土壤可蝕性因子制圖及其不確定性研究進展

孫佳佳,王志剛

（長江科學院a.水土保持研究所；b.水利部山洪地質(zhì)災害防治工程技術研究中心,武漢 430010)

?

土壤可蝕性因子制圖及其不確定性研究進展

孫佳佳a,王志剛b

（長江科學院a.水土保持研究所；b.水利部山洪地質(zhì)災害防治工程技術研究中心,武漢 430010)

摘 要：土壤可蝕性因子是評價土壤對侵蝕敏感程度的重要指標,也是進行土壤侵蝕預報的重要參數(shù)。為促進今后相關研究的發(fā)展,較為系統(tǒng)地闡述了土壤可蝕性因子、土壤可蝕性因子的空間預測以及土壤可蝕性因子制圖中的誤差和不確定性的國內(nèi)外研究現(xiàn)狀。分析指出,準確地制作土壤可蝕性因子空間分布圖具有重要的現(xiàn)實意義,然而,影響土壤可蝕性因子的因素相當復雜,將土壤類型、高程、遙感等輔助信息融入空間預測,量化、分析空間預測過程中的不確定性,降低制圖誤差、提高精度、控制風險,成為今后研究的方向。

關鍵詞：土壤可蝕性；空間預測；土壤可蝕性因子制圖；不確定性；地統(tǒng)計學

2016,33（02):24-27,37

1 研究背景

土壤可蝕性是土壤侵蝕預報的基本參數(shù),它反映土壤在雨滴擊濺、徑流沖刷或者兩者共同作用下,被分散、搬運的難易程度。通用土壤流失方程將其定義為標準小區(qū)上單位降雨侵蝕力引起的土壤流失率［1］。確定土壤可蝕性因子的最好辦法是采用天然降雨的標準小區(qū)直接測定,用模擬降雨確定土壤可蝕性K值精度較差,通過相關方程計算K值的精度最差［2］。但是,用人工降雨的成本較高,花費時間也較長,目前很多地區(qū)尚缺乏實測土壤可蝕性K 值,因此通過常規(guī)土壤普查資料計算土壤可蝕性K值具有很高的實用價值［1］。

國內(nèi)外不少學者先后建立了基于土壤性質(zhì)的K值預測模型。如20世紀70年代,W .H. Wischmeier等［3］根據(jù)美國55種耕作土壤的人工模擬降雨數(shù)據(jù)建立了預測K值的諾謨圖法,該方法在RUSLE2中還得到了進一步修正［4］。90年代初建立了EPIC模型的A.N.Sharply等,也提出了類似的預測K值的修正模型［5］。有學者還通過匯總?cè)?25種土壤的K 值,針對礫石（＞2 mm)含量小于10%的土壤,建立了預測該類土壤K值的幾何平均粒徑模型［6］。還有利用全球范圍內(nèi)搜集到的土壤的K值介于0.01 和0.08（t·hm2·h·MJ-1·mm-1·hm-2)之間的207個數(shù)據(jù),通過非線性最佳擬合方法建立的Torri模型［7］等。國內(nèi)一些學者在土壤K值預測方面也做了大量的研究工作［8-9］,對土壤K值的預測多數(shù)采用了國際上的經(jīng)驗算式［10］。但由于土壤實際情況有所不同,國際上許多經(jīng)驗算法在我國使用前,均應該進行必要的驗證和校正,并提出修正Torri模型和諾謨圖法比較適合我國亞熱帶地區(qū)土壤［11］。

2 土壤可蝕性因子制圖研究現(xiàn)狀

土壤可蝕性因子制圖與其他的土壤屬性制圖都是一個將點尺度數(shù)據(jù)拓展到面域的空間預測過程。目前在土壤可蝕性因子空間預測和制圖中,常用的數(shù)據(jù)點面的拓展方法主要包括土壤圖連接、逆距離加權、克里格插值、隨機模擬這4種（表1)。這4種方法也是眾多土壤屬性空間預測中常用的方法,不同的方法有各自的優(yōu)缺點和使用范圍。

土壤圖連接法將每個土壤圖斑內(nèi)的土壤可蝕性K值視為相同的一個值,忽略了土壤可蝕性K值在土壤圖斑內(nèi)的變異,誤差和不確定性較大,不考慮土壤可蝕性K值的隨機變異,不能定量K值預測的不確定性［12］。后來,研究者們利用環(huán)境相關法來發(fā)展該方法,將各種容易獲取的地理及空間信息作為自變量,使用回歸類的方法（如趨勢面分析、樣條插值、分類樹、回歸樹、神經(jīng)網(wǎng)絡等),來解決土壤可蝕性K值在空間上連續(xù)變異的問題,但是由于該方法沒有考慮土壤可蝕性K值的空間自相關性,只能反映系統(tǒng)變異,不能反映其隨機變異,而且難以定量空間預測的不確定性［13］。

