2000—2018年黃河青海流域土壤侵蝕動態變化

湯劍秋 李宛瑩

摘 要：青海省是黃河發育的源頭，黃河青海流域的水土流失狀況將直接影響到黃河流域全域的生態環境質量。基于修正的通用土壤流失方程（RUSLE），運用ArcGIS、ENVI等遙感處理平臺工具，對黃河青海流域土壤侵蝕狀況進行估算。結果表明，2000年、2010年和2018年黃河青海流域平均侵蝕模數分別為66.73 [t·hm?2·a?1]、38.08 [t·hm?2·a?1]和27.72 [t·hm?2·a?1]，侵蝕總量分別為2 155.29×[106t]、1 229.93×[106t]和895.08×[106t]。研究區2000—2018年土壤侵蝕狀況有較大改善。

關鍵詞：黃河流域;青海省;土壤侵蝕;RUSLE

中圖分類號：TG333 ? ? 文獻標志碼：A ? ?文章編號：1003-5168（2022）8-0117-06

DOI：10.19968/j.cnki.hnkj.1003-5168.2022.08.025

Dynamic Changes of Soil Erosion in the Yellow River Basin of Qinghai Province from 2000 to 2018

TANG Jianqiu1，2，3，4? ? LI Wanying2，3，4

（1.School of Land Engineering， Chang'an University，Xi'an 710054，China; 2.Key Laboratory of Degraded and Unused Land Consolidation Engineering， the Ministry of Land and Resources，Xi'an 710054，China; 3.Shaanxi Key Laboratory of Land Consolidation，Xi'an 710054，China;4.Shanxi Provincial Land Engineering Construction Group， Xi'an 710054，China）

Abstract： The Yellow River originated in Qinghai Province. Soil and water loss in the Yellow River Basin of Qinghai Province will directly affect the ecological environment quality of the entire Yellow River Basin. Based on the Revised Universal Soil Loss Equation （RUSLE） and remote sensing image processing platforms such as ArcGIS and ENVI， the soil erosion status of the Yellow River and Qinghai Basin was estimated. The results show that the average erosion modulus of the Yellow River and Qinghai Basin in 2000， 2010 and 2018 was 66.73 [t·hm?2·a?1]， 38.08 [t·hm?2·a?1] and 27.72 [t·hm?2·a?1]， the total erosion is 2155.29×[106t]， 1229.93×[106t] and 895.08×[106t] respectively. The soil erosion status in the study area improved greatly from 2000 to 2018.

Keywords： Yellow River Basin; qinghai province; soil erosion; RUSLE

0 引言

土壤和水體是人類依賴維生的基本資源[1]，因而水土流失的發生作為土壤侵蝕的重要組成部分將直接影響到區域生態的安全和穩定，威脅到人類正常的生活和經濟發展。土壤侵蝕是指土壤及其母質受到水、風、凍融、重力等外營力作用，被剝蝕、搬運的過程[2]。土壤侵蝕不僅是全球范圍內土壤破壞的主要方式之一，同時也是威脅到糧食安全和生態系統安全的全球性環境問題。

國內外土壤侵蝕的研究主要采用分布式模型、經驗模型和物理模型[3]。各國學者結合不同區域的特征采用了不同的預報模型，1965年Wischmeier等[4]提出經驗性的土壤通用流失方程（USLE）。之后美國于1989年提出了WEEP模型[5]，歐洲于1994年提出了EUROSEM模型[6]，荷蘭于1996年提出了LISEM模型[7]。直到1997年美國農業部[8]對1965的流失方程進行修正并最終得出修正通用土壤流失方程（RUSLE）。經過修正后的方程和GIS的結合適用性較高，反映變化趨勢更加準確[9]。黃金良等[10]基于USLE模型計算并運用空間屬于分析功能預測了九龍江流域的土壤侵蝕量。王堯等[2]運用RUSLE模型估算出貴州省烏江流域2001—2010年間的土壤侵蝕量。

