應用RUSLE模型的長汀縣水土流失風險空間分析

梁娟珠， 張青， 傅水龍

(1. 福州大學 空間數據挖掘和信息共享教育部重點實驗室， 福建 福州 350002；2. 福州大學 福建省空間信息工程研究中心， 福建 福州 350002)

應用RUSLE模型的長汀縣水土流失風險空間分析

梁娟珠1,2， 張青1,2， 傅水龍1,2

(1. 福州大學 空間數據挖掘和信息共享教育部重點實驗室， 福建 福州 350002；2. 福州大學 福建省空間信息工程研究中心， 福建 福州 350002)

以修正的通用水土流失方程(RUSLE)為理論基礎，以長汀縣為研究區，利用地理信息系統(GIS)與遙感(RS)技術，在計算各影響因子的基礎上估算水土流失，生成流失風險等級分布圖.對水土流失的主要因素進行空間疊加分析，并將研究區水土流失風險綜合評估結果與坡度、植被覆蓋度及土地利用圖層進行空間相關分析.結果表明：研究區水土流失中、高風險區分布仍較多，其中，河田、三洲、策武3鄉鎮形勢最為嚴峻；水土流失風險呈現出一定的地域性特點，與植被覆蓋度有嚴格的負相關關系，但與坡度并無嚴格的正相關關系.

水土流失； 空間分析； 修正的通用水土流失方程； 長汀縣

水土流失是威脅人類生存與發展的重要環境問題之一[1],它可以使土層變薄、肥力降低，造成土地“砂石化”，使之永遠失去農業價值.同時，土壤侵蝕使大量泥沙進入河道，造成河床淤積，加劇洪澇災害的發生，嚴重威脅著人類社會的生存與發展[2].水土流失的嚴重危害受到各國政府及學術界的關注[3-4]，20世紀60年代，Wischmeier等[5]基于大量小區觀測資料和人工模擬降雨試驗資料，提出了通用水土流失方程(universal soil loss equation，USLE)；1992年，美國農業部農業研究局針對USLE模型的缺陷推出了修正通用水土流失方程(revised universal soil loss equation,RUSLE)[6-7].RUSLE的基礎理論承襲于USLE，但大部分因子利用新技術重新評估，各因子之間不再相互獨立而是彼此關聯影響，因而RUSLE有更高的評估精度和更強的實用性.同時，RUSLE模型形式簡單，參數易獲取及各因子均含物理意義.因此，被廣泛應用于水土流失評估.卜兆宏等[8]根據實測數據對USLE模型進行參數本地化調校，得到了適合我國本土的USLE模型，并提出了運用遙感技術快速評估水土流失的方法，該研究成果在我國福建、江西、山東等地區得到推廣應用.隨著遙感(RS)與地理信息系統(GIS)技術在水土流失中的應用，水土流失的研究已突破了小區或坡面尺度的限制，區域尺度的水土流失研究成為可能[9-13].我國南方紅壤區水土流失嚴重，而福建省長汀縣是南方丘陵水土流失的典型，是福建省水土流失最嚴重的區域.本文選取福建省長汀縣為研究對象，利用GIS,RS技術，對福建省長汀縣的水土流失風險分布與影響因素加以分析.

1 研究區概況

1.1研究區概況

福建省長汀縣位于25°18′40″N～26°02′05″N,116°00′45″E～116°39′20″E，地處福建省西南部，屬亞熱帶季風氣候，降雨量充沛，土壤抗蝕力差，年平均氣溫17.5～18.8 ℃，年平均降水量1 737 mm，年日照時數1 924.6 h.研究區地勢東、西、北3面高，中、南部低，自北向南傾斜，地形破碎，以縱橫交錯、嶺谷相間的低山為主.低山、丘陵占全縣總面積的71.11%.縣內土壤多為花崗巖發育而來的紅壤，抗蝕性差，且人為破壞嚴重.

1.2研究資料

研究采用的數據有實測、地形圖、專題圖、遙感影像4類數據.實測數據包括研究區13個氣象站點2005-2013年的降雨數據；用于提取降雨侵蝕力因子.研究區1∶5萬土壤類型圖，用于提取土壤可蝕性因子.地形圖數據為1∶1萬地形圖，用于提取坡度坡長因子.專題圖數據為研究區1∶5萬行政區劃圖和2013年1∶1萬土地利用類型圖，行政區劃圖用于確定研究區鄉鎮邊界和研究結果的統計，土地利用類型圖用于提取水保措施因子.遙感數據為2007，2010，2013年研究區2.5 m分辨率的ALOS遙感影像，用于提取植被覆蓋因子.

