基于多源环境数据与GIS 的阿勒泰地区水土流失敏感性分析

杜金海

（新疆绿疆源生态工程有限责任公司，乌鲁木齐830000）

土壤侵蚀是引起该地区土地退化的主要环境问题之一，由于区域气候特征、地表覆被环境，西北高纬度地区存在着冻融、风蚀、水蚀等不同因素造成的土壤侵蚀。虽然该地降水量与降水强度均较低，水蚀强度也相对较小， 但其容易引起水分遗失、 土壤剥离、水体污染等系列问题［1-2］。 因此，研究区域水土流失发生的敏感性及其空间分布， 对区域环境保护具有很重要意义。

1 材料与方法

1.1 研究区概况

阿勒泰地区深居欧亚大陆腹地、国境西北，北部东部依靠阿尔金山，西部与南侧为准格尔盆地，中部有额尔齐斯河穿流而过。 地势自东北向西南呈阶梯状递减，海拔介于365～3930m，形成山地、谷地、盆地等折叠地貌类型，全地区山地、平原、戈壁荒漠分别占32%，22%，46%。 阿勒泰位居新疆北段，受高纬度季风环流影响，区域为新疆地区降水中心，水资源总量达量133.7亿m3， 并发育注入北冰洋地区的额尔齐斯河，干流长593km，径流量119亿m3。 该地区土壤贫瘠、团聚结构差、透水性强，在强降雨条件下易产生水土流失。但由于区域干燥少雨的气候环境，发生水蚀性的地区较少，主要以风蚀为主。

1.2 熵权法

熵权法是依据指标信息熵的离散度进行客观赋权。 设阿勒泰地区水土流失敏感性：

按照指标性质进行标准化处理，正向指标为指标数值越大，表明水土流失风险越高，负向指标则反之。

正向指标：yij=（xij-xmin）/（xmax-xmin）

负向指标：yij=（xmax-xij）/（xmax-xmin）

其中，yij为xij的标准化值，i∈n，j∈m，xmax，xmin分别为第j项指标中的最大值、最小值。

在此基础上计算各项指标的信息熵：

最后根据各项指标信息熵分量确定权重［3］。

1.3 水土流失敏感性因子

通用水土流失方程（RULSE）规定了水土流失发生发育的多项环境因子，分别是R因子（表征降雨侵蚀力）；K因子（表征土壤可蚀性）；LS因子（表征地形特征）；C因子（表征地表植被覆盖与管理）；P为地表类型因子。 基于此，区域水土流失敏感性评估所需数据资料主要包含地表植被覆盖、 土地利用、DEM、土壤理化数据和气象数据。 然而实际中影响水土流失发生的环境因素及其表征性变量不止于此。 借鉴［4-5］已有研究成果， 确定区域水土流失敏感性环境因素依次为DEM、坡长、坡度、地形曲率、可蚀性、NDVI、LAI、降水量。

1.4 研究数据与处理

以 欧 空 局（https：//search.asf.alaska.edu）提 供 的Sentinel-2光学影像为基础， 该影像中1～4为可见光波动，5～9为红边波段，9为水体探测波段，10～12为红外波段。经数据融合，其空间分辨率可提至10m，满足高分辨率土地利用解译需求。在ENVI5.5境中进行辐射定标和Flash大气校正处理， 然后应用矢量边界裁剪出目标区域。再利用bandmath工具技术得到NDVI，Spectral index工具提取LAI。 地形因子提取以地理空间数据云（http：//www.gscloud.cn/）提供的ASTER DEM数据为基础，利用SAGA软件对各地形因子进行一步式提取。 研究区的土壤可蚀性资料来自地理监测云平台（http：//www.gscloud.cn/），利用ArcGIS的空间分析工具之间提取得到， 后续有关区域水土流失敏感性评价利用Mapambegra工具完成。 环境因子的熵权计算在Excel 2016软件中进行。

2 结果与分析

2.1 研究区环境要素统计特征

为便于不同源环境要素数据进行综合空间分析，利用ArcGIS平台的Project工具将全部环境变量投影为UTM-1984坐标系，导出栅格像素为30m，以满足区域水土流失敏感性精细评估需要。 然后利用Band Collection Statistics工具， 计算得到该像素水平上研究区各环境变量的空间统计特征，结果如表1。

表1 研究区环境变量空间统计特征

2.2 研究区环境要素空间分布

研究区环境要素呈现明显地带性分布，如图1所示。 DEM、坡度、坡长、地形曲率、NDVI和LAI等随地形呈现东西两侧分异。研究区东侧为西北-东南走向的阿勒泰山系，西侧为准格尔盆地，地形和植被因素均呈现东高西低的格局。 土壤可蚀性亦呈现带状分布，但在额尔齐斯河流域附近的绿洲，阿勒泰山系中坡附近，土壤可蚀性K值较低，在坡顶及盆地局部，其可蚀性较高。 NDVI和LAI在主要集中在中下坡和流域局部绿洲附近。由于地形原因，研究区降水量呈现自西向东减少和自北向南增加格局。

图1 研究区环境要素空间分布

2.3 研究区水土流失敏感性评价模型

利用熵权法的信息熵对研究区8个环境因素进行赋权，其权重大小排序为：LAI（0.201）＞NDVI（0.181）＞坡长（0.135）＞可蚀性（0.125）＞降水量（0.124）＞DEM（0.093）＞地形曲率（0.078）＞坡度（0.064）。 由此得到研究区水土流失敏感性评价模型如下：

式中 Sus为水土流失敏感性指数，其值越大，表明区域水土流失风险越大；z为归一化函数。

2.4 研究区水土流失敏感性空间评价

基于水土流失敏感性方程， 将各项环境因素进行标准化后，基于栅格计算器工具进行加权求和，得到区域水土流失敏感性指数空间分布。 如图2所示，研究区水土流失敏感性指数介于0～0.89之间， 空间平均值为0.34，标准差为0.12，表明其总体风险程度较低。高敏感性地带分布较少，主要位于研究区的阿勒泰山系东侧， 这些地区植被覆盖程度低且土壤具有较高的可蚀性，加之山地地形，因而水土流失风险较高，此外在研究区的南缘由于区域降水量充分、且强度大，亦有较高的风险。而准格尔盆地大部分地区水土流失敏感性为中等， 主要由于该地区地形为盆地、地表物质运移不充分。额尔齐斯河流沿岸绿洲及阿勒泰山系大部分地区的水土流失敏感性较低，这得益于有良好的植被覆盖。

图2 研究区水土流失敏感性评价

3 结语

基于开源环境数据，以地理信息系统技术为支撑，提取了阿勒泰地区水土流失敏感性因子，并结合敏感性方程，对该地区水土流失风险展开空间评估。 得出结论如下：

（1） 阿勒泰地区水土流失风险总体程度较低，呈现局部聚集分布，主要位于阿勒泰山系东侧的低植被覆盖度，其他大部分地区水土流失风险较低。

（2）熵权信息显示，植被、土壤可蚀性是影响水土流失风险的关键因素，在研究区山地地区强化环境保护与植被修复是促进水土保持治理的有效途径。