汪邦稳，方少文，杨勤科

(1.北京师范大学地理学与遥感科学学院，北京100875;2.江西省水土保持科学研究所，江西南昌330029;3.西北大学城市与环境学院，陕西西安710127)

水土流失是全球头号环境问题，严重威胁着区域生态安全和粮食安全[1]。水土流失评价是水土保持科学研究的重要内容，准确评价区域水土流失可以为水土保持规划和综合治理提供科学依据。长期以来，我国的水土流失研究是在比较微观的尺度如坡面、小流域进行的，而对全国和区域水土流失、区域地表过程和全球变化进行研究，则需宏观尺度水土流失定量评价方法的支持，以认识土壤侵蚀对环境要素的影响、全球变化与区域土壤侵蚀的关系[2]。本研究以模型和“3S”技术为基础，探讨赣南地区水土流失及其影响因子的评价方法，为准确评价该地区的水土流失和科学进行水土保持规划提供技术、数据支持。

1 研究区概况

赣州市位于赣江上游、江西省南部，面积3.94万 km2，辖1区2市15县，2008年末总人口888.95万人，生产总值达834.77亿元，现有耕地面积30.4万hm2;地貌以山地丘陵为主，占区域总面积的83%，平均海拔300—500 m，坡度16°～45°;地带性土壤主要有红壤、黄壤和黄棕壤，其中红壤分布最广、面积最大;属典型的亚热带湿润季风气候，年均降水量1 586.9 mm，年均蒸发量1 416.3 mm，降水年内、年际分配不均，多年平均气温18.9℃;全市森林覆盖率为74.2%，林相单一，属人工次生林，以针叶林为主，林分结构不合理，主要树种为马尾松和湿地松。赣州市是江西省最重要的粮油林果生产区，但由于长期不合理的经济活动，该地区的原生植被已遭到严重破坏，土壤侵蚀严重，生态环境亟待整治。

2 水土流失评价模型确定

我国的区域水土流失评价工作起步较晚，由于缺乏基础数据等原因，目前尚未有成熟完善的区域水土流失评价模型。近年来有学者利用美国的通用土壤流失方程(USLE)对我国的一些区域进行了水土流失评价，取得了较好的效果。但是，由于USLE模型是在美国平缓坡度的条件下建立的，其环境条件与我国不同，因此该模型在我国应用具有一定的局限性。鉴于此，刘宝元等[3]基于USLE的建模经验，充分考虑到我国水土流失的环境特征，建立了中国土壤流失预报模型(China Soil Loss Erosion，简称 CSLE)，即

式中:A为多年平均土壤流失量，t/(hm2·a);R为降雨侵蚀力，MJ·mm/(hm2·a);K为土壤可蚀性因子，t·h/(MJ·mm·a);S为坡度因子，无量纲;L为坡长因子，无量纲;B为水土保持生物措施因子，无量纲;E为水土保持工程措施因子，无量纲;T为水土保持耕作措施因子，无量纲。

该模型的特点，一是根据我国水土保持的实际情况，将USLE中的作物和水土保持措施两大因子变为水土保持三大措施因子，即变为生物、工程和耕作措施因子;二是模型的结构相对简单，便于推广应用。鉴于此，本研究选择该模型作为赣南地区水土流失的评价模型。

3 因子值获取方法构建

3.1 R值的获取方法确定

CSLE中降雨侵蚀力(R)是方程中一个最基本的因子，它是降雨量、降雨强度、雨型和雨滴动能的函数。国内外的研究表明，坡面土壤流失量与降雨能量E及某一时段最大降雨强度It的乘积EIt有着密切的关系。但是，由于次降雨过程资料难以获得，因此一般利用气象站常规观测统计资料如日降雨量、月降雨量、年降雨量建立降雨侵蚀力简易算法。我国学者在这方面做了大量的研究工作，建立了全国及各地区R值计算模型并分析了其时空分布特征。

