基于CSLE模型的黄河上游龙羊峡至积石峡段流域土壤侵蚀评价

吕伟涛, 胡夏嵩, 刘昌义, 付江涛, 邢光延, 赵吉美, 何伟鹏, 杨馥铖

(1.青海大学 地质工程系, 西宁 810016; 2.青海大学 农林科学院, 西宁 810016; 3.青海大学 农牧学院, 西宁 810016)

黄河作为世界第五大河流,同时也是含沙量最大的河流,其产沙量占到全球河流系统总产沙量的6%,水土流失是黄河流域最主要的生态问题之一[1]。近年来,随着区域经济发展与人为活动增加,黄河流域生态环境发生了显著的变化,主要表现为水源涵养能力下降,河川径流变化加剧,土壤侵蚀严重,一定程度制约了流域地区可持续发展[2]。土壤侵蚀还会引起黄河流域地区的土地资源破坏、加快草地退化和降低土壤肥力等一系列的生态和环境问题[3]。其中,位于黄河上游的龙羊峡至积石峡段流域地区,地处我国地貌单元第一阶梯青藏高原向第二阶梯黄土高原的过渡地带,受地形落差大、植被生长稀疏、土质疏松、降雨集中以及坡度陡峭等诸多因素影响,黄河沿岸、贵南地区中部、龙羊峡北岸等部分地区土壤侵蚀现象十分严重[4-6]。每遇强降雨,洪水挟带大量泥沙,不仅严重淤积黄河河段,冲毁当地道路,造成交通堵塞,而且严重制约周边地区经济社会发展,威胁当地居民群众的生产生活和生命财产安全[7]。

有关土壤侵蚀研究方面,土壤侵蚀模型已被广泛用于区域土壤侵蚀成因、过程机理及其定量评价等研究之中,20世纪30年代以来,国内外学者陆续提出了各具特色的土壤侵蚀物理模型或经验模型[8]。Wischmeier等[9]提出了用于计算土壤侵蚀模数的通用土壤流失方程USLE(universal soil loss equation),并作为用来计算美国范围内年平均土壤流失量的通用计算模型;在此之后的相关研究表明,该模型不适宜用于计算耕地、田埂区域的土壤侵蚀模数[10],为此美国农业部于1997年在通用土壤流失模型(USLE)基础上进行了修订,建立并正式实施适用范围更广的修正模型,即RUSLE模型(revised universal soil loss equation)[11]。此外,刘宝元等[12]以32 948个调查单元的土壤侵蚀影响因子调查信息为基础,利用中国土壤流失方程CSLE(Chinese soil loss equation)评价国内不同行政区域的土壤侵蚀强度,再采用统计学方法汇总统计国内不同行政区域水蚀强度分级面积,形成了国内32 948个调查单元的基础信息档案,从而为今后水力侵蚀动态评价打下了坚实基础。在上述基础上,国内外学者先后开展了大量研究并得到较为丰富的研究成果。例如郝姗姗等[13]使用BP神经网络方法对黄土丘陵区土壤侵蚀因子进行敏感性分析,结果表明BP神经网络模型能有效预测土壤侵蚀影响因子的显著性。Eugeniusz等[14]以波兰喀尔巴阡山脉为试验区,依据马铃薯、谷物和草地试验地的降水参数、土壤条件、植物生长阶段和农业措施等数据,并基于RUSLE模型评估喀尔巴阡山脉的土壤侵蚀动态,结果表明种植马铃薯试验地的年平均土壤侵蚀量为25.67 t/(hm2·a),分别较谷地和草地的土壤侵蚀量高95.4%,99.7%。Peng等[15]以我国西北部祁连山国家公园(QLMNP)为研究区,采用RUSLE模型来评估1982—2020年该区域产生的土壤侵蚀率,并通过对比实际情景和降雨径流侵蚀因子R固定、覆盖和管理因子C固定、预防措施因子P固定、植被未覆盖和水土保持措施4种理想情景之间的差异,以及不同的RUSLE模型输入参数来检测土壤侵蚀的驱动机制,结果表明极端降水是土壤侵蚀的主要驱动因素。