表1 常用的土壤可蝕性因子數(shù)據(jù)點面的拓展方法Table 1 Common expand methods from point to plane based on soil erodibility index

逆距離加權法在一定程度上考慮了土壤可蝕性K值的空間自相關性,但是并不能定量地表達空間自相關性,插值計算也不是基于空間自相關性進行的。因此,逆距離加權法仍然是確定性插值方法,只能反映土壤可蝕性的系統(tǒng)變異,不能反映隨機變異,不能定量空間預測的不確定性［33］。

克里格插值法包括一系列的方法,如簡單克里格插值、普通克里格插值、泛克里格插值、協(xié)同克里格插值［32］。其中,簡單克里格插值和普通克里格插值僅基于空間自相關性插值,將所有的空間變異均視為隨機性變異,而泛克里格插值考慮了空間變異中的空間趨勢這一系統(tǒng)變異,協(xié)同克里格插值則考慮了空間變異受其他變量（輔助變量)的影響［34］。因此,克里格插值法能定量地表達空間自相關性,可以提高空間預測的精度,能反映隨機變異,可量化不確定性。然而,克里格插值法存在強烈的平滑效應,不能重現(xiàn)總體統(tǒng)計學特征,不能客觀充分地反映制圖誤差。

因此,有研究者提出使用隨機模擬的方法來進行空間預測［35］。該方法考慮空間自相關性,能反映隨機變異,考慮不確定性,可添加輔助變量。目前,隨機模擬用于土壤可蝕性因子空間制圖的研究還不夠充分,并且土壤可蝕性因子的影響因素相當復雜,如何將多種輔助變量,如土壤類型、高程、遙感影像等,協(xié)同融入隨機模擬,實現(xiàn)高準確度的土壤可蝕性因子空間預測,還有待于進一步研究。

3 土壤可蝕性因子制圖中的不確定性研究現(xiàn)狀

土壤流失量是通過降雨、土壤、地形、植被、耕作管理、措施等多種因子來預測的,各種不同的因子又存在各自不同的時間和空間變異性,這些變異最終都會導致土壤流失量及其空間分布預測具有不確定性［30］。因此,土壤流失量及其空間分布數(shù)據(jù)的用戶已經(jīng)不能滿足于僅獲得數(shù)據(jù)本身,而是越來越重視數(shù)據(jù)的質(zhì)量,即數(shù)據(jù)包含多大的不確定性。對于土壤因子而言,最重要的是土壤可蝕性這一綜合性指標的不確定性。

基于歷史數(shù)據(jù)的區(qū)域土壤可蝕性因子制圖中的誤差,主要來源于土壤性質(zhì)的空間尺度的不夠詳盡、時間變異、輔助信息的誤差、試驗誤差、模型誤差、空間信息誤差等方面［32］（見圖1)。空間尺度誤差主要指因空間尺度不夠詳盡、各變量間尺度不匹配、鄰域選擇不合理等導致的誤差,很多研究者認為它是制圖誤差的最主要來源［36］。輔助變量誤差主要指由遙感數(shù)據(jù)、地形數(shù)據(jù)等輔助信息引入的誤差。一般而言,輔助變量的使用可以顯著提高制圖的準確性,降低制圖的不確定性,雖然輔助變量所包含的誤差比較低,但是它畢竟還是客觀存在的［37］。時間誤差主要指數(shù)據(jù)源時間較早、各變量間時相不匹配等導致的誤差［38］。調(diào)查和實驗誤差主要包括采樣、樣品處理、測定等導致的誤差。在目前的試驗測試水平下,試驗誤差相對于空間尺度誤差可以忽略［32］。采樣誤差可以通過空間信息誤差、尺度誤差等反映?？臻g信息誤差主要指空間位置信息的誤差,如GPS系統(tǒng)的誤差、地理和投影坐標系統(tǒng)的誤差、數(shù)字化過程中的誤差等［39］。模型誤差主要是指模型構建、運算過程、專家知識等導致的誤差［35］。

