新民市水土流失评估

邓庆明

(沈阳市新民市农业技术推广与行政执法中心，沈阳 110300)

0 引 言

新民市处于辽宁省中部，总面积3318km2，其中水土流失面积455.6km2，属于我国北方地区水土流失最为严重的区域之一。该区域大部分地区地势平坦、地形开阔，北部存在少部分孤立残丘，地形特征呈自东北向西南方向逐渐升高的趋势。土壤类型以棕壤土为主，境内灌木丛、荒草坡及马尾松等植被较为常见，河流水系发达、支流众多；属于大陆性季风气候，秋冬寒冷干燥、春夏多风多雨，年均降水量604mm，其中60%以上降水集中在7-9月，年均蒸散发1651mm，平均气温7.6℃，无霜期163d。多年来，由于落后的耕作方式及毁林开荒、垦草种粮等不合理土地利用，当地原生植被和生态环境平衡严重被破坏，进而使得水土流失、土地退化等问题更加突出，当地经济发展和生态环境面临着严峻的威胁。另外，边治边破坏的问题随着土地的不合理利用的推进仍然存在。所以，为促进当地经济、生态、水土资源的协调发展，如何对水土流失进行科学有效的防治为目前亟需解决的问题。水土流失评估作为水保治理的重要组成内容，可为水保措施的优选决策及治理效益评价提供科学的指导依据。

水土流失的不可逆性、积累性及广泛性特征决定了其对经济社会发展和生态自然环境破坏作用的严重性，因此长期以来人们依然无法认可以破坏生态环境为前提的相关研究。科学、准确的评价水土流失状况不仅可为判断水保治理的有效性和未来治理规划提供重要的理论依据，而且可为优化决策水保措施及保障社会经济发展提供一定支撑。通过模拟人工降水和径流小区试验，Smith等提出了USLE通用水土流失方程，对于USLE模型的不足美国农业部做了适当的修成，从而给出了修正的RUSLE方程[1]。在水土保持功能评价中USLE/RUSLE模型的应用研究相对较早，对促进我国土壤侵蚀侵蚀研究和科学评价水土资源方面发挥着重要作用。有学者对小兴安岭地区的水土保持量利用修正RUSLE方程进行计算，通过评估自然系统的服务能力服务功能有效解决了该地区水土保持工程中存在的主要问题，为促进国民经济宏观发展、自然生态安全和可持续发展提供了科学依据。另外，随着RS、GIS技术的快速发展，在水土流失估算中RUSLE结合RS、GIS技术的研究逐渐引起人们的关注。目前，对辽河流域水土流失的研究还不够系统、科学，定性的评价往往未能考虑各项治理措施与水保功能间的作用关系，也就无法体现治理措施的协调性、整体性及其生态功能的重要性，对指导水保措施空间配置的作用较低[2-4]。据此，文章依据新民市2015年土地可蚀性、土地利用、植被覆盖度、降雨侵蚀力及地形数据等资料，在RS、GIS技术支持下利用RUSLE模型评价分析了其水土流失状况，可为水土保持规划、生态环境治理及促进RUSLE模型本地化研究提供科学的决策依据。

1 建立水土流失评估模型

1.1 数据来源

采用RUSLE方程评估区域水土流失状况主要包括4类数据，即遥感数据、地形图、专题图及实测数据。实测数据主要用于提取降雨因子，来源于新民市2008-2016年12个气象站点降雨数据；地形因子数据与土壤可侵蚀数据用于坡长、坡度因子的提取，分别来源于地理空间数据云下载的精度为30m的DEM数据与生态环境调查数据库的1∶100万土壤数据；根据新民市1∶5万行政区划图和水土保持监测土壤类型图作为专题图，主要用于提取各区域土壤因子与乡镇边界条件；选择NASA美国国家航空航天局Modl3ql数据作为2015年植被生长季的NDVI植被覆盖度数据来源，通过投影坐标转换及几何校正TM影像等预处理，将该地区土壤利用类型利用Envi中最大似然法影像分类为城镇、旱地、灌丛、草地、荒漠、湿地及水域等类型。

1.2 构建RUSLE模型

RUSLE模型在水土流失评估模拟中具有广泛的应用前景和研究价值，其计算公式如下：

Ac=R×K×L×S×C×P

(1)

式中：A为流失评估值，t/(hm2·a)；R为降雨侵蚀力测量值，MJ·mm/(hm2·h·a)；K为土壤可侵蚀评估因子，t·h/(MJ·mm·a)；LS、C、P为坡度与坡长、植被覆盖因子及水保措施评估值，量纲均为1。