此外,黄河流域土壤侵蚀研究方面,武翠翠等[16]以黄河流域兰州段为研究区,采用改进的加权土壤侵蚀(RUSLE)模型,运用地理信息系统(GIS)和遥感技术评价该区域土壤侵蚀敏感性,结果表明该区域土壤侵蚀极敏感区和重度敏感区占区域总面积的42.73%,中度敏感区占45.60%,轻度敏感区和不敏感区占11.67%。杨洁等[17]以黄河流域为研究区,运用InVEST模型评估黄河流域2000年、2005年、2010年、2018年土壤侵蚀量并分析时空变化特征,结果表明18 a间黄河流域土壤侵蚀总量共减少8.4×107t,土壤侵蚀模数共减少87.42 t/(km2·a)。

综合以上,有关土壤侵蚀方面的已有研究成果,更多的是从空间维度分析单一年份不同土地利用类型、坡度、措施种类等的土壤侵蚀强度特征,而采用多年时间维度分析植被覆盖度不同时空变化下的土壤侵蚀特征方面的研究相对较少。基于此,本研究基于CSLE模型分别以空间插值法和地图代数法,定量计算黄河上游龙羊峡至积石峡段流域2017—2021年各年产生的土壤侵蚀模数并分析其5 a间土壤侵蚀的变化特征,同时分析不同土地利用类型、不同坡度、不同植被覆盖度变化趋势对土壤侵蚀的影响。本研究结果为合理分析龙羊峡至积石峡段流域土壤侵蚀状况和土壤侵蚀定量预报提供数据支撑,进而为黄河上游流域开展植被水土保持措施的合理实施与生态安全保护,提供理论依据和实际指导。

1 研究区概况

本研究选取位于黄河上游龙羊峡至积石峡段流域作为研究区,研究区位于青海省东部,该河段流域行政区域隶属青海省共和县部分区域、贵南、贵德、尖扎、化隆和循化县6个县范围,其地理坐标为100°—103°30′E,35°40′—36°10′N;研究区面积约为18 000 km2,区内平均海拔为3 132 m,研究区地理位置及其地貌侵蚀特征如图1所示。

图1 研究区地理位置及其地貌侵蚀特征示意图Fig. 1 Schematic diagram of geographical location and geomorphic erosion characteristics of the study area

研究区位于黄河上游峡谷段,黄河干流两侧河床比降大、落差集中、河道深窄、两岸陡峻、基岩裸露,形成了陡峻高耸的山岳与断陷盆地和深切峡谷相间的地形特点[18];此外区内地表土壤疏松、气候干旱且蒸发量大,植被单一稀疏,每逢夏季遇暴雨等极端气象条件易形成滑坡、泥石流和土壤侵蚀等地质灾害。根据已有气象记录,区内在2017—2021年降雨主要集中在每年5—9月份,多年平均降雨量为634.2 mm,年平均蒸发量为1 054.17 mm。此外,因区内地势较为陡峭,植被生长稀疏且植被覆盖度相对较低,并在长期雨水侵蚀下,地表形成规模不同的冲沟现象(图1)。

2 数据来源及研究方法

2.1 数据来源

本研究所用数据主要包括以下部分:(1) 降雨数据,来自于NOAA网站,利用ArcGIS软件采用克里金插值法对区内降雨数据进行插值,并生成分辨率为30 m×30 m的研究区年降雨量栅格图;(2) 遥感影像数据,采用2017—2021年区内龙羊峡至积石峡段流域6—9月的Landsat 8 OLI遥感影像,来源于美国USGS网站,其分辨率为30 m×30 m;(3) 土地利用类型数据,来源于ZENODO网站,其分辨率为30 m×30 m;(4) 数字高程模型(DEM)数据,来源于地理空间数据云网站。

2.2 研究方法

研究区黄河上游龙羊峡至积石峡段流域其土壤侵蚀模数,采用我国土壤流失方程(CSLE)进行定量计算,其模型公式为[19]:

A=R·K·LS·B·E·T

(1)

式中:A为土壤侵蚀模数〔t/(hm2·a)〕,表示单位面积坡面年平均土壤流失量;R为降雨侵蚀力因子MJ·mm/(hm2·a);K为土壤可蚀性因子〔(t·hm2·h)/(hm2·MJ·mm)〕;L为坡长因子,无量纲;S为坡度因子,无量纲;B为生物措施因子,无量纲;E为工程措施因子,无量纲;T为耕作措施因子,无量纲。

