王万香

(朝阳县水土保持局，辽宁 朝阳 122000)

0 引 言

在人类生产建设和社会发展及水力、风力等自然要素影响下，对水土资源和土壤产生破坏的现象即为土壤侵蚀。土壤侵蚀会造成养分流失和生根深度的下降，对自然过程基础产生扰动并改变土壤强度，同时水土流失会造成水环境污染，在水力冲刷作用下挟带大量泥沙并淤堵河道，严重威胁着区域防洪安全。所以，准确揭示区域土壤侵蚀变化规律对于国计民生和经济发展转型具有重要意义[1]。

GIS、RS和3S技术的迅速发展为土壤侵蚀时空分布的直观描述创造了条件，耦合了土壤侵蚀程度与遥感影像资料的数学模型逐渐引起研究者的关注，对于水土流失重点治理区和防治区的监测《全国水土流失规划》提出要综合应用抽样调查法、地面观测法、地理信息系统及遥感技术，综合评价治理措施的动态变化、水土流失分布状况及其强度。Wischmeier等建立了适用于全球范围的水蚀估算USLE方程，相对于一般的物理和经验方程形式，该模型只有6项因素且结构简单，为满足不同环境的需求许多学者研究了各要素确定方法。大量的降雨数据为降雨侵蚀因子R的计算依据，但实际中通常难以准确获取这些数据，为解决以上问题Begueria给出了最佳回归计算法，在西班牙地区该方法得到广泛应用；Wu等通过实验模拟不同降雨强度和土壤类型的侵蚀程度，提出相同雨强不同土壤和不同雨强相同土壤的可蚀性变化特征，为模型的推广奠定了基础；Zhang等对LS因子的计算提出了改进的方法，并以斜率变化复杂的集水区验证了其科学合理性；Bambang等将土壤侵蚀方程引入3种植被覆盖因子C，为揭示不同C模型的性能利用统计学方法分析了侵蚀模数；Panos等对欧洲范围内的P因子值采用文献指导和地球观测数据估算，进一步探讨了土壤流失与农业保护措施之间的关系，为农业发展和耕地水土保持积累了经验。截至目前，对于我国各地区侵蚀风险评估USLE模型已得到广泛应用，张超等对土壤侵蚀量利用USLE模型估算，分析了不同土壤类型、地形坡度和降雨强度的水土流失分布状况；周夏飞等以江苏省为例，对土壤侵蚀模数及其时空变化特征运用USLE方程评价分析[2-3]。

朝阳县地处辽西山地丘陵区，大凌河中上游，地跨E119°52′-120°47′、N40°55′-41°54′之间，总面积3757km2。该地区山脉纵贯，分布有连绵起伏的中低山和沟壑纵横的丘陵，丘陵地区和山区高差为300-600m，平原面积较少，地貌形态多样。境内分布有大凌河及其支流、老虎山河等，由于历史上植被破坏严重、干旱少雨及土地利用不合理，加之植被稀少、土壤贫瘠、土壤抗侵蚀力差等因素，朝阳县生水土流失问题十分突出，对当地农业发展和环境系统产生严重影响，因此属于国家重点水土流失治理区。当前，关于朝阳县水土流失时空变化的研究较少，文章对土壤侵蚀模数利用USLE模型求解，采用统计分析法和该计算数据揭示了朝阳地区土壤侵蚀时空变化趋势。

1 研究方法

1.1 数据来源

选取朝阳县2003-2017年的NDVI、遥感影像、DEM、用地类型、土壤和降水量数据为计算依据，数据来源及精度见表1。地图空间的分析和代数运算空间为Arc GIS系统，遥感图像分类及预处理工具为LANDSAT7，通过对相关数据的分析提取土壤侵蚀方程各因子值。

表1 数据精度及来源

1.2 通用土壤流失方程

结合植被涵养、水动力学、地形效应和土壤质地等研究提出了通用水土流失方程RUSEL，该方程综合考虑了降水强度、坡度坡长、植被等环境因子，其数学表达式为：

A=R·K·L·S·C·P

(1)