黃河是世界第五、中國第二大河流，長約5 464 km，產沙量最高，為全世界河流系統總體的6%[11]。黃河流域總面積為79.5萬km2，是西北地區生態屏障的重要組成部分，也是連通青藏高原、黃土高原和華北平原的生態通道，上中游是全球最大的高原黃土區。為了緩解土壤侵蝕，各級政府均實施大規模的退耕還林還草項目，恢復植被，并建設高標準農田、溝道堤壩等水利設施，在此基礎上對流域水土流失減少和高質量發展提出了更高的要求[12]。

青海省作為黃河的起源區、干流區，省域內流域面積15.23萬km2、流域長度1 983 km，占黃河流域總面積的21%，占黃河總長度的31%，年出省境流量占黃河總流量的49.2%[13]。現有研究關注單一的生態安全環境要素[14]，并主要通過現象進行分析評價[15]。另有部分研究者更注重小尺度范圍內的研究，如魏蘭香等[16]使用USLE模型定量分析了祁連山南坡的土壤侵蝕現狀，林慧龍等[17]基于137Cs示蹤法并使用RUSLE模型分析了2001—2012年三江源區的土壤侵蝕及其各影響因子的時空分異特征，陳興芳等[1]基于USLE模型分析了青海湖流域的土壤侵蝕空間分異特征，賈俊姝等[18]利用RUSLE模型計算了1995—2005年大通縣土壤侵蝕的變化狀況。黃河青海流域[19]的生態系統安全狀況將直接影響到地區的氣候穩定和整個黃河流域范圍內省市的生態安全。本研究基于RUSLE模型對黃河青海流域的土壤侵蝕狀況進行評價，分析流域區內土壤侵蝕動態變化，以為黃河青海流域水土流失治理和生態安全保護提供數據依據。

1 研究區概況

黃河發源區位于巴顏喀拉山北麓的約古宗列盆地，地處青藏高原。黃河作為青海省干流，其流域覆蓋青海果洛藏族自治州、海東市、西寧市等8個市州囊括了35個縣區的行政區劃范圍，行政區劃面積為27.78萬km2。黃河流域范圍與青海省行政區重疊部分位于青海省東部地區，是青藏高原與黃土高原的接壤并存地區，同時兼具了內陸干旱盆地的特征，面積為15.26萬km2 [13]。研究區以山地、丘陵與盆地為主要地貌，地形、地貌復雜變化多樣，地勢從西到東呈階梯下降分布，阿尼瑪卿山主峰卿崗日為最高點，海拔6 282 m，民和縣為最低點，海拔1 650 m。三江源流域、祁連山南北坡、東部干旱山區的生態功能均受到研究區生境質量的重要影響，研究區氣候環境豐富，屬于高原大陸性氣候，冬季長、寒冷、干旱、總體降雨少，東部較西部降水更多。落葉林、灌木林、荒漠、戈壁、西北鹽殼、荒漠鹽土、裸巖石質地、永久冰川等地類廣布，礦產資源充沛且分布廣泛，煤炭、銅、鉛、金、石棉、大理巖、芒硝等礦產和礦石的開發采集也會對周邊生態環境造成破壞，造成土體的損毀。

2 數據來源與研究方法

2.1 數據來源

數據主要為2000—2020年黃河青海流域及其周邊的134個氣象站點的日降雨量數據，來源于國家氣象信息中心的V3版本中國地面氣候日值數據資料;黃河青海流域30 m×30 m分辨率DEM數據，提取自NASA&METI于2019年8月發布的ASTER GDEM的V3版本數據;2000年、2010年和2018年的影像遙感，選自美國陸地衛星Landsat 5 TM/8 OLI傳感器數據;土壤類型、質地數據，提取自HWSD數據庫中的中國地區數據（數據源為全國二次土調）;2000年、2010年和2018年土地利用數據，下載自中科院數據中心。所有數據經過ENVI5.3和ArcGIS 10.2軟件處理為30 m×30 m分辨率柵格影像。

