黄河流域兰州段土壤侵蚀敏感性评价

武翠翠， 王世杰*

(1.兰州交通大学测绘与地理信息学院， 兰州 730070； 2.地理国情监测技术应用国家地方联合工程研究中心，兰州 730070； 3.甘肃省地理国情监测工程实验室， 兰州 730070)

土壤或者土体是由于在外营力(风力、重力、水力、冻融)的作用下产生剥蚀、冲刷、堆积和迁移等现象即为土壤侵蚀。近年来，利用地理信息系统(geographic information system，GIS)技术研究流域生态敏感性已成为测绘和生态学的交叉研究热点。用GIS技术单因子的叠加进行土壤侵蚀敏感性评价是学者们普遍采用的方法。如李益敏等[1]以星云湖流域为例，使用GIS技术，选取体现流域特点的估算模型，统计分析流域的土壤侵蚀空间分布特征。徐萍[2]基于改进的土壤侵蚀模型(the revised universal soil loss equation，RULSE)对龙江县水土流失进行敏感性评价。此外，相关学者以庆安市、沈阳市、山东省等作为研究区域进行了生态敏感性评价研究[3-5]。但小尺度流域的土壤侵蚀敏感性的评价尚且不多，如徐剑春等[6]以通渭县牛谷河流域为例进行小流域尺度水土流失敏感性评价。魏伟等[7]基于遥感指数的干旱内陆河流域土地生态敏感性时空演变特征进行研究。有文献指出，对现有流域生态治理前后，生态敏感性现状评价多集中在某一时间节点上，存在一定的主观性，缺乏系统性评价指数[7]。国外Wischmeier和Smith两位学者提出传统的土壤侵蚀模型(the universal soil loss equation，USLE)是进行区域土壤侵蚀敏感性评价普遍采用的模型[8-13]，评价方法多样。RUSLE模型是学者们在USLE模型的基础上改进的模型，RUSLE模型比USLE所用的数据量增加，对USLE中的许多错误进行纠正，填补空白的原始数据，模拟不同的系统和增加了模型的灵活性[14]。相关研究表明[15]，用RUSLE模型评价土壤侵蚀敏感性是目前最有效的方法。但是，RUSLE模型也存在一些局限性，高原地区不适合该缓坡地模型，中国黄土高原土壤侵蚀主要以降雨侵蚀为主，而该模型是年降雨的侵蚀产沙模型，不适合中国许多地区使用，而且对于土壤可蚀性因子K的计算一直存在争议。黄河流域土壤质地疏松、坡地陡峭，许多风蚀、水蚀等强力搬运作用，加之人口密集，植被遭到大量破坏，夏季由于洪水决堤，土壤受到破坏，土壤侵蚀严重。研究区域降水时间集中，汛期导致土壤侵蚀更为严重，泥沙入河，使得灾害频发，加之人为因素的活动，生态系统极度敏感。针对上述问题，现结合研究区环境现状，加入评价因子权重，对RUSLE模型进行改进。采用研究区遥感数据，结合GIS空间分析方法和层次分析法，利用改进后的加权RUSLE模型，对黄河流域兰州段进行土壤侵蚀敏感性评价。

图1 研究区地理位置Fig.1 The geographic location of the study area

1 研究区概况

研究区为黄河流经的兰州市辖区，如图1所示。区域径流长度约150.7 km，兰州市面积为13 100 km2。东邻定西市，北边与武威市和白银相邻，南边与临夏回族自治州接壤。平均海拔1 530～1 580 m，年蒸发量为1 676 mm，年均降水量324.8 mm，年均气温10.3 ℃，是温带大陆性气候，夏季降雨量多且集中暴雨。兰州市地处黄河由青藏高原流入黄土高原的转折点上，是串珠状黄河河谷盆地，地形为南北两山夹峙，地貌为典型的黄土地貌，是中国黄土沉积厚度最厚的地区。灰钙土为土壤中的主要成分，成土母质是黄土，有机质含量低，植被稀疏，土壤无法保水保肥，由于水量不稳定且雨季集中，导致流域土壤侵蚀严重。