根据公式(1)计算要求,在计算土壤侵蚀模数A时,若土地利用类型为耕地时,计算时在B因子、E因子两者中,选取E因子与R,K,SL,T因子相乘;若土地利用类型为非耕地时,则选取B因子与R,K,SL,T因子相乘。研究区耕地主要以土坎水平梯田为主,当土地利用类型为耕地时T值取0.084,土地利用类型为非耕地时其值取为1[20],这里为便于计算,本研究将B,E,T因子合成一栅格图层(BET因子);同时,根据国内行业标准《土壤侵蚀分类分级标准》(SL190—96),将区内土壤侵蚀划分为:微度侵蚀、轻度侵蚀、中度侵蚀、强度侵蚀、极强度侵蚀、剧烈侵蚀6个等级(表1)[21]。

表1 土壤侵蚀强度分级结果Table 1 Grading results of soil erosion intensity

2.2.1 降雨侵蚀因子R计算 已有研究表明,降雨是引起土壤侵蚀的最主要因素之一,该因子主要反映降雨对土壤的侵蚀能力,一般采用降雨量、降雨强度等参数来进行估算。故本研究采用年降雨量估算模型计算R因子,其计算模型如下[22]:

(2)

式中:R为降雨侵蚀因子;pi为n年第i个月的月平均降水量(mm);p为n年的年平均降雨量(mm)。

2.2.2 土壤可蚀性因子K计算 土壤侵蚀因子K是从土壤本身性质出发,反映了土壤抵抗侵蚀的能力大小,本研究K值采用EPIC方程进行计算,利用区内HWSD数据提取砂粒、粉粒、黏粒和有机碳含量,计算得出K值并使用ArcGIS对计算结果进行克里金插值,获得区内整个面上的K值。K因子的计算公式如下所示[23]:

(3)

Sn1=1-Sa/100

(4)

式中:Sa为砂粒(0.05～2 mm)百分含量(%);Si为粉砂(0.002～0.05 mm)百分含量(%);Ci为黏粒(<0.002 mm)百分含量(%);C为有机碳含量(%)。

2.2.3 坡度及坡长因子SL的估算 坡度因子与坡长因子反映了研究区坡度与坡长对土壤侵蚀的影响程度,本研究中所涉及的坡度因子S采用Liu等[24]提出的算法计算,其计算公式如下:

(5)

式中:θ为DEM提取的坡度值。

本研究中的坡长因子L计算公式如下[25-26]:

(6)

m=β/(β+1)

(7)

λ=l×cosθ

(8)

(9)

式中:L为坡长因子;θ与公式(5)相同;λ为水平投影坡长;l为地表沿流向的水流长度;β为细沟侵蚀量与细沟侵蚀间侵蚀量的比值;m为坡长因子指数。

2.2.4 生物措施因子B的估算 本研究有关区内的植被覆盖度采用归一化植被覆盖指数进行计算,归一化植被覆盖指数FC计算公式为[27]:

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

(10)

(11)

式中:NDVI为植被覆盖指数;NIR为近红外波段;RED为红光波段;NDVIsoil为NDVI值的最小值;NDVIveg为NDVI的最大值;FC为归一化植被覆盖指数。

本研究结合区内龙羊峡至积石峡段流域土地利用类型数据,参阅周柽等[28]相关研究成果,并根据区内不同土地利用类型和不同的植被覆盖确定B因子的值,其结果见表2。

表2 研究区生物措施因子B赋值标准Table 2 Evaluation criteria of biological measures factor B in the study area

2.2.5 耕作措施因子E的估算 本研究中有关耕作因子E的赋值参阅游浩妍等[29]的相关研究成果。首先,根据不同土地利用类型,将区内分土地划分为耕地与非耕地两种类型,然后将耕地的坡度按照[0°,5°],(5°,10°],(10°,15°],(15°,20°],(20°,25°],(25°,90°]依次划分为6等级;最后再根据区内不同土地类型与不同坡度确定因子T的值,见表3。

表3 研究区措施因子E赋值Table 3 Assignment table of measure factor E in the study area

2.2.6 植被覆盖时空变化计算 本研究采用一元线性回归分析方法,计算区内2017—2021年植被覆盖度逐像元变化趋势斜率值,计算公式如下[30]:

(12)