式中：A为年土壤流失量，反映了单位坡面上的侵蚀量均值，t/(hm2·a)；R为降雨侵蚀力实测值，体现了土壤侵蚀受降水强度的影响，MJ·mm/(hm2·h·a)；K为土壤可蚀性评估因子，降水强度对不同土壤质地的侵蚀力存在差异，t·h/(MJ·mm·a)；P、C、S、L为量纲为1的水保措施、植被覆盖、坡长与坡度因子。

1) 降雨侵蚀力因子R。次降雨量为经典方法确定R因子值的基础，但无法保证数据的连续性且数据采集难度较大，故选用张文波等提出的广泛应用于我国降雨侵蚀力模型，该模型以日降雨量为基础数据。

2) 土壤可侵蚀因子K。根据张科创等研究成果和Sharply等发展的EPIC模型确定因子K值，为更加适用于区域土壤特性适当修订计算结果。

3) 地形因子LS。依据区域数字高程模型DEM确定坡度和坡长因子LS。

4) 植被覆盖因子C。该因子为定量描述田间管理和植被措施水土保持功能的重要参数，C因子值取决于地表和植物根部含水量状态、粗糙度及植被表面积、覆盖规模等。本研究借鉴相关资料，结合已确定较高精度的植被覆盖度和土地利用方式，利用蔡崇法提出的植被指数法估计C因子值。

5) 水土保持因子P。根据土地利用类型和地形坡度数据，借鉴方广玲等提出标准选取P因子值。

1.3 土壤侵蚀时空变化分析

文章采用一元线性归回数学法计算整体变化分布、侵蚀模数平均变化率和年最大值，该方法因具有运算简洁、可信度高和原理成熟等优点，在统计学预测分析和工程技术经济等领域均已得到广泛应用，其数学模型为：

(2)

式中：i为年序号1-10变量；Ei为第i年侵蚀模数。

朝阳县15a时间序列中的土壤侵蚀变化趋势利用变化趋势分布图描述，选用一元线性归回模拟出的变化直线斜率作为某像点15a间的侵蚀模数，即为像点的像元值。

2 结果分析

2.1 土壤侵蚀强度分布

2015-2030年全国水土保持区划确定了合理利用、开发和保护水土资源的布局及重大区域性规划重点、任务和目标，其中三级区为规划和布局重点治理工程的基础，确定了水土保持防治途径。朝阳县位于冀北辽西平原岗地和土石质山区农田防护区，将朝阳县按照三级区划和全国水土保持区划分为丘陵山地和冲积平原区。

朝阳地区侵蚀模数影像采用USLE方程确定，裁剪获取丘陵山地和冲积平原区的土壤侵蚀数据。将研究区土壤侵蚀强度按照分类分级标准划分为极强烈、强烈、中度、轻度、微度5个等级，各等级取值如表2所示。

表2 土壤侵蚀强度的划分标准

冲积平原区包括瓦房子镇、木头城子镇、羊山镇、台子乡、七道岭乡、二十家子镇，依据侵蚀模数分布特征可知，冲积平原区以微度侵蚀为主，少部分地区受人类活动影响存在轻度侵蚀，侵蚀等级达到轻度及以上的行政区域包括七道岭乡、羊山镇、北沟门子乡、胜利乡和东大屯乡。

微度侵蚀为丘陵山区的主要类型，其余地区以条状或带状分布的轻度侵蚀，中度及以上侵蚀区占很小部分。根据侵蚀模数分布情况，微度侵蚀主要发生在波罗赤镇、六家子镇、柳城镇、松树门蒙古族乡、西五家子乡、乌兰河硕蒙古族乡、黑牛营子乡、古山子乡、大庙镇等地区。中度、强度、剧烈和极强度侵蚀分布于轻度侵蚀范围，且呈逐级递减的变化趋势。根据冲积平原和丘陵山地侵蚀状况，除微度侵蚀外冲积平原的其他等级侵蚀面积均<丘陵山区，且不同等级的侵蚀跨度较大。在土壤侵蚀中地形坡度因子的影响显著，丘陵山地的降水冲刷剧烈，水流速度快极易引起水土流失。