2.2 研究方法

通過比較前人運用USLE模型[1，16，20]和RUSLE模型[2，9，17，18]對相應地區的土壤侵蝕量估算結果，RUSLE模型更多考慮到不同地理、氣候狀況下的數據資料，通過直接使用遙感數據，可以適用在更廣泛的地區和各級尺度流域的研究分析中。為了更加準確地估算黃河青海流域的土壤侵蝕狀況，本研究采用RUSLE進行計算，公式為[21-22]：

[A=K·C·P·R·L·S·f]? ? （1）

式中：A是柵格單位上的年平均土壤流失數量，[t·hm?2·a?1];K是土壤可蝕性因子，（[t·hm2·h）/（MJ·hm2·mm]）;C是植被覆蓋與管理因子，無量綱;P是水土流失保護措施因子，無量綱;R是降水徑流因子，[MJ·mm·hm?2·h?1a?1];L、S分別為坡長、坡度因子，無量綱;f為常數224.2[23]，使得美習用單位轉化為國際通用單位。

2.2.1 土壤可侵蝕因子K。土壤可蝕性反映出0～30 m頂層（HWSD）土壤本身受侵蝕的可能性，表現為在標準小區單位內受降雨、徑流和入滲所引起侵蝕的流失率，被土壤質地、粒徑、類型、有機碳含量、容重、pH值、離子含量及坡面滲透性等因素所影響。計算方法主要有NOMO方程、修正的NOMO方程、Torri模型、Shirazi模型和EPIC方程等，也有根據前人研究成果和實地調研對研究區內主要土地類型直接賦值K的方式[18，24]。結合前人對于青海省[1，13，16]、黃河流域[12，25–27]的K值的賦值、計算方式，本文選用EPIC方程進行計算，利用研究區1∶100萬HWSD數據提取砂石、粉粒、黏土和有機碳含量，計算得出K值及其空間分布。計算公式為：

[KEPIC={0.2+0.3exp [?0.025 6·Sand砂1?Silt粉100]×Silt粉Clay黏+Silt粉0.3×]

[1?0.25·C碳C碳+exp3.75?2.95·C碳×]

[1?0.7·S1S1+exp?5.51+22.9·S1]? ?（2）

[S1=1?Sand砂100]? ? ? （3）

式中：[Sand砂]、[Silt粉]、[Clay黏]、[C碳]分別對照為砂石、粉粒、黏土和有機碳含量，%。K值最后運算結果乘以0.131 7轉化為國際單位[23]。

2.2.2 植被覆蓋與管理因子C。C因子的引入旨在反映研究區既往的植被管理措施或天然原始狀態下與裸土狀態下土壤流失量的比值，與植被覆蓋度成正相關，受到土地利用變更的影響，值范圍0～1。本研究選取Landsat 5 TM/8 OLI中的低云影像，通過拼接裁剪，提取年最大NDVI值（-1～1）。根據蔡崇法[20]提出的計算方程，對于植被覆蓋度指數在0～0.096 9（無限趨近于0.1）時會出現大于1的計算值，對公式中的值域進行了修正，計算公式為：

[NDVI=float（b5）?float（b4）float（b5）+float（b4）]? ?（4）

[C%=NDVI?NDVI·minNDVI·max?NDVI·min]? ? （5）

[C=]

[10.650 8?0.343 6lg（C%）00≤C%<0.0960.096≤C%<78.3C%≥78.3]

（6）

式中：[C%]為植被覆蓋度，%;[NDVI·max]、[NDVI·min]分別取研究區NDVI的最大、最小值。計算得到研究區范圍內植被覆蓋度及C值的空間分布圖。

2.2.3 水土流失保護措施因子P。P是指采取不同程度水土保持措施與自然未實施保護措施狀態下，不同土地利用類型的土壤流失量的比值。P值值域為0～1，0表示采取了水土保護設施或自然條件下不發生侵蝕的地類，1表示未采取或未采取有效的水土保護措施。參照沈晨[24]、賈俊姝[18]、白曉松[21]、林慧龍[17]、魏蘭香[16]、陳興芳[1]等相關研究，對黃河青海流域地區的各土地利用類型按照表1進行賦值。