2 研究方法

2.1 数据来源

数据源兰州市卫星影像下载自美国地质调查局(united states geological survey，USGS)，轨道号为130/35和131/35，成像时间为2017年12月，云量10%以下。使用该数据提取归一化植被指数(normalized difference vegetation index，NDVI)，在ENVI软件中完成图像的预处理，用来计算植被覆盖因子。30GDEMV2数字高程模型(digital elevation model，DEM)下载自地理空间数据云，5景DEM数据拼接后覆盖研究区域，用于计算坡度、坡长因子。收集2017年黄河流域兰州段及其周围站点的月平均降水量数据，用于计算降雨侵蚀力因子。水土保持措施因子是使用中科院2017年土地利用数据计算获取。根据世界土壤数据库(harmonized world soil database，HWSD)数据和中科院收集的土壤类型空间分布数据，计算砂土、黏土、壤土、有机质含量，进而计算土壤可蚀性因子。利用GIS空间分析技术完成土壤侵蚀敏感性的评价。

2.2 改进的土壤侵蚀敏感性评价模型

2.2.1 RUSLE模型

学术界普遍应用的土壤侵蚀模型(RUSLE)表达式为

A=RKLSPC

(1)

式(1)中：A为单位面积年平均土壤侵蚀量，t/hm2；R为降雨侵蚀力因子，MJ·mm/(hm2·h·a)，在数值上，A与R相等；K为土壤可蚀性因子，t·h/(MJ·mm)；L为坡长因子；S为坡度因子；P为水土保持措施因子；C为植被覆盖因子。

2.2.2 改进的加权综合评价模型

以RUSLE 模型为基础，结合研究区的实际土壤状况，选取6个因子作为评价因子，加以权重改进RUSLE模型。改进后的加权综合评价模型为

A1=PiRPiKPiLPiSPiPPiC

(2)

(3)

式中：A1为单位面积年平均土壤侵蚀量，t/hm2；Sj为土壤侵蚀敏感性指数；Pi为每个影响因子对应的权重，综合考虑各因子对土壤侵蚀的影响程度，应用层次分析法确定权重。

2.2.3 因子的选取与权重确定方法

根据黄河流域兰州段实际生态环境特点，构建土壤侵蚀敏感性的合理评价指标体系是关键。在各个因子的选取方法上遵循实用性、差异性、主导性、综合性和所需指标因子的可获取性等原则。结合前人的指标体系经验，根据研究区土壤环境情况及结构功能特性，综合考虑自然因素和人为因素的共同影响。确定的自然因素指标体系有坡度、坡长、土壤可蚀性、水土保持措施、植被覆盖度和降雨侵蚀力等因子，建立了相对完善的土壤侵蚀敏感性评价指标体系，如表1、表2所示。

权重的确定采用层次分析法。提出此方法的是美国运筹学家A L Saaty。层次分析法适用于确定权重较复杂的模糊综合评价系统，既有非定量事件的定性分析，也有较精确的定量分析。步骤是建立黄河流域兰州段土壤侵蚀敏感性评价模型层次结构递阶关系，构建各层次评价指标两两相比的判断矩阵，计算各层元素的权重值，对判断矩阵进行单层次排序与一致性检验，计算各指标因子的综合权重值，采用算术平均值确定最终的权重。表3是判断矩阵标度值及其含义，ri、rj为不同指标的影响因素，rij为因素i与因素j的重要性之比。结合5位生态行业专家打分与研究区的实际生态状况，应用YAAHP软件确定的最终权重如表4所示。其中判断矩阵一致性检验结果是0.073 8<0.1，说明权重正确。

2.3 单因子的识别和计算

2.3.1 降雨侵蚀力因子R

降雨量能够直观反映土壤侵蚀的强弱度，降雨数据与时间、雨量、强度、类型这些影响因素密切相关。结合黄河流域兰州段降雨量的实际情况，选取月均降雨量数据。采用经典简易算法来测算研究区域降雨侵蚀力因子R。简易法公式为

(4)

式(4)中：Pi为流域内月均降雨量，mm；P为流域内年均降雨量，mm。

黄河流域兰州段的降雨监测站点皋兰站和榆中站分布在黄河流域两侧。根据2017年区域月均降雨量数据，应用式(4)计算R值，并用ArcGIS进行插值，生成如图2(a)的R值栅格分布图。这里根据实际情况考虑，用相对平均误差最小的反距离权重插值法模拟降雨量。计算得出2017年均降雨侵蚀因子，再根据自然断点法进行重分类。

2.3.2 土壤可蚀性因子K

K值能够有效地评价土壤性质和侵蚀的关系，用来反映侵蚀营力的破坏程度，影响着土壤的侵蚀状态。K值的计算方法较多，但很多方法相关参数难以获取。参考彭双云等[16]改进的简易估算方法进行计算。利用兰州市HWSD数据和土壤类型空间分布数据，计算砂粒、粉粒、黏粒和有机碳百分比含量，得到土壤可蚀性因子K值。计算公式为

