基于RUSLE模型的六盤(pán)水市土壤侵蝕評(píng)價(jià)

尹　璐，閆慶武，卞正富

(中國(guó)礦業(yè)大學(xué)環(huán)境與測(cè)繪學(xué)院，江蘇 徐州　221116)

?

基于RUSLE模型的六盤(pán)水市土壤侵蝕評(píng)價(jià)

尹璐，閆慶武①，卞正富

(中國(guó)礦業(yè)大學(xué)環(huán)境與測(cè)繪學(xué)院，江蘇 徐州221116)

摘要：礦產(chǎn)資源的開(kāi)采容易導(dǎo)致礦區(qū)土地資源破壞及生態(tài)環(huán)境惡化，為探索煤礦開(kāi)采對(duì)土壤侵蝕的影響，分析礦區(qū)土地侵蝕狀況。以貴州省西南部煤礦城市六盤(pán)水市為研究對(duì)象，基于土壤質(zhì)地、地形、氣候、土地覆蓋和土地利用等數(shù)據(jù)，運(yùn)用RUSLE模型，結(jié)合GIS空間分析方法，研究六盤(pán)水市土壤侵蝕現(xiàn)狀及空間分布特征，著重分析煤礦區(qū)土壤侵蝕分布特征。結(jié)果表明：(1)六盤(pán)水市土壤侵蝕以微度、中度侵蝕為主，侵蝕嚴(yán)重區(qū)域主要集中在水城縣東部和南部，六枝特區(qū)東部以及盤(pán)縣中部。(2)土壤侵蝕主要發(fā)生在人類(lèi)負(fù)向干擾活動(dòng)強(qiáng)烈的林地、草地、旱地、煤礦區(qū)和裸地。(3)六盤(pán)水市南部煤礦區(qū)侵蝕較嚴(yán)重，以中度侵蝕為主，主要原因是采煤造成的地質(zhì)災(zāi)害使土壤侵蝕抑制因素作用減弱。(4)私營(yíng)煤礦區(qū)土壤侵蝕程度比國(guó)有煤礦區(qū)嚴(yán)重。私營(yíng)煤礦區(qū)應(yīng)在煤炭開(kāi)采過(guò)程中加強(qiáng)保護(hù)與治理。

關(guān)鍵詞：GIS；水土流失；RULSE模型；煤礦區(qū)

水土流失是一個(gè)全球性的土地退化問(wèn)題,是當(dāng)今全球變化的重要表現(xiàn)形式[1]。我國(guó)水土流失與生態(tài)安全綜合科學(xué)考察活動(dòng)研究表明,我國(guó)現(xiàn)有土壤侵蝕面積為356.92萬(wàn)km2,其中水力侵蝕面積為161.22萬(wàn)km2,風(fēng)力侵蝕面積為195.70萬(wàn)km2[2]。定量評(píng)價(jià)區(qū)域土壤侵蝕量、土壤侵蝕強(qiáng)度及其空間分布特征,對(duì)水土保持和耕地保護(hù)具有重要意義[3]。就煤礦區(qū)而言,隨著煤炭開(kāi)采活動(dòng)的不斷深入,對(duì)土地資源的破壞日益加劇,煤礦的采、運(yùn)、堆等過(guò)程使得植被遭到嚴(yán)重破壞,地表裸露,土壤表層松散性加大,喪失了原地表土壤的抗蝕力,造成土地劣化、貧瘠化和干旱化,不僅使耕地急劇減少,還會(huì)造成地表水源和地下含水層水源的漏失,引起礦區(qū)水土流失[4]。

目前,土壤侵蝕研究應(yīng)用最廣泛的模型是修正通用水土流失方程(revisied universal soil loss equation,RUSLE),該模型也被成熟地運(yùn)用到我國(guó)土壤侵蝕調(diào)查工作中。劉寶元等[5]借鑒通用土壤流失方程(universal soil loss equation,USLE)的成果經(jīng)驗(yàn),建立適用于中國(guó)陡坡的土壤侵蝕預(yù)報(bào)模型(Chinese soil loss equation,CSLE);肖洋等[6]通過(guò)查表法,構(gòu)建不同植被覆蓋度和不同土地覆蓋類(lèi)型下的地表植被覆蓋因子C值圖層,估算了重慶地區(qū)土壤侵蝕量、土壤保持量和土壤保持價(jià)值;田鵬等[7]以RUSLE模型為基礎(chǔ),增加流域輸沙能力與淤地壩攔沙效率模塊,并在黃土高原粗沙多沙區(qū)皇甫川流域進(jìn)行驗(yàn)證。筆者在GIS和RS技術(shù)的支持下,結(jié)合修訂的RUSLE模型對(duì)研究區(qū)域及研究區(qū)內(nèi)煤礦區(qū)土壤侵蝕現(xiàn)狀進(jìn)行定量分析,為促進(jìn)煤礦區(qū)土地復(fù)墾、土壤改善和土地資源利用率的提高提供科學(xué)依據(jù)。

