2019, Vol. 28
PDF
2. 云南省有色地质局地质研究所, 云南 昆明 650216;
3. 吉林农业大学, 吉林 长春 130118
2. Institute of Geology, Yunnan Geological Bureau of Nonferrous Metals, Kunming 650216, China;
3. Jilin Agricultural University, Changchun 130118, China
土壤侵蚀是地球表面物质运动的一种自然现象，全球除永冻地区外，均发生不同程度的土壤侵蚀.人类社会出现后，土壤侵蚀成为自然和人为活动共同作用下的一种动态过程，构成了特殊的侵蚀环境背景，并伴随着人类对自然改造能力的增强，逐渐成为当今世界资源和环境可持续发展所面临的重要问题之一.土壤侵蚀及其产生的泥沙使土壤养分流失、土地生产力下降、湖泊淤积、江河堵塞，并造成诸如洪水等自然灾害.泥沙携带的大量营养物和污染物质加剧了水体富营养化，水质恶化，不断地严重威胁人类的生存.
东北漫川漫岗黑土区是水土流失的重点区域，也是我国主要商品粮的主产区[1].严重的水土流失导致土地质量退化、粮食生产能力下降[2].绥化市处于漫川漫岗黑土区的核心区域，因此，快速掌握该区水土侵蚀现状及变化，对于实现区域生态农业建设，水土流失治理、农业可持续发展具有重要意义.
遥感技术广泛地应用于生态环境质量评价中，2006年国家环境保护部规范了基于5种指数的EI（生态环境状况指数），提出了生态环境状况评价的指标体系和计算方法，并得到广泛运用[3-7].另外，众多学者应用遥感数据，结合GIS技术，对水土流失遥感监测做了大量研究[8-10].其中，水土流失方程（Universal Soil Loss Equation，USLE）以及修正的水土流失方程（RUSLE）应用较为成熟，效果良好[11-16].本次研究选择黑龙江省绥化市为研究区域，在遥感技术（RS）、地理信息系统（GIS）技术的支持下，基于土壤流失通用方程RUSLE，对研究区进行了土壤侵蚀定量调查和监测，对土壤侵蚀变化情况进行了分析研究，为绥化典型黑土区控制土壤流失、高效利用有限的土地资源提供基础资料和科学依据.
1 研究区概况及地面调查点分布绥化市位于黑龙江省中部偏西南部，松嫩平原的呼兰河流域，北部与中俄口岸城市黑河市毗邻，东部与林都伊春市毗邻，南部与省城哈尔滨市毗邻，西南部与石油工业城市大庆市毗邻，西北部与黑龙江省第二大城市齐齐哈尔市毗邻，是隶属于黑龙江省的地级市、黑龙江省重要的交通枢纽.绥化市的地势东北高，西南低，即由低丘陵、高平原过渡为河谷平原，区内季节变化明显，属寒温带大陆性季风气候.地理位置东经124°53′~128°35′，北纬45°10′~ 48°05′51"，海拔高度为135~247 m，市年平均温度为1.3~4.0 ℃，年平均降水量为511.2 mm，年平均日照时数为2644.3 h.区内土壤种类主要为典型黑土，是黑土中最接近黑土概念的亚类.黑土的母质为黄褐色、深黄褐色亚黏土，黑土表层为松散的灰黑色和黑色腐殖质层，向下渐变过渡到淋溶层，淋溶层之下为淀积层，淀积层发育良好.野外地貌调查171个点，主要调查地形、地貌、土地利用方式等要素（图 1）.
|
图 1 研究区范围及地面调查点分布 Fig.1 The study area and ground survey spots 1-县区(county); 2-地貌调查点(landformn survey spot); 3-高速公路(highway); 4-国道(national road); 5-工作区范围(work area) |
水土流失及其导致的土地质量退化是黑土地生态环境恶化的重要原因之一.其原因是复杂的人文和地理过程，受到诸如降水、下垫面基底岩性、地形坡度、土地覆盖类型及管理方式等众多因素的影响.利用遥感信息技术可以快速获取黑土区水土信息，对黑土地水土流失进行定量估算，为黑土地水土监测、生态环境建设以及水土流失防治提供了途径.利用降水资料数据、土地利用数据、高程（DEM）数据及土壤数据，根据土壤流失模型（RUSLE）[11-14]，可对黑土地土壤侵蚀、水土流失进行研究，查清土壤侵蚀现状，掌握土壤侵蚀分布、面积和强度.其中，2003年采用ETM+遥感影像，2015年采用高分一号遥感影像，DEM采用ASTER GDEM数据.