2 研究方法

RUSLE模型為A=R·K·L·S·C·P，其中：A表示水土流失的評估值；R表示降雨的侵蝕力測量值；K表示土壤的可蝕性評估值；LS表示地形影響的評估值；C表示植被作用的評估值；P表示水保措施作用的評估值.

2.1降雨侵蝕力因子R

R因子是降雨對土壤分離和搬運作用的評價指標，是RUSLE模型中的主導因子，是降雨侵蝕力的定量測度值.根據研究區的實際情況，在前人研究的基礎上[14-16]，提出針對研究區的R值新提取法.將每日降雨量劃分成10個等級(一級為日雨量lt;20 mm，十級為日雨量≥100 mm，二至九級分別為日雨量20～30,30～40,…,90～100 mm)，并統計每月各等級降雨量之和.以各月降雨量之和為自變量,以經典法R=∑E·I60計算的月降雨侵蝕力為因變量，利用SPSS軟件做多元回歸分析，獲取Coefficients，標準誤差，tStat，P-value等相關參數，從而得到R值新簡易算法,即

式(1)中:Ri為第i月的降雨侵蝕力R值；χ1表示一個月中日降雨量在13～20 mm之間的總和；χ10表示日雨量大于100 mm的總和；χ2～χ9分別表示一個月中日降雨量在20～30,30～40,…,90～100 mm之間的總和.年降雨侵蝕力為各月R之和.

經計算，模型的相關參數十分接近(如R2均在 0.87 以上)，其中，在以13 mm為日侵蝕性降雨標準下得到的回歸模型各項參數均為最優(R2=0.877，Plt;0.05，達到顯著水平)，這比周伏建等[15]提出的福建區簡易模型(許多學者將其用于福建省長汀地區)的精度(R2≈0.69，相關系數r僅為0.828)有很大提高.

2.2土壤可蝕性因子K

K因子反映土壤產生水土流失的敏感性和降水產生徑流量與徑流速率的大小.影響K值的因素很多，一般情況下，土壤類型不同產生的侵蝕率也不同.研究區的土壤主要有黃壤、紅壤、水稻土和紫色土等，其中，水稻土多起源于紅壤、黃壤和紫色土.為了更好地求取K值，文中根據呂喜璽等[17]研究的成果，結合研究區土壤的實際情況，對不同土壤類型進行賦值，得到不同土壤類型的K值，如表1所示.

表1 研究區主要土壤類型K值表 Tab.1 K value of agrotype in study area

2.3坡度坡長因子LS

LS因子為水土流失的加速因子，用于定量測度地形特征對水土流失的作用.LS的計算關鍵在于坡度和坡長的提取.在大尺度區域上坡度坡長很難進行實測，因此,一般通過數字高程模型(DEM)進行提取.關于坡度，ArcGIS平臺已有很成熟的工具可以進行提取.關于坡長，快速法與直接法[18-19]是現有文獻中針對USLE和RUSLE模型提出的兩個較有代表性的研究成果，前者將每個點沿垂直方向到山脊線的水平距離作為近似該點的坡長，精度較低；后者將每個格網單元到匯流起點的最大累計水流長度作為該格網的坡長，比較貼近實際，精度較高.因此,應用ArcGIS平臺提取坡度,直接法提取坡長,然后,選用陳明華等[20]針對福建省長汀縣提出的LS公式.坡度坡長因子(L)為L=(τ/20)0.41，坡度因子(S)為S=(θ/10)0.78.

2.4植被覆蓋因子C

福建省長汀縣降雨年內變化差異較大，呈很強的季節性，因此,僅憑單期遙感影像估算C值存在一定誤差.為了盡量減小這種誤差，C值的計算采用多期影像，并充分考慮降雨的年內分布，給予適當權重[18]，其計算公式為

n.

上式中：Pi,Ci分別為第i個時間段的降雨量和植被覆蓋度因子C值；Cyear，Pyear分別為年降雨量和年植被覆蓋度因子C值.實際在計算時，由于受到衛星成像條件限制，很難獲得一年中多個時段的影.

2.5水保措施因子P

根據福建省長汀縣的農事活動和土地利用情況，參考研究成果[19-20]，得出一組較適合于研究區的P值：居民地為0，水體為0，高密度植被為0.20，耕地為0.45，低密度植被為0.5,以及建設用地為1.0.