表1 土壤侵蚀敏感性评价指标体系Table 1 Evaluation index system of soil erosion sensitivity

表2 生态敏感性等级划分Table 2 Ecological sensitivity rating

表3 判断矩阵标度值及其含义Table 3 Value of judgment matrix scale and its meaning

表4 黄河流域兰州段土壤侵蚀敏感性指标权重Table 4 The weight of soil erosion sensitivity index in Lanzhou section of the Yellow River Basin

(5)

(6)

式中：K为土壤可蚀性因子，t·h/(MJ·mm)；Sa为砂粒含量(粒径为0.1～2.0 mm)；Si为粉粒含量(粒径为0.002～0.100 mm)；C1为黏粒含量(粒径<0.002 mm)；C为有机碳含量，%。

1∶100万的HWSD是第二次土地调查获取的数据，用来计算有机碳含量。1∶100万中国土壤质地空间分布数据可得到砂粒、粉粒、黏粒的含量。使用ArcGIS得出研究区的土壤可蚀性因子分布图[如图2(b)]。

2.3.3 坡度因子S

坡度因子S是重要的地形指标，可以反映坡度与土壤侵蚀间的关系。一般情况下，径流量大的坡度陡，坡面的冲刷力就强，区域内土壤受到侵蚀作用就越强，故坡度因子对土壤侵蚀的影响非常大。坡度因子S采用《第4次全国土壤侵蚀普查技术规程》中规定的方法计算，该方法适用于地形起伏较大地域。计算公式为

(7)

式(7)中：θ为坡度值；S为坡度因子。

研究区DEM数据利用ENVI(the environment for visualizing images)软件裁剪、镶嵌等处理，再以处理后的数字高程模型为基础，提取坡度专题图。得到研究区S因子的栅格图[图2(c)]。其中提取坡度因子时，研究区纬度为37°，计算过程中用到的Z因子(ArcGIS软件进行坡度提取时一个表面Z单位中地面x，y单位的数量)是通过纬度内插得到，Z因子为0.000 011 71。

2.3.4 坡长因子L

坡长因子L依据1978年Wischmeier和Smith两位学者提出的经典算法计算，其中，m的取值采用刘宝元等[17]提出的方法，计算公式为

(8)

式(8)中：λ为水平坡长；θ为坡度值；L为坡长因子；m为坡长指数。

根据坡度图，在栅格计算器中计算m值，得到流向图。基于分辨率为30 m的DEM提取研究区的坡长λ：先对DEM影像进行填洼，得到径流方向(角度)，按照流向计算单元栅格的λ。应用ENVI软件中的band math工具，利用式(8)计算坡长因子L。计算结果如图2(d)所示。

2.3.5 水土保持措施因子P

P因子是指特定水土保持措施下的土壤流失量与未实施水土保持措施地块顺坡耕作时的土壤流失量之比。估算水土保持措施因子P的方法有多种。黄杰等[18]比较了各种估计方法的优缺点，可以为P因子的计算提供参考。综合考虑研究区的气候、环境、地形等差异，因地制宜地确定P值计算方法尤为重要。运用兰州段的土地利用类型赋值法来确定P值，计算结果如图2(e)所示。P因子取值范围在0～1。一般未采取水土保持措施的土地利用类型将P取值为1，如林地、居民地、未利用土地、园地等。不发生土壤侵蚀的土地利用类型如水体P值取为0。草地起到较好地防止土壤侵蚀的作用，赋值为0.15。没有灌溉或者灌溉不能保证的旱地取值为0.35[19-21]。不同土地利用类型P取值如表5所示。

2.3.6 植被覆盖度因子C

植被覆盖因子C是指具有良好的管理措施或者有绿色植被覆盖地区与同样条件下无植被地表裸露地区的土壤侵蚀量的比值。取值范围是[0，1]，C值越大越可以防止土壤侵蚀，起到抑制土壤侵蚀的作用[22]。植被覆盖可以拦截水流、涵养水源、调节水文状况、固定土壤，可以有效地控制土壤侵蚀。植被覆盖度指标是反映植被群落覆盖地表状况的综合化指标。用地理空间数据云中的2017年Landsat8-OLI 30 m影像数据，经过数据预处理，如辐射定标和大气校正等，应用像元二分模型[23]，构建植被覆盖度(vegetation fraction coverage，VFC)，进而得出归一化植被指数(NDVI)，建立的C值模型是反映植被覆盖度c和植被覆盖度C因子的线性关系，应用线性混合像元分解法来估算C因子，结果如图2(f)所示，具体计算公式为