水土流失模型（RUSLE）如图 2所示.
|
图 2 RUSLE模型的技术流程图 Fig.2 Technique flowchart of RUSLE model |
该模型表达式为：
| $ A = LS \times R \times K \times C \times P $ | (1) |
A为预测土壤侵蚀量（estimated average soil loss in tons per acre per year），主要指由降雨和径流引起的坡面细沟或细沟间侵蚀的年均土壤流失量.
R为降雨侵蚀力因子（rainfall-runoff erosivity factor）（MJ·mm·hm-2·h-1·a-1），它反映降雨引起土壤流失的潜在能力.在RUSLE中，它被定义为降雨动能和最大30 min降雨强度的乘积.
K为土壤可蚀性因子（soil erodibility factor）（t·hm2·h·MJ-1·mm-1·hm-2），它是衡量土壤抗蚀性的指标，用于反映土壤对侵蚀的敏感性. K表示标准小区单位降雨侵蚀力引起的单位面积上的土壤侵蚀量.
LS为坡长坡度因子（L-slope length factor，S-slope steepness factor）（无量纲），其中L为坡长因子，被定义为坡长的幂函数. S为坡度因子，LS表示在其他条件不变的情况下，某给定坡长和坡度的坡面上土壤流失量与标准径流小区典型坡面上土壤流失量的比值，它对土壤侵蚀起加速作用.
C为覆盖与管理因子（cover-management factor）（无量纲），它指在其他因子相同的条件下，在某一特定作物或植被覆盖下的土壤流失量与耕种后的连续休闲地的流失量的比值.该因子衡量植被覆盖和经营管理对土壤侵蚀的抑制作用.
P为水土保持措施因子（support practice factor）（无量纲），它指采取水土保持措施后的土壤流失量与顺坡种植的土壤流失量的比值.
3 RUSLE水土流失因子计算1）地形因子LS
利用工作区的DEM数据提取出山脊线，然后计算每个栅格到山脊线的垂直距离，以此作为每个栅格的近似坡长，然后采用坡长因子计算公式：
| $ L = {\left( {\frac{\lambda }{{22.13}}} \right)^\alpha } $ | (2) |
| $ \alpha = \frac{\beta }{{\beta + 1}} $ | (3) |
| $ \beta = \frac{{\sin \theta /0.0896}}{{3.0 \times {{\left( {\sin \theta } \right)}^{0.8}} + 0.56}} $ | (4) |
以上各式中，λ为水平坡长，α、β为坡长指数，22.13为标准小区的坡长（m），θ为利用DEM提取的坡度.得到工作区的L因子的栅格图如图 3所示.
|
图 3 L因子专题图 Fig.3 Thematic map of L factor |
S因子采用公式（5）：
| $ \left\{ {\begin{array}{*{20}{c}} {S = 10.8 \times \sin \theta + 0.03, \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;当\theta < 9\% }\\ {S = 16.8 \times \sin \theta - 0.50, \;\;\;\;\;当9\% \le \theta < 14\% }\\ {S = 10.8 \times \sin \theta + 0.03, \;\;\;\;\;\;\;\;\;\;\;\;\;\;当\theta \ge 14\% } \end{array}} \right. $ | (5) |
利用工作区DEM数据，提取坡度专题图，并转化为弧度单位，然后计算得到流域的S因子层如图 4所示.
|
图 4 S因子专题图 Fig.4 Thematic map of S factor |
2）降雨侵蚀因子R
R因子的计算通过基于月平均降雨量和年平均降雨量的公式计算：
| $ R = \sum\limits_{i = 1}^{12} {1.735 \times {{10}^{\left( {1.5 \cdot \lg \frac{{p_i^2}}{p}} \right) - 0.8188}}} $ | (6) |
其中pi和p分别是月均和年均降雨量（mm）.计算结果如图 5所示.
