基于RUSLE模型的土壤侵蚀评价

吕寒 徐丽萍 陈其军

吕 寒，徐丽萍，陈其军. 基于RUSLE模型的土壤侵蚀评价——以南京市六合区为例［J］. 湖北农业科学，2024，63（2）：156-161，239．

摘要：以江苏省南京市六合区程桥街道为研究区域，根据水利部相关标准，采用理论算法、模型建立与现场应用相结合的研究思路，对研究区内土壤侵蚀强度进行评价过程研究。对现有的DEM生成方法和土地利用分类方法进行一定的优化，利用多源遥感影响数据提取土壤侵蚀的监测要素，基于RUSLE模型，估算研究区内土壤侵蚀强度。将现场实际应用结果与现行方法进行对比分析，验证了理论、算法的有效性及客观性。

关键词：土壤侵蚀； RUSLE模型； DEM； 土地分类； 南京市六合区

中图分类号：S157；P208         文献标识码：A

文章编号：0439-8114（2024）02-0156-06

DOI：10.14088/j.cnki.issn0439-8114.2024.02.025 开放科学（资源服务）标识码（OSID）：

The soil erosion evaluation based on RUSLE Model： A case study of Liuhe District， Nanjing City

LYU Han1， XU Li-ping2， CHEN Qi-jun2

（1.Jiangsu Land Development and Consolidation Center，Nanjing  210017，China；2.Nanjing Liuhe District Farming Preservation Station，Nanjing  211500，China）

Abstract： Taking Chengqiao Street， Liuhe District， Nanjing City， Jiangsu Province， as the research area， the evaluation process of soil erosion intensity in the research area was studied by combining theoretical algorithm， model building and field application according to the relevant standards of the Ministry of Water Resources. The existing DEM generation method and land use classification method were optimized to some extent， and the monitoring elements of soil erosion were extracted by using multi-source remote sensing impact data， and the soil erosion intensity in the study area was estimated based on the RUSLE model. The results of practical application in the field were compared and analyzed with the existing methods to verify the validity and objectivity of the theories and algorithms.

Key words： soil erosion； RUSLE model； DEM； land classification； Liuhe District， Nanjing City

中國作为全球人口众多的农业大国之一，面临严重的水土流失问题，该问题已成为限制中国社会经济可持续发展的重要环境挑战^［1，2］。土壤侵蚀广泛分布，危害深远，主要受气候、土壤、地形等自然因素以及不合理的人类开发活动等多种因素的影响。这导致土地的持续退化、水资源的污染以及巨大的经济损失。因此，研究土壤侵蚀的成因，探讨自然因素和人为活动对其影响的方式，以及建立土壤侵蚀的预测模型，以实现对水土流失情况的监测，并评估不同水土保持措施对土壤流失的影响程度，是国内外学者关注的核心研究领域^［3-6］。

随着科学技术的迅速发展，土壤侵蚀领域的理论、计算模型、监测技术以及遥感（Remote sensing，RS）和地理信息系统（Geographic information systems，GIS）技术已经显著提高了土壤侵蚀强度评估的效率和准确性。RS和GIS技术的融合为土壤侵蚀强度的估测和评估提供了一种科学有效的方法，已成为全球研究土壤侵蚀问题广泛采用的科学技术手段，为土壤侵蚀强度的评估和预测提供了便捷、迅速和准确的途径。然而，在中国土壤侵蚀调查方法虽然具备许多优点，但仍然存在一些问题。其中包括基于中低分辨率的数字高程模型（Digital elevation model，DEM）提取坡度时，容易引起坡度信息的损失，从而难以满足土壤侵蚀评估的要求。此外，对遥感影像进行分割后，区分地物类别的具体性质变得较为困难，降低了土壤侵蚀评估精度。本研究选取江苏省六合区程桥街道作为研究区域，遵循水利部的相关标准，采用了理论模型的构建、算法的开发以及现场实际应用等方法，对研究区域内的土壤侵蚀强度进行了评价。本研究对现有的数字高程模型DEM生成方法和遥感影像解译方法进行改进，以提取土壤侵蚀监测要素，基于RUSLE模型，估算研究区域的土壤侵蚀强度，并通过与现行方法的现场实际应用结果进行比较分析，验证所提出的理论和算法的有效性和客观性，以期为研究区域的水土流失防治提供有益的参考。

