楊建斌
(陜西省寶雞市地下水管理監測中心,陜西 寶雞 721001)
流域是生態系統中物種多樣性的典型區,也是地球陸地表層物質能量流動與轉化的敏感地帶,保護流域生態系統的健康和完整是全球變化背景下實現可持續發展的必經之徑。渭河小流域位于陜西省內,流域氣候濕潤多雨、泥石流等自然災害時常發生、生態環境脆弱,流域不僅為居民生產生活提供必不可少的水、土地資源,也是區域生態安全中心。渭河小流域是陜西省水土流失嚴重地區,受夏季集中性降水與地表環境脆弱性影響,表層土壤侵蝕時有發生并伴隨著養分流失、植被退化。遙感技術以高時效、廣域監測的特點結合地理信息技術為分析水土流失特征提供了便利方案。如周寧等[1]以TM5數據源為基礎,應用GIS和CSLE模型對黑龍江拉林河流域土壤侵蝕強度進行了空間分級;李奎等[2]采用RUSLE通用方程和GIS方法對榆林市水土流失進行了定量提取;陸傳豪等[3]基于遙感和GIS平臺研究了重慶萬州區的水土流失量及其與高程、坡度之間的關系。渭河流域是陜西省寶雞、西安、咸陽等城市的生態屏障,針對該地區的相關研究多以定性分析、治理方案為主,而對本區水土流失的定量研究鮮有報道。本文以landsat8、DEM及相關圖件為數據源,在ArcGIS10.3平臺上對渭河小流域水土流失信息進行定量提取,以期為區域水土保持、生態規劃提供實踐依據。
遙感數據采用為TM8衛星影像OLI的數據,該數據的可見光波段分辨率為30 m,全色波段達15 m,經波段融合后光譜、影像特征得以豐富,能夠滿足地表信息提取精度需求。DEM數據為美國聯邦地質局提供GEODEN,其分辨率達到30 m,為保持空間信息的統一,將其與遙感數據重采樣為15 m。計算水土流失量須先提取區域可侵蝕性因子,該因子是土壤質地與降雨強度的復合函數,以南京土壤研究所繪制的專題土壤圖和基本圖件進行矢量化處理,降水強度則通過區域歷史降水量進行計算,其計算過程參照文獻[4]。
通用水土流失方程 (Revised universal soil loss equation,RUSLE)是美國科學家們通過研究水土動力循環、植被涵養、土壤質地、地形效應等經長時間實踐積累建立區域水土流失量計算公式,其將水土流失視作坡度、坡長、植被、降水強度等環境因子的函數[4],公式如下:

式中:RUSLE為年水土壤流失量,單位為t/(hm2·a);R為降雨侵蝕力因子表征降水強度對水土流失的影響,單位為MJ·mm/(hm2·h·a);不同土壤其質地不同,降水強度對其侵蝕力具有一定差異,以K描述土壤可蝕性,單位為 t·hm2·h/(hm2·MJ·mm),L、S、C、P 依次表示坡長、坡度、植被、水土保持措施等客觀因素。
地形因子是土壤侵蝕的客觀因素,依據公式可知坡度、坡長越大,水土流失越強烈。坡度因子的提取可直接應用ArcGIS 10.3中Spatial Analysis模塊的surface功能,以DEM數據為底圖進行提取,坡長的計算則借助柵格計算器完成,如下:

式中:θ 為坡度值,單位為°(度),M 為坡長指數,通常取 0.5;S、L分別為坡度、坡長因子。LS為坡度坡長因子的組合,計算表明區域LS的取值為0~8.23。
地表可侵蝕性反映了自然狀態下土壤侵蝕強弱,通常疏松的地表環境水土流失越劇烈。學者提出的,地表可侵蝕性因子公式如下[3]:

式中:i=1,2,…,12,表示月份,Pi為月降雨總,mm;R為降雨侵蝕力因子,其值越大,表明降雨強度越大,對地表侵蝕作用越大。植被通過地上截留、匯聚和地下固結作用減弱水土流失,其與水土流失量呈反比,可通過ENVI5.3軟件的bndmath工具進行波段計算提取。
水土流失強弱等級在不同空間位置呈現聚集性特征,由于這種相關性體系在二維空間,故應用科技統計函數Moran's I表達[5]:

