汤剑秋 李宛莹

摘 要：青海省是黄河发育的源头，黄河青海流域的水土流失状况将直接影响到黄河流域全域的生态环境质量。基于修正的通用土壤流失方程（RUSLE），运用ArcGIS、ENVI等遥感处理平台工具，对黄河青海流域土壤侵蚀状况进行估算。结果表明，2000年、2010年和2018年黄河青海流域平均侵蚀模数分别为66.73 [t·hm?2·a?1]、38.08 [t·hm?2·a?1]和27.72 [t·hm?2·a?1]，侵蚀总量分别为2 155.29×[106t]、1 229.93×[106t]和895.08×[106t]。研究区2000—2018年土壤侵蚀状况有较大改善。

关键词：黄河流域;青海省;土壤侵蚀;RUSLE

中图分类号：TG333     文献标志码：A    文章编号：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

土壤和水体是人类依赖维生的基本资源[1]，因而水土流失的发生作为土壤侵蚀的重要组成部分将直接影响到区域生态的安全和稳定，威胁到人类正常的生活和经济发展。土壤侵蚀是指土壤及其母质受到水、风、冻融、重力等外营力作用，被剥蚀、搬运的过程[2]。土壤侵蚀不仅是全球范围内土壤破坏的主要方式之一，同时也是威胁到粮食安全和生态系统安全的全球性环境问题。

国内外土壤侵蚀的研究主要采用分布式模型、经验模型和物理模型[3]。各国学者结合不同区域的特征采用了不同的预报模型，1965年Wischmeier等[4]提出经验性的土壤通用流失方程（USLE）。之后美国于1989年提出了WEEP模型[5]，欧洲于1994年提出了EUROSEM模型[6]，荷兰于1996年提出了LISEM模型[7]。直到1997年美国农业部[8]对1965的流失方程进行修正并最终得出修正通用土壤流失方程（RUSLE）。经过修正后的方程和GIS的结合适用性较高，反映变化趋势更加准确[9]。黄金良等[10]基于USLE模型计算并运用空间属于分析功能预测了九龙江流域的土壤侵蚀量。王尧等[2]运用RUSLE模型估算出贵州省乌江流域2001—2010年间的土壤侵蚀量。

黄河是世界第五、中国第二大河流，长约5 464 km，产沙量最高，为全世界河流系统总体的6%[11]。黄河流域总面积为79.5万km2，是西北地区生态屏障的重要组成部分，也是连通青藏高原、黄土高原和华北平原的生态通道，上中游是全球最大的高原黄土区。为了缓解土壤侵蚀，各级政府均实施大规模的退耕还林还草项目，恢复植被，并建设高标准农田、沟道堤坝等水利设施，在此基础上对流域水土流失减少和高质量发展提出了更高的要求[12]。

青海省作为黄河的起源区、干流区，省域内流域面积15.23万km2、流域长度1 983 km，占黄河流域总面积的21%，占黄河总长度的31%，年出省境流量占黄河总流量的49.2%[13]。现有研究关注单一的生态安全环境要素[14]，并主要通过现象进行分析评价[15]。另有部分研究者更注重小尺度范围内的研究，如魏兰香等[16]使用USLE模型定量分析了祁连山南坡的土壤侵蚀现状，林慧龙等[17]基于137Cs示踪法并使用RUSLE模型分析了2001—2012年三江源区的土壤侵蚀及其各影响因子的时空分异特征，陈兴芳等[1]基于USLE模型分析了青海湖流域的土壤侵蚀空间分异特征，贾俊姝等[18]利用RUSLE模型计算了1995—2005年大通县土壤侵蚀的变化状况。黄河青海流域[19]的生态系统安全状况将直接影响到地区的气候稳定和整个黄河流域范围内省市的生态安全。本研究基于RUSLE模型对黄河青海流域的土壤侵蚀状况进行评价，分析流域区内土壤侵蚀动态变化，以为黄河青海流域水土流失治理和生态安全保护提供数据依据。