1研究區(qū)概況

六盤(pán)水市位于貴州省西部,云貴高原一、二級(jí)臺(tái)地斜坡上,地理位置為25°18′～26°50′ N,104°18′～105°53′ E,現(xiàn)轄六枝特區(qū)、盤(pán)縣、水城縣和鐘山區(qū)4個(gè)縣級(jí)行政區(qū),總面積為9 914 km2,占全省總面積的5.63%,2013年常住人口為285.9萬(wàn),GDP總量為876.95億元,人均GDP全省排名第2。六盤(pán)水市屬亞熱帶高原性季風(fēng)氣候區(qū),氣候溫和,夏無(wú)酷暑,冬無(wú)嚴(yán)寒,年平均氣溫為13～14 ℃,被稱(chēng)為中國(guó)涼都,境內(nèi)降水充沛,但時(shí)空分布不均,年降水量表現(xiàn)為南部多北部偏少,東部多西部偏少,旱澇災(zāi)害頻繁,多年平均降水量為1 244 mm。六盤(pán)水市地處長(zhǎng)江水系和珠江水系的分水嶺地區(qū)。市境礦藏儲(chǔ)量豐富,礦種較多,煤儲(chǔ)量居貴州省之首,素有“江南煤都”之譽(yù),是國(guó)家“西電東送”的重點(diǎn)電源基地之一。2013年5月發(fā)布的《貴州省水土保持公告》顯示,2010年貴州全省水土流失面積為55 269.40 km2,占土地總面積的31.37%,全省水土流失狀況呈現(xiàn)西北重東南輕的格局,六盤(pán)水市地處生態(tài)環(huán)境脆弱的喀斯特地區(qū),水土流失治理難度大。

2研究方法

2.1數(shù)據(jù)資料

為開(kāi)展六盤(pán)水市水土流失評(píng)價(jià),需收集以下6類(lèi)數(shù)據(jù):

(1)土壤質(zhì)地?cái)?shù)據(jù)。一部分來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心,數(shù)據(jù)包括砂粒、粉粒和黏粒的組成;另一部分來(lái)源于六盤(pán)水市國(guó)土部門(mén)收集的土壤類(lèi)型數(shù)據(jù)及土壤采樣點(diǎn)數(shù)據(jù),通過(guò)插值生成的研究區(qū)域土壤有機(jī)碳分布圖。

(2)地形數(shù)據(jù)。運(yùn)用ASTER GDEM 30 m分辨率的數(shù)字高程模型(DEM),利用ArcGIS的表面分析方法計(jì)算坡度和坡長(zhǎng)。

(3)氣候數(shù)據(jù)。通過(guò)中國(guó)氣象數(shù)據(jù)網(wǎng)獲取六盤(pán)水市及其周?chē)?5個(gè)氣象站點(diǎn)2004—2014年各月平均降水量,并用克里金插值方法生成30 m分辨率的多年平均降水量分布圖和多年平均各月降水量分布圖。

(4)土地覆蓋數(shù)據(jù)。利用2013年6月16日Landsat 8 OLI遙感影像,經(jīng)拼接、裁剪、配準(zhǔn)和大氣校正等預(yù)處理后進(jìn)行數(shù)據(jù)反演,得到研究區(qū)域植被覆蓋度分布圖。

(5)土地利用數(shù)據(jù)。采用國(guó)土部門(mén)收集的2010年第2次全國(guó)土地利用矢量調(diào)查數(shù)據(jù),比例尺為1∶25萬(wàn)。對(duì)土地利用數(shù)據(jù)進(jìn)行柵格化,與計(jì)算出的水土流失等級(jí)圖進(jìn)行疊加分析,得到不同土地利用類(lèi)型的水土流失分布數(shù)據(jù)。