圖1 制圖不確定性(誤差)來源與分解圖Fig.1 Sources and classification of mapping uncertainty

Campbell早在1996年,就給出了空間制圖總體準確度的概念,但是它不能反映制圖誤差在空間上的變異。Pontius在2000年,給出了圖斑地圖（categorical map)制圖誤差在空間上的變化,但只是對圖斑地圖的一種折中?？死锔穹椒ńo出的克里格方差,雖然在一定程度上可以反映不確定性在空間上的變化,但是克里格方差強烈地受樣點空間分布格局的影響［32］。析取克里格和指示克里格可以用以推導空間點上的條件概率分布函數(shù),但它們不能給出空間區(qū)域上的聯(lián)合條件概率分布函數(shù)［40］。要獲取更加全面、準確客觀的空間不確定性還是要使用隨機模擬的方法［40］。

但是,僅使用隨機模擬的方法計算各種不確定性的總和是遠遠不夠的,我們需要了解不同來源不確定性占總不確定性的比重,那么就要對不確定性進行分解。常用的不確定性分解方法有蒙托卡羅法（Monte Carlo methods)、傅里葉振幅敏感度檢驗（Fourier Amplitude Sensitivity Test)、泰勒級數(shù)法（Taylor series)、多項式回歸法（Polynomial regression)、Sobol法（Sobol’s method)等。這些方法中,蒙托卡羅法和Sobol法計算過程極其龐雜；傅里葉振幅敏感度檢驗計算簡便,但卻不能解決輸入變量間的相關性；泰勒級數(shù)法要求模型函數(shù)可導；基于方差、協(xié)方差分解的多項式回歸法可以處理輸入變量間的相關性,且計算又較為簡便［35］。另外,這些方法最大的問題在于不能計算不確定性在空間上的變異情況,因此需要將上述不確定性分解的方法與隨機模擬方法組合起來,建立可以分解空間不確定性的方法。

4 結(jié) 語

目前,建立區(qū)域尺度上土壤可蝕性因子空間分布圖的數(shù)據(jù),多為20世紀80年代第2次土壤普查中獲得,這些歷史數(shù)據(jù)無論在空間尺度還是在時相上,均存在較大的變異。通過以上分析,研究如何將土壤類型、高程、遙感等輔助信息融入土壤可蝕性因子空間預測,量化、分析空間預測過程中的不確定性,降低制圖誤差,提高精度,控制風險,成為今后研究的方向。

參考文獻：

［1］ WISCHMEIER W H, SMITH D D. Predicting Rainfall E-rosion Losses—A Guide to Conservation Planning［R］. Washington D C: U.S. Department of Agriculture, 1987.

［2］ 劉寶元,謝 云,張科利.土壤侵蝕預報模型［M］.北京:中國科學技術出版社, 2001.

［3］ WISCHMEIER W H,JOHNSON C B, CROSS B V.Soil Erodibility Nomograph for Farmland Construction Sites［J］. Journal of Soil and Water Conservation, 1971, 26（5): 189-193.

［4］ FOSTER G R. Soil Erosion Modeling: Special Considerations for Nutrient Pollution Evaluation of Field Sized Area ［M］∥OVERCASH M R, DAVIDSON J M. Environment Impact of Non point Source Pollution. Ann Arbor, Michigan : Ann Arbor Science Publishers, 1980:213-243.

［5］ SHARPLY A N, WILLIAMS J R. EPIC-erosion/ Productivity Impact Calculator: 1) Model Documentation［R］. Washington D C: USDA-ARS Technical Bulletin, 1990.

［6］ RENARD K G, FOSER G R, WEESIES G A, et al. Predicting Soil Erosion by Water: A Guide to Conservation Planning with the Revised Universal Soil Loss Equation （RUSLE)［R］. Washington D C: U.S. Department of Agriculture,1997.

［7］ TORRI D, POESSEN J, BORSELLI L. Erratum to Predictability and Uncertainty of the Soil Erodibility Factor U-sing A Global Dataset［J］. Catena, 2002, 46: 309-310.

［8］ YU D S, SHI X Z, WEINDORF D C. Relationships Between Permeability and Erodibility of Cultivated Acrisols and Cambisols in Subtropical China［J］. Pedosphere, 2006, 16（3): 304-311.

［9］ 張科利,彭文英,楊紅麗.中國土壤可蝕性值及其估算［J］.土壤學報, 2007, 44（1): 7-13.

［10］傅伯杰,趙文武,陳利頂,等.多尺度土壤侵蝕評價指數(shù)［J］.科學通報, 2006, 51（16): 1936-1943.

