information and Tourism College, Chuzhou University, Chuzhou 239000,China)

Based on GIS and RS technology, the four remote sensing image data of Jianghuai watershed 2000, 2005, 2010 and 2015 were used to calculate and compare the soil erosion of the region, to achieve the goal of temporal and spatial dynamic monitoring of soil erosion of the Jianghuai watershed. The results show that: (a) The spatial distribution of soil erosion in the Jianghuai watershed area is mainly in the hilly area of west Anhui and around the Chuzhou. In addition, the soil area of mired and mild erosion accounts for more than 90 % of the total area. (b) During the 15 years, the total soil erosion modulus of the Jianghuai watershed decreased by 14.21 t/(km2·a). The soil erosion intensity of each grade was transferred to the micro erosion, and in better circumstances. (c) The change of land use type in the Jianghuai watershed in 15 years is obvious. The cultivated land area decreased by 2208.17 km2(7.23%). The woodland and water area increased by 133.76 km2(2.80%) and 552.34 km2(15.71%), respectively. The improvement of vegetation coverage and the increase of water area are the fundamental factors of soil erosion improvement. The result can provide the scientific basis for the improvement of soil erosion in the Jianghuai watershed area.

soil erosion; USLE; Jianghuai watershed area

10.19352/j.cnki.issn1671-4679.2017.06.004

2017-04-14

国家级大学生创新训练项目(201610377019)；安徽省大学生创新训练项目(201610377042)；滁州学院大学生创新训练项目(2016CXXL048)

毛晶晶 (1995- )，女，本科生，研究方向：地理信息系统.

S157.1

A

1671-4679(2017)06-0017-07

[责任编辑：郝丽英]