(6)六盤(pán)水市煤礦區(qū)數(shù)據(jù)。采用國(guó)土部門(mén)收集的《六盤(pán)水市礦產(chǎn)資源總體規(guī)劃(2011—2015)》中的煤礦區(qū)拐點(diǎn)坐標(biāo)生成礦區(qū)位置矢量圖。將六盤(pán)水市分為南、北和東3個(gè)煤礦區(qū)域。將煤炭生產(chǎn)能力大于120萬(wàn)t·a-1的國(guó)有企業(yè)煤礦區(qū)作為國(guó)有煤礦區(qū)土壤侵蝕現(xiàn)狀的重點(diǎn)研究區(qū)域,將與上述國(guó)有煤礦研究區(qū)域有著相近環(huán)境和地理位置、生產(chǎn)能力為30萬(wàn)～60萬(wàn)t·a-1的私營(yíng)煤礦區(qū)作為私營(yíng)煤礦區(qū)土壤侵蝕現(xiàn)狀的重點(diǎn)研究區(qū)域。

將柵格數(shù)據(jù)統(tǒng)一為30 m×30 m大小的柵格單元,統(tǒng)一采用WGS-1984-UTM投影。

2.2土壤侵蝕模型

采用修正的RUSLE模型對(duì)六盤(pán)水市土壤侵蝕量進(jìn)行估算。RUSLE是對(duì)USLE加以改進(jìn)發(fā)展而來(lái)的經(jīng)驗(yàn)土壤侵蝕預(yù)報(bào)模型,得到國(guó)內(nèi)外的廣泛研究和應(yīng)用,目前已有學(xué)者驗(yàn)證了RUSLE模型在中國(guó)南方喀斯特地貌的應(yīng)用是可行的[8-9],因此選用RUSLE模型作為研究土壤侵蝕的定量模型,其表達(dá)式[10]為

A=R×K×L×S×C×P。

(1)

式(1)中,A為單位面積上時(shí)間和空間的平均土壤流失量,t·km-2·a-1;R為降雨侵蝕力因子,MJ·mm·hm-2·h-1·a-1;K為土壤可蝕性因子,t·h·MJ-1·mm-1;L為坡長(zhǎng)因子;S為坡度因子，(°);C為地表植被覆蓋因子;P為水土保持措施因子。

2.3研究區(qū)RUSLE因子計(jì)算

2.3.1降雨侵蝕力因子(R)估算

R反映了降雨對(duì)土壤的潛在侵蝕能力,與降雨量、降雨強(qiáng)度和降雨歷時(shí)等有關(guān)。采用WISCHMEIER等[11]提出的R值簡(jiǎn)便算法,即利用多年月降水量建立的年均降雨侵蝕力因子的經(jīng)驗(yàn)公式:

(2)

式(2)中,p為多年平均降水量,mm;pi為各月平均降水量,mm。

2.3.2土壤可蝕性因子(K)估算

(3)

式(3)中,w砂為砂粒(粒徑為0.1～2 mm)含量,%;w粉為粉粒(粒徑為0.002～<0.1 mm)含量,%,w黏為黏粒(粒徑<0.002 mm)含量,%;w碳為土壤有機(jī)碳含量,%。N=1-w砂/100。由EPIC模型計(jì)算出的KEPIC值與實(shí)測(cè)值具有良好的線(xiàn)性關(guān)系,可通過(guò)修正轉(zhuǎn)換公式對(duì)KEPIC進(jìn)行修訂,以用于我國(guó)的土壤可蝕性估算[13]。修訂公式為

K=-0.013 83+0.515 75KEPIC。

(4)

利用式(4)得到每個(gè)像元單位的K值,用面積加權(quán)法求得土壤亞類(lèi)K值(表1)。

表1六盤(pán)水市各土壤類(lèi)型的可蝕型因子(K)取值

Table 1Valuation of erodible factor(K) of various types of soils in Liupanshui City

土壤類(lèi)型K值土壤類(lèi)型K值粗骨土0.110漂洗黃壤0.138黑色石灰土0.136石灰(巖)土0.135紅壤0.116水稻土0.131紅色石灰土0.128酸性石質(zhì)土0.105黃紅壤0.140酸性紫色土0.130黃壤0.126巖石0.128黃壤性土0.135中性紫色土0.119黃色石灰土0.122紫色土0.124黃棕壤0.130棕壤0.132黃棕壤性土0.112棕色石灰土0.141灰潮土0.122