［11］張文太,于東升,史學正,等.中國亞熱帶土壤可蝕性K值預測的不確定性研究.土壤學報, 2009, 46（2): 185-191.

［12］WANG G X, GERTNER G, FANG S F, et al. Mapping Multiple Variables for Predicting Soil Loss by Geostatistical Methods with TM Images and A Slope Map［J］. Photogrammetric Engineering＆Remote Sensing,2003,69（8):889-898.

［13］HENGL T, HEUVELINK G B M, STEIN A. A Generic Framework for Spatial Prediction of Soil Variables Based on Regression-kriging［J］. Geoderma, 2004, 120: 75-93.

［14］ILWIS Department, International Institute for Aerospace Survey＆Earth Sciences. ILWIS 2.1 for Windows: Applications Guide［M］. Enschede,the Netherlands:International Institute for Aerospace Survery＆Earth Sciences,1997. ［15］RENSCHLER C S, MANNAERTS C, DIEKKRüGER B. Evaluating Spatial and Temporal Variability in Soil Erosion Risk-rainfall Erosivity and Soil Loss Ratios in Andalusia, Spain［J］. Catena, 1999, 34: 209-225.

［16］BISSONNAIS Y L, MONTIER C, JAMAGNE M, et al. Mapping Erosion Risk for Cultivated Soil in France［J］. Catena, 2001, 46: 207-220.

［17］CHANDRAMOHAN T, DURBUDE D G. Estimation of Soil Erosion Potential Using Universal Soil Loss Equation［J］. Journal of the Indian Society of Remote Sensing, 2002, 30（4):181-190.

［18］LUFAFA A, TENYWA M M, ISABIRYE M, et al. Prediction of Soil Erosion in A Lake Victoria Basin Catchment U-sing A GIS-based Universal Soil Loss Model［J］. Agricultural Systems, 2003, 76: 883-894.

［19］WANG X D, ZHONG X H, FAN J R. Assessment and Spatial Distribution of Sensitivity of Soil Erosion in Tibet ［J］. Journal of Geographical Sciences, 2004, 14（1): 41-46.

［20］KHEIR R B, CERDAN O, ABDALLAH C. Regional Soil Erosion Risk Mapping in Lebanon［J］. Geomorphology, 2006, 82: 347-359.

［21］IRVEM A, TOPALOˇGLU F, UYGUR V. Estimating Spatial Distribution of Soil Loss over Seyhan River Basin in Turkey ［J］. Journal of Hydrology, 2007, 336: 30-37.

［22］BAIGORRIA G A, ROMERO C C. Assessment of Erosion Hotspots in A Watershed: Integrating the WEPP Model and GIS in A Case Study in the Peruvian Andes［J］. Environmental Modelling＆Software, 2007, 22: 1175-1183.

［23］BACCHI O O S, REICHARDT K, SPAROVEK G. Sediment Spatial Distribution Evaluated by Three Methods and Its Relation to Some Soil Properties［J］. Soil＆Tillage Research, 2003, 69: 117-125.

［24］PANAGOS P, MEUSBURGER K, ALEWELL C, et al. Soil Erodibility Estimation Using LUCAS Point Survey Data of Europe［J］. Environmental Modelling＆Software, 2012, 30: 143-145.

［25］REJMAN J, TURSKI R, PALUSZEK J. Spatial and Temporal Variations in Erodibility of Loess Soil［J］. Soil and Tillage Research, 1998, 46: 61-68.

［26］VEIHE A. The Spatial Variability of Erodibility and Its Relation to Soil Types: A Study from Northern Ghana［J］. Geoderma, 2002, 106: 101-120.

［27］PéREZ-RODRíGUEZ R, MARQUES M J, BIENES R. Spatial Variability of the Soil Erodibility Parameters and Their Relation with the Soil Map at Subgroup Level［J］. Science of the Total Environment, 2007, 378: 166-173.

［28］DIODATO N, FAGNANO M, ALBERICO I, et al. Mapping Soil Erodibility from Composed Data Set in Sele River Basin, Italy［J］. Natural Hazards, 2011, 58: 445-457.

［29］PANAGOPOULOS T, FERREIRA V, JESUS J. Determining the Relation Between Soil Erodibility and Spatial Variability of Erosion Properties Using Geostatistical Techniques at the Alqueva Reservoir Area in Recent Researches in Energy＆Environment［C］/ / World Scientific and Engineering Academy and Society. Proceedings of 6th IASME/ WSEAS International Conference on Energy＆Environment, Cambridge ,UK, February 23-25, 2011:105-110.