2.2.4 降水徑流因子R。反映了降水能夠對土壤產生侵蝕的程度和隱性能力，受到降水量、降水時長和降水發生侵蝕的閾值等因素的影響，根據章文波[28，29]、郭思琪[30]等研究、使用、驗證的日降水量侵蝕力模型，用以補充和替代Wischmeier[4，31，32]提出的以降雨動能E與0.5 h的最大降雨強度[I30]的乘積[EI30]用以作為計算R因子的指標。采用研究區及其附近2000—2020年逐年134個站點的日降水量數據，運用如下公式計算：

[Rm=α·i=1jDβiRy=m=124Rm]? ? ? （7）

[β=0.836 3+18.144Pd12+24.455Py12]? （8）

[α=21.586·β?7.189 1]? ? （9）

式中，[Rm]為某個站點的第m個15 d時段的降雨侵蝕力，[Ry]為某個站點的第y年的降雨侵蝕力（[MJ·mm·hm?2·h?1·a?1]）;j是每個15 d時段的天數，[Di]是15 d內第i天的降水量，根據研究[28-29]，日降雨量≥12 mm的降雨，能夠發生土壤侵蝕，即[Di]≥12 mm;m是2000—2020年內以15 d為單位的總時段數，將每個月前15 d和剩余的天數分別識別為兩個半月時段，一年有24個半月時段;α和β為模型計算參數;[Pd12]和[Py12]分別為符合要求的年日均降雨量和年均降雨量。

2.2.5 坡長因子L與坡度因子S。根據地形（DEM數據）計算出坡度、坡長因子。L、S因子是指其他因子都相同的條件下，任意坡度（坡長）的土壤流失量/單位面積與標準區坡度（坡長）下土壤流失量/單位面積后比值。標準小區為坡長22.1 m，坡度為9%（5.142 8°），結合汪邦穩[33]、賈俊姝[18]、林慧龍[17]等的LS因子計算過程，本研究采用公式如下：

[S=10.8·sinslope+0.0316.8·sinslope?0.5021.9·sinslope?0.96 slope<5°5°≤slope≤10°slope>10°] （10）

式中，[slope]是坡度（°）轉換的弧度值。

[L=λ22.1m]? ? ? ?（11）

式中：m為坡度指數;λ為坡面水平投影下的坡長，m;m值隨坡度變化，θ≤1°，m=0.2;1°<θ≤3°，m=0.3;3°<θ≤5°，m=0.4;θ>5°，m=0.5。

3 結果與分析

綜上所述，所得各因子結果轉換在同一坐標系下（WGS_1984_UTM_Zone），柵格大小為30 m×30 m，通過柵格計算器連乘得到RUSLE公式計算的土壤侵蝕結果。依據水利部水土保持司、黃河水利委員會等起草的《土壤侵蝕分類分級標準》（SL 190—2007）對研究區土壤侵蝕計算結果進行土壤侵蝕強度分級，得到黃河青海流域土壤侵蝕強度分級圖及土壤侵蝕等級、面積統計結果（表2）。

3.1 土壤侵蝕面積變化分析

研究區總面積為32.30萬km2。從表2中看出，2000—2018年黃河青海流域微度侵蝕等級面積下降了4.17%;輕度、中度侵蝕等級面積分別上升了6.5%、1.68%，強度、極強度侵蝕等級面積基本不變，劇烈侵蝕等級面積下降了4.56%。其中，2000—2010年，微度侵蝕等級面積大幅度下降，達6.37%;極強度侵蝕等級面積有少量上升，達2.23%。2010—2018年，中度侵蝕及以下侵蝕面積總體增加，強度及以上侵蝕等級面積總體減少，輕度侵蝕、劇烈侵蝕面積變化較為明顯。