3 水土流失特征

3.1水土流失強度

以上計算的各水土流失影響因子，由于數據源各不相同，所以得出的各因子圖層存在空間尺度上的差異.為了進行RUSLE的水土流失侵蝕模數計算，首先，將各圖層轉換為統一坐標，以及重采樣成統一像元大小；然后，將以上獲取的6個因子圖層進行疊加相乘，得到各個像元的英制單位水土流失量圖；其次，將所得結果乘以系數224.2，進行單位轉換，得到公制單位為t·(km2·a)-1的各像元年水土流失量圖；最后，根據水利部批準的SL 190-2007《土壤侵蝕分級分類標準》進行分級統計，得到研究區水土流失強度分布圖，如圖1所示.

3.2水土流失風險

由于RUSLE模型的計算結果是對區域水土流失的定量化評估，同時，考慮到RUSLE應用對象及其尺度的差異，對計算結果進行定性化分級，侵蝕模數分別為0～5，5～10，10～25，gt;25 t·hm2·a-1時，水土流失風險等級分別為很低，低，中，高.水土流失的風險等級分布圖,如圖2所示.反映研究區不同空間位置上未來水土流失發生的概率高低.通過對不同風險等級的坡度、植被覆蓋度的統計分析研究區水土流失風險的分布規律.

圖1 水土流失強度分布圖 圖2 水土流失風險等級分布圖Fig.1 Distribution map of soil erosion intensity Fig.2 Distribution map of soil erosion risk level

由圖2可知：研究區發生大面積水土流失的風險性高，中、高級風險區面積巨大(達1 404.752 4 km2，占總面積比率0.453 1)，高級風險區占總面積比率0.279 0，而很低級風險區占的比率不及三分之一；水土流失中、高風險區主要位于中部、東南和東北部，其中,中部集中了過半高級風險區.河田、三洲是研究區水土流失風險性最大的鄉鎮，高級風險覆蓋大半個鄉鎮(三洲幾乎整個鄉)，很低、低、中級風險區分布較少.同時，這兩個鄉鎮也是水土流失最嚴重的區域，存在大面積強烈及以上的水土流失；濯田、涂坊、南山、策武、新橋是水土流失風險性次之的鄉鎮，以高級風險分布為主，且中度及以上流失面積較大；這些鄉鎮植被覆蓋較低，土地開發、破壞大，是福建省長汀縣水土流失風險性大的主要原因.

4 各影響因子與水土流失風險的空間關系

4.1坡度與水土流失風險性的關系

坡度作為RUSLE的重要參數，是影響水土流失風險性高低的主要因子之一.當其他因子相對不變時，水土流失的風險性隨著坡度的增加而上升.通過研究坡度與水土流失風險性的關系,可加強對水土流失機理的理解和對研究區水土流失風險性空間分布規律的分析,為后續的坡改梯、建排水溝、封山育林等水保措施的選擇提供數據支持.為分析研究區不同坡度下的水土流失風險性情況，運用ARCINFO軟件的空間分析功能，將坡度等級分布圖與水土流失風險等級(η)圖進行疊置分析，從而得到不同風險等級的各坡度區統計,如表2所示.

由表2可知：研究區0°～35°坡度范圍內屬于水土流失高風險區域；中級風險區過半分布于20°～ 45°的坡度范圍內；而很低、低級風險區則分布于50°以上的區域；4個等級的風險區在各個坡度區上都有或多或少的分布，呈現一種交叉鑲嵌的復雜狀態.因此，未來研究區水土流失的治理應以坡度在0°～ 45°區間的中、高水土流失風險區為主，同時，應適當關注其他區間的中、高風險地區.

在其他因素相對不變的情況下，坡越陡，降雨產生的坡面徑流越大，水土流失總動能也越大，從而在坡度越陡的地區產生水土流失的風險性也就越高.但從研究區坡度分布上看，水土流失風險性并沒有隨坡度等級的增加而顯著增強：除了很低、低風險區主要分布于低、中坡度區外，高級風險區也主要分布于低、中坡度區(0°～35°)，而非高坡度區.這表明研究區水土流失的風險性因受其他因素的重要影響，使坡度對其影響的潛在規律不明顯.

表2 各坡度帶的風險等級的統計Tab.2 Statistics of soil erosion risk level by slope factor

4.2植被覆蓋度與水土流失風險性的關系分析

針對研究區水土流失風險分布狀況，將植被覆蓋度進行分級統計，共分為5級，并計算整個研究區和不同風險等級的水土流失區中各植被覆蓋等級所占的比率(δ)，如表3所示.