式中:Z为变化趋势斜率;n为时间点数量;i为时间;Fi为各像元植被覆盖度统计量。采用F检验法检验区内2017—2021年植被覆盖度逐像元变化趋势斜率的显著性。本研究中其样本容量取值为5,且选取显著性水平α=0.01和α=0.05,通过查表得,F0.01(1,3)=34.1,F0.05(1,3)=10.1。由此,将区内植被覆盖度逐像元变化趋势斜率分为5个不同等级,即显著降少(Z<0,F≥34.1)、轻微减少(Z<0,10.1≤F<34.1)、基本不变(F<10.1)、轻微增加(Z>0,10.1≤F<34.1)、显著增加(Z>0,F≥34.1)[25]。

3 结果与分析

3.1 各因子空间分布及其特征

3.1.1R因子的空间分布及特征 区内2017—2021年降雨侵蚀因子R空间分布如图2所示,由该图可知,区内2018年降雨侵蚀因子显著大于其他年份,且2018年区内R因子的平均值为1 799.64 MJ·mm/(hm2·h·a)。进一步分析可知,区内2017—2018年降雨侵蚀因子R呈增加的变化趋势,其增长幅度为38.19%;2018—2021年降雨侵蚀因子R则表现出呈降低的变化趋势,其减少幅度为34.57%。此外,区内流域中下游地区所具有的降雨侵蚀因子相对较高,而流域上游地区其降雨侵蚀因子则相对较低,且整体表现出呈东高西低的空间分布规律。

3.1.2K因子的空间分布及特征 由图3可知,区内流域中部地区的土壤可蚀性K因子较低,其值在0.01～0.025。而流域东部和西部区域地区的土壤可蚀性K因子相对较高,其值为0.03～0.045。其空间分布特征主要表现出呈现“东西两边高,中间部位低”的分布规律。

3.1.3SL因子的空间分布及特征 如图4所示,流域中下游地区主要分布以高山地貌为主,其地势较为陡峭,流域上游地区地势相对较为平缓。流域内中下游地区其坡度相对较大,而上游地区其坡度较小。故区内坡度因子S大体上反映出流域中下游地区其坡度因子相对较大,流域上游地区坡度因子则较小。此外,区内L坡长因子介于1.00～3.56;进一步分析可知,在空间分布上,流域内上游地区其坡长因子L值相对较小,而中下游地区其坡长因子L值相对较大。产生该种变化规律的主要原因在于流域上游地区其地势相对较平缓且水平投影坡长较小,故该区域的L也较小;而中下游地区水平投影坡长较大,故该区域的L亦表现出较大的特征。

3.1.4 BET因子的空间分布及特征 如图5所示,2017—2021年区内BET因子空间分布上呈现出“南北两边小,中间部位大”的分布规律,即表现在区内流域中部黄河沿岸地区与贵南地区的BET因子值相对较大,其值为0.24～0.90,流域南部区域与流域北部区域BET因子值相对较小,其值为0.004～0.15。此外,通过进一步对比区内5 a间各年的BET因子值可知,黄河沿岸与流域南部区域内的BET因子值受2018年强降雨影响由原来的0.24增加至0.45,2018—2021年BET因子值则由0.45减少至0.24。产生这种变化的主要原因在于,区内黄河沿岸与流域南部区域植被覆盖度相对较低,且2017—2018年黄河沿岸与流域南部区域的植被覆盖度减少0.2,其减少幅度为40%。

图5 2017-2021年研究区BET因子空间分布规律及其特征Fig. 5 Spatial distribution and characteristics of BET factor in the study area from 2017 to 2021

3.2 土壤侵蚀模数及其特征

由图6可知,区内土壤侵蚀主要以微度侵蚀与轻度侵蚀为主,占总面积的80%,其他类型面积之和仅占总面积的不足20%。通过计算得到区内2017—2021年其年平均土壤侵蚀模数分别为21.329,55.518,23.394,21.890,21.650 t/(hm2·a);进一步分析得到,2017—2021年区内土壤侵蚀模数的整体每年增加速率为0.064 t/(hm2·a),由此可知,2017—2021年区内土壤侵蚀处于轻微增加,其土壤侵蚀变化主要分为2个阶段,即表现在2017—2018年为土壤侵蚀加重阶段,年平均土壤侵蚀模数增幅为160.293%;2018—2021年则为土壤侵蚀减轻阶段,其年平均土壤侵蚀模数降低幅度为61.003%。通过进一步对比分析图2所示区内2017—2021年降雨侵蚀R因子空间分布特征结果可知,区内土壤侵蚀波动变化主要与降雨量的变化有关,表现在当区内降雨量出现波动时,例如2017—2018年区内降雨量增大,则土壤侵蚀亦随之增大,2018—2021年区内降雨量减少,表现出区内土壤侵蚀作用也随之减少。

