水沙耦合模型在遼寧小流域水土流失模擬的適用性分析

豐亞麗

(遼寧省盤錦水文局，遼寧 盤錦 124000)

1 引言

小流域治理設計需要對區域水土流失量進行預測，水土流失預測的精準度對于小流域治理設計的合理性十分重要[1]。早在1877年來自德國的研究學者Ew al dWollny開始進行土壤侵蝕的定量研究，直到美國研究出一個通用土壤侵蝕方程，德國研究學者的這一階段研究才結束，這一個時期的土壤侵蝕研究主要定量研究土壤侵蝕量和一些簡單因子之間的關系，這些簡單的因子例如流域坡度、坡長以及植被覆蓋度等，國外學者通過進行大量的實驗小區進行土壤侵蝕實驗并進行觀測，基于大量觀測數據，一些土壤侵蝕的統計模型得到了發展[2-7]。我國的研究學者在土壤侵蝕方面也同樣進行了大量的研究工作，在我國早期也大都是經驗統計學的方法，通過實驗區域，得到土壤侵蝕的經驗模型，在1953年劉善建[8]在我國首次提出一個坡面土壤侵蝕方程的公式，而后許多學者結合不同區域的地理和下墊面情況，得到了不同的土壤侵蝕經驗模型，在這些土壤侵蝕的統計模型中，有代表的是江忠善[9]和劉寶元[10]兩位學者分別提出的土壤侵蝕經驗模型。但這些模型大都未能考慮坡面產沙量，而坡面沙量主要隨水流進入河道內，需要結合水文模型對水量進行模擬，在水量模擬的基礎上，實現坡面沙量的計算。為此本文建立水沙耦合模型，實現降雨侵蝕量和坡面產沙量的模擬，提高水土流失預測的精度。

2 水沙耦合模型原理

相比于傳統單一考慮降雨侵蝕模型，水沙耦合模型在通過土壤侵蝕方程的基礎上，增加了水文因子，計算方程為：

S=11.8×(Qsurf·qpeak·A)·K·C·P·L·R

(1)

式中：S表示為預測的水土流失量，t；Qsurf表示為場次降雨下的產流量，mm，本文結合水文模型來計算場次降雨下的產流量；qpeak表示為暴雨侵蝕力，mm，可用區域最大1 h降雨量進行表征；A表示為集水面積，km2；K表示土壤侵蝕因子；C表示為植被覆蓋參數；P表示為水土保持措施參數；L表示為流域平均坡度，‰；R表示為土壤質地中的沙礫比例，%。

土壤侵蝕因子K計算方程為：

K=fs·fcl·fforgc·fsd

(2)

式中：fs表示為壤土比例，%；fcl表示為砂土比例，%；forgc表示為有機質的比例，%；fsd表示為砂礫石比例，%。

植被覆蓋參數C采用如下方程進行計算：

C=exp([ln(0.8)-ln(Cmin)]·exp[-0.00115·rsdsurf]+ln(Cmin))

(3)

式中：Cmin表示為植被覆蓋度的年最小值；rsdsurf表示為植被表層距離地面的高度，mm。

流域平均坡度L的計算方程為：

(4)

式中：Lhill表示為斜坡系數；ahill表示為平均坡度系數；m表示為坡比系數。

m=0.6·(1-exp[-35.835·slp])

(5)

式中：slp表示為計算區域的坡度均值，‰。

土壤沙礫比例的計算方程為：

R=exp(-0.053×rock)

(6)

式中：rock表示為礫石比例量，%。

3 模型應用

3.1 區域概況

本文以遼寧西部某小流域治理為工程實例，流域流域集水面積為24.93 km2，高程差為195 m，屬于典型的大陸季風半干旱、半濕潤氣候，區域多年降水量均值為430 mm，徑流深多年均值為60 mm，流域平均寬度為5.3 km，長度為5.6 km。流域屬于中度土壤侵蝕，水蝕是流域水土流失影響的主因，侵蝕溝壑在小流域內分布較為密集，水土流失比例占總面積比例高達56.0%。

3.2 基礎數據

模型輸入的基礎數據包括：①地形數據，本文采用的地形數據的分辨率為90 m；②土地利用/植被覆蓋數據的分辨率為1 km；③土壤質地數據主要包括土壤類型、土壤質地組成；④氣象數據，采用流域內氣象站點的最高、最低日平均氣溫、太陽輻射、相對濕度、風速等數據，氣象數據主要用于計算流域的蒸發，作為水文模型的輸入；⑤降雨數據，采用小流域內10個降水站點數據，采用面積加權計算面平均降水量，并統計分析最大1 h平均降水量。此外考慮到水文模型的驗證，本文結合小流域附近的水文站，采用面積相似方法，將水文站實測流量和泥沙數據移植到計算流域，用于模型驗證。