1 研究区概况

黄河发源区位于巴颜喀拉山北麓的约古宗列盆地，地处青藏高原。黄河作为青海省干流，其流域覆盖青海果洛藏族自治州、海东市、西宁市等8个市州囊括了35个县区的行政区划范围，行政区划面积为27.78万km2。黄河流域范围与青海省行政区重叠部分位于青海省东部地区，是青藏高原与黄土高原的接壤并存地区，同时兼具了内陆干旱盆地的特征，面积为15.26万km2 [13]。研究区以山地、丘陵与盆地为主要地貌，地形、地貌复杂变化多样，地势从西到东呈阶梯下降分布，阿尼玛卿山主峰卿岗日为最高点，海拔6 282 m，民和县为最低点，海拔1 650 m。三江源流域、祁连山南北坡、东部干旱山区的生态功能均受到研究区生境质量的重要影響，研究区气候环境丰富，属于高原大陆性气候，冬季长、寒冷、干旱、总体降雨少，东部较西部降水更多。落叶林、灌木林、荒漠、戈壁、西北盐壳、荒漠盐土、裸岩石质地、永久冰川等地类广布，矿产资源充沛且分布广泛，煤炭、铜、铅、金、石棉、大理岩、芒硝等矿产和矿石的开发采集也会对周边生态环境造成破坏，造成土体的损毁。

2 数据来源与研究方法

2.1 数据来源

数据主要为2000—2020年黄河青海流域及其周边的134个气象站点的日降雨量数据，来源于国家气象信息中心的V3版本中国地面气候日值数据资料;黄河青海流域30 m×30 m分辨率DEM数据，提取自NASA&METI于2019年8月发布的ASTER GDEM的V3版本数据;2000年、2010年和2018年的影像遥感，选自美国陆地卫星Landsat 5 TM/8 OLI传感器数据;土壤类型、质地数据，提取自HWSD数据库中的中国地区数据（数据源为全国二次土调）;2000年、2010年和2018年土地利用数据，下载自中科院数据中心。所有数据经过ENVI5.3和ArcGIS 10.2软件处理为30 m×30 m分辨率栅格影像。

2.2 研究方法

通过比较前人运用USLE模型[1，16，20]和RUSLE模型[2，9，17，18]对相应地区的土壤侵蚀量估算结果，RUSLE模型更多考虑到不同地理、气候状况下的数据资料，通过直接使用遥感数据，可以适用在更广泛的地区和各级尺度流域的研究分析中。为了更加准确地估算黄河青海流域的土壤侵蚀状况，本研究采用RUSLE进行计算，公式为[21-22]：

[A=K·C·P·R·L·S·f]    （1）

式中：A是栅格单位上的年平均土壤流失数量，[t·hm?2·a?1];K是土壤可蚀性因子，（[t·hm2·h）/（MJ·hm2·mm]）;C是植被覆盖与管理因子，无量纲;P是水土流失保护措施因子，无量纲;R是降水径流因子，[MJ·mm·hm?2·h?1a?1];L、S分别为坡长、坡度因子，无量纲;f为常数224.2[23]，使得美习用单位转化为国际通用单位。

2.2.1 土壤可侵蚀因子K。土壤可蚀性反映出0～30 m顶层（HWSD）土壤本身受侵蚀的可能性，表现为在标准小区单位内受降雨、径流和入渗所引起侵蚀的流失率，被土壤质地、粒径、类型、有机碳含量、容重、pH值、离子含量及坡面渗透性等因素所影响。计算方法主要有NOMO方程、修正的NOMO方程、Torri模型、Shirazi模型和EPIC方程等，也有根据前人研究成果和实地调研对研究区内主要土地类型直接赋值K的方式[18，24]。结合前人对于青海省[1，13，16]、黄河流域[12，25–27]的K值的赋值、计算方式，本文选用EPIC方程进行计算，利用研究区1∶100万HWSD数据提取砂石、粉粒、黏土和有机碳含量，计算得出K值及其空间分布。计算公式为：

[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]分别对照为砂石、粉粒、黏土和有机碳含量，%。K值最后运算结果乘以0.131 7转化为国际单位[23]。

2.2.2 植被覆盖与管理因子C。C因子的引入旨在反映研究区既往的植被管理措施或天然原始状态下与裸土状态下土壤流失量的比值，与植被覆盖度成正相关，受到土地利用变更的影响，值范围0～1。本研究选取Landsat 5 TM/8 OLI中的低云影像，通过拼接裁剪，提取年最大NDVI值（-1～1）。根据蔡崇法[20]提出的计算方程，对于植被覆盖度指数在0～0.096 9（无限趋近于0.1）时会出现大于1的计算值，对公式中的值域进行了修正，计算公式为：

[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%]为植被覆盖度，%;[NDVI·max]、[NDVI·min]分别取研究区NDVI的最大、最小值。计算得到研究区范围内植被覆盖度及C值的空间分布图。