|
图 5 R因子专题图 Fig.5 Thematic map of R factor |
3）土壤侵蚀因子K
K的估算公式根据不同的土壤组成与搜集数据的多少而变化.根据计算的公式：
| $ K = \frac{{\left[ {2.1 \times {{10}^4} \times {M^{1.14}}\left( {12 - OM} \right) + 3.35 \times \left( {S - 2} \right) + 2.5 \times \left( {p - 3} \right)} \right]}}{{100}} $ | (7) |
其中，M=（粉砂%+极细砂%）·（1-黏粒%）（据美国粒径分级制）；OM为土壤有机质含量；S为结构系数；P为渗透性等级.计算得到研究区K因子，如图 6所示.
|
图 6 K因子专题图 Fig.6 Thematic map of K factor |
4）植被覆盖度/经营管理因子C和水保措施因子P
植被覆盖度因子，又称作物经营管理因子.经验指出，植被覆盖度与土壤侵蚀量关系极大.在其他地理环境因子值相同的情况下，植被覆盖度越大，土壤流失量越小；反之，则越大.因此，其值大小主要与植被覆盖和土地利用类型密切相关，流域的C因子值赋值如表 1所示.
|
表 1 不同土地利用C因子值 Table 1 C factor values of different land use types |
水土保持措施因子是采取水保措施后，土壤流失量与顺坡种植时的土壤流失量的比值.通常，包含于这一因子中的控制措施有：等高耕作、等高带状种植和修梯田等.国内外尚未有该因子明确的赋值标准，本研究依据美国农业部手册557号文件和研究区实际情况对P因子进行赋值.以自然植被P因子为1，水田赋值因子为0.01为例，P值列表如表 2所示.
|
|
表 2 不同土地利用P因子值 Table 2 P factor values of different land use types |
根据两期影像的解译结果，分别得到两期的C因子和P因子，如图 7、8所示.
|
图 7 C因子专题图 Fig.7 Thematic map of C factor |
|
图 8 P因子专题图 Fig.8 Thematic map of P factor |
将上述的坡长坡度因子LS、降雨侵蚀力因子R、土壤可蚀性因子K、以及2个年份的水土保持措施因子P（参考野外171个地貌调查点）、植被覆盖管理因子C（根据野外171个地貌调查点及遥感影像解译）按照RUSLE模型的计算，得到土壤侵蚀模数A值（表 3）及空间分布（图 9）.
|
|
表 3 工作区土壤侵蚀强度分级表 Table 3 Soil erosion intensity grading table of the work area |
|
图 9 土壤侵蚀强度分级图 Fig.9 Grading map of soil erosion intensity 1-微度(slight); 2-轻度(light); 3-中度(moderate); 4-强度(strong); 5-极强度(extremely strong); 6-剧烈(severe) |
工作区的土壤侵蚀状况主要为轻度和中度，主要分布在工作区东西两侧，地势较为平缓，主要土地利用类型为耕地.东北部植被覆盖度较高的林地侵蚀状况多为中度.侵蚀情况中度和强度的区域分布在工作区中部和北部，主要受地势、植被覆盖情况的影响.极强烈和剧烈等级的土壤侵蚀大多集中在冲沟发育地区，其余分散的极强烈和剧烈等级的地块植被覆盖稀疏或为裸露地表.
对工作区2003、2015年的水土流失数值特征进行分析.总体上看来，2003、2015年的各级别的水土流失比例情况相似.轻度和中度为工作区主要的水土流失等级，微度面积所占比重最小，均不足3%.从2003~2015年间，水土保持措施增加，土壤侵蚀状况有向好的趋势.从统计结果看出强度、极强度侵蚀面积比例减少，轻度和微度的侵蚀面积有所增加. 2015年，强度侵蚀等级水土流失面积相比2003年减少了522.75 km2，轻度增长了近1000 km2.从解译结果来看2015年冲沟面积比2003年减少近1800 km2，相应地，耕地、林地面积都有所增加，水土保持措施得当，使得土壤水土流失等级降低.