1 研究区概况

研究区所在的程桥街道位于苏皖两省交界，南京市北郊，六合区西邻，地处东经118°42′—118°44′，北纬32°24′—32°26′，西接安徽省，北邻竹镇镇，东依马鞍街道，南靠龙池街道，区域总面积122.4 km²，距六合城8 km，距南京市区25 km。户籍人口4.6 万人，辖2个社区居民委员会、6个社区村民委员会。程桥街道位置信息如图1所示。

程桥街道交通发达，宁淮高速公路穿越全境，高速公路有宁连高速、绕越高速，一级公路有中部干线、西部干线、西部干线连接线，此外还有扬滁线等。从大桥和二桥经雍六高速、江北大道可快捷到达。

程桥街道北部以丘陵山地为主，南部、西部沿皂河、滁河区域以平原圩区为主。街道东北侧有盘山、小磨盘山、宝塔山等微丘，风光秀丽。周边有滁河、皂河、傅湾水库、唐娄水库、山湖水库等，水系丰富。西部干线、中部干线是连接镇区与周边山水资源的主要路径。街道内水系发达，滁河、黄术桥河、皂河、程桥撇洪河、内滁河等为主干水系，构建镇区生态水网格局。镇区南部为大片滁河湿地，生态条件极为优越。

该地区的气候温和，降雨充沛，阳光充足，为植被生长提供了良好的条件。然而，由于长期的农业生产活动，原生的自然植被几乎消失殆尽，被大多数以水稻、小麦、油菜等为主的人工植被所取代。少数残存的自然植被包括芦苇、蒲草、茅草等。

2 方法

2.1 DEM网格生成方法

数字高程模型（Digital elevation model，DEM）是一种用于表示地形变化的数据储存方法，它基于栅格和地形特征的自身性质^［7］。在空间插值方法中，以等高线和高程点为约束的方法被广泛使用。其关键在于构建不规则三角形网格，该网格由多个相互连接的不规则三角形构成，这些三角形的几何形状和大小由地形特征点的位置和密度所决定，以消除平面数据的冗余性并准确描述地形。然而，等高线数据通常缺乏地貌特征点和特征线的信息，因此在等高线曲线较大的地方或山顶等区域，可能会出现所谓的“平三角”现象，即3个三角形顶点的高度相同，这可能影响DEM的生成质量。为克服这一问题，本研究提出了一种基于Delaunay网格和距离函数的构建方法，可以有效地生成不规则的三角形网格，从而解决了“平三角”的问题。

传统的种子填充方法通常使用规则的图元进行填充生成。然而，在本研究中，采用了圆形作为填充的种子，这些圆形可以相切，或者根据指定的距离进行生成。每个种子都按照指定的半径生成，并根据它们的位置关系逐步向外生成。在不同种子之间的间隙区域，通过生成新的种子来填充，填充方式可以由操作人员进行人为指定。具体步骤如下。

1）初始种子可以在区域的中心位置生成，用户需要提供初始种子信息参数，每个种子信息参数需要包括位置坐标、编号、高程信息等。如图2a所示，一旦初始种子生成，可以根据初始种子的位置信息和位置矢量关系来生成后续种子的位置。假设Φ表示初始种子的位置；r表示用户指定的种子尺寸。

种子中第一與第二个颗粒的位置矢量（d）表示如下。

d₁=p-n?r+L，d₂=p+n?r+L （1）

式中，n为任意单位矢量；L为距离函数；p表示种子的坐标位置。

2）为了确保种子填充的密集性，在设置距离函数时，需要明确距离函数的范围。通常，将其设置为2R

3）在种子生成过程中，需要不断向初始种子的外侧扩展。为了提高计算效率，在持续生成种子的过程中，将种子与新生成外侧种子的区域进行新种子的生成，直到无法填充为止。然后，通过连接最外侧种子的外侧边缘来形成新的封闭边界，在本研究中将其称为前进边线。对于之前的前进边界上的种子，通过连接它们的内侧边缘来形成另一个封闭边界，在本研究中将其称为后置边线。在持续生成种子的过程中，同一圈的种子可以分别作为前进边界和后置边界，这会导致一个重叠区域的存在，如图2c所示。这个重叠区域可以进行多次填充，从而克服了复杂形状区域充填时的困难，同时实现了重复充填。种子的半径越大，填充阈值越小，填充的空间越大，但计算效率相对较低。