從空間分布上來看，研究區西部、北部的土壤侵蝕減少明顯，全域均出現不同程度的減少，東部隨著人類活動的愈加廣泛和頻繁，土壤侵蝕面積有所增加。

3.2 土壤侵蝕量變化分析

從表2中看出，運用RUSLE模型，估算的2000年、2010年和2018年黃河青海流域平均侵蝕模數分別為66.73 [t·hm?2·a?1]、38.08 [t·hm?2·a?1]和27.72 [t·hm?2·a?1]，侵蝕總量分別為2 155.29×[106t]、1 229.93×[106t]和895.08×[106t]。研究區土壤侵蝕狀況總體有較大改善。

3.3 土壤侵蝕等級變化分析

從表3中看出，2000—2010年，土壤侵蝕等級上升、不變、下降面積分別占24.34%、62.11%、13.55%，此時段侵蝕等級變化為上升趨勢;2010—2018年，土壤侵蝕等級上升、不變、下降面積分別占12.68%、55.10%、32.22%，侵蝕等級變化此時段為下降趨勢;2000—2018年，土壤侵蝕等級上升不變、下降的面積分別占比17.29%、60.00%、22.71%，侵蝕等級變化在總研究時段內總體呈下降趨勢。

4 結語

自2002年青海省啟動大規模的退耕還林還草工程用以保護三江源地區以來，土壤侵蝕狀況有了極大改善，江河源頭的生態環境安全和質量有了保證和提升，對整個黃河流域起到了正向的保護和改善作用。2000—2018年黃河青海流域共32.30萬km2的研究區范圍內，土壤侵蝕等級總體下降，平均土壤侵蝕模數和土壤侵蝕總量均有明顯的下降，反映出黃河青海流域的生態環境修復和保護卓有成效。

參考文獻：

[1] 陳興芳.基于USLE模型的青海湖流域土壤侵蝕現狀評價[D].西寧：青海師范大學，2012.

[2] 王堯，蔡運龍，潘懋.貴州省烏江流域土壤侵蝕模擬：基于GIS、RUSLE和ANN技術的研究[J].中國地質，2014，41（5）：1735-1747.

[3] 周正朝，上官周平.土壤侵蝕模型研究綜述[J].中國水土保持科學，2004（1）：52-56.

[4] WISCHMEIER W H， SMITH D D. Predicting rainfall-erosion losses from cropland east of the Rocky Mountains [J]. Agricultural Handbook， 1965， 282.

[5] NEARING M， FOSTER G R， LANE L J， et al. A Process-Based Soil Erosion Model for USDA-Water Erosion Prediction Project Technology [J]. Transactions of the ASAE， 1989， 32.

[6] MORGAN R P C， RICKSON R J. The European soil erosion model： an update on its structure and research base [J]. Conserving Soil Resources European Perspectives， 1994.

[7] ROO A， WESSELING C G， RITSEMA C. LISEM： A Single-event Physically Based Hydrological and Soil Erosion Model for Drainage Basins [J]. Hydrological Processes， 1996，10：1107-1117.

[8] RENARD K G. Predicting soil erosion by water： A guide to conservation planning with the Revised Universal Soil Loss equation （RUSLE） [M].Predicting soil erosion by water： A guide to conservation planning with the Revised Universal Soil Loss equation （RUSLE）， 1997.

[9] QIN W， GUO Q， CAO W， et al. A new RUSLE slope length factor and its application to soil erosion assessment in a Loess Plateau watershed [J]. Soil and Tillage Research， 2018， 182： 10-24.

[10] 黃金良，洪華生，張路平，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（5）：75-79.

[11] 岳東霞，朱敏翔，楊超，等.基于GeoWEPP模型的橋子溝流域土壤侵蝕對比研究[J].蘭州大學學報（自然科學版），2020，56（1）：96-105，111.