2.2 侵蚀模数年际变化

统计分析朝阳县2003-2017年间平均、最大土壤侵蚀模数，绘制平均侵蚀模数和丘陵山区、冲击平原区最大侵蚀模数变化图如图1，图2所示。

(a) (b)

(a) (b)

从图1、图2可知，丘陵山地和冲积平原区的年最大、年平均侵蚀模数均呈现出下降趋势，可见这些地区的水土流失程度正逐渐减少，且通过0.05显著性水平假设检验的为丘陵山地年最大侵蚀模数变化。

根据以上分析结果，冲积平原的侵蚀模数下降幅度明显低于丘陵山地。结合朝阳县水土流失治理相关数据，近年来建设实施了一系列水土保持治理工程，大大降低了该区域土壤侵蚀程度和水土流失危害，其中丘陵山区的治理率达到71.5%。

2.3 侵蚀面积变化

将不同侵蚀等级下的丘陵山地和冲积平原区面积相加，统计各等级下朝阳县2003-2017年水土流失面积变化过程。北方土石质山区的土壤侵蚀强度容许值为200t/km2，以此作为微度侵蚀的判别依据，因此统计整理的侵蚀面积变化如图3所示。

图3 朝阳县2003-2017年侵蚀面积变化趋势

从图3可知，朝阳地区的轻度侵蚀较其他侵蚀类型存在明显的差距，除微度侵蚀外轻度侵蚀比重最大，不同等级的侵蚀面积变化总体呈下降趋势，采用统计的形式获取不同等级下丘陵山地和冲积平原的侵蚀面积比，如图4所示。

图4 2003-2017年丘陵山区和冲积平原各等级侵蚀面积比

根据图4可知，朝阳县冲积平原区总侵蚀面积的80%以上为轻度侵蚀，2003-2017年各等级侵蚀面积呈下降趋势，个别年份有所减少或上升，总体而言轻度及以上侵蚀面积占比不断下降。多年来，冲积平原区各侵蚀等级比重变化明显低于丘陵山地，1a总侵蚀面积的70%左右为中轻度侵蚀，轻度及以上侵蚀强度自2010年之后表现出阶梯型下降，有效遏制了剧烈和极强度侵蚀的发展，2012年极强烈控制在5%以下。

3 结 论

1) 朝阳县2003-2017年间的水土流失程度不断减弱，土壤侵蚀模数表现出逐年减少趋势，其中冲积平原区的下降幅度明显低于丘陵山区。近年来，朝阳县坚持以防为主、防治并重的原则建设实施了一系列水土保持治理工程，通过加强执法建设和水土保持监测，更加合理化、科学化推进治理工程，朝阳地区的水土保持和生态保护工作取得巨大的成效，特别是在丘陵山地和河湖周边更贱显著，实际情况与数据分析结论基本相符。

2) 轻度侵蚀为朝阳县丘陵山区和冲积平原的主要侵蚀类型，依据等级跨度和侵蚀范围可知，侵蚀程度较大的区域为丘陵山地。从侵蚀平均值来看，丘陵山地和冲积平原区轻度侵蚀占总侵蚀面积的70%、90%。随着侵蚀等级的提升侵蚀面积不断减少，该变化规律在丘陵山地更加明显，随着年份的增加轻度及以上侵蚀面积表现出阶梯型下降特征。多年来，丘陵山地和冲积平原区的极强度侵蚀得到了有效遏制，目前均控制在10%以下。

3) 文章采用Landsat TM遥感影响和SPOT数据产品两种数据源获取植被覆盖因子值C，这对分析结果的统一性产生不利影响，为尽可能的降低初始数据误差应提取分辨率、一致性和连续性等属性较高的数据，未来仍需要进一步研究保证实测数据精度的提取方法。