3.1.1R值的计算方法

由于日降雨量资料在赣南地区可以获得，因此研究中采用章文波[4]基于全国日降雨量数据构建的R值简易算法计算区域R值，计算式为

式中:R为降雨侵蚀力，MJ·mm/(hm2·a);α、β为模型参数;k为某半月内侵蚀性降雨日数，d，k=1，2，…，m;Pk为半月内第k天的日降雨量，mm，利用红壤区的研究成果，赣南地区侵蚀性降雨标准为10 mm;为多年平均降雨侵蚀力，MJ·mm/(hm2·a);n为年数;Pd10为一年内侵蚀性降雨日雨量的平均值(即一年中≥10 mm日降雨量的总和与相应日数的比值)，mm;Py10是侵蚀性降雨年总量的多年平均值(即≥10 mm日雨量年累加值的多年平均值)，mm。

3.1.2R值栅格数据获取

采用式(2)计算获取的各站点的降雨侵蚀力R值，借助ArcMap软件，采用Kriging内插方法对降雨侵蚀力点数据进行空间表面插值，得到降雨侵蚀力栅格数据。

3.2 K值获取方法确定

K为土壤可蚀性因子，是表征土壤性质对侵蚀敏感程度的指标，是进行水土流失定量评价的重要依据。USLE中对土壤可蚀性因子的定义为:标准小区春天顺坡耕翻一次，裸土状态下单位降雨侵蚀力的年土壤流失量。对土壤可蚀性的研究主要是用来评价土壤性质和水土流失的关系，国外早在20世纪20年代就开始进行，我国土壤可蚀性研究大体上可分为土壤可蚀性评价指标确定、USLE中K值的测定和估算、土壤可蚀性指标的时空变化及不确定性分析3个阶段。张科利在分析布设在我国不同水土流失区径流小区实测资料的基础上，对我国土壤可蚀性K值进行了系统研究，观测计算出了一组土壤可蚀性K值，并对无实测资料地区土壤可蚀性估算问题进行了探讨。

3.2.1K值的计算方法

在区域尺度上土壤可蚀性难以用小区观测获得，因此国内外学者构建了土壤可蚀性估算模型，尽管关于土壤可蚀性值估算的研究很多，但具有代表性的成果为EPIC模型。本研究根据现有的数据资料，选用式(3)EPIC模型计算赣南地区土壤可蚀性K值，然后利用张科利[5]的修订公式[式(4)]对获得的数据进行修正，最后得到赣南地区的土壤可蚀性因子K值。上两式中:SAN、SIL、CLA分别为土壤中砂粒、粉粒、黏粒的含量，%;C为土壤有机碳含量，%;SN1=1-SAN/100;Kepic为EPIC模型计算的土壤可蚀性，t·h/(MJ·mm·a)。

3.2.2 土壤可蚀性因子K栅格数据获取

利用江西省1∶50万土壤图，借助ArcMap软件，查阅《江西红壤》、《中国土种志》获取赣南各土壤类型的粉粒、极细砂粒、砂粒、有机质、有机碳含量，依据式(3)获取EPIC_K值矢量数据，依据式(4)获取CSLE_EPIC_K值矢量数据，然后进行数据转换获取CSLE_EPIC_K栅格数据，详见图1。

图1 土壤可蚀性因子K值计算流程

3.3 LS值获取方法确定

3.3.1LS值计算方法

在USLE和RUSLE(修正的通用土壤流失方程)中，地形对水土流失的影响用坡度坡长因子表示。坡度因子(slope gradient factor)定义为某一坡度土壤流失量与坡度为5.13°、其他条件都一致的坡面产生的土壤流失量之比率。坡长因子(slope length factor)在USLE中定义为某一坡面土壤流失量与坡长为22.1 m、其他条件都一致的坡面产生的土壤流失量之比率。坡度与坡长因子的乘积称为地形因子，反映了坡度坡长对土壤流失的综合影响。

坡度坡长因子难以通过小区观测获取，目前主要以DEM为基础按一定的算法提取，在RUSLE中，坡度因子、坡长因子的算法如下

上二式中:L为坡长因子，无量纲;λ为由DEM提取的坡长，m;22.1为22.1 m标准小区斜坡长;α为指数;S为坡度因子，无量纲;θ为由DEM提取的坡度值，(°)。