2.2.3 水土流失保护措施因子P。P是指采取不同程度水土保持措施与自然未实施保护措施状态下，不同土地利用类型的土壤流失量的比值。P值值域为0～1，0表示采取了水土保护设施或自然条件下不发生侵蚀的地类，1表示未采取或未采取有效的水土保护措施。参照沈晨[24]、贾俊姝[18]、白晓松[21]、林慧龙[17]、魏兰香[16]、陈兴芳[1]等相关研究，对黄河青海流域地区的各土地利用类型按照表1进行赋值。

2.2.4 降水径流因子R。反映了降水能够对土壤产生侵蚀的程度和隐性能力，受到降水量、降水时长和降水发生侵蚀的阈值等因素的影响，根据章文波[28，29]、郭思琪[30]等研究、使用、验证的日降水量侵蚀力模型，用以补充和替代Wischmeier[4，31，32]提出的以降雨动能E与0.5 h的最大降雨强度[I30]的乘积[EI30]用以作为计算R因子的指标。采用研究区及其附近2000—2020年逐年134个站点的日降水量数据，运用如下公式计算：

[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]为某个站点的第m个15 d时段的降雨侵蚀力，[Ry]为某个站点的第y年的降雨侵蚀力（[MJ·mm·hm?2·h?1·a?1]）;j是每个15 d时段的天数，[Di]是15 d内第i天的降水量，根据研究[28-29]，日降雨量≥12 mm的降雨，能够发生土壤侵蚀，即[Di]≥12 mm;m是2000—2020年内以15 d为单位的总时段数，将每个月前15 d和剩余的天数分别识别为两个半月时段，一年有24个半月时段;α和β为模型计算参数;[Pd12]和[Py12]分别为符合要求的年日均降雨量和年均降雨量。

2.2.5 坡长因子L与坡度因子S。根据地形（DEM数据）计算出坡度、坡长因子。L、S因子是指其他因子都相同的条件下，任意坡度（坡长）的土壤流失量/单位面积与标准区坡度（坡长）下土壤流失量/单位面积后比值。标准小区为坡长22.1 m，坡度为9%（5.142 8°），结合汪邦稳[33]、贾俊姝[18]、林慧龙[17]等的LS因子计算过程，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（°）转换的弧度值。

[L=λ22.1m]       （11）

式中：m为坡度指数;λ为坡面水平投影下的坡长，m;m值随坡度变化，θ≤1°，m=0.2;1°<θ≤3°，m=0.3;3°<θ≤5°，m=0.4;θ>5°，m=0.5。

3 结果与分析

综上所述，所得各因子结果转换在同一坐标系下（WGS_1984_UTM_Zone），栅格大小为30 m×30 m，通过栅格计算器连乘得到RUSLE公式计算的土壤侵蚀结果。依據水利部水土保持司、黄河水利委员会等起草的《土壤侵蚀分类分级标准》（SL 190—2007）对研究区土壤侵蚀计算结果进行土壤侵蚀强度分级，得到黄河青海流域土壤侵蚀强度分级图及土壤侵蚀等级、面积统计结果（表2）。

3.1 土壤侵蚀面积变化分析

研究区总面积为32.30万km2。从表2中看出，2000—2018年黄河青海流域微度侵蚀等级面积下降了4.17%;轻度、中度侵蚀等级面积分别上升了6.5%、1.68%，强度、极强度侵蚀等级面积基本不变，剧烈侵蚀等级面积下降了4.56%。其中，2000—2010年，微度侵蚀等级面积大幅度下降，达6.37%;极强度侵蚀等级面积有少量上升，达2.23%。2010—2018年，中度侵蚀及以下侵蚀面积总体增加，强度及以上侵蚀等级面积总体减少，轻度侵蚀、剧烈侵蚀面积变化较为明显。

从空间分布上来看，研究区西部、北部的土壤侵蚀减少明显，全域均出现不同程度的减少，东部随着人类活动的愈加广泛和频繁，土壤侵蚀面积有所增加。

3.2 土壤侵蚀量变化分析

从表2中看出，运用RUSLE模型，估算的2000年、2010年和2018年黄河青海流域平均侵蚀模数分别为66.73 [t·hm?2·a?1]、38.08 [t·hm?2·a?1]和27.72 [t·hm?2·a?1]，侵蚀总量分别为2 155.29×[106t]、1 229.93×[106t]和895.08×[106t]。研究区土壤侵蚀状况总体有较大改善。

3.3 土壤侵蚀等级变化分析

从表3中看出，2000—2010年，土壤侵蚀等级上升、不变、下降面积分别占24.34%、62.11%、13.55%，此时段侵蚀等级变化为上升趋势;2010—2018年，土壤侵蚀等级上升、不变、下降面积分别占12.68%、55.10%、32.22%，侵蚀等级变化此时段为下降趋势;2000—2018年，土壤侵蚀等级上升不变、下降的面积分别占比17.29%、60.00%、22.71%，侵蚀等级变化在总研究时段内总体呈下降趋势。