1.3 因子值获取方法

1)降雨侵蚀力因子R。在RUSLE方程中降雨量、雨型、降雨强度及雨滴动能为R的主要因子，它是定量反映降雨侵蚀力测度值和描述水土流失受降雨影响程度的重要参数。文章结合现有研究成果和新民市实际情况，提出适用于计算当地降雨侵蚀力的简易方法，即将日降雨量划分为0-20mm，20-30mm，…，90-100mm的10个等级，模型自变量、因变量分别为各月等级降雨量之和与月降雨侵蚀力，其中因变量采用经典法R=∑E×I60确定，然后采用SPSS软件计算确定P-value、tStat、标准误差及Coefficient等参数，通过多元回归分析确定新的R值简易算法，其表达式为：

Ri=0.162X1+0.296X2+0.271X3+0.315X4
+0.476X5+0.470X6+0.471X7+0.6876X8
+0.814X9+0.447X10+0.866

(2)

(3)

式中：Ri为第i月降雨侵蚀力；X10、X1分别为日降雨量大于100mm的总和及在13-20mm之间的日降雨量之和；X2-X9为第2-9级下日降雨量在1个月内之和。经过上述运算，相关参数R2大于0.88，根据侵蚀性降雨相关标准各参数在13mm日降雨量下达到最优，且通过0.05显著性检验，R2值为0.878，计算精度显著大于周伏建提出的简易计算方法。对新民市2008-2016年降雨数据利用上述方法进行运算，从而得到研究区相应的R值[5-7]。

2)土壤可蚀性因子K。为准确描述降水径流速率和土壤水土流失敏感性特征，引入与土质状况、土壤类型、土质渗透性、有机质含量等因素相关的K因子，不同的土壤类型其侵蚀率存在一定差异。结合研究区水稻土、棕壤土等土质类型和有关学者提出了土壤理化性质计算模型，科学合理的确定K值，吕喜玺等针对我国南方地区不同的土壤类型提出了基于EPIC模型的K值计算方法[8]。文章结合前人研究方法和新民市土壤类型实际情况，在野外试验研究的基础上对不同土壤类型赋予相应的K值，见表1。

表1 不同土壤类型的K值

3)坡度坡长因子LS。地面在一定区域内的最大高差即为地形起伏度，地形特征加速水土流失的作用可利用LS因子定量测度反映。采用分块统计工具在Arc GIS中利用区域DEM数据与空间分析工具进行分析，在格栅计算器中通过设置统计类型的最小值与最大值获取地形因子格栅图。在RUSLE、USLE模型中已有文献提出了直接法、快速法两种典型的坡长计算方法，文章对坡长的提取采用直接法，对坡度的提取采用Arc GIS平台提取，然后对新民县坡度坡长因子选用陈明华等提出的LS计算公式，将分辨率为1:1万地形图利用上述方法进行处理可得到LS值分布状况，其表达式如下：

L=(1/20)0.41；S=(θ/10)0.78

(4)

式中：θ为坡度，°，其他字母含义同上。

4)植被覆盖因子C。在相同降雨、坡度及土壤类型条件下连续不种植作物的空白土地的水土流失与某一特征植被或作物下水土流失量的比值即为植被盖度因子，是定性描述经营管理与植被措施保持水土功能的重要参数。土地管理措施、轮作顺序及植被盖度等均可对植被盖度因子产生影响，由此形成了许多个计算方法，其中最具有代表性的计算模型为马超飞等提出了基于植被覆盖度V的C值计算法，后经江红等对该计算模型的本地化研究改进提出了更加适用的方法。文章结合已有研究成果，考虑采用江红优化改进的C因子计算法，计算流程为：

分别采用下式提取NDVI和植被覆盖度V值，即：

NDVI=(NIR-R)/(NIR+R)

(5)

V=(NDVI-NDVImin)/(NDVImax-NDVImin)

(6)

式中：R、NIR分别为红光波段与近红外波段的反射率；NDVImin、NDVImax分别为全裸土像与纯植被像元的NDVI值。

当植被覆盖度V=0、V>0.87时，C值分别为1、0；0

5)水保措施因子P。某特定水保措施与相同块地实施未采取任何水保措施，且顺坡耕作的土壤流失量之比即为因子P，研究区较为常见的治理方法有坡改梯、设立排水沟、套种等。这些措施主要是通过降低经理速率、减少径流量或调整水流形态、汇流形式、地形等减轻水土流失作用，一般情况下水保措施的不同对抑制水土流失的程度存在一定差异，在评价过程中为体现这种差异可对P因子赋予相应的经验值。