图6 研究区2017-2021年5种不同土壤侵蚀等级分布规律及其特征Fig. 6 Distribution and characteristics of five different soil erosion levels in the study area during 2017-2021

此外,通过对比区内2017—2021年不同土壤侵蚀等级的面积占比结果可知,2017—2018年发生的微度侵蚀面积逐年减少,即由5 279.36 km2下降至484.62 km2,其中2018—2021年则由484.62 km2上升至5 646.45 km2。由表4进一步分析表明,区内2017—2018年极强度侵蚀、剧烈侵蚀面积占比呈逐年增加的变化趋势,极强度侵蚀、剧烈侵蚀面积占比分别由2.81%增加至9.96%,1.39%增加至6.31%,其增幅分别为254.45%,353.96%;其中,2018—2021年极强度侵蚀、剧烈侵蚀面积占比则分别由9.96%减少至3.01%,6.31%降低至1.53%,其增幅与降幅幅度分别为69.78%,75.75%。

表4 研究区2017-2021年5种不同土壤侵蚀等级面积占比模拟结果Table 4 Simulation results of area proportions of five different soil erosion classes in the study area during 2017-2021 %

另外,结合区内植被分布特征,通过对比区内2017—2018年5种不同NDVI等级区域其土壤侵蚀等级的变化特征可知,2017—2018年随着区域内降雨量增加,极高覆盖度区域内29.12%区域其土壤侵蚀等级呈增加趋势,其中933.71 km2区域的土壤侵蚀由微度侵蚀增强为轻度侵蚀,占总面积的20.35%。而极低覆盖度区域内有31.04%区域的土壤侵蚀等级表现为增加状态,其中微度侵蚀增强为轻度侵蚀的面积仅有24.56 km2,占总面积的1.42%;与此同时,当区内降雨量增加时,植被覆盖度愈低其区域内的土壤侵蚀等级愈呈易于提高,表现出植被覆盖度高的区域能一定程度上减少土壤侵蚀等级的提升。综上所述,2017—2021年区内土壤侵蚀现象呈现先增后减的变化趋势,且当降雨量增加时,区内植物能一定程度起到有效减少土壤侵蚀的作用。

3.3 不同土地利用类型对土壤侵蚀的影响

区内2017—2021年各年不同土地利用类型下土壤侵蚀等级面积占比结果见表5。区内5 a间耕地、林地(本文中的林地泛指的是乔木林地)、灌木与裸地分布面积均表现出呈增加的变化趋势;其中,2017年间区内耕地、林地、灌木与裸地面积与2021年间区内耕地、林地、灌木与裸地面积相比较其增幅分别为3.90%,1.70%,2.04%,0.68%。此外,2017—2021年区内草地与冰川面积则呈减少的变化趋势,其减少幅度分别为3.23%,83.33%,其中冰川面积由原来11.07 km2减少至0.61 km2;与此同时,受气候变暖与冰川面积减少的共同影响,2017—2021年区内水域分布面积呈现增加的变化趋势,表现在水域面积占比由2.31%增加至2.59%。

表5 研究区2017-2021年7种不同土地利用类型面积占比及其区内平均侵蚀模数计算结果Table 5 Calculation results of area proportion of seven different land use types and average erosion modulus in the study area during 2017-2021

相类似地,通过进一步对比分析2017—2021年区内不同土地利用类型下土壤侵蚀特征。由表5可知,区内耕地、林地、灌木、草地和裸地中,其中林地区域其微度侵蚀面积占比最大为40%～50%,微度侵蚀面积占比排序由大至小依次为林地、耕地、灌木、草地、裸地。进一步分析还可知,区内耕地、林地、灌木、草地和裸地中,其裸地区域内剧烈侵蚀面积占比最大为3%～8%,轻度侵蚀面积占比由大至小依次为裸地、草地、灌木、耕地、林地。