4 结语

自2002年青海省启动大规模的退耕还林还草工程用以保护三江源地区以来，土壤侵蚀状况有了极大改善，江河源头的生态环境安全和质量有了保证和提升，对整个黄河流域起到了正向的保护和改善作用。2000—2018年黄河青海流域共32.30万km2的研究区范围内，土壤侵蚀等级总体下降，平均土壤侵蚀模数和土壤侵蚀总量均有明显的下降，反映出黄河青海流域的生态环境修复和保护卓有成效。

参考文献：

[1] 陈兴芳.基于USLE模型的青海湖流域土壤侵蚀现状评价[D].西宁：青海师范大学，2012.

[2] 王尧，蔡运龙，潘懋.贵州省乌江流域土壤侵蚀模拟：基于GIS、RUSLE和ANN技术的研究[J].中国地质，2014，41（5）：1735-1747.

[3] 周正朝，上官周平.土壤侵蚀模型研究综述[J].中国水土保持科学，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] 黄金良，洪华生，张路平，等.基于GIS和USLE的九龙江流域土壤侵蚀量预测研究[J].水土保持學报，2004（5）：75-79.

[11] 岳东霞，朱敏翔，杨超，等.基于GeoWEPP模型的桥子沟流域土壤侵蚀对比研究[J].兰州大学学报（自然科学版），2020，56（1）：96-105，111.

[12] 孙从建，林若静，郑振婧，等.基于水土流失经验模型（RUSLE模型）的黄河中游典型小流域水土流失特征分析[J].西南农业学报，2022，35（1）：200-208.

[13] 隋欣，齐晔.黄河流域青海片生态承载力动态评价[J].生态学杂志，2007（3）：406-412.

[14] 刘耀.青海省生态环境建设现状与对策[J].中国水利，2003（11）：30-32.

[15] 姜爱林，祝国勇.西部黄河源区生态环境现状及治理对策[J].理论学刊，2000（5）：77-81.

[16] 魏兰香，曹广超，曹生奎，等.基于USLE模型的祁连山南坡土壤侵蚀现状评价[J].武汉工程大学学报，2017，39（3）：288-295.

[17] 林慧龙，郑舒婷，王雪璐.基于RUSLE模型的三江源高寒草地土壤侵蚀评价[J].草业学报，2017，26（7）：11-22.

[18] 贾俊姝，陈金莲，高欣，等.基于RUSLE的大通县土壤侵蚀量估算[J].西北林学院学报，2012，27（2）：56-61.

[19] 马元希，陈克龙，冉婧媛，等.黄河青海流域国土空间开发保护格局基本认识[J].青海民族研究，2020，31（4）：68-74.

[20] 蔡崇法，丁树文，史志华，等.应用USLE模型与地理信息系统IDRISI预测小流域土壤侵蚀量的研究[J].水土保持学报，2000（2）：19-24.

[21] 白晓松.基于RUSLE的北方山区土壤侵蚀定量研究与生态适宜性评价[D].保定：河北农业大学，2010.

[22] 王雪璐.青藏高原三江源高寒草地生態系统土壤侵蚀研究[D].兰州：兰州大学，2016.

[23] 周来，李艳洁，孙玉军.修正的通用土壤流失方程中各因子单位的确定[J].水土保持通报，2018，38（1）：169-174.

[24] 沈晨，万大娟，尹辉，等.基于RUSLE的大通河流域土壤侵蚀估算研究[J].湖北农业科学，2017，56（8）：1453-1457，1462.

[25] 杨洁，谢保鹏，张德罡，等.基于InVEST模型的黄河流域土壤侵蚀评估及其时空变化[J].兰州大学学报（自然科学版），2021，57（5）：650-658.

[26] 洪文之.青海黄河流域水土流失现状及其对农牧业经济的危害[J].水文地质工程地质，1991（2）：38-39.

[27] 武翠翠，王世杰.黄河流域兰州段土壤侵蚀敏感性评价[J].科学技术与工程，2021，21（29）：12390-12397.

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

[29] 章文波，付金生.不同类型雨量资料估算降雨侵蚀力[J].资源科学，2003（1）：35-41.

[30] 郭思琪，韩磊，赵永华，等.秦岭地区土壤侵蚀时空变化及景观格局[J].生态学杂志，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] 汪邦稳，杨勤科，刘志红，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].中国水土保持科学，2007（2）：18-23.