表3 不同植被覆蓋度分布的風險等級的統計Tab.3 Statistics of soil erosion risk level by vegetation cover factor

由表3可知：研究區的居民地、建設用地、水域的植被覆蓋度在0～0.2之間，其屬于水土流失低風險區；在0～0.4植被覆蓋度區間比低、中等級擁有較高的比例，該風險等級水土流失的其余區域，由于山林較多，植被保護較好，因此，植被覆蓋度基本上都在60%以上，且大多在80%以上；低級水土流失區的植被覆蓋度99%以上都集中在0.8～1.0區間，是植被覆蓋度最好的水土流失風險等級，該區域也大多是山林地帶，土地開發利用少，植被保護較好；中風險等級水土流失區的植被覆蓋度99%以上，集中于0.6～1.0區間，且基本上集中于0.8～1.0區間，也是植被覆蓋度非常好的區域，該區域也多處山林地帶，植被保護較好，但由于地形陡峭的主要原因，使得風險等級較高；高風險等級水土流失區，是植被覆蓋最差的流失區，60%以上的植被覆蓋度不足58%，80%以上的不足14%，該區域是人類活動影響最強烈的地帶，土地開發利用大，植被破壞嚴重，從而導致水土流失極易發生.整體而言，除了高風險等級水土流失區的不同植被覆蓋度等級分布比較均勻外(平均植被覆蓋度在0.6～0.7區間)，其余等級水土流失區的90%以上都集中于0.8～1.0的植被覆蓋度區間(平均植被覆蓋度都在80%以上).

一般情況下，當其他因素相對不變時，植被覆蓋度越高，水土流失的風險性越低，但上述分析可知，在很低、低、中3個風險等級區間中，影響水土流失風險性的主要因子除了植被之外，還受其他因子的重要影響，從而導致植被覆蓋度與水土流失的一般規律性不明顯；同時，高風險等級水土流失區植被覆蓋度最差，而高風險區也是研究區水土流失最嚴重的區域，中度及以上的水土流失主要集中于此，故植被覆蓋度是高風險等級水土流失區形成的極重要因素.

5 結束語

福建省長汀縣水土流失中、高風險區分布仍較多，未來防治任務依然艱巨.河田、三洲、策武等3鄉鎮存在較大面積的中、高水土流失風險區，濯田、涂坊、南山、大同及新橋等鄉鎮的中、高風險分布也較為突出.福建省長汀縣水土流失風險呈現出一定的地域性特點，與植被覆蓋度有較為嚴格的負相關關系，但與坡度無嚴格的正相關關系，且不同風險區形成的主導因素也存在一定的差異性.不合理的人類活動是造成研究區水土流失風險較高的主要原因，在提高植被覆蓋度的同時盡量減少不合理的人類活動是研究區未來水土流失防治努力的方向，人類活動強度大的中、高風險區(如河流沿岸、道路兩旁、坡耕地集中區、土地資源開采區、土地開發建設區以及居民地或建設用地周圍的低植被覆蓋區)是水土流失防治的重點目標.

[1] MITRA B,SCOTT H D,DIXON J C,etal.Application of fuzzy logic to the prediction of soil erosion in a large watershed[J].Geoderma,1988,86(3/4):183-209.

[2] 李秀霞,倪晉仁.土壤侵蝕及其影響因素空間相關性分析[J].地理科學進展,2009,28(3):161-162.

[3] 汪東川,盧玉東.國外土壤侵蝕模型發展概述[J].中國水土保持科學,2004,2(2):35-40.

[4] COOK M F.The natural and controlling variables of the water erosion process[J].Soil Science Society of America Journal,1936，1(C):60-64.

[5] WISCHMEIER W H,SMITH D D.Predicting rainfall-erosion losses from cropland and east of the Rocky Mountains[M].Washington D C：US Department of Agriculture,1965:282-291.

[6] 陳云明,劉國彬,鄭粉莉,等.RUSLE侵蝕模型的應用及進展[J].水土保持研究,2004,11(4):80-83.DOI:10.3969/j.issn.1005-3409.2004.04.017.

[7] RENARD K G,FOSTER R,WEESIES G A,etal.Predicting rainfall erosion by water: A guide to conservation planning with the revised universal soil loss equation (RUSLE)[J].USDA Agriculture Handbook,1997,703:1-367.

