福建红壤丘陵区道路网络与水系空间关系

刘 灿,曹龙熹,梁 音

(1.土壤与农业可持续发展国家重点实验室,中国科学院南京土壤研究所,210008,南京;2.中国科学院大学,100049,北京)

道路网络促进了社会经济发展,但对自然景观和生态环境带来的负面作用也不容忽视[1]。许多研究表明,道路网络导致不同程度的景观破碎化[23]。特别是道路作为一种线性地物要素,叠加于水文地貌要素之上,必然改变流域内原有的水文过程[4]。道路拦截上方汇水并为径流泥沙的集中下泄提供便利通道,再加上路面本身的产流能力较强[5],因而路网的存在可能增大局部地表径流量[6],加剧流域土壤侵蚀风险[7]。另一方面,道路网络的空间分布又受到流域水文地貌要素影响而表现出特定的规律性[8]。因此,从空间尺度上研究道路的分布特征及其与流域地形、水系之间的关系,对于深入理解道路水文效应的作用机制具有重要意义。

国外关于道路网络对流域水文的影响研究起步较早且较为系统。20世纪50年代初北美林区已经开始对道路水土流失进行监测,发现近90%的河流泥沙来源于道路[9]。流域尺度路网和水系关系的研究则揭示道路通过切沟等途径与河流相连,从而增加水系密度,降低切沟发生的临界条件,缩短沟蚀泥沙向水系迁移的距离[1012],增大洪峰流量和流域产沙量[1315]。以上研究从不同角度证明道路网络空间分布特征在影响流域水沙过程方面的重要性。在国内研究方面,道路侵蚀研究集中在道路侵蚀特征、侵蚀估算与防治等方面[1617]。部分学者在黄土高原小流域尺度上探讨道路网系的分布特征及其影响因素[8;1819],分析路网特征对道路侵蚀空间分布的影响[20],在较大空间尺度上研究路网对喀斯特流域水系结构的影响[6],也有学者研究福建山地林地道路的合理密度[21]和防蚀措施[22]。但总的来说目前国内相关研究仍比较分散,特别是对路网和流域水系空间交互关系的形成机制研究不够深入,且现有研究区域特色鲜明,限制研究结果在其他地区的推广应用。本研究选择福建红壤丘陵区典型流域道路网络,根据高精度遥感影像和地形数据,应用GIS空间分析方法定量研究红壤典型流域道路网络的分布特征,分析道路分布的影响因素以及道路与水系之间的联系,结果可为道路网络对小流域水沙过程影响研究提供依据。

1 研究区概况

研究区位于福建省长汀县和田镇,地理区位位于 E 116°24′22″～116°32′51″,N 25°46′46″～25°37′57″,属于韩江支流的汀江流域。研究区包含河田、郑坊和黄坝3个相连的子流域,总面积为240.14 km2。研究区总体上地势东北高西南低,海拔在271～1 043 m之间。土壤类型主要为疏松花岗岩风化发育而来的砂性红壤,抗侵蚀能力弱。年均温18.3℃,年平均降水量1 685 mm,降雨量年内分配不均,干湿季节分明,属于亚热带季风气候区。植被类型是亚热带常绿阔叶林,原生植被已经被砍伐殆尽,次生植被主要以马尾松和茶树等经济林为主。

研究区所在的长汀县属于典型的红壤丘陵区,历史上水土流失十分严重[23]。经过多年治理,水土流失逐渐得到遏制,但是近年来伴随着各种工程建设和林果业开发活动又产生新的水土流失问题[24]。为了防治水土流失,当地大力推广规模化经济林果开发[25],配套修建大量设计标准较低的土质道路,反而引发新生的道路侵蚀问题。

2 材料与方法

本研究利用高分辨率遥感影像解译获得研究区的道路网络分布以及居民点分布信息,实地测量道路宽度并根据功能特征对道路进行分级。结合研究区的地形、水系、居民点数据,应用GIS空间分析和拓扑分析功能,研究道路网络的空间分布特征及其影响因素,据此探讨道路网络与水文地貌要素之间的联系。

2.1 数据来源

道路网络和居民点等信息通过Quick bird遥感影像解译而来,成像时间为2014年12月。用于空间分析和数字地形分析的DEM(digital elevation model)数据来源于福建省测绘地理信息局提供的1∶5万比例尺地形图,DEM栅格分辨率为 25 m(图1)。

图1 研究区地形图Fig.1 Topographic map of the study area

2.2 道路网络分级和特征描述

道路的级别不同,其主要功能和环境影响也不同。根据研究区内道路宽度、硬化特征与功能用途的不同,把流域内道路划分为5个等级：一、二、三级路均为水泥硬化公路,其中一级路为县道,是流域对外交通的主要道路。二、三级路是乡村公路,二级路为乡村干路,是村庄之间的交通要道。三级路为乡村支路,主要连接分散的较小聚居点。四、五级路为土质道路,其中四级路为土路干路,可通行小型机动车,起辅助交通作用。五级路为土路支路,仅供行人或小型机动车通过,包括耕作道路、果园道路以及林地道路等。研究区道路网络分布如图2所示。