2.3.3坡長(zhǎng)(L)和坡度(S)因子估算

坡長(zhǎng)和坡度因子反映了地形地貌對(duì)降雨侵蝕動(dòng)力的加速影響,表示在降雨強(qiáng)度、植被覆蓋度等條件相同的情況下,坡度越大,坡長(zhǎng)越長(zhǎng),徑流速度越大,對(duì)土壤的沖刷能力越強(qiáng)[14]。使用Hickey和Van Remortel構(gòu)建的方法計(jì)算L和S因子,計(jì)算公式[15]為

(5)

β=(sinθ/0.089 6)/[3(sinθ)0.8+0.56],

(6)

m=β/(1+β),

(7)

(8)

式(5)～(8)中,λ為像元坡長(zhǎng),m;m為坡長(zhǎng)指數(shù)；θ為坡度。

2.3.4地表植被覆蓋因子(C)估算

植被覆蓋多少對(duì)土壤有著重要影響,C是土壤侵蝕模型中的抑制因子,C值與植被覆蓋度(VFC,CVF)有著較強(qiáng)的相關(guān)性。用Landsat 8 OLI遙感影像計(jì)算六盤(pán)水市歸一化植被指數(shù)(normalized differential vegetation index,NDVI,INDV)值,計(jì)算公式為

(9)

式(9)中,RNI為近紅外波段(0.7～1.1 μm)像元亮度值;R為紅光波段(0.4～<0.7 μm)像元亮度值。

選取INDV值累積概率為5%左右數(shù)為區(qū)域內(nèi)最小INDV值(INDV,min),選取INDV值累積概率為95%左右數(shù)為最大INDV值(INDV,max),求得INDV,min=0.288 868,INDV,max=0.829 726。利用INDV值計(jì)算六盤(pán)水市CVF,計(jì)算公式為

利用建立的CVF與C因子之間的關(guān)系計(jì)算C值,計(jì)算公式[16]為

C=1-CVF。

2.3.5水土保持措施因子(P)估算

P是土壤侵蝕模型中的抑制因子。當(dāng)P=0時(shí),表示采取水土保持措施后不發(fā)生土壤侵蝕;當(dāng)P=1時(shí),表示未采取任何水土保持措施[17]。根據(jù)六盤(pán)水市土地利用現(xiàn)狀和實(shí)地調(diào)查情況,結(jié)合前人的研究成果[7,18-20],確定水田、旱地、園地、有林地、其他林地、灌木林地、草地、建設(shè)用地、采礦用地、水域和裸地的P值分別為0.01、0.4、0.4、1、0.9、1、0.8、0、0.5、0和1,并計(jì)算得到P值分布圖(圖1)。

圖1　六盤(pán)水市各土壤侵蝕因子計(jì)算結(jié)果

根據(jù)SL 190—2007《土壤侵蝕分類(lèi)分級(jí)標(biāo)準(zhǔn)》[21],六盤(pán)水市屬于水力侵蝕區(qū)的西南土石山區(qū),該類(lèi)型侵蝕區(qū)的容許土壤流失量為500 t·km-2·a-1,應(yīng)用RUSLE模型計(jì)算六盤(pán)水市土壤侵蝕強(qiáng)度,并將其分為6級(jí)。

3結(jié)果與分析

3.1土壤侵蝕等級(jí)評(píng)價(jià)

通過(guò)RUSLE模型計(jì)算研究區(qū)土壤侵蝕強(qiáng)度并劃分等級(jí)(表2),研究區(qū)超過(guò)容許土壤流失量(500 t·km-2·a-1)的土地面積達(dá)6 710.06 km2,占全市侵蝕總面積的68.11%,其中,微度、輕度侵蝕面積為7 874.50 km2,占比達(dá)79.93%,但其土壤侵蝕量強(qiáng)度占比僅為42.13%;輕度、中度和強(qiáng)烈土壤侵蝕量強(qiáng)度較大,占土壤侵蝕量總強(qiáng)度的85.68%。從圖2～3可知,六盤(pán)水市土壤侵蝕嚴(yán)重的地區(qū)位于水城縣東部和南部,六枝特區(qū)東部以及盤(pán)縣中部,這