5 结论与认识从以上分析来看，2003~2015年时段内研究区土壤侵蚀状况得到明显好转.从土地类型解译结果分析原因：2015年冲沟面积相比2003年减少近1800 km2，耕地、林地面积都有所增加，种植结构合理，水土保持措施得当，使得土壤水土流失等级降低.部分地区土壤侵蚀有逐渐加强的趋势，主要是由于城镇矿建、道路修建、种植结构调整等原因造成.
| [1] |
孙莉英, 郑明国, 方海燕, 等. 漫川漫岗黑土区水土流失综合治理范式[J]. 中国水土保持科学, 2012, 10(3): 43-49. DOI:10.3969/j.issn.1672-3007.2012.03.007 |
| [2] |
阎百兴, 杨育红, 刘兴土, 等. 东北黑土区土壤侵蚀现状与演变趋势[J]. 中国水土保持科学, 2008, 6(12): 26-30. |
| [3] |
杨凤海, 宋佳佳, 赵烨荣, 等. 东北黑土水土流失区生态环境遥感动态监测[J]. 东北农业大学资源与环境学院, 2018, 31(1): 35-38. |
| [4] |
程晋南, 赵庚星, 李红, 等. 基于RS和GIS的土地生态环境状况评价及其动态变化[J]. 农业工程学报, 2008, 24(11): 83-88. DOI:10.3321/j.issn:1002-6819.2008.11.015 |
| [5] |
周文英, 何彬彬. 四川省若尔盖县生态环境质量评价[J]. 地球信息科学学报, 2014, 16(2): 314-319. |
| [6] |
张彬, 杨联安, 向莹, 等. 基于RS和GIS的生态环境质量综合评价与时空变化分析——以湖北省秭归县为例[J]. 山东农业大学学报:自然科学版, 2016, 47(1): 64-71. |
| [7] |
孟岩, 赵庚星. 基于卫星遥感数据的河口区生态环境状况评价:以黄河三角洲垦利县为例[J]. 中国环境科学, 2009, 29(2): 163-167. DOI:10.3321/j.issn:1000-6923.2009.02.010 |
| [8] |
屈创, 张春亮, 王丽云, 等. 高分遥感在黄河流域水土流失动态监测中的应用[J]. 水土保持通报, 2018, 38(1): 116-121. |
| [9] |
王文娟, 张树文, 李颖, 等. 高分辨率遥感影像在水土流失定量评价中的应用探讨——以Quickbird影像为例[J]. 农业系统科学与综合研究, 2008, 24(4): 441-446. DOI:10.3969/j.issn.1001-0068.2008.04.013 |
| [10] |
张登荣, 朱建丽, 徐鹏炜. 基于卫星遥感和GIS技术的水土流失动态监测体系研究[J]. 浙江大学学报:理学版, 2001, 28(5): 577-582. |
| [11] |
Wishmeier W H, Smith D D. Predicting rainfall erosion losses:A guide to conservation planning[M]. Washington D C: USDA Agriculture Handbook, 1978: 500-537.
|
| [12] |
Renard K G. Revised universal soil loss equation[J]. Journal of Soil and Water Conservation, 1991(1/2): 30-33. |
| [13] |
陈燕红, 潘文斌, 蔡芫镔. 基于RS/GIS和RUSLE的流域土壤侵蚀定量研究——以福建省古溪流域为例[J]. 地质灾害与环境保护, 2007, 18(3): 5-10. DOI:10.3969/j.issn.1006-4362.2007.03.002 |
| [14] |
李晓松, 姬翠翠, 曾源, 等. 基于遥感和GIS的水土流失动态监测——以河北省赤城县为例[J]. 生态学杂志, 2009, 28(9): 1723-1729. |
| [15] |
卜兆宏, 孙金庄, 周伏建. 水土流失的定量遥感及其应用研究进展[J]. 农村生态环境, 1995, 11(4): 35-39. |
| [16] |
刘耀林, 罗志军. 基于GIS的小流域水土流失遥感定量检测研究[J]. 武汉大学学报:信息科学版, 2006, 31(1): 35-38. DOI:10.3321/j.issn:1671-8860.2006.01.010 |