图2 研究区道路网络分布Fig.2 Road network distribution in the study area

各级道路的数目、长度等数量特征通过ArcGIS空间量算功能统计得到。以往研究表明路网分布具有与水系相似的结构,可借鉴水系分枝比的概念来量化描述路网的结构特征[8],以某一级别道路的数量除以高一级的道路数量定义为分枝比,道路平均分枝比代表高级别道路对低级别道路的控制能力,分枝比的计算公式为

式中：rb为分枝比,an+1与an分别是某一级的道路数量与比其高一级的道路数量。

2.3 空间分析方法

选择居民点进行缓冲区分析,统计不同大小缓冲区内道路密度,分析居民点对不同级别道路分布的影响。地表起伏度与坡度是典型的地形指标,分别反映宏观和微观地形状况,分别统计落在不同地表起伏度和坡度区间内的各级别道路的长度,分析地形因子对道路分布的影响。

水系是流域地形作用下水流汇集能力的体现,道路与流域水系之间的水文联系与它们之间的空间关系有关。通过GIS水文分析功能提取研究区水系,将水系提取阈值设置为300,能较好地提取到水系上游的明显沟道,结合遥感影像资料对水系进行修正,然后按Strahler分级方法[26]进行分级。通过缓冲区分析来分析道路与水系的空间距离关系,采用GIS拓扑分析功能识别道路与河流的交汇点,以此分析道路与水系之间的联系。

3 结果分析

3.1 道路网络空间分布特征

3.1.1 路网数量特征 统计遥感影像解译和实地调查获得的路网信息,结果表明研究区共有各级道路781条,总长度为553.25 km,道路密度为2.30 km/km2,各级别道路统计见表1。道路数量和总长度随道路等级降低而增大,道路的平均长度则随等级的降低而减小。研究区硬化道路总长度为238.24 km,占道路总长度的43.08%,土质道路占总长度的56.92%,说明目前该区域土质道路占很大比例,必须注意其引发的土壤侵蚀等问题。

表1 研究区各级道路统计Tab.1 Characteristics of all grade roads in the study area

3.1.2 路网结构特征 小流域内部地形的差异导致路网呈现不同的形态特征,由图2可知：沿河谷分布的硬化公路作为交通主干道,具有分枝状的特征;作为农业或林地道路的土质道路,则呈网状分布于山地丘陵地区,不具有分枝特征。计算流域硬化道路的平均分枝比如表2所示,研究区硬化道路平均分枝比为10.22,远超出流域自然水系平均分枝比范围(3～5之间),表明研究区路网结构与水系结构差异较大。其中河田流域道路分枝比最大,这是因为河田流域地形开阔,利于路网扩展分枝。曹龙熹等[8]在黄土高原小流域的研究表明道路平均分枝比为4.26,道路数量与级别之间存在类似Horton水系定律的关系,这主要是由于道路受黄土丘陵区梁峁和沟壑相间分布的特殊地貌形态控制。本研究结果表明红壤丘陵区路网结构与黄土丘陵沟壑区存在较大差异,这是由于红壤丘陵区地形相对较为平缓开阔,道路分布受村庄等点状地物要素影响深刻,密集分布的居民点将路网截断,形成数量较多的低级别路段,因此道路网络分枝比较大。这一结果表明红壤丘陵区路网结构更为复杂,特别是各类低级别道路不容忽视。

表2 研究区内各级道路数量统计Tab.2 Amount of roads in the study area

3.2 道路分布影响因素

3.2.1 居民点对道路分布的影响 缓冲区分析表明,在居民点半径 50、100、200、500、1 000 m 缓冲区内,道路密度分别是 5.70、5.05、4.61、3.93、3.00 km/km2,随着缓冲区半径的增大,道路密度呈幂函数减小的趋势,关系式为：

式中：D为道路密度,km/km2;r为缓冲区半径,m。

如图3所示,乡村支路在各缓冲区内的密度都最大,并且随着缓冲区的增大乡村支路的密度减小幅度最大,此类道路在居民点附近的聚集效应最为明显。土路干路和支路在不同大小缓冲区内密度变化很小,其在半径1 000 m缓冲区内的密度分别相当于其在50 m缓冲区内密度的140.73%和80.99%,这表明土质道路在居民点附近聚集效应不明显。由于不同级别道路的主要功能不一样,因此受驱动的影响存在差异：作为农村出行道路的乡村支路,受居民点分布的驱动作用最大,而主要作为生产用路的土质道路则受居民点分布的驱动不明显,低级别土质道路更可能受林地、果园等土地利用因素驱动[18]。

图3 不同大小缓冲区内各等级道路密度Fig.3 Road density in different sizes of buffers

图4 不同地表起伏度范围内的道路长度Fig.4 Road length in different range of surface relief amplitude