表5 不同土地利用类型P值Table 5 Pvalues of different land use types

(9)

式(9)中：R为红外波段反射值；NIR为影像中近红外波段反射值。

(10)

式(10)中：NDVI为像元的归一化植被指数；NDVImin为完全裸土或无植被覆盖度区域的NDVI值(研究区归一化植被指数的最小值)；NDVImax为完全被植被覆盖的像元NDVI值，即纯植被像元NDVI值(研究区归一化植被指数的最大值)。

(11)

式(11)中：c为植被覆盖度，%;C为植被覆盖度因子。

3 结果与分析

基于改进的加权综合土壤侵蚀评价模型，构建土壤侵蚀敏感性评价指标体系。使用ArcGIS软件，进行空间栅格运算，综合利用研究区遥感影像数据、DEM数据、土地利用数据、土壤类型空间分布数据、HWSD数据、月平均降雨量数据对黄河流域兰州段做土壤侵蚀敏感性评价。评价结果如下：利用RUSLE模型计算的单位面积年平均土壤侵蚀量值分布范围在(1.205 34，5.377 75)，如图3(a)所示。利用改进后加权综合评价模型的单位面积年平均土壤侵蚀量值范围在(1.034 699，1)，如图3(b)所示。图4所示为新旧模型计算的土壤侵蚀敏感性各等级对应的土地面积分布图，从图4可以看出，利用改进后评价模型的土壤侵蚀敏感性程度分布折线图更加平缓些，更接近研究区实际土壤侵蚀和生态环境状况。

图3 2017年兰州市土壤侵蚀空间分布示意图Fig.3 Spatial distribution diagram of soil erosion in Lanzhou in 2017

图4 两种模型土壤侵蚀敏感性等级分布面积Fig.4 The distribution area of soil erosion sensitivity grade of the two models

(1)黄河流域兰州段，6个因子对土壤侵蚀敏感性强弱影响程度如下：降雨侵蚀力因子对研究区的土壤侵蚀敏感性较弱，其中土壤侵蚀不敏感区域占区域总面积的67.70%，主要分布在永登县、红古区、西固区、安宁区。土壤可蚀性因子重度敏感占区域总面积的80.08%，分布广泛，地形复杂，土壤较为贫瘠，容易遭受侵蚀。坡度、坡长因子和植被覆盖因子以轻度敏感为主，分别占区域总面积的34.15%和58.06%，因为地形地貌复杂，海拔较高，轻度敏感性分布广泛。水土保持措施因子敏感性大多是中度敏感，占区域总面积的60.02%，主要集中在永登县、皋兰县和榆中县，其他地区也有零星的分散分布。由于西北强劲风力，加上地形地貌影响，使得黄河流域兰州段土壤侵蚀加剧。

(2)黄河流域兰州段，土壤侵蚀敏感性空间分布特征如下：不敏感、轻度敏感、中度敏感、重度敏感、极敏感区域面积占比分别为3.62%、8.05%、45.60%、32.10%、10.63%，以中度敏感和重度敏感为主。集中分布在研究区西北部和中部地区，有皋兰县、永登县、七里河区、城关区和榆中县，其中榆中县50%是极敏感地区。说明研究区近几年生态环境受到一定破坏，生态环境质量在逐渐下降，导致较高敏感区的面积在不断扩大，研究区土壤侵蚀敏感性整体等级呈现西北部向东南部递增的趋势。不敏感区域和轻度敏感区域的面积在减少，重度敏感区的面积增加可能与暴雨冲刷导致土壤可蚀性增大和植被覆盖率降低有关。

(3)从评价结果可以看出，土壤侵蚀敏感性地区的面积占比较大。区域土壤侵蚀敏感性的空间分布和客观实际相符，加强敏感区域的土地利用保护和管理，是黄河流域兰州段生态建设的重点工作。

4 结论

研究对于黄河流域兰州段土壤侵蚀敏感性进行综合评价，识别出研究区敏感性程度等级。对传统的土壤侵蚀敏感性评价模型做了改进。实验发现，改进后的加权RUSLE模型的评价结果更符合研究区实际情况，可为黄河流域黄土、高寒区域的土壤侵蚀敏感性评价提供技术参照。但文中利用层次分析法确定权重时，专家打分法有一定的局限性，有待寻找更好的权重确定方法。土壤侵蚀敏感性动态监测也是后续研究的重要方向。