4）在生成种子之后，使用种子的颗粒和位置作为参考点，构建Delaunay三角网格，如图2d所示。在本研究中，采用了一种将种子中心相连的方式来生成三角网格。然而，在处理边界处的三角网格划分时，采用了相对简单的方法。对边界上的两个点中心连线，引出中心垂直线，并在与边界线相交的位置插入特征点，这些特征点用作Delaunay三角网格生成的参考点。

2.2 高分辨率遥感影像信息解译

土地利用是土壤流失监测的关键项目，可利用高分辨率卫星图像来分析土地利用信息，采用了结合特征选择算法与决策树算法的影像解译方法。特征选择阶段采用最大相关性最小冗余法（mRMR）结合支持向量机（SVM）来选择重要特征。为了评估特征子集的性能，使用十折交叉验证法作为评价函数，通过构建决策树并挖掘分类规则，能够快速解译高分辨率遥感影像中的地物信息。

2.2.1 mRMR-SVM特征选择算法和决策树 借鉴数据挖掘思想，应用mRMR并结合SVM特征选择算法，选定使用于影像分类的特征，构建决策树，获取分类规则。

1）最大相关最小冗余选择算法。最大相关性最小冗余法（mRMR）为当前特征选择的主流算法^［8］。根据互信息所选取的特性，这个子集S必须与c具有最大的关联度。通常采用最大关联判据进行选择，如式2所示。

式中，S是特征集S包含的特征数量；x_i是分类特征；c是分类的目标类别；I是分类特征与类间的互信息；D是特征集S与分类c的相关性。利用极大关联判据选取的属性特性与对象类型具有较强的关联性，但各特征间的冗余程度较高。通过添加最小兀余条件来排除最大相关准则选取的子集中冗余度较高的特征。

式中，x_j是分类特征；R是集合S中所有特征冗余；由此，最大相关最小兀余定义表示如下。

max?（D，R），?=D-R （4）

式中，[?]为所选特征集和分类目标的相关性与冗余度的信息差，本研究选用的特征标准是相关性大且兀余度小，表示所选特征集和分类目标的相关性大且兀余度小。

2）基于向量机的特征选择方法。支持向量机（Support vector machine，SVM）的基本原理是通过一个超平面来分隔高维空間中的两种点，使得两种点之间的距离最大化^［9］。SVM不仅适用于线性可分问题，还可以推广到更高维空间，因此能够处理复杂的分类任务。该算法具有强大的泛化和学习能力，能够有效解决模型过度拟合的问题，因为它基于最小化结构风险，以寻找模型复杂性和风险之间的最佳平衡点。

当前，SVM被广泛用于特征选择，可以通过mRMR算法计算出与类别相关性最大的特征并去除冗余特征，然后将SVM算法应用于特征选择，以确定对分类起主要作用的属性。

基于SVM思想的特征选择方法主要基于前向（Forward）和后向（Backward）2种特征子集生成策略。鉴于SVM-forward算法在时间效率上相对更高，因此本研究采用SVM-forward算法作为第二步的特征选择方法。

3）决策树。决策树（Decision trees，DTs）作为一种新兴的土地覆盖分类技术，在处理多波段影像时，其准确性较传统方法如最大似然法和神经网络法要高。决策树的优点在于它能够同时分析不同尺度下的观测数据，且不对数据的频谱做出任何假设，使其在不同类别的分类任务中表现出色。此外，与传统的神经网络方法相比，决策树具有更高的处理速度和更短的计算时间。决策树的构建主要涉及根据一种或多种特征对训练数据进行反复分割。一旦基于训练数据生成了一组层次化规则或分支，这些规则可以适用于整个影像，从而生成高精度的地图，为后续的空间分析提供支持。