由图7可知,通过分析区内裸地、草地、耕地、灌木、林地等区域中度侵蚀面积占比可知,中度侵蚀主要发生在裸地、草地与耕地区域,其中2017—2021年裸地区域中度侵蚀面积占比分别为29.48%,33.02%,27.58%,31.26%,26.03%;进一步分析得到,2017—2021年裸地强度侵蚀面积占比最大,其值分别为10.81%,15.85%,10.19%,12.76%,9.33%;另外,区内2021年耕地、林地、灌木、草地和裸地区域剧烈侵蚀面积占比由小至大依次为林地、灌木、耕地、草地、裸地,其面积占比分别为0.62%,0.80%,0.81%,1.51%,3.05%。通过上述对比分析,区内耕地、林地、灌木、草地和裸地5种土地利用类型区域的各年平均侵蚀模数,表现出林地区域平均侵蚀模数低于灌木区域,耕地区域平均侵蚀模数低于灌木区域,灌木区域平均侵蚀模数低于草地区域,以及草地区域的平均侵蚀模数低于裸地区域的变化特征。其中冰川与裸地区域的年平均土壤侵蚀模数最大,其主要原因在于冰川和裸地区域NDVI值相对较低,因此该区域的B因子相对较大,且该区域的土壤抗侵蚀能力较其他土地利用类型区域相对较低,且其K因子较大。因此,区内冰川与裸地区域的年平均土壤侵蚀模数,较其他土地利用类型区域相比较则表现出相对较大的特征。

图7 研究区2017-2021年8种不同土地利用类型的土壤侵蚀分布规律及其特征Fig. 7 Soil erosion distribution and characteristics of eight different land use types in the study area from 2017 to 2021

3.4 不同坡度的土壤侵蚀分布规律及其特征

由图8所示,区内当坡度为[0°,5°]时,区域内强度、极强度和剧烈侵蚀的面积占比只占总面积的2.5%～8.5%;同时,通过对比不同坡度区域内的微度侵蚀面积占比可知,随着坡度增加区内微度侵蚀面积占比则呈现下降趋势,其降低幅度为70%～90%。进一步分析得到2017年间区内的强度、极强度,剧烈侵蚀面积占比随坡度增加分别由1.31%增加至7.75%,0.70%增加至4.97%,0.29%增加至1.44%,2018年间区内的强度、极强度,剧烈侵蚀面积占比随坡度增加分别由4.39%增加至21.45%,2.75%增加至17.24%,1.40%增加至9.18%,2019年间区内的强度、极强度、剧烈侵蚀面积占比随着坡度的增加由1.76%增加至7.87%,0.81%增加至5.24%,0.32%增加至1.69%,2020年间区内的强度、极强度、剧烈侵蚀面积占比随着坡度的增加由1.44%增加至7.79%,0.78%增加至4.99%,0.33%增加至1.66%,2021年间区内的强度、极强度、剧烈侵蚀面积占比随着坡度的增加由1.21%增加至8.09%,0.68%增加至5.56%,0.28%增加至1.73%。综上所述,区内坡度愈大,其发生强度、极强度、剧烈侵蚀概率亦愈大;反之,坡度较小地段发生中度、强度、极强度土壤侵蚀概率则相应愈小。

图8 研究区2017-2021年6种不同坡度土壤侵蚀分布规律及其特征Fig. 8 Soil erosion distribution and characteristics of six different slopes in the study area during 2017-2021

此外,由于坡度(5°,10°〕区域的植被覆盖度普遍较低,加之受2018年强降雨的影响,区内部分植被覆盖度较低区域其土壤侵蚀由微度侵蚀上升至中度侵蚀、强度侵蚀和极强度侵蚀,其结果使得该年(5°,10°〕坡度区域内微度侵蚀面积占比相对较低,而强度侵蚀、极强度侵蚀和剧烈侵蚀的面积占比相对较大。强度侵蚀、极强度侵蚀和剧烈侵蚀区域大多分布在坡度大于20°的区域内。由以上分析可知,坡度是影响区内土壤侵蚀的主要因素之一,坡度较大区域内其土壤侵蚀现象相对严重,而坡度较小区域内其土壤侵蚀作用相对轻微。

3.5 不同NDVI时序变化对土壤侵蚀的影响

由图9可知,2017—2021年黄河上游龙羊峡至积石峡段流域植被轻微减少区域其面积约为302.77 km2,占总面积的1.58%,轻微增加区域面积为1 862.991 km2,占总面积的9.71%,其他区域的植被覆盖度基本不变。其中,其轻微减少区域主要分布在黄河沿岸和区内中部区域,该区域植被覆盖度较低,主要以荒地与草地为主;轻微增加区域则主要分布在区内南部和北部地区,该区域内的植被覆盖度相对较高。此外,由图9还可知,该区内大部分区域植被覆盖度均处在较稳定状态,且2017—2021年区内88.72%区域其植被覆盖度基本未发生变化。