［30］WANG G X, GERTNER G, LIU X Z, et al. Uncertainty Assessment of Soil Erodibility Factor for Revised Universal Soil Loss Equation［J］. Catena, 2001, 46: 1-14.

［31］PARYSOW P, WANG G X, GERTNER G, et al. Spatial Uncertainty Analysis for Mapping Soil Erodibility Based on Joint Sequential Simulation［J］. Catena, 2003, 53: 65-78.

［32］WANG G X, GERTNER G Z, FANG S F, et al. A Methodology for Spatial Uncertainty Analysis of Remote Sensing and GIS Products［J］. Photogrammetric Engineering＆Remote Sensing, 2005, 71（12): 1423-1432.

［33］湯國安,楊 昕. ArcGIS地理信息系統(tǒng)空間分析實驗教程［M］.北京:科學出版社, 2006.

［34］MCBRATNEY A B, SANTOS M L M, MINASNY B. On Digital Soil Mapping［J］. Geoderma, 2003, 117: 3-52.

［35］JOURNEL A G, KYRIAKIDIS P C, MAO S G. Correcting the Smoothing Effect of Estimators: A Spectral Postprocessor［J］. Mathematical Geology, 2000, 32（7): 787-813.

［36］DAVIS F W, QUATTROCHI D A, RIDD M K, et al. Environmental Analysis Using Integrated GIS and Remotely Sensed Data: Some Research Needs and Priorities［J］. Photogrammetric Engineering＆Remote Sensing, 1991, 57（6): 689-697.

［37］LUNETTA R S, CONGALTON R G, FENSTERMAKER L K, et al. Remote Sensing and Geographic Information System Data Integration: Error Sources and Research Issues ［J］. Photogrammetric Engineering＆Remote Sensing, 1991, 57（6): 677-687.

［38］KHORRAM S, BIGING G S, CHRISTMAN N R, et al. Accuracy Assessment of Remote Sensing-derived Change Detection, ASPRS Monograph Series［M］. Bethesda: American Society for Photogrammetry and Remote Sensing, 1999.

［39］PONTIUS R G. Quantification Error Versus Location Error in Comparison of Categorical Maps［J］. Photogrammetric Engineering＆Remote Sensing, 2000, 66（8): 1011 -1016.

［40］GOOVAERTS P. Geostatistical Modelling of Uncertainty in Soil Science［J］. Geoderma, 2001, 103: 3-26.

（編輯:劉運飛)

Research Advances in Mapping of Soil Erodibility Factor and Its Uncertainty

SUN Jia-jia1, WANG Zhi-gang2
（1.Soil and Water Conservation Department, Yangtze River Scientific Research Institute, Wuhan 430010, China；2.Research Center on Mountain Torrent＆Geologic Disaster Prevention of Ministry of Water Resources, Yangtze River Scientific Research Institute, Wuhan 430010, China )

Abstract:Soil erodibility is an important indicator of assessing impact of erosion on soil, and also an important parameter for predicting soil erosion. In order to promote relevant research of soil erodibility factor in the future, we present state of the art in China and abroad in terms of its spatial prediction and error and uncertainty of mapping. Analysis shows that accurately acquiring spatial distribution of soil erodibility factor is of practical significance, but it is a difficult task due to complex factors which affect soil erodibility factor. In the future, we should lay emphasis on reducing mapping error, improving accuracy and controlling risk, and quantitatively analyzing the uncertainty of spatial prediction, in association with auxiliary information such as soil types, elevation, and remote sensing images.

Key words:soil erodibility；spatial prediction；mapping of soil erodibility factor；uncertainty；geostatistics

作者簡介：孫佳佳（1983-),女,山東泰安人,工程師,碩士,主要從事土壤侵蝕、水土保持方面的研究,（電話)027-82926365（電子信箱)hhzxinxiang@163.com。

基金項目：國家自然科學基金項目（41201269,41101191)；中央級公益性科研院所基本科研業(yè)務費資助項目（CKSF2015011/ TB,CKSF2014022/ TB)；長江科學院創(chuàng)新團隊項目（CKSF2012052/ TB)；國家科技重大專項專題（2012ZX07503-002-03)

收稿日期：2014-09-25;修回日期：2015-01-12

doi:10.11988/ ckyyb.20140824

中圖分類號：S157.1

文獻標志碼：A

文章編號：1001-5485(2016)02-0024-04