松花江流域吉林段土壤侵蚀变化分析

摘" 要：该文采用CSLE模型对松花江流域吉林段1980—2022年定量估算土壤侵蚀量，结果表明，①研究区土壤侵蚀强度主要为微度及轻度，侵蚀区主要集中在研究区东南部地区；②研究区主要土地利用类型为耕地和林地，且耕地上多为轻度侵蚀，林地遭受侵蚀的面积占林地总面积比例相对较高；③1980年到2022年研究区侵蚀面积逐渐减少，且侵蚀强度逐渐下降。

关键词：土壤侵蚀；CSLE模型；空间分布格局；松花江流域；土地利用

中图分类号：S157""""" 文献标志码：A""""""""" 文章编号：2095-2945（2025）04-0102-04

Abstract： The article uses CSLE model to quantitatively estimate the amount of soil erosion in the Jilin section of Songhua River Basin from 1980 to 2022， and evaluates the distribution characteristics and dynamic changes of soil erosion in the basin. The results indicate that， ①The soil erosion intensity in the study area is mainly micro and mild， and the erosion area is mainly concentrated in the southeastern part of the study area; ②The main land use types in the research area are cultivated land and forest land， and the cultivated land is mostly mildly eroded， while the area of forest land affected by erosion accounts for a relatively high proportion of the total forest land area; ③The erosion area in the study area gradually decreased from 1980 to 2022， and the erosion intensity gradually decreased.

Keywords： soil erosion; csle model; spatial distribution pattern; songhua river basin; land use

土壤侵蚀可导致水土流失，引起土地退化，使得土壤肥力下降，影响粮食安全[1]。为了阻控土壤侵蚀、合理分配稀缺土壤保护资源，需要对土地土壤侵蚀量进行定量评估，及对水土流失情况进行评价[2-3]。

土壤侵蚀模型分析是获取水土流失数据的一种常用且有效的方法。当前，用于计算土壤侵蚀模数的主流模型包括USLE模型[4]以及RUSLE模型[5]等。2001年，Liu等[6]以基于USLE和RUSLE模型，提出了更适用于中国的土壤流失模型（CSLE），该方法在我国水土流失研究中得到了广泛应用[7-9]。本文采用CSLE模型计算松花江流域吉林省段土壤侵蚀模数，分析研究区土壤侵蚀分布、强度以及动态变化。本研究旨在科学评估区域土壤侵蚀，以便为水土保持规划提供数据支撑。

1" 研究区概况

研究区地理坐标为E123°36′～128°5′、N41°42′～45°32′，涉及吉林省长春市、吉林市、松原市、白城市和长白山保护开发区5个地市级行政区和43个县（市、区），流域面积约15.7万km2，是典型的温带大陆性季风气候区，多年平均降水总量在550～750 mm之间[10]，汛期6—9月降雨量约占全年70%～80%，占年降水量的65%以上。

地势呈现明显的东南高、西北低的特征。以大黑山脉为界，东为长白山区，西为松辽平原[11]。流域内土壤类型主要有暗棕壤、火山灰土、冲积土、黑土和黑钙土等。由于黑土土质较黏稠，底土透水性差，抗蚀能力弱，又易受冲刷，水土流失现象明显、空间分布广泛。

2" 研究方法

2.1" 数据来源与处理

本研究涉及的数据包括土地利用数据、土壤可蚀性数据、归一化植被指数（NDVI）数据、降雨数据、数字高程模型（DEM）数据和水保措施数据。土地利用数据来自资源环境科学与数据中心，选取1980、1990、2000、2010和2022年的30 m分辨率土地利用数据，土地利用一级类型分为耕地、林地、草地、水域及水利设施用地、建设用地和其他土地。年降雨数据来自本地气象站，用于计算降雨侵蚀力R因子值；土壤可蚀性K因子由地理数据与应用分析中心提供；DEM数据来自地理空间数据云，30 m分辨率；NDVI数据来自全球科学数据网，空间分辨率为1 km。耕作措施主要为梯田和地埂，通过影像辅助解译完成，所有数据均重采样成30 m。

2.2" 土壤侵蚀CSLE模型

土壤侵蚀计算采用中国常见土壤流失方程（CSLE模型）[6，10]，模型表达式如下

A=RKLSBET ， （1）

式中：A为土壤侵蚀模数，t/（hm2·a）；R为降雨侵蚀力因子，MJ·mm/（hm2·h·a）；K为土壤可蚀性因子，t·hm2·h/（hm2·MJ·mm）；L为坡长因子；S为坡度因子；B为植被覆盖及生物措施因子；E为工程措施因子；T为耕作措施因子，L、S、B、E、T五个因子均为无量纲。根据水利部发布的SL190—2007《土壤侵蚀分类分级标准》，土壤侵蚀模数分为0～200、200～2 500、2 500～5 000、5 000～8 000、8 000～15 000和大于15 000 t/（hm2·a）六个强度等级。

3" 区域土壤侵蚀变化分析

3.1" 土壤侵蚀的空间分布特征

利用CSLE模型对侵蚀模数进行计算，水域及水利设施用地侵蚀强制为0，再按侵蚀等级分级，计算得出研究区域1980—2022年的土壤侵蚀等级平均面积及分布（表1、图1）。