图9 研究区2017-2021年NDVI时空变化趋势分布规律及其特征Fig. 9 NDVI spatial and temporal trend distribution and its characteristics from 2017 to 2021 in the study area

采用F检验法对区内2017—2021年植被覆盖度逐像元变化趋势斜率值Z进行显著性检验时,因区内植被覆盖度逐像元变化趋势斜率值Z的F值均小于34.1,2017—2021年区内植被覆盖度时空变化趋势未表现出显著减少与显著增加区域,故将植被覆盖度轻微减少和轻微增加区域单独提取出来,与区内2017—2021年各年的土壤侵蚀栅格数据进行叠加分析,分析植被覆盖度轻微减少和轻微增加区域的土壤侵蚀分布特征。

如图10所示,当区域内植被处于轻微减少的时空变化趋势时,区域内微度侵蚀面积占比表现出呈减少的变化趋势,即由原先的14.68%减少至2.52%,减少幅度为82.83%;相应地,区内2017—2021年,植被轻微减少区域内中度侵蚀面积占比呈现增加的变化趋势,表现为由21.49%增加至28.83%。此外,区内在2017—2021年,植被轻微减少区域极强度侵蚀与剧烈侵蚀面积占比均呈现增加的变化趋势,其增幅分别为73.60,77.15%。综上所述,当区域内植被呈现轻微减少的变化趋势时,表现为区域内土壤侵蚀则会产生进一步加重的趋势。

图10 2017-2021年植被轻微减少区域、植被轻微增加区域土壤侵蚀分布规律 Fig. 10 Distribution of soil erosion in areas with slight vegetation reduction and slight vegetation increase from 2017 to 2021

如图10所示,植被轻微增加区域内的微度侵蚀面积呈增加的变化趋势,表现为微度侵蚀面积占比由11.34%增加至37.07%,其增幅为226.89%;轻微增加区域内中度侵蚀面积占比呈减少的变化趋势,即中度侵蚀面积占比由16.87%减少至9.45%,其减少幅度为43.98%。进一步分析表明,NDVI轻微增加区域内极强度侵蚀与剧烈侵蚀面积占比之间呈先增加后减少的变化趋势,表现在2017—2018年极强度侵蚀面积占比由4.7%增加至10.25%、剧烈侵蚀面积由2.38%增加至6.91%;同时,2018—2021年极强度侵蚀面积占比则由10.25%减少至1.96%、剧烈侵蚀面积由6.91%减少至1.05%。通过对比分析区内2017—2021年各年间发生的微度侵蚀、轻度侵蚀、中度侵蚀等面积表明,当区域内植被呈轻微增加的变化趋势时,2017—2021年其区域内的微度侵蚀面积表现为一定程度增加,轻度侵蚀、中度侵蚀、强度侵蚀等的面积则表现为一定程度减少的特征。

4 结 论

(1) 研究区土壤侵蚀主要以微度侵蚀和轻度侵蚀为主,二者占区内总面积的80%;区内年平均土壤侵蚀模数在2017—2018年表现出呈增加趋势,2018—2021年则呈减少的变化趋势。

(2) 区内耕地、林地、灌木、草地和裸地5种土地利用类型区域,其平均侵蚀模数由小到大依次为林地、耕地、灌木、草地、裸地,即表现为裸地和草地区域平均侵蚀模数相对较大。

(3) 区内坡度愈大区域发生中度、强度、极强度土壤侵蚀概率愈大;同时,植被覆盖度愈低的区域土壤侵蚀现象则愈严重,且在降雨量增大时植被覆盖度低区域土壤侵蚀会由微度侵蚀上升至轻度、中度和强度侵蚀,而高植被覆盖度区域土壤侵蚀程度表现出受降雨影响相对较小的特征。

(4) 区内5 a间植被覆盖度处于在较为稳定状态,表现在区内88.72%区域其NDVI值基本不变,1.58%区域NDVI值呈轻微减少,9.70%区域NDVI值呈轻微增加;当区内植被处于逐渐退化状态时,其区域内土壤侵蚀则表现为随之加重,同时当植被处于逐渐恢复的状态时,其区域内土壤侵蚀则表现为随之减弱的特征。