淮河流域坡面產沙模型研究

樂紅玲，郭偉建

(1.安徽省水利水電勘測設計研究總院有限公司，安徽 合肥 230000；2.中國電建集團華東勘測設計研究院有限公司，浙江 杭州 311122)

治淮70多年來，淮河流域生態文明建設取得明顯成效，但其水土流失嚴重仍然不可忽視。最早在19世紀80年代，德國土壤學家Ewald woliny[1]就關于土壤侵蝕做出了定量的研究分析。接下來的100多年來，各個國家的學者對土壤侵蝕研究都付出了艱辛的努力，對土壤侵蝕機理的認識和研究也獲得了豐碩的成果。1941年，Smithm[2]建立了土壤侵蝕速率與坡度、坡長、作物因子和水土保持措施因子之間的定量關系；隨后，著名的通用土壤流失方程(Universal Soil Loss Equation，USLE)[3]應運而生，USLE是對美國一千多萬個徑流實驗小區的實驗數據進行合理研究分析后，得出的土壤侵蝕總量與降雨侵蝕力、土壤可蝕性、坡度坡長、作物覆蓋和水土保持措施五大因子之間的定量運算關系。USLE的誕生，標志著土壤侵蝕統計模型研究進入了嶄新的領域；但由于USLE模型主要計算年土壤侵蝕總量，并不能對次降雨帶來的降雨侵蝕進行預報，這無疑限制了模型的廣泛運用，因此，W H Wischmeier和D Simth針對此問題，成功對USLE模型進行了修正，得到了大家普遍認同的修正版MUSLE模型[4]。

1 模型概述

坡面產流計算是坡面泥沙模型的基礎。根據淮河流域水文氣象特點，其產流機制具有明顯的蓄滿產流特點，故決定選用三水源新安江模型作為區間流域暴雨徑流預報的流域水文模型，丁飛等人[5-8]的研究，均證明了其在淮河流域的適用性，故模型所需的坡面產流量由新安江模型計算結果提供。

在通用土壤流失方程USLE[9]的基礎上，基于產流與產沙的相關關系，產流因子取代了降雨能量因子，由于產流和產沙的相關性，極大地提高了產沙的預測準確性。MUSLE考慮流域形態、植被覆蓋、水土保持措施等因素的影響，采用公式(1)對產沙量進行預測。

CUSLE·PUSLE·LSUSLE·CFRG

(1)

式中，sed—坡面日產沙量，t；Qsurf—坡面產流量，mm；qpeak—峰值產流率，m3/s；areahru—水文響應單元(HRU)面積，ha；KUSLE—土壤侵蝕性因子；CUSLE—覆蓋與管理因子；PUSLE—保持措施因子；LSUSLE—地形因子；CFRG—碎屑因子。

2 坡面水沙模型驗證與分析

對淮河流域2006—2010年的水沙資料進行了收集，共選取了淮河流域上同時具備水文與泥沙觀測資料的4個不同的子流域：蘆莊、柴胡店、黃尾河、告成。以2006—2008年資料對模型進行率定，采用2009年和2010年資料進行模型驗證。產流與產沙模型的時間步長均為1d。

2.1 數據預處理

模型驗證需要相應的流域地形、土壤類型以及降雨、水文泥沙資料對模型進行驗證。

2.1.1流域信息提取

流域匯流河網的提取利用ArcGIS中的Hydrology[10]模塊。首先對DEM中存在的“洼地”進行填洼處理(Fill)，從而消除流向計算中可能出現的偏差。本文統一選用500作為河道提取的閾值。選取的各流域高程及河網分布如圖1所示。本文所用流域DEM信息來自于美國地址勘探局(U.S.Geological Survey，USGS)，數據精度為90m(http://data.geocomm.com/dem/)。流域地形統計信息見表1。

圖1 各流域高程及河網分布

表1 流域地形統計信息

2.1.2土壤類型數據提取

坡面產沙模型受土壤類型影響強烈，為保證模型計算的合理性與準確性，本文對4個實驗流域的土壤類型數據進行了提取以及分析。土壤信息來自聯合國糧農組織(FAO)和維也納國際應用系統研究所(IIASA)所構建的世界土壤數據庫(Harmonized World Soil Database version 1.1)(HWSD)，其中中國境內數據源為第二次全國土地調查中科院南京土壤所所提供的1∶100萬土壤數據，采用的土壤分類系統主要為FAO-90，土壤屬性表主要包含：土壤質地、土壤有效含水量、土壤容重、有機碳含量等相關信息。由于植被覆蓋、保持措施等因子的空間分布資料的不足，模型主要考慮土壤侵蝕因子K空間分布差異對模型計算影響。應用ArcGIS空間疊加以及分析功能，對4個實驗流域的土壤類型分布進行計算，得出每個流域的土壤分布組成，并進行疊加，通過K的計算公式可得到流域土壤侵蝕因子的取值蘆莊、告成、柴胡店和黃尾河分別為0.28、0.17、0.11、0.23。

