胡兆全，李 凯，谢欣雨，房 凯，陈 厉

(1.宿迁市淮西水利工程管理处，江苏 宿迁 223800；2.宿迁市水利局，江苏 宿迁 223800；3.宿迁市水利勘测设计研究院有限公司，江苏 宿迁 223800)

骆马湖位于江苏省北部，介于北纬34°00′～34°14′、东经118°6′～118°16′之间，骆马湖蓄水保护范围为一线堤防内规划蓄水位23.50m以下区域，面积为290km2，容积9.18亿m3，汇水面积约1300km2，是淮河流域第三大湖泊、江苏省第四大湖泊，为宿迁、徐州2个市共辖。研究区域地形的特点是山丘和山脊被溪流和排水道高度分割，原生植被是林地和沼泽，但这已被人类活动大大改变。然而，随着人口的增加，以及需要更密集耕作的年度粮食和经济作物的引入，土壤严重退化。这导致该盆地香蕉种植区的产量严重下降。在过去10年中表明侵蚀是一个严重的问题，但由于收集大面积侵蚀的经验数据成本高昂，因此这些分析没有进一步超出农场观测，由于侵蚀过程因土壤、气候、地形和管理方式的不同而存在很大差异，因此非常费时费力[1- 3]。由于因子控制的广泛空间和时间变异性导致难以测量点对点侵蚀，预测模型极大地促进了通过识别和制定有用的定制补救措施来改善侵蚀现状[4- 6]。本研究的目的是预测骆马湖的土壤流失，并评估土壤流失模型的可靠性。

1 土壤流失模型USLE

利用USLE模型对研究区域进行了土壤流失预测。采用了5个影响土壤流失预测量的参数，包括降雨侵蚀力系数(R)、土壤可蚀性系数(K)、坡长和陡度系数(LS)、土地冠层覆盖系数(C)和保护措施系数(P)。土地利用数据用于描述研究区域的保护实践和土地覆盖(C和P因子)[7- 8]。同时，通过在基于GIS的软件中插值数据，使用集水区内3个雨量站的降雨数据来描述降雨侵蚀力因子，SRTM数据用于确定LS因子。在使用基于GIS的软件建立模型期间，利用获得土壤可蚀性表推导K参数。

1.1 土壤侵蚀模数

基于土壤流失方程USLE模型对研究区域土壤流失进行计算。包括气候、土壤、植被覆盖、地形和管理等计算因子，具体为：

A=R×K×LS×CP

(1)

式中，A—USLE计算的土壤流失侵蚀模数，t/(hm2·a);R—降雨侵蚀力因子，MJ·mm·hm-2·h-1·a-1；K—土壤可蚀性因子，t·hm2·h·hm-2·MJ·mm-1;LS—坡长与坡度组合因子，无量纲;CP—覆盖和管理组合因子，无量纲;C—作物管理系数(代表作物覆盖下土壤侵蚀程度与裸地相比)；P—保护措施系数(代表采取的缓解和保护措施与未采取措施相比)。

1.2 降雨侵蚀力

降雨侵蚀力是使用分段数据图(等值线)确定的，该数据图是从整个国内地区的等值线研究区域裁剪得出的。使用等高线插值法对等值线进行插值，以生成年降水量的连续曲面(map)。为了从降雨图中获得侵蚀力图，使用EI30指数确定的侵蚀力值回归长期降雨得出的回归系数，具体方程为：

R=47.5+0.38×P

(2)

式中，R—降雨侵蚀力因子，MJ·mm·hm-2·h-1·a-1；P—年降雨量，mm/a。

1.3 坡度长度和陡度

在覆盖该区域的1∶50000地形图上叠加了相等的正方形。在描图纸上绘制5mm×5mm(约0.2km2)的正方形，然后叠加在底图上。计算沿着每个小正方形的线相交的等高线数量，并乘以底图上的等高线间隔。用于计算和确定水平距离的线对准了工作广场上观察到的最接近等高线的部分。然后将等高线数和等高线间距的乘积乘以自然切线，计算坡度值。然后将其绘制为点(转换为百分比后)，并通过点插值获得数字形式的高度(数字高程模型DEM)。通过使用倾斜仪对现场的坡度进行进一步的物理测量。在研究区域内的3条山脊的6个面上，分别进行了36次坡度的现场测量，并根据观测到的坡度长度绘制图形，以获得坡度和坡度长度之间的多项式关系(等式(3))。这种关系被用来从DEM中得出坡度长度。

L=-0.0848S2+4.49S+65.5

(3)

式中，L—坡长，m；S—坡度，%。

在高于21%的斜坡上，USLE的预测能力很差，有2个等式。(4)和(5)用于改进其性能。对于低于21%的斜坡，使用原始USLE公式(4)估算斜坡长度和坡度：

SL<21=(L/72.6)×
(65.41sinS+4.56×sinS+0.065)

(4)

式中，SL—坡长和坡陡系数；S—坡度，(°)；L—坡长，m。

SL>21=(L/22.1)0.7×
(6.432×sinS0.79×cosS)

(5)

通过map计算和Eqs结合坡度和坡长图，计算出2个坡度因子图(SL<21和SL>21)。如果贴图中的像素的斜率值小于21%，则返回结果为表达式SL<21，否则，当斜率值大于21%时，返回结果为表达式SL>21。