2.2.2 土地利用信息特征选择

1）特征构建。在影像特征的选择方面，主要从光谱、形状和纹理3个角度进行分析。遥感影像的主要特点之一是地物具有特殊的光谱反射和辐射特性，这些特性在影像的像素值中得以体现。此外，影像像素值中还包含了其他衍生物特性的信息。纹理则表示一片地区内的像素值在空间上的一致性，通过统计方法来描述，例如灰度共生矩阵等。这些特征的提取对影像的分类和检索具有重要意义，可以提高分类准确性。在本研究中，选取15个光谱特征、5个形状特征和30个纹理特征作为候选特征参数。

2）特征选择。在特征选择方面，采用基于mRMR（最大相关性最小冗余）与支持向量机相结合的方法。该方法通过十折交叉验证对候选特征子集进行性能评估，以找到适合于研究区的特征子集。具体而言，将样本划分为20个组，每组中有16个样本用于学习，4个样本用于测试，以统计分类错误。通过进行10次误差平均，对该方法的性能进行评估。最后，利用决策树进行分类，得到误差结果，如图3所示。

由统计交叉验证误差（图3）可知，当特征数目为15时，误差最小，为5.698%。在此选择这15个特征数目作为分类特征子集。15个特征包含了光谱特征中的波段比（绿波段、红波段、红外波段）、标准差（蓝波段、红外波段）、均值（蓝波段、绿波段）、亮度、NDVI；形状特征中的形状指数、密度、长宽比；纹理特征中的平均值（90°、135°）二阶矩、对比度（O°）。表明3类特征在影像的分类中均发挥了重要作用。

3 土壤侵蚀度评价

进行工程应用是理论研究的最终目的，也是最为简便易行的理论验证评价方法，可以直观地提出理论的功能性和实用性。因此，采用上述优化方法对研究区域进行土壤评价研究，采用基于种子生成法的DEM生成方法和基于RS土壤侵蚀信息估算方法，提取RUSLE模型中所需的因子，对研究区域进行土壤侵蚀评价。

3.1 基于RUSLE模型的土壤侵蚀量估算

采用中国土壤流失方程RUSLE，利用软件ArcGIS对程桥街道土壤侵蚀强度进行计算评价，如表1所示，评价每个栅格的土壤侵蚀强度。

根据土壤侵蚀强度分级标准，生成研究区土壤侵蚀强度分布，如图4所示，并与采用现行方法生成的土壤侵蚀强度分布进行对比。

基于种子生成法与现行方法计算的土壤侵蚀强度等级结果明显不同，如图5所示，说明坡度提取的精确性对土壤侵蚀强度的评价具有较大的影响，与现行方法计算结果相比，改进方法得出的土壤侵蚀强度等级更为剧烈。在微度侵蚀等级范围内，改进方法计算结果与现行方法相比，所占面积较小，降低了15.93个百分点；在轻度、中度和强烈侵蚀强度范围内，计算结果相似；在极强烈和剧烈侵蚀强度范围内，改进方法计算结果分别比现行方法提高了3.42、8.73个百分点。此外，用该方法所得到的土壤侵蚀强度分级比现有的土壤侵蚀强度分级更具优势，由于水土流失的因子包括地形、植被覆盖度等，都在逐渐发生改变，极少数发生显著的变异，因此，评估的结果也是连续的。在现有的土壤侵蚀强度等级评价中，存在着成片、均匀的特征，基于种子生成法的土壤侵蚀等级评价无此特征，因此，基于种子生成法与土壤侵蚀学、地图学的规律更为接近。

3.2 结果对比分析

本研究使用野外实地调查数据对RUSLE模型计算的水土流失结果进行验证。野外调查过程中，记录15个点的坐标和水土流失状况，结果如图6所示。在坐标点布设监测钉，在自然降雨后，量测监测钉的外露长度，根据验证结果判定所选用方法的可行性和准确性。对于每个坐标点，监测钉在布置时，按照2 m×2 m的范围布设，成品字形或梅花形均匀分布于样地上，每个坐标点布设25个监测钉，针插深度要大于坡地土壤可能的侵蚀深度，地面要露头，便于标记或寻找。

在自然降雨后，量测监测钉的外露长度，结合降雨量，推算出各监测钉的年流失厚度，根据中国水利部颁布的土壤侵蚀分类分级标准，判定该点所处位置的土壤侵蚀强度级别。每次大暴雨过后，观测顶帽距地面的高度，计算土壤侵蚀深度和土壤侵蚀量。计算公式如下。