些地區(qū)地勢(shì)起伏較大,降雨較多,植被對(duì)降雨的攔截力度不夠是其受侵蝕的主要因素。

表2研究區(qū)域土壤侵蝕強(qiáng)度分級(jí)統(tǒng)計(jì)表

Table 2Statistics and grading of soil erosion intensities in the study area

侵蝕等級(jí)侵蝕模數(shù)/(t·km-2·a-1)侵蝕面積/km2侵蝕面積占比/%侵蝕量強(qiáng)度占比/%微度<5003141.7231.893.71輕度500～<25004732.7848.0438.41中度2500～<50001408.1414.2931.05強(qiáng)烈5000～<8000411.224.1816.21極強(qiáng)烈8000～<15000147.781.509.45劇烈≥1500010.140.101.17

3.2土壤侵蝕與土地利用的相關(guān)分析

不同的土地利用類(lèi)型對(duì)區(qū)域土壤侵蝕的發(fā)生面積和強(qiáng)度特征有著重要影響[22]。六盤(pán)水市不同土地利用類(lèi)型土壤侵蝕強(qiáng)度分布見(jiàn)表3。

圖2　六盤(pán)水市土壤侵蝕強(qiáng)度等級(jí)分布

由表3可知,水域和建設(shè)用地屬于侵蝕極少區(qū)域,水田屬于不易發(fā)生侵蝕區(qū),主要原因是水田多分布在地勢(shì)平坦、水熱條件好的地區(qū),且人為管理措施強(qiáng);園地水土流失較輕,主要為微度和輕度流失,主要原因是人為保護(hù)措施較好;六盤(pán)水市土壤侵蝕主要發(fā)生在草地、旱地、林地、裸地和煤礦區(qū),其中,灌木林地、有林地和其他林地侵蝕特征較接近,主要為輕度、微度和中度侵蝕,分別占各地類(lèi)面積的88.80%、91.77%和89.22%;旱地超過(guò)土壤侵蝕容許模數(shù)的侵蝕面積占旱地總面積的67.76%,主要發(fā)生輕度侵蝕,占旱地總面積的57.28%;草地超過(guò)土壤侵蝕容許模數(shù)的侵蝕面積占比達(dá)80.46%,主要發(fā)生輕度和中度侵蝕,分別占草地總面積的43.56%和22.72%;煤礦區(qū)超過(guò)土壤侵蝕容許模數(shù)的侵蝕面積占比達(dá)73.95%,主要發(fā)生微度和輕度侵蝕,分別占煤礦區(qū)總面積的26.05%和58.19%;裸地是極易發(fā)生土壤侵蝕的土地類(lèi)型,侵蝕等級(jí)以輕度、中度和強(qiáng)烈為主,占裸地總面積的84.25%。

圖3　六盤(pán)水市礦區(qū)分布

表3各土地利用類(lèi)型土壤侵蝕面積分布特征

Table 3Distribution of soil erosion areas relative to land use

地類(lèi)面積比例/%微度侵蝕輕度侵蝕中度侵蝕強(qiáng)烈侵蝕極強(qiáng)烈侵蝕劇烈侵蝕面積/km2比例/%面積/km2比例/%面積/km2比例/%面積/km2比例/%面積/km2比例/%面積/km2比例/%草地8.57164.4419.54366.5343.56191.1222.7285.0210.1031.513.742.760.34建設(shè)用地1.36122.3099.730.250.210.060.050.020.010.000.000.000.00旱地40.261279.1332.242272.7057.28384.879.7029.580.751.080.030.020.00裸地3.4836.8210.73153.2544.6796.3928.0939.4311.4916.064.681.130.34煤礦區(qū)6.89177.6026.05396.6758.1995.1313.9511.451.680.870.130.000.00水田2.97289.0899.750.510.180.140.050.040.010.020.010.000.00水域0.2826.3199.830.030.100.010.050.000.010.000.010.000.00有林地15.45506.7333.25652.0442.77240.1315.7589.565.8834.032.231.890.12其他林地3.6679.0621.93165.3745.8877.1721.4128.337.8610.072.790.480.13灌木林地16.83442.5226.70708.0342.71321.5019.39127.597.7054.123.273.870.23園地0.2511.0245.2111.6347.711.516.200.210.850.010.030.000.00