[12] 孫從建，林若靜，鄭振婧，等.基于水土流失經驗模型（RUSLE模型）的黃河中游典型小流域水土流失特征分析[J].西南農業學報，2022，35（1）：200-208.

[13] 隋欣，齊曄.黃河流域青海片生態承載力動態評價[J].生態學雜志，2007（3）：406-412.

[14] 劉耀.青海省生態環境建設現狀與對策[J].中國水利，2003（11）：30-32.

[15] 姜愛林，祝國勇.西部黃河源區生態環境現狀及治理對策[J].理論學刊，2000（5）：77-81.

[16] 魏蘭香，曹廣超，曹生奎，等.基于USLE模型的祁連山南坡土壤侵蝕現狀評價[J].武漢工程大學學報，2017，39（3）：288-295.

[17] 林慧龍，鄭舒婷，王雪璐.基于RUSLE模型的三江源高寒草地土壤侵蝕評價[J].草業學報，2017，26（7）：11-22.

[18] 賈俊姝，陳金蓮，高欣，等.基于RUSLE的大通縣土壤侵蝕量估算[J].西北林學院學報，2012，27（2）：56-61.

[19] 馬元希，陳克龍，冉婧媛，等.黃河青海流域國土空間開發保護格局基本認識[J].青海民族研究，2020，31（4）：68-74.

[20] 蔡崇法，丁樹文，史志華，等.應用USLE模型與地理信息系統IDRISI預測小流域土壤侵蝕量的研究[J].水土保持學報，2000（2）：19-24.

[21] 白曉松.基于RUSLE的北方山區土壤侵蝕定量研究與生態適宜性評價[D].保定：河北農業大學，2010.

[22] 王雪璐.青藏高原三江源高寒草地生態系統土壤侵蝕研究[D].蘭州：蘭州大學，2016.

[23] 周來，李艷潔，孫玉軍.修正的通用土壤流失方程中各因子單位的確定[J].水土保持通報，2018，38（1）：169-174.

[24] 沈晨，萬大娟，尹輝，等.基于RUSLE的大通河流域土壤侵蝕估算研究[J].湖北農業科學，2017，56（8）：1453-1457，1462.

[25] 楊潔，謝保鵬，張德罡，等.基于InVEST模型的黃河流域土壤侵蝕評估及其時空變化[J].蘭州大學學報（自然科學版），2021，57（5）：650-658.

[26] 洪文之.青海黃河流域水土流失現狀及其對農牧業經濟的危害[J].水文地質工程地質，1991（2）：38-39.

[27] 武翠翠，王世杰.黃河流域蘭州段土壤侵蝕敏感性評價[J].科學技術與工程，2021，21（29）：12390-12397.

[28]章文波，謝云，劉寶元.利用日雨量計算降雨侵蝕力的方法研究[J].地理科學，2002（6）：705-711.

[29] 章文波，付金生.不同類型雨量資料估算降雨侵蝕力[J].資源科學，2003（1）：35-41.

[30] 郭思琪，韓磊，趙永華，等.秦嶺地區土壤侵蝕時空變化及景觀格局[J].生態學雜志，2019，38（7）：2167-2176.

[31] WISCHMEIER W H， SMITH D D. Predicting rainfall erosion losses： a guide to conservation planning [J]. United States. Dept. of Agriculture. Agriculture handbook， Science and Education Administration， U.S. Dept. of Agriculture; for sale by the Supt. of Docs.， U.S. Govt. Print. Off.， 1978， 537.

[32] WISCHMEIER W H， JOHNSON C B， CROSS B V. A soil erodibility nomograph for farmland and construction sites [J]. Journal of soil and water conservation， 1971， 26： 189-193.

[33] 汪邦穩，楊勤科，劉志紅，等.基于DEM和GIS的修正通用土壤流失方程地形因子值的提取[J].中國水土保持科學，2007（2）：18-23.