A=ZS/1 000×cosθ （5）

式中，A为土壤侵蚀量；Z为平均侵蚀深度（mm）；S为侵蚀面积（m²）；θ为坡度。

每个坐标点共记录了6组数据，对每个坐标点的监测钉数据汇总，估算出侵蚀深度，即可估算该坐标点的侵蚀量，对比《土壤侵蚀分类分级标准》（SL190—2007）中给出的土壤侵蚀等级划分标准，可划分该坐标点的土壤侵蚀强度。因数据较多，本研究列出部分监测数据，如表2所示，其中，土壤容重根据实验室测定得出，列出了部分坐标点的土壤侵蚀监测情况及估算结果。

以观测点的实测数据为判别标准，对15个观测点的照片进行判读核对。由表3的验证结果判别可以看出，2种方法的判别精度都在80.0%以上，符合精度要求，该方法具有可行性，结果具有可信性。但基于种子生成法在极强烈和剧烈评估方面更具优势，进而提高了坡度提取的精度。

4 小结

对土壤侵蚀强度评价过程进行了系统研究，根据理论方法，描述区域内土壤侵蚀强度等级分布，为水土流失治理工作提供一定的科学依据。通过现场实际应用对所提出的理论进行应用，并与现行方法对比分析，验证了理论、算法的有效性及客观性，得出主要结论如下。

1）提出了一种基于Delaunay网格与距离函数的种子生成方法。该算法的核心思想是在给定区域内生成初始种子，然后通过前进边界生成外部种子，并使用颗粒填充间隙。利用距离函数计算所有颗粒的中心坐标，生成Delaunay网格。将该算法编写成运行模块，并嵌入到ArcGIS软件中，以便进行实际应用。

2）采用面向对象的分类方法，结合mRMR特征选择算法和SVM算法来选择特征变量，然后利用决策树对高分辨率遥感影像进行解译。在影像分割后，提取了50个分类特征，经过优化后，筛选了15个最相关的特征，然后构建了决策树以获取分类规则，从而实现了影像的解译。

3）使用上述方法对江苏省南京市六合区程桥街道的土壤侵蚀强度进行评价。通过这一方法，能够对研究区内的土壤侵蚀强度进行评估。将2种不同的土壤侵蚀强度评估结果与野外实地调查数据对比分析，结果显示，2种方法的分类精度均在80%以上，满足了精度要求，证明了该方法的可行性，并且结果具有可信度。

参考文献：

［1］ 喻 攀.基于GIS和RS的开江县土壤侵蚀评价［D］.成都：四川农业大学，2015.

［2］ 宫留留.基于遥感和GIS的县级土壤侵蚀信息提取研究［D］.武汉：湖北大学，2016.

［3］ 孙长安.国内外应用“3S”技术开展水土流失监测的发展状况［J］.中国水土保持，2008（6）：54-57.

［4］ YANG Q K，JUPP D，LI R，et al. Re-scaling lower resolution slope by histogram matching［A］.ZHOU Q，LEES B，TANG G.Advances in digital terrain analysis［M］.Berlin，Heidelberg：Springer，2008.193-210.

［5］ 汤国安，赵牡丹，李天文，等.DEM提取黄土高原地面坡度的不确定性［J］.地理学报，2003，58（6）：824-830.

［6］ 刘新华，杨勤科，汤国安.中国地形起伏度的提取及在水土流失定量評价中的应用［J］.水土保持通报，2001（1）：57-59，62.

［7］ 宋华平，郭 鑫，李晋川.基于改进种子填充算法的地物快速填充应用研究［J］.城市勘测，2013（4）：49-52.

［8］ 陈 巧，陈永富.应用高分辨率卫星影像监测退耕地植被的覆盖度［J］.林业科学，2006（S1）：5-9.

［9］ 陈 燕，齐清文.达拉特旗土地利用及水土保持措施现状遥感调查与制图［J］.水土保持学报，2003（6）：137-139.

收稿日期：2023-09-26

基金项目：南京市六合区补充耕地培肥示范区项目

作者简介：吕 寒（1978-），女，江苏南京人，高级工程师，主要从事土地质量管理研究和工程工作，（电话）13951635202（电子信箱）

306316250@qq.com。