文章通过野外实地考察，结合谷歌地图、新民市志及其地形地貌等情况，基于研究区2015年TM影像数据源和ENVI计算软件，通过人机交互解译确定该区域的土地利用数据。综合考虑前人相关研究，在对比分析的基础上确定了P因子在不同土地利用类型的赋值，即建设用地、低密度植被、耕地、高密度植被、水体与居民用地的P因子分别为1.0、0.5、0.45、0.21、0。

6)计算水土流失。将上述各因子图层利用Arc GIS软件进行叠加相乘运算，然后根据土壤侵蚀分级标准将新民市水土流失强度分别状况，见表2。

表2 新民市水土流失面积及其评价等级

2 结果与分析

2.1 评估精度

根据辽宁省2015年水土保持监测结果和新民市2016年以前历次评估结果，对比分析本次评价结果见表3。研究表明，历史上历次评估的不同强度水土流失面积和总面积与文章评估结果保持较好的一致性。通过对比分析辽宁省2015年新民市水流失监测解雇与本研究评估结果发现，在空间分布格局山二者计算得到的水土流失变化趋势、分布状况基本相同；然后对比分析2016年以前该区域水保治理相关报道与本研究评估结果发现，二者所确定的水土流失等级分布基本相近。为进一步验证本研究评估结果的可靠性与精准度，在研究区采用2017年6月采集的200个监测杨店计算，其中175个监测样点评价等级保持相同，精准度在87%以上，可见文章所使用的方法合理，能够满足水土流失评价精度要求，具有一定的科学性与适用性。

表3 历年水土流失评估资料

2.2 结果分析

通过对比表2、3计算结果，相对于2010年新民市2015年水土流失程度存在明显的好转，然而中度及以上流失等级的面积占比仍然较大。研究区东北部、中部和东南部为水土流失集中区，中度及以上流失程度主要位于中部地区。研究区水土流失危害最为严重的区域主要位于大柳屯镇、三道岗子镇、柳河沟镇、于家窝堡乡等地，水土流失影响大且危害面积广；其次为新农村项、大柳屯镇、兴隆镇等，水土流失以中度、轻度为主；轻度水土流失主要位于高台子镇、罗家房镇、红旗乡、公主屯镇等地，少部分区域为中度流失，研究区大部分地区为轻度流失。

根据2015、2016年野外考察结果，综合分析植被覆盖度、TM影像图、土地利用类型以及水土流失强度分布发现，受人类活动影响较强的区域为中度及以上水土流失集中区，如果园种植地、耕地、采石场、采沙场、建设用地开发区及居民地周围等植被覆盖度较低，个别地区甚至没有；另外植被稀疏的丘陵地、人烟稀少的残丘区等水土流失较为严重。虽然植被覆盖度较低的区域存在有流域植被生长的地形、气候、土质等因素，但相对于人类活动其影响程度较弱。人类社会的不合理开发利用不仅降低了植被覆盖度，破坏了区域生态平衡与土质状况，而且在一定程度上破坏了植被生长环境与土壤质地，加之汛期雨量集中和土壤抗蚀能力差等因素，各因素的综合作用使得水土流失问题较为突出。

3 结 论

文章结合区域遥感影像、土壤、气象及地形等数据资料，采用修正的通用水土流失方程计算得到地形因子、土壤可蚀性、植被盖度、降雨侵蚀力、水保措施等因子值，然后通过叠加计算坡度分类、土地利用、水土流失等数据，科学评估了区域水土保持状，得出的主要结论有：

1)文章在GIS、RS技术支持下利用RUSLE模型评价分析了区域水土流失状况，其中模型参数的本地化校准及各因子的计算为评估分析的关键，不仅可为区域水土保持规划和水保措施的优选决策提供一定的参考价值，而且可为生态环境保护提供科学依据。

2)相对于2010年新民市2015年水土流失程度存在明显的好转，然而中度及以上流失等级的面积占比仍然较大。研究区东北部、中部和东南部为水土流失集中区，中度及以上流失程度主要位于中部地区，水土流失危害最为严重的区域主要位于大柳屯镇、三道岗子镇、柳河沟镇、于家窝堡乡等地，水土流失影响大且危害面积广。

3)虽然植被覆盖度较低的区域存在有流域植被生长的地形、气候、土质等因素，但相对于人类活动其影响程度较弱，引起区域水土流失的关键因素为人类不合理的开发利用。未来研究区水土流失的基本准则是有效提高植被覆盖率和最大限度的降低不合理的人类活动。

4)本研究基于新民市2015年TM遥感影响数据和近期降雨数据进行水土流失现状评估，为更加全面、准确的了解区域生态环境状还需要进一步深入分析水保通量的时序变化特征。