式中:n為變量樣本數量;xi、xj為變量x在鄰近配對位置i和j處的實測值為變量x的平均值,wij為空間權重函數,Moran’s I為空間自相關性的度量,Moran’s I絕對值越大,表明自相關性越強。
遙感數據處理和波段計算、植被因子提取在ENVI5.3平臺上完成,地形因子、可侵蝕性因子等和取樣水體流失空間分布圖的制作在ArcGIS10.3平臺上進行;水土流失格局的空間自相關性和分形維數分析在GS+9.0平臺上操作。
依據渭河流域典型地類特征結合魏本贊等[6]學者的研究結果,將該流域土地利用類型劃分為水域、林地、草地、裸地、建設用地、果園、旱地等7個類別,基于OLI影響進行面向對象分類提取。可知渭河流域用地類型呈交錯分布,各類別呈斑塊狀、分布離散。其中水域呈現狀、帶狀延伸;旱地呈塊狀;林地分布集中性較好,呈團狀。統計顯示,本區用地類型以林地、水域占優,其分別占全域面積的36.01%、25.88%,達708.97 km2、509.67 km2。其次是旱地,主要分布于流域東南部,面積達342.31 km2,其結構比為17.38%。建設用地以居民點、道路交通、工礦為主,達243.57 km2,占 12.37%;區域草地較少,僅為 128.57 km2,占總面積的6.53%。流域整體裸地較少,僅為16.602 km2,占0.84%。
受下墊面地表環境與降水侵蝕力影響,流域水土流失量存在空間分布差異,根據《土壤侵蝕分類分級標準》,將土壤侵蝕模數進行分級,進而得到水土流失強度分布圖。可知,區域水土流失以微度為主,其分布范圍最廣且呈連續性分布,強度、極強和劇烈水土流失區呈斑狀分布,其分布較為離散。經統計分析,微度水土流失區面積達1528.40 km2,占區域面積的77.62%,其次是輕度和中度水土流失區,面積依次為208.39 km2、195.23 km2,結構比分別是10.58%、9.92%,強度、極強和劇烈水土流失區分布較少,呈點狀分布,面積僅為31.31 km2、3.62 km2、2.05 km2,分別占流域總面積的1.59%、0.18%、0.10%。
土地利用類型決定著土壤質地、植被覆蓋度、人為活動影響程度,是水土流失的重要影響因子。渭河流域用地類型錯綜復雜,水土流失強度的空間分布不均衡。將各土地利用類型面積與其水土流失量進行回歸分析,得出二者之間的關系模型:

式中:y 為水土流失量 (t·km-2·a-1);x1、x2、x3、x4分別為旱地、園地、建設用地和裸地地類,其決定系數為正,表明其對水土流失呈正效應,是區域土壤侵蝕的主要防控地類;而x5、x6和x7分別代表林地、草地和水域,其決定系數為賦值,與水土流量之間負相關關系,表明這些用地類型可以抑制水土流失。
土地利用結構通過景觀組合效應對水土流失產生影響,以各單元內用地類型結構比與土壤侵蝕量的線性關系建模,得到結果見圖1。由圖可知,渭河流域范圍內各單元侵蝕模數范圍介于 69.84 t·km-2·a-1~1277.94 t·km-2·a-1之間, 變幅達 1175.56 t·km-2·a-1。從圖中不同用地類型的散點可以看出,隨著用地類型結構的增加,水土流失量變化趨勢各異。其中水土流失量與裸地的關系為y=1212.6x+136.68,R2=0.738,在0.01水平上達到顯著性;與建設用地的關系表現為y=730.47x+435.11,R2=0.2278,通過了0.05水平信度檢驗;隨著園地類型結構比增加,水土流失量以y=930.01x+109.5的形式變化。由此表明這些用地類型的增加將導致水土流失的加劇,其中裸地的決定系數最大,其侵蝕模數達到1212.6 t·km-2·a-1,應予以重點防控。而水域結構比與水土流失的關系表現為y=125.68x+254.64,R2=0.0177,并未通過5%水平信度檢驗,表明二者間的關系不顯著。相對而言,隨著草地、林地用地結構增加,水土流失以y=125.68x+254.64,R2=0.0177 和 y=-964.01x+712.6,R2=0.7221形式變化,表明這些用地結構的升高有利于控制水土流失,減弱土壤侵蝕。
圖2為渭河流域不同水土流失強度Moran’s I散點圖。其初始值為全局Moran’I,將其進行標準化處理后得到Z值均大于1.96的臨界值,表明其空間分布具有良好的自相關性。可知,劇烈水土流失區的全局Moran’s I值最大,為0.317,表明其聚集性良好,結合圖2來看,劇烈水土流失區呈點狀分布,被其他弱級水土流失區包圍;這種聚集性表明臨近劇烈水土流失區的范圍其土壤侵蝕程度可能加劇。微度水土流失區的全局Moran’s I值最小,為0.255,表明其在空間上連續性較好,具有良好的結構性規律。各散點圖變化趨勢顯示,隨著滯后距離增加其局部Moran’s I逐漸減小,于10 km處由正相關演變為負相關,表明其相關性距離為10 km,在此范圍內不同水土流失強度等級具有空間關聯性。
基于遙感資料和GIS技術,運用水土流失通用方程定量提取了渭河流域水土流失信息。結果表明,不同土地利用類型下水土流失強度存在差異,流域水土流失量介于69.84 t·km-2·a-1~1277.94 t·km-2·a-1之間。旱地、園地、建設用地、裸地等用地類型結構比與水土流失量之間具有顯著正相關關系,而草地、林地等類型的結構比有利于抑制水土流失量,水域用地結構比水土流失量的關系尚不明確。空間自相關分析表明,劇烈水土流失區呈明顯的獨立性分布,表明局部人為因素是加劇土壤侵蝕的主要原因,微度水土流失區分布范圍廣、結構性穩定,表明改善區域自然因素有利于從整體上防控水土流失。研究結果可為區域水土保持和生態規劃提供借鑒。