从研究区1980—2022年土壤侵蚀状况来看，侵蚀程度主要以微度及轻度为主，面积为5.01万km2，占68.59%，主要分布在研究区西北部；轻度以上侵蚀面积为2.29万km2，占31.41%，主要分布在研究区东南部。总体而言，从1980年到2022年，研究区域侵蚀面积整体呈现下降趋势；对比1980年和2022年，剧烈侵蚀面积占比由9.59%下降到7.76%，微度和轻度侵蚀面积占比由67.50%上升到70.12%。

3.2" 土壤侵蚀与土地利用特征协同分析

结合图2和表2可知，研究区的土地利用主要以耕地和林地为主，耕地占比约为46.53%，林地占比约为40.52%，其他类型土地利用占比约为12.95%。耕地主要分布在研究区西北处的松嫩平原部，林地广泛分布在丘陵山区。土地利用变化较为明显的是北部平原区以及东南部丘陵区的耕地范围扩增，林地范围缩减，且中部平原区1980年后建设用地面积增加明显。

结合表2和表3分析发现，1980年到2022年期间，研究区侵蚀主要分布在耕地和林地上，侵蚀面积分别为1.64万km2和2.54万km2；草地和建设用地以微度侵蚀和轻度侵蚀为主。侵蚀强度由西北向东南逐渐增加，主要的侵蚀类型也由耕地过渡到林地。研究区的中度、强烈、极强烈和剧烈侵蚀都集中在林地，轻度侵蚀集中在耕地，与研究区东南高、西北低的地形分布特点有关。坡度越大，水流速度加快，对土壤的冲刷作用增强，导致土壤容易被冲走，从而加剧水土流失。根据表4可知，研究区1980—2022年间，中度及剧烈侵蚀面积减少，微度、轻度、强烈及剧烈侵蚀面积增加，总体侵蚀强度下降。

4" 结论

1）研究区的土地利用主要由西北部的耕地及东南部的林地构成，耕地面积约为3.40万km2，林地面积约为2.96万km2，其他类型土地利用面积约为0.95万km2。总体土壤侵蚀程度为轻度侵蚀，主要分布在西北平原部，主要发生在耕地上；中度及以上侵蚀强度主要分布在东南部的丘陵山区，主要发生在林地上。

2）研究区林地的土壤侵蚀面积占比最大，林地侵蚀面积约为2.54万km２，其次是耕地，耕地侵蚀面积约为1.64万km２。土壤侵蚀程度较高地区多为林地，建议发展林业和草业，增加植被覆盖面积，能够提高土壤的抗蚀能力。林木的根系和地面植被可以有效地固定土壤，减少水土流失。

3）1980—2022年剧烈侵蚀面积减少约0.13万 km２，中度侵蚀面积减少约0.11万km２，微度和轻度分别增加约0.11万km２和0.08万km２，其他侵蚀强度面积有少量增加。总体侵蚀面积呈减少趋势，且侵蚀强度也逐渐降低。

综上，研究区东南部为水土流失易发区域，需要根据实际情况指定防治政策，恢复植被、修建工程措施或者因地制宜调整农业结构，优化农业布局和利用方式，提高土地利用效率，减少水土流失。

参考文献：

[1] 张彪.基于 FLUS-CSLE 模型的黄土高原典型流域土壤侵蚀时空演变及预测[D].杨凌：西北农林科技大学，2023.

[2] BERTHELIN J， VALENTIN C， MUNCH J C. Soils as a Key Component of the Critical Zone 1[C]//Soils as a Key Component of the Critical Zone 1，2018.

[3] LE Q B， NKONYA E， MIRZABAEV A. Biomass Productivity-Based Mapping of Global Land Degradation Hotspots [J]. Discussion Papers， 2016.

[4] WISCHMEIER W H， SMITH D D. Predicting rainfall-erosion losses from cropland east of the Rocky Mountains[J]. Agricultural Handbook， 1965，282.

[5] RENARD K G， FOSTER G R， WEESIES G A， et al. Predicting soil erosion by water： a guide to conservation planning with the Revised Universal Soil Loss Equation （RUSLE）[J].Agricultural Handbook， 1997.

[6] LIU B Y， ZHANG K L， XIE Y. An Empirical Soil Loss Equation[C]//第12届国际水土保持大会（Proceedings 12th International Soil Conservation Organization Conference），2002.

[7] DUAN X W， BAI Z W， RONG L B， et al. Investigation Method for Regional Soil Erosion Based On the Chinese Soil Loss Equation and High-Resolution Spatial Data： Case Study On the Mountainous Yunnan Province， China[J].Catena，2020（184）：104237.

[8] LI J Y， MA X F， ZHANG C. Predicting the Spatiotemporal Variation in Soil Wind Erosion Across Central Asia in Response to Climate Change in the 21St Century[J]. Science of the Total Environment， 2020，709.

[9] 冯俊鑫，陈国坤，左丽君，等.基于GF-6 WFV影像和CSLE模型的山区耕地侵蚀定量评价及特征分析[J].农业工程学报， 2022，38（21）：169-179.

[10] 石学瑾，张彪，郭家龙等.黄土高原典型小流域土壤侵蚀时空演变[J].地理学报，2024（79）：1787-1803.