1.4 覆盖和管理因子

研究区域的土地利用图是通过航空照片判读(API)和卫星图像判读相结合，使用归一化差异植被指数(NDVI)获得的，然后通过地面真实性确认判读。美国地质调查局的土地利用和土地覆盖分类系统(安德森等人，1976年)经过调整和修改，包括6种主要土地利用类型，即农业区、畜牧区、居民区、工业区、林区和沼泽区。2种方法用于推导CP因子图。基于公式(6)，以得出各土地利用的CP系数。

CP=A/RKLS

(6)

在该方法中，森林和沼泽地使用类型的CP因子通过方程式(7)确定实践(P)系数的值，并结合经验得出的覆盖(C)系数，以确定土地利用类型的CP系数。

P=0.2+0.03×S

(7)

预计的土壤流失潜力(侵蚀危害)表示为t/(hm2·a)通过乘以降雨侵蚀力因子(R因子)图、可蚀性因子(K因子)图、坡长和陡度因子(SL因子)图以及覆盖和管理措施因子(CP因子)，确定研究区域。通过将侵蚀危害图分别与各土地利用图、地形图和土壤图叠加，获得了各土地利用类型、地形单元和土壤单元的年平均土壤流失分离。尝试了各种模型参数化方法，并在最终分析中选择了以下组合，并将展示这些组合的结果。

总体方法如图1所示，说明了方法的4个阶段，包括数据收集、参数推导、GIS处理、土壤流失计算和分析。

图1 总体技术路线方法

2 结果和讨论

2.1 土地利用和土地覆盖面积变化

2008—2015年土地利用变化对比评估见表1。

所有土地使用被简化为6大类，即农业区、畜牧区、居民区、工业区、林区和沼泽区。根据表1的结果，从2008—2015年，农业区面积分别减少了约1.3%。畜牧区土地利用变化结果表现出不一致性，从2008—2010年，面积减少了5.7%，居民区面积减少了6.3%，工业区面积减少了7.2%，林区和沼泽区面积分别减少了4.7%和1.5%。

2.2 研究区土壤流失量分析

预测土壤流失的图像显示了30km2区域内的土地利用单元，如图2所示。

USLE的2种参数化方法对于不同土地利用预测的侵蚀结果基本一致，方法1预测的侵蚀率较小，方法2预测侵蚀率普遍较大，且两者误差范围为8.3%～16.7%，整体误差在4.8%以内说明方法预测较为可靠。尽沼泽区占用的土地面积比所有其他土地利用都多，但预计每年的农田侵蚀量最高。当覆盖率和侵蚀预测相结合时，方法1的预测值为63t/(hm2·a)，而方法2的预测值为66t/(hm2·a)整体误差为4.8%。工业区和沼泽区预测侵蚀两最低，说明2种土地类型发生侵蚀概率最低，2种预测方法的农业区预测侵蚀量均为最高为18t(hm2·a)和20t/(hm2·a)，说明农业用土发生土壤侵蚀的可能性最大，需要加强防护。年土壤流失量详见表2。

表2 研究区域土地利用预测的年土壤流失量

这种绘制侵蚀危害图的参数化方法提供了更好的土壤流失指数，因为它更为详细。不同土壤参数的可变性在根据USLE估算可蚀性(K)系数时缺乏可变性，可以通过结合可用数据和有限的土壤调查进行估算。LS反映了坡度和地形对地表水流分离和输送能力的影响，这些基本上由能量-力关系决定。这种预测方法的主要缺点是，当外推到不同于用于推导其因子值的条件时，其经验性限制了其准确性。它的应用并不普遍，部分原因是它再现了特定于数据集的降雨和径流之间的相关性，部分原因是土壤类型范围的限制，使其成为该数据集范围的约束。该方法的另一个特点是，它处理的是年平均土壤流失量，这是一个非常有用的概念，适用于开发该方法的气候背景。

2.3 研究区水土流失等级划分

图2显示了根据2008—2015土地利用情况生成的土壤侵蚀图，范围为6～18t/(hm2·a)。土壤侵蚀等级见表3。

表3 土壤侵蚀等级

值得注意的是，研究区内的土壤流失率风险整体处于中低水平，其中居民区、工业区和沼泽区平均值小于10t/(hm2·a)。其他地区包括农业区、畜牧区和林区的侵蚀率在10～50t/(hm2·a)之间，处于中等水平。

3 结论

USLE模型是一个统计且相对简单的土壤侵蚀模型，易于参数化，因此需要较少的数据和运行时间。将模型与GIS集成有助于数据操作、数据输入和输出显示。最重要的是，GIS网格空间显示和分析实用程序允许将USLE模型应用于单个单元(微区域)。与传统的土壤侵蚀预测集中方法相比，这种分布式方法可以帮助土地管理者确定问题区域，并相应地采用最佳管理实践。GIS USLE方法的另一个优点是，由于插值功能，它能够预测大面积的土壤流失。因此，通过在GIS中捕捉和叠加USLE参数，可以绕过有限的土壤流失现场数据和/或其在中宏观尺度上的因子控制的限制。总的来说，土壤流失估计值高于容许值(t=5t/(hm2·a))，为了提高实地土壤流失预测的准确性，还需要关于土壤可蚀性、覆盖和管理措施以及降雨侵蚀力的进一步数据。该模型还需要现场验证，以选择最佳和最准确的参数化方法。