由于RUSLE是在缓坡条件下的天然径流小区观测资料基础上建立的，其坡度坡长因子的计算也是针对这种缓坡地形，直接采用上面的算法计算陡坡地区的坡度坡长因子值存在较大的误差，因此刘宝元对RUSLE中坡度坡长因子用于陡坡时的计算方法进行了修正，修正后的坡度因子计算式为[6]

坡长因子算法为

式中:m为坡长指数，根据坡度的不同取不同的值;其他符号意义同上。

3.3.2 基础数据处理方法

由于国家基础地理信息中心生产的DEM上面有一些残留的平三角，不能完全满足水土流失评价工作的需求，因此本研究基于1∶5万地形图，在ANUDEM专业软件支持下插值生成水文地貌关系正确的DEM。ANUDEM是Hutchinson教授在长期研究成果的基础上开发的，其开发应用历史已超过20年，作为专业化DEM生产软件，它已受到许多国家的广泛关注。把等高线、高程点、河流等信息输入到软件中，设置各参数值，运行输出高质量的DEM。

3.3.3LS值获取方法

用AML语言编程，在ArcGIS/Info下进行LS因子值提取，主要计算过程包括:填洼、流向和栅格坡长的计算，局地山顶点和坡度变化点的提取，坡度和坡长计算，坡度和坡长因子值计算。计算流程如图2所示。

图2 坡度坡长因子计算流程

3.4 B值获取方法

B为水土保持生物措施因子，是水土流失评价的基本参数。B因子值是指在一定条件下，耕作农地上的土壤流失量与同等条件下适时翻耕的连续休闲对照地上的土壤流失量之比。它是一个无量纲参数，其值变化于0～1之间。

从国内外的研究来看，计算B值的方法之一是根据作物小区与裸露小区多年平均土壤流失量比较计算得到。目前国内B因子的研究大多局限于一定作物，数据一般从实测径流小区资料计算得到，或是根据作物农作期划分以及所在区域的降雨侵蚀力季节分布等计算，所得数据仅能满足径流小区或小流域研究的需要，而不能满足区域B值研究的需要。

区域尺度水土保持生物措施因子一般是通过遥感图像提取的。为了满足区域水土流失在遥感监测中的应用，有学者将区域B因子研究转为土地利用以及不同的土地利用类型的植被盖度研究。根据土地利用图和植被盖度图，结合前人研究成果，赋予不同土地利用类型、不同植被盖度不同的B值，得到区域B值栅格数据。该方法在陕西省水土流失普查试点研究中应用，效果比较理想。因此，本研究利用遥感解译获取土地利用和提取植被盖度，在此基础上获取B值。

3.4.1 基础数据处理方法

(1)遥感解译。目前，遥感解译比较成熟的方法有三种，即目视解译、计算机屏幕解译和计算机辅助自动分类。考虑到工作量和多期解译的系统性，研究中统一采用监督分类和非监督分类相结合的方法，同时结合DEM、Google Earth、河流行政区划图以及专家意见等进行解译，具体的数据处理流程如图3所示。

图3 B值基础数据处理流程

(2)NDVI提取。植被盖度信息的提取，是区域水土流失监测和评价的基础。目前学者提出的植被指数多达几十种，不同的植被指数有不同的优缺点，适用范围也不尽相同，但NDVI是目前应用最为广泛的植被指数。遥感图像处理软件中都具有植被指数提取功能，如在ERDAS中可以直接提取TM、MSS等有关的植被指数，在这些软件下可以快捷地获取所需要的植被指数。

植被盖度可以通过NDVI推算获得，其计算式为

式中:f为植被盖度;NDVI为所求像元的NDVI值，无量纲;NDVImin、NDVImax分别为研究区内NDVI的最小值与最大值，无量纲。

3.4.2 植被因子B值获取方法

鉴于赣南地区历史和自然的原因，林下流现象普遍存在且十分严重，“远看青山在，近看水土流”是该地区水土流失的真实写照。江西省水保所对赣南的考察发现，海拔500 m以上的林地植被结构很好，基本上不存在林下流现象，而位于海拔200 m以下的马尾松和湿地松林水土流失普遍存在。林下水土流失的主要原因是林下无灌木和草被层，林地对水土流失的控制作用十分有限，个别情况下甚至没有作用。因此，B值获取的方法主要是根据已有的研究成果，结合植被盖度给赣南地区不同的土地利用进行赋值。对林地B值的计算，既考虑了植被盖度又考虑了海拔的影响。赣南地区不同土地利用类型和不同植被盖度下的B值见表1。