通過(guò)對(duì)不同土地利用類(lèi)型土壤侵蝕狀況的定量分析可知,研究區(qū)土壤侵蝕主要發(fā)生在人類(lèi)負(fù)向干擾活動(dòng)強(qiáng)烈的林地、草地、旱地、煤礦區(qū)和裸地,草地和裸地是最易發(fā)生強(qiáng)烈以上等級(jí)侵蝕的土地利用類(lèi)型,因此要加強(qiáng)對(duì)六盤(pán)水市草地和裸地的防護(hù)和治理工作,尤其是要防止草地和裸地石漠化演變,一旦石漠化將不易恢復(fù)。林地多處于坡度大的地區(qū),遇到暴雨沖刷時(shí),也會(huì)引起輕度和中度土壤侵蝕。旱地和煤礦區(qū)屬于人類(lèi)影響作用強(qiáng)烈的地區(qū),農(nóng)牧區(qū)和工礦活動(dòng)區(qū)內(nèi)人類(lèi)不合理的生產(chǎn)方式是導(dǎo)致侵蝕發(fā)生的主要原因,因此要重視農(nóng)牧區(qū)和工礦區(qū)的水土保持工作,如采取等高耕作、平衡施肥和邊開(kāi)采邊治理等措施。

3.3煤礦區(qū)土壤侵蝕的空間分布

3.3.1煤礦區(qū)分區(qū)土壤侵蝕

為了反映六盤(pán)水市煤礦區(qū)土壤侵蝕狀況,將六盤(pán)水市分為南、北和東3個(gè)煤礦區(qū)域(圖3～4),以鐘山區(qū)和水城縣134個(gè)煤礦為北區(qū),以盤(pán)縣101個(gè)煤礦為南區(qū),以六枝特區(qū)40個(gè)煤礦為東區(qū)(表4～5)。

圖4　南、北和東煤礦區(qū)土壤侵蝕強(qiáng)度分級(jí)

從煤礦區(qū)總體情況來(lái)看,煤礦區(qū)極強(qiáng)烈和劇烈侵蝕不明顯,以微度、輕度和中度侵蝕面積占比較大,達(dá)98.17%,煤礦區(qū)中度侵蝕面積比例(表4)比六盤(pán)水市中度侵蝕面積比例(表3)高7.54百分點(diǎn)；從土壤侵蝕量強(qiáng)度來(lái)看,煤礦區(qū)中度侵蝕造成的土壤侵蝕量強(qiáng)度比例(表5)比六盤(pán)水市中度侵蝕量強(qiáng)度比例(表3)高15.45百分點(diǎn),說(shuō)明煤礦區(qū)與土壤侵蝕空間相關(guān)性較大。從煤礦分區(qū)來(lái)看,南部煤礦區(qū)土壤侵蝕較嚴(yán)重,中度及其以上土壤侵蝕量強(qiáng)度達(dá)50.33%,遠(yuǎn)大于北部和東部煤礦區(qū),主要原因?yàn)楸P(pán)縣是六盤(pán)水市煤炭產(chǎn)業(yè)發(fā)展的最重要地區(qū),大型煤礦有80%位于盤(pán)縣,煤炭開(kāi)采造成的崩塌、滑坡和泥石流等大型地質(zhì)災(zāi)害,使得煤礦區(qū)植被覆蓋和人為的土壤保持等抑制侵蝕因素作用變小。

表4煤礦區(qū)分區(qū)土壤侵蝕面積比例

Table 4Proportion of soil erosion in area in different coal mining areas

煤礦區(qū)不同等級(jí)侵蝕面積比例/%微度輕度中度強(qiáng)烈極強(qiáng)烈劇烈北部32.0958.908.390.560.050.00南部19.1958.4219.392.780.220.00東部40.4952.696.500.320.010.00全部26.0950.2521.831.700.140.00

表5煤礦區(qū)分區(qū)土壤侵蝕量強(qiáng)度比例

Table 5Percentages of soil erosions different in intensity in different coal mining areas

煤礦區(qū)不同等級(jí)侵蝕量強(qiáng)度比例/%微度輕度中度強(qiáng)烈極強(qiáng)烈劇烈北部6.9964.7324.892.980.410.00南部2.9946.6839.279.841.210.01東部9.0466.8622.081.966.510.00全部4.5940.7846.507.230.890.00

3.3.2典型煤礦區(qū)土壤侵蝕

六盤(pán)水市國(guó)有煤礦區(qū)土壤侵蝕狀況(圖2～3)顯示,六盤(pán)水市大型國(guó)有企業(yè)煤礦區(qū)共8個(gè),其中發(fā)耳煤礦和玉舍煤礦位于水城縣,其他6個(gè)煤礦均位于盤(pán)縣,由表6～7可知,大型國(guó)有煤礦區(qū)主要為輕度和中度侵蝕,侵蝕模數(shù)大于5 000 t·km-2·a-1侵蝕面積比例和侵蝕量強(qiáng)度比例均較小,無(wú)劇烈侵蝕。