2.1.3降雨及水文泥沙數據

本文所用降雨及水文泥沙資料來源于2006—2010年水文年鑒，降雨采用逐日降雨資料，泥沙采用逐日平均懸移質輸沙率表，流量采用逐日平均流量，蒸發則采用逐日水面蒸發量。受觀測資料限制，每個流域只選用一個降雨觀測站，水文模型輸入采用面平均降雨。

2.2 模型驗證與比較

2.2.1流域產流模擬

產流模型的率定以年總水量平衡誤差RRE和峰值流量誤差RPE作為率定目標函數，取每個子流域平均誤差最小參數集為率定模型參數，采用人工試錯的方式對模型進行優化率定。從統計結果來看，對于年徑流的估值偏小，而對于洪峰的估值偏大，基流的模擬效果稍差，模擬基流與實測過程流量偏小，這也導致了平均年產流估值與實測值相比偏小，這主要來自于新安江模型對基流的估算方法，本文通過子流域的劃分，采用滯后演算法考慮洪水的退水過程，其對真實洪水響應的模擬有待進一步改進。而對于峰值估算整體偏大，則可能是由于缺少流域內人類活動影響資料以及涉水工程對洪水響應影響的合理估算。

2.2.2流域產沙模擬

根據收集的資料情況，本文共計算了黃尾河、告成、蘆莊、柴胡店4個流域共計12年的流域產沙過程，其中2006—2008年用于產沙模型的參數率定，2009年與2010年用于模型的驗證。產沙模型參數的率定以年產沙誤差(RSE)作為目標函數：

(2)

式中，Ssim—計算年產沙量,t；Sobs—觀測年產沙量,t。

部分驗證結果如圖2所示。結果統計見表2，從表2可以看出，除2009年黃尾河流域產沙明顯高估外，年實測產沙量與計算產沙量基本相當，相對誤差基本控制在37%左右。但產沙過程中的峰值產沙量還存在明顯的低估，這是由于在MUSLE模型中，認為坡面產沙取決于坡面產流量的大小，但根據Renard、Foster[4]、段建南[11]、湯立群[12]、王光謙[13]、Desmet[14]等人的研究，坡面水土的流失還受到降雨擊濺、流域形態等影響。因此模型對于流域產沙的估計存在一定的偏差。結果顯示，流域產沙受降雨強度的影響非常明顯，因為模型認為產沙過程受到坡面產流量的控制，因此對于較大降雨強度，會有明顯的產沙過程出現，而對于年際降雨分布較為均勻的年份，產沙量則明顯減小。

圖2 2006—2010年黃尾河計算與實測泥沙過程

表2 流域產沙模型率定與驗證結果

2.3 模型適用性分析

2.3.1坡面侵蝕相關性分析

為驗證產沙模型選擇的合理性，我們選擇降雨強度、產流量、坡面產流量與土壤侵蝕模數的相關性進行分析。我們采用日降雨量、日產流量以及日坡面產流量作為相關性指標，對4個流域2006—2010年與實測土壤侵蝕模數進行相關性分析，分析結果見表3。

表3 日降雨量、日產流量、日坡面產流與土壤侵蝕模數相關性分析

從表3可以看出土壤侵蝕模數與坡面產流量的相關性最強，平均相關系數達到0.62，而日降雨強度、日產流量與土壤侵蝕模數的相關性則稍差。這說明流域產沙的主要成因是坡面水流的侵蝕造成，同時也說明了產沙模型選擇的合理性。但需要指出的是，由以上4個流域的相關分析結果，注意到降雨、產流與產沙過程存在約1d的滯后性相關，這是由流域的匯沙過程決定，也與流域面積大小有關，MUSLE模型缺少對流域坡面匯沙過程的考慮。

2.3.2不同坡度下侵蝕特征分析

除流域產沙量的時序分布外，我們希望進一步評估流域產沙與流域形態的關系。本文依據流域特性將流域坡度劃分為<1°、1°～3°、3°～5°、>5°四個級別，通過統計4個流域內不同坡度下的土壤侵蝕模數，分析不同坡度條件下土壤侵蝕的空間分布特性。具體見表4。

表4 流域坡度與土壤侵蝕模數關系 單位：t/(km2·a)

從表4可以看到，隨著坡度的增加，土壤侵蝕模數顯著增加，較大的坡度以及伴隨的較長的匯流長度都加大了土壤易侵蝕性。但需要注意的是，淮河流域整體地勢較為平坦，對于4個流域，大于5°的坡面占整個流域的比重非常低(<5%)，雖然較易受到產流侵蝕，但對年侵蝕量的貢獻有限。相反，流域大部分區域屬于緩傾斜坡，它們對土壤侵蝕的貢獻最大。所以，對于淮河流域應加強緩傾斜坡內的水土保持措施，從而減少流域水土流失。