表1 赣南地区不同土地利用类型和不同植被盖度下的B值

3.5 E值的获取

国内外学者对水土保持措施因子(E)进行了大量的研究，但由于研究方法和途径的不同，所以目前还没有一个有效的E值计算模型。本研究参考影响水土流失的其他因子的定义方法，将有工程措施和无工程措施水土流失的比值定义为水土保持工程措施因子。对于面积达3.94万km2的赣南地区来说，要收集该区域内所有的含有空间信息的工程措施需要很长的时间，而且过去的工程措施情况也无法获得，为此我们通过统计赣南各县(区、市)历年的数据，结合野外调查和专家咨询，以县(区、市)为单位收集了赣南地区的梯田、水平竹节沟、谷坊、淤地坝等工程措施资料，参考现有的研究成果[7]，尝试计算了区域水土保持措施中的工程措施因子值。计算公式为

式中:St为梯田面积，km2;Sglt为谷坊、拦沙坝和塘坝的控制面积，km2;Sz为水平竹节沟控制面积，km2;S为土地面积，km2;α为梯田的减沙系数;β为谷坊、拦沙坝、塘坝的减沙系数;γ为水平竹节沟减沙系数。

实际工作中，因水土保持工程措施的类型不同，其控制面积也会不同，因此根据现场调查，结合《水利部水土保持工程建设标准》来确定单位水土保持工程措施的控制面积。确定的结果为:谷坊控制面积1.5 hm2，塘坝控制面积30 hm2，水平竹节沟控制面积0.4 hm2/km(水平竹节沟每间隔4 m挖一条带)，拦沙坝控制面积200 hm2。有关各种水土保持工程措施的减沙效益已经有大量的研究成果，本研究根据对水保工作者的咨询，同时参考前人的研究成果，确定梯田的减沙系数α为76.3%，谷坊、拦沙坝、塘坝的减沙系数β为90%，水平竹节沟减沙系数γ为65%。

利用式(10)实现对赣南各县(区、市)水土保持工程措施因子E值的获取，借助ArcGIS软件，把获取的E值作为属性数据转化成赣南水土保持工程措施因子E值的栅格数据。

4 结语

水土流失是造成生态环境恶化的重要影响因素，科学、快速、准确地评价水土流失可以为区域水土保持规划和治理提供科学依据。但是，由于区域差异性的存在，每个地方的水土流失影响主导因素各有区别，因此本研究以模型和“3S”技术为基础，在弄清各个因子含义和算法的基础上，探讨了适合赣南地区侵蚀环境的水土流失评价模型及其因子值的获取途径。同时，对赣南地区林下水土流失区植被因子B值以及赣南水土保持工程措施因子E值的获取方法进行了探讨，为科学、快速、准确地评价该地区的水土流失提供了一定的技术支持。

[1]李锐.中国水土流失基础研究的机遇与挑战[J].自然杂志，2008，30(1):6-11.

[2]杨勤科，李锐.我国区域土壤侵蚀与环境研究述评[J].中国人口·资源与环境，2006，16(6):90-94.

[3]刘宝元，毕小刚，付素华.北京土壤流失方程[M].北京:科学出版社，2010.

[4]章文波，谢云.利用日雨量计算降雨侵蚀力的方法研究[J].地理科学，2002，22(6):705-711.

[5]张科利，彭文英，杨红丽.中国土壤可蚀性值及其估算[J].土壤学报，2007，44(1):7-13.

[6]Liu B Y，Risse L M.Slope gradient effects on soil loss for steep slopes[J].Transactions of the ASAE，1994，37(6):1 835-1 840.

[7]谢红霞，李锐，杨勤科，等.退耕还林(草)和降雨变化对延河流域土壤侵蚀影响[J].中国农业科学，2009，42(2):569-576.