3.3 參數設置

由于計算流域位于西部，為此本文采用超滲產流模型對水文因子進行計算，土壤侵蝕因子采用式(2)，結合設計流域的土壤質地比重進行計算得到，植被覆蓋比例和水保比例這兩個參數主要參考文獻[11]進行設置，坡度因子結合式(4)，其中Lhill和aLill結合參考文獻[12]，基于設計流域的地形數據進行確定，土壤沙礫比例主要結合土壤質地數據進行確地。超滲產流模型參數結合附近水文站水文預報方案進行確定，結果見表1。

表1 水沙耦合模型參數設置結果

3.4 精度檢驗結果

采用對比觀測試驗方式，從2015年開始，進行試驗小流域水土流失的觀測，對場次降雨下的水土流失量進行了分析，并結合水沙耦合模型，在模型參數設定的基礎上，對比分析水沙耦合模型和傳統單一產沙模型(ULSE方程)的產沙量模擬精度，結果見表2，并分析典型降水條件下不同模型含沙量過程的預測精度，結果見圖1。

表2 產沙模型精度驗證結果

從分析結果可看出，在觀測的10場典型降水過程中，水沙耦合模型都較ULSE單一產沙模型的沙量模擬精度有明顯改善，采用ULSE方程模擬的沙量與觀測沙量的相對誤差在22.44%～-39.13%之間，各場次產沙量預測的相對誤差均高于20%，這主要是因為ULSE模型主要考慮降雨對土壤侵蝕的影響，預測的含沙量大部分為暴雨侵蝕量，這種模型主要適合于南方地區，當降雨的土壤侵蝕力較大時候，可以忽略坡面的產沙量。而對于北方地區而言，在暴雨條件下，由于降雨的土壤侵蝕力不高，因此坡面產沙量不能被忽略。從對比結果可看出，采用水沙耦合模型后，對其地表徑流進行模擬，綜合考慮降水產沙和坡面徑流產沙，6場降水過程下，水沙耦合模型預測的沙量和觀測沙量的相對誤差在-10.77%～17.89%之間，均低于20%，相比于單一考慮降雨的ULSE模型，預測的精度平均提升14.8%。從圖1中可看出，水沙耦合模型的含沙量過程預測值和觀測的逐時段含沙量值均有較好的吻合度，ULSE方程雖然在沙峰過程模擬較好，但是總體的吻合度要低于水沙耦合模型。綜上，可見水沙耦合模型由于綜合考慮降雨和坡面匯流對產沙的影響，產沙量預測精度得到較好的提升。

圖1 各模型含沙量預測過程對比

3.5 土地利用變化下的產沙量響應分析

土地利用變化是小流域治理關鍵措施之一，結合水沙耦合模型，通過對應的土地利用數據，調整植被覆蓋度因子和水保措施參數，即可對不同土地利用方式下沙量進行預測，為此本文通過設定3種土地利用變化情景，并對各情景下的產沙量進行預測，結果見表3。

表3 不用土地利用情景模式

從土地利用情景模式變化情況可看出，情景模式1相比于現狀土地利用增加了旱地的面積，增加比重為5%，其他土地利用比重不變，從情景模式1的產沙量預測結果可看出， 旱地面積的增加，使得產沙量增加幅度為26.92%，產沙量遞增較為明顯。而情景模式2下主要是增加了林地的面積比例，其他土地利用方式不發生變化，從情景模式2下的產沙量預測結果可看出，相比于土地利用未發生變化前，產沙遞減幅度為16.67%，可見增加林地面積后，流域產沙量削減效果較為明顯。土地利用情景模式3主要是增加了草地的覆蓋面積，對應的產沙量削減幅度為11.54%，少于林地增加的情景模式下的產沙量削減比例，從而可以看出，草地面積的變化對流域土壤侵蝕能力改善程度低于林地面積的變化。

4 結語

(1)水沙耦合模型可綜合考慮暴雨對土壤侵蝕的影響及坡面產沙的影響，在小流域水土預測的精度明顯高于傳統單一考慮降雨侵蝕下的沙量預測精度，適合于北方小流域水土流失預測；

(2)通過預測分析，對于水沙耦合模型而言，水量模擬的精度也將直接影響沙量的模擬精度，因此在運移水沙模型進行預測時，要結合小流域的水文特征，選定不同水文模型進行產沙量的預測；

(3)林地對于小流域產沙量削減幅度效果較為明顯，其次為草地，增加相同比重的旱地，其產沙量的增幅遠高于同比例林地或草地下的沙量削減比例。