表6國(guó)有煤礦區(qū)土壤侵蝕面積比例

Table 6Proportion of soil erosion in area in the state-owned coal mining areas

侵蝕等級(jí)侵蝕模數(shù)/(t·km-2·a-1)侵蝕面積比例/%發(fā)耳煤礦玉舍煤礦火鋪煤礦土城煤礦松河煤礦響水煤礦月亮田煤礦金佳煤礦微度<50012.7667.7812.4114.5218.6422.7417.7838.09輕度500～<250067.0930.1568.0958.9558.3162.2058.8447.19中度2500～<500018.241.7218.4922.3419.6914.0019.6912.44強(qiáng)烈5000～<80001.770.281.013.783.061.043.372.21極強(qiáng)烈8000～150000.140.080.010.420.300.020.320.07

表7國(guó)有煤礦區(qū)土壤侵蝕量強(qiáng)度比例

Table 7Percentages of soil erosions different in intensity in the state-owned mining areas

侵蝕等級(jí)侵蝕模數(shù)/(t·km-2·a-1)侵蝕量強(qiáng)度比例/%發(fā)耳煤礦玉舍煤礦火鋪煤礦土城煤礦松河煤礦響水煤礦月亮田煤礦金佳煤礦微度<5002.7320.732.411.912.534.603.216.68輕度500～<250052.9062.6857.2143.7346.2957.2444.5947.02中度2500～<500037.2511.6836.8040.4438.9333.7138.7935.01強(qiáng)烈5000～<80006.323.533.5511.9110.694.3111.7810.75極強(qiáng)烈8000～150000.811.390.032.011.560.141.630.53

在8個(gè)私營(yíng)煤礦區(qū)中,保興和攀枝花煤礦區(qū)位于水城縣,其他6個(gè)私營(yíng)煤礦均位于盤(pán)縣,由表8～9可知,私營(yíng)煤礦區(qū)侵蝕面積以輕度、中度為主,侵蝕量強(qiáng)度以輕度、中度和強(qiáng)烈為主,強(qiáng)烈侵蝕較明顯,有劇烈侵蝕出現(xiàn)。

綜上所述,私營(yíng)煤礦區(qū)土壤侵蝕程度要比國(guó)有企業(yè)煤礦區(qū)嚴(yán)重,主要表現(xiàn)為強(qiáng)烈、劇烈等級(jí)侵蝕面積占比增大,就強(qiáng)烈及其以上等級(jí)的平均土壤侵蝕量強(qiáng)度占整個(gè)研究區(qū)域侵蝕量總強(qiáng)度而言,私營(yíng)煤礦區(qū)達(dá)30%以上,國(guó)有煤礦區(qū)為9%,除個(gè)別自然因素以外,造成這種現(xiàn)象的原因是相對(duì)于私營(yíng)煤礦國(guó)有企業(yè)煤礦的開(kāi)采保護(hù)措施力度更大,開(kāi)采后復(fù)墾工作更加到位。

表8私營(yíng)煤礦區(qū)土壤侵蝕面積比例

Table 8Proportion of soil erosion in area in the private-owned mining areas

侵蝕等級(jí)侵蝕模數(shù)/(t·km-2·a-1)侵蝕面積比例/%祥興煤礦紅果煤礦攀枝花煤礦保興煤礦梓木嘎煤礦上紙廠煤礦森林煤礦昌興煤礦微度<50010.2229.434.968.253.6822.316.4110.22輕度500～<250045.1049.8961.7862.9249.0446.3544.9856.86中度2500～<500031.2513.1728.3923.6833.3718.3335.8925.64強(qiáng)烈5000～<800010.595.264.434.3010.709.2310.714.73極強(qiáng)烈8000～<150002.742.250.440.833.213.722.022.55劇烈≥150000.090.000.000.020.000.070.000.00

表9私營(yíng)煤礦區(qū)土壤侵蝕量強(qiáng)度比例

Table 9Percentages of soil erosions different in intensity in the private-owned coal mining areas

侵蝕等級(jí)侵蝕模數(shù)/(t·km-2·a-1)侵蝕量強(qiáng)度比例/%祥興煤礦紅果煤礦攀枝花煤礦保興煤礦梓木嘎煤礦上紙廠煤礦森林煤礦昌興煤礦微度<5000.943.760.781.360.452.110.711.45輕度500～<250024.0736.8942.0543.9726.2227.0322.9435.94中度2500～<500040.8426.5343.2438.3939.8329.1645.8237.73強(qiáng)烈5000～<800023.8320.2111.9612.4023.1125.2223.3013.43極強(qiáng)烈8000～<150009.7712.621.963.7510.3916.047.2311.46劇烈≥150000.550.000.000.130.000.440.000.00

4討論

由于RUSLE模型是經(jīng)驗(yàn)統(tǒng)計(jì)模型,難以保持很高的精度,因此在運(yùn)用該模型進(jìn)行土壤侵蝕估算時(shí)模型因子計(jì)算的本地化尤為重要[23]。由于條件限制,該研究在這方面做得還欠缺。此外,模型中的地表植被覆蓋因子和水土保持措施因子目前尚無(wú)統(tǒng)一的計(jì)算方法,在一定程度上影響了模型精度。

六盤(pán)水市土壤侵蝕主要發(fā)生在人類(lèi)負(fù)向干擾活動(dòng)強(qiáng)烈的林地、草地、旱地、煤礦區(qū)和裸地,草地和裸地是最易發(fā)生強(qiáng)烈以上侵蝕的土地利用類(lèi)型,目前已成為六盤(pán)水市可持續(xù)發(fā)展的制約因素。因此,應(yīng)該采取有效的保護(hù)和管理措施來(lái)防止生態(tài)環(huán)境惡化。建議加強(qiáng)對(duì)六盤(pán)水市草地和裸地的防護(hù)和治理工作,尤其要防止草地、裸地的石漠化演變。林地多處于坡度大的地區(qū),遇到暴雨沖刷時(shí),也會(huì)引起輕度和中度水土流失,要加強(qiáng)對(duì)高山區(qū)域的生態(tài)保護(hù)工作,護(hù)坡護(hù)林護(hù)草,有效保護(hù)好高山地區(qū)草地和林地。旱地和煤礦區(qū)屬于人類(lèi)影響作用強(qiáng)烈的地區(qū),農(nóng)牧區(qū)和工礦活動(dòng)區(qū)人類(lèi)不合理的生產(chǎn)方式是導(dǎo)致土壤侵蝕發(fā)生的主要原因,因此要重視農(nóng)牧區(qū)和工礦區(qū)的水土保持工作,如采取等高耕作、平衡施肥和邊開(kāi)采邊治理等措施。

針對(duì)煤礦區(qū)土壤侵蝕問(wèn)題要重點(diǎn)加強(qiáng)對(duì)礦區(qū)土地復(fù)墾與生態(tài)重建研究,包括:土地復(fù)墾與生態(tài)重建的基礎(chǔ)理論問(wèn)題;礦區(qū)土地復(fù)墾與生態(tài)重建實(shí)用技術(shù);煤礦區(qū)域土地與生態(tài)環(huán)境管理的綜合研究;新技術(shù)的應(yīng)用研究[24]。

所選用的衛(wèi)星影像分辨率為30 m×30 m,而研究區(qū)域面積較小,在處理精度上不夠精確,又因受數(shù)據(jù)的限制,主要采用小比例尺的土壤質(zhì)地?cái)?shù)據(jù),因此后續(xù)研究中要提高數(shù)據(jù)源的精確性,且可選擇多時(shí)相數(shù)據(jù)來(lái)反映研究區(qū)域土壤侵蝕情況的時(shí)空演變特征。

5結(jié)論

六盤(pán)水市土壤侵蝕以微度、輕度侵蝕為主,侵蝕嚴(yán)重的地區(qū)位于水城縣東部和南部,六枝特區(qū)東部以及盤(pán)縣中部。六盤(pán)水市土壤侵蝕主要發(fā)生在林地、草地、旱地、煤礦區(qū)和裸地,其中草地和裸地是最易發(fā)生強(qiáng)烈以上侵蝕的土地利用類(lèi)型。六盤(pán)水市煤礦區(qū)土壤侵蝕以微度、輕度和中度為主,中度侵蝕造成的水土流失量最多,南部煤礦區(qū)土壤侵蝕比北部和東部嚴(yán)重,要重點(diǎn)加強(qiáng)南部煤