图5 不同地表坡度范围内道路长度Fig.5 Road length in different range of surface slope

3.2.2 地形因子对道路分布的影响 统计不同起伏度和坡度区间内的各级别道路长度,结果如图4、图5所示。分布在起伏度为50～100 m的区间内道路最多,占45.10%,在0～100 m区间内的道路达到了74.28%。随着坡度的增大,落在该坡度区间的道路长度逐渐减少,90.05%的道路分布在地表坡度小于25°的区域。随着道路等级的降低,其主要分布区域的起伏度区间逐渐增大：省道、乡村公路、土质道路分别主要分布在起伏度0～50 m、0～100 m、50～150 m的区域。县道、乡村干路、乡村支路随着坡度增加,其长度均呈剧减趋势,土路干路和土路支路却呈先增加后减少的趋势。这说明硬化公路主要分布在地表坡度和起伏程度较小的区域,而土质道路主要分布在硬化公路较少分布的坡度和起伏度较大的地区。

不同级别道路随地形分布的特征存在差异,原因在于道路修建成本与技术要求不同。县道等高等级硬化公路修建成本高、技术标准也高,因此受地形限制作用较大。低级别道路建设难度相对较小,容易克服地形条件限制。道路所在的下垫面地形起伏越大,建设过程中对地形的改造程度也越大,对地表水沙过程的影响也越深刻。山区道路建设形成的填挖方坡面,在降雨条件下极易诱发滑坡、切沟等强烈的侵蚀形态,是主要的泥沙策源地[2728]。

3.3 道路与水系的联系

3.3.1 道路与水系的空间距离 通过缓冲区分析,统计在不同大小水系缓冲区内的各级别道路长度,结果如图6所示。县道、乡村干路和乡村支路的累积比例随着缓冲区的增大呈幂函数趋势增加,土质道路的分布累积比例呈线性增加,并且在不同大小的缓冲区内分布比例均呈现乡村干路＞乡村支路＞县道 ＞土路支路 ＞土路干路的特点。分别有45.09%、32.30%、30.84%的乡村干路、乡村支路和县道分布在水系0～50 m缓冲区范围内,而土路干路和支路只有10.71%和12.05%。

这一结果表明硬化公路具有沿水系分布的特征,而土质道路在不同大小水系缓冲区内分布均匀,这与前文道路分布和地形起伏的关系趋势是一致的,由于河流两岸相对平坦的平原或阶地为公路建设提供了便利的地形条件,因此水系对硬化公路分布的聚集作用比较明显。道路离河流越近,对河流水文泥沙过程的影响越明显[6],从路河距离的角度来看,研究区内高等级硬化公路与干流水系之间空间关系较为密切,对流域水文过程具有较强的影响。

3.3.2 道路与水系的交汇点分析 研究区水系可以分为4级,其中一级河流70条,二级河流37条,三级河流25条,国级河流4条。统计各级道路与水系的交点数量,结果如表3所示。结果表明：河流级别越高,与之相交的道路级别也越高：与四级河流交汇的主要是县道和乡村干路,乡村支路与二级河流交汇最多,土路干路、土路支路与上游一级河流的交点分别占到了交点总数的55%和74.07%。从交汇点的空间位置来看,高等级公路对水系的影响主要是在下游,低级别土路对水系产生的影响集中在上游。

图6 各级道路在不同大小河流缓冲区内的累积分布比例Fig.6 Distribution proportion of roads at all grade in different sizes of stream buffer

表3 各级道路与水系相交点数目Tab.3 Number of intersections between all roads and streams

图7 道路诱发沟蚀Fig.7 Gully erosion induced by road

4 结论与讨论

1)研究区道路可以划分为县道、乡村干路、乡村支路、土路干路和土路支路5个等级,平均道路密度为2.30 km/km2,在相对开阔的地形条件和密集分布的居民点影响下,低级别道路所占比重较高,硬化道路平均分枝比为10.22,路网结构与自然水系结构差异较大。

2)道路密度随着距居民点距离的增大呈幂函数趋势减小,居民点附近是道路分布的密集区,其所代表的人类活动是路网分布的1个驱动因素,这与黄土高原路网分布的研究结论一致[19]。道路总长度随下垫面坡度的变大而减少,随地表起伏度的变大先增加后减少。地形是路网分布的限制因子,高级别道路受地形条件的限制程度高于低级别道路。

3)高等级硬化公路趋向于分布在水系附近的平坦区域,主要与流域下游主河道交汇。而低级别土质道路可以建设在地形起伏较大的区域,与水系上游沟道的交汇作用较为明显,容易诱发切沟等侵蚀形态(图7),再加上土质道路本身也会发生侵蚀,因而可能成为水系上游潜在的泥沙策源地,泥沙在下游沉积容易引起河道堵塞,造成洪水灾害隐患。高级别的硬化公路建成后本身不产生侵蚀,但是道路的线性特征会影响到中下游自然的汇水过程,这可能会影响流域行洪。

本研究结果有助于从空间尺度上理解路网在流域水文过程中的作用。在下一步研究中,将结合更高精度的地形数据,应用GIS水文分析和模型对路网叠加后流域水流路径和产流产沙量的变化进行模拟,从而更精准地研究路网分布对流域水沙过程的影响。