[8] 卜兆宏,孫金莊,周伏建,等.水土流失定量遙感方法及其應用的研究[J].土壤學報,1997,34(3):235-245.DOI:10.3321/j.issn:0564-3929.1997.03.002.

[9] 湯麗潔,舒暢.基于GIS和RS的巢湖流域水土流失評估[J].水土保持通報,2013,33(1):305-308.

[10] 劉波,王培法,余江峰,等.基于GIS和RS的長清區南部山區水土流失研究[J].遙感信息,2009(6):15-19.DOI:10.3969/j.issn.1000-3177.2009.06.004.

[11] 陳燕紅,潘文斌,蔡芫鑌.基于RS/GIS和RUSLE的流域土壤侵蝕定量研究: 以福建省吉溪流域為例[J].地質災害與環境保護,2007,18(3):5-10.

[12] 劉淼,胡遠滿,徐崇剛.基于GIS、RS和RUSLE的林區土壤侵蝕定量研究: 以大興安嶺呼中地區為例[J].水土保持研究,2004,11(3):21-24.

[13] 周斌,楊柏林,洪業湯,等.基于GIS的巖溶地區水土流失遙感定量監測研究: 以貴州省(原)安順市為例[J].礦物學報,2000(1):13-21.

[14] 黃炎和,盧程隆,鄭添發,等.閩東南降雨侵蝕力指標R值的研究[J].水土保持學報,1992,6(4):1-5.DOI:10.3321/j.issn:1009-2242.1992.04.004.

[15] 周伏建,陳明華,林福興,等.福建省天然降雨雨滴特征的研究[J].水土保持學報,1995,9(1):8-12.DOI:10.3321/j.issn:1009-2242.1995.01.001.

[16] 周伏建,陳明華,林福興,等.福建省降雨侵蝕力指標R值[J].水土保持學報,1995,9(1):13-18.DOI:10.3321/j.issn:1009-2242.1995.01.003.

[17] 呂喜璽,沈榮明.土壤可蝕性因子K值的初步研究[J].水土保持學報,1992,6(1):63-70.DOI:10.3321/j.issn:1009-2242.1992.01.005.

[18] 陳明華，周伏建，黃炎和，等.坡度和坡長對土壤侵蝕的影響[J].水土保持學報，1995,9(1)：31-36.DOI:10.3321/j.issn:1009-2242.1995.01.012.

[19] 楊冉冉,徐涵秋,林娜,等.基于RUSLE的福建省長汀縣河田盆地區土壤侵蝕定量研究[J].生態學報,2013,33(10):2974-2982.

[20] 黃金良,洪華生,張珞平,等.基于GIS和USLE的九龍江流域土壤侵蝕量預測研究[J].水土保持學報,2004,18(5):75-79.DOI:10.3321/j.issn:1009-2242.2004.05.019.

(責任編輯： 陳志賢英文審校： 吳逢鐵)

SpatialAnalysisonWaterandSoilErosionRiskinChangtingCountyUsingRUSLEModel

LIANG Juanzhu1,2， Zhang Qing1,2， FU Shuilong1,2

(1. Key Laboratory of Spatial Data Mining and Information Sharing of Ministry of Education,Fuzhou University， Fuzhou 350002， China；2. Spatial Information Research Center of Fujian Province， Fuzhou University， Fuzhou 350002， China)

Based on revised universal soil loss equation (RUSLE) model, taking Changting County as the research area, geographic information system (GIS) and remote sensing (RS) technologies were used to estimate the soil and water erosion by calculating the influence factors, and the distribution map of the erosion risk was generated. The spatial overlap analysis of the main factors of soil and water erosion was carried out, and the spatial correlation analysis between the comprehensive evaluation results of soil and water erosion risk with the slope, vegetation coverage and land use layer was carried out. The results show that: there are more middle and high risk areas of water and soil erosion in the study area. Hetian,Sanzhou and Cewu three towns are the most serious situation. The risk of soil erosion has a bound regional characteristic, the risk of soil erosion and vegetation cover have strict negative correlation, but the risk of soil erosion and slope have not strict positive correlation.

water and soil erosion； spatial analysis； revised universal soil loss equation； Changting County

10.11830/ISSN.1000-5013.201702036

S 157.1； TP 7； P 208(256)

A

1000-5013(2017)06-0836-06

2017-02-20

梁娟珠(1978-)，女，助理研究員，博士，主要從事地理信息工程的研究.E-mail:liangjuanzhu@163.com.

國家科技支撐計劃項目(2013BAC08B00)