2.3.3不同土壤類型下侵蝕特征分析

土壤類型決定了土壤的易侵蝕程度，土壤不同粒徑級配，有機碳含量等都與土壤侵蝕強度密切相關。對4個流域不同土壤類型下的土壤侵蝕程度進行統計，能夠更有針對性的進行土壤侵蝕的防治工作，也進一步探討不同類型土壤對土壤侵蝕的貢獻，如圖3所示。從圖3可知，對蘆莊流域，飽和粘盤土貢獻了48%的流域產沙量，其次為飽和始成土和不飽和始成土。對于柴胡店流域，石灰性粗骨土、石灰性淋溶土、石灰性始成土對流域侵蝕的貢獻分別為37%、26%、19%。對于告成流域，石灰性始成土對土壤侵蝕貢獻約為77%，其次為弱發育淋溶土。黃尾河流域主要土壤類型為弱發育淋溶土，因此其貢獻最大，占98%。

圖3 土壤類型與土壤侵蝕貢獻

2.4 淮河流域土壤侵蝕的空間異質性分析

流域土壤侵蝕受降雨強度、土壤類型等因素的綜合影響。而其空間分布的不均一也導致了流域土壤侵蝕的空間差異性。

降雨是土壤侵蝕的重要驅動因素，也是水文模型的輸入項。淮河流域地處我國南北氣候過渡帶，淮河以北屬溫帶區，淮河以南為北亞熱帶，降雨分布大致為由南向北遞減，山區多于平原，沿海大于內陸。很多學者對降雨動能的計算提出了經驗型的估算方法[15-17]，但由于MUSLE模型中通過坡面產流量來體現降雨侵蝕的作用，因此這里不采用降雨動能的形式對土壤侵蝕的空間分布進行分析。這里對淮河2003、2005、2007、2008、2009年收集到了60個雨量站進行分析，以年均降雨總量為降雨侵蝕強度指標，對淮河流域淮濱至蚌埠段空間分布進行分析。降雨分布采用反距離插值方法如圖4所示。

圖4 降雨侵蝕因子分布

地形是影響土壤侵蝕程度的另一重要因子。受流域形態控制，不同坡度與坡長下，坡面水流對土壤的沖刷能力也將存在極大差距，坡長越長、坡度越大，坡面水流導致的土壤侵蝕作用也就越為強烈，否則反之。MUSLE模型中考慮了坡面長度和坡度對水土侵蝕的影響，計算得到的淮河流域淮濱至蚌埠段地形因子空間分布，計算所用DEM精度為90m，模型所需的坡度及坡長因子均采用ArcGIS相應模塊進行計算，如圖5所示。從圖5中可知，土壤侵蝕地形因子以淮河為界，南北差異巨大，淮北地勢平坦，易受侵蝕較小，而淮河南部多為山地丘陵，地形起伏大，土壤侵蝕的敏感性較高。

圖5 地形因子分布

MUSLE模型中采用土壤可侵蝕因子衡量土壤的易侵蝕程度，取值大小受土壤質地、有機質含量、土壤厚度、滲透性等因素影響。土壤可侵蝕因子越大表明土壤越容易受到坡面水流的侵蝕，其取值范圍一般在0.02～0.75之間[18]。本文采用聯合國糧農組織的HWSD數據，數據精度約1000m。空間分布如圖6所示，從圖6中可知，類似于地形因子，淮河流域以淮河干流為界，南北土壤類型同樣呈現明顯差異，淮河以北多為石灰性沖積土和石灰性始成土，淮河以南則為土墊旱耕人為土為主。

圖6 流域土壤侵蝕因子分布

3 結語

以淮河流域為研究對象，基于淮河流域已有的水文水動力模型，構建了適用于淮河流域的坡面土壤侵蝕模型。采用MUSLE坡面土壤侵蝕模型，考慮了坡面產流、流域形態、植被覆蓋以及水土保持措施等因素的影響，在蘆莊、柴胡店、告成、黃尾河4個小流域的驗證結果表明，模型可以達到預期精度。對于流域侵蝕模數與降雨強度、產流量、坡面產流量的分析也進一步驗證了淮河流域土壤侵蝕模型選擇的合理性。但同時需要指出的是，由于模型缺少對坡面匯沙對產沙滯時因素的影響，該模型在較大流域應用時可能會出現一定偏差，本文通過子流域的劃分解決這一問題。

本文構建的坡面產沙模型中主要考慮坡面產流的影響，降雨擊濺、植被空間分布以及水土保持措施等因素由于模型概化、資料收集等因素的限制，在本文中做了簡化處理，從模擬結果可以看出，坡面產沙受多種條件影響，這需要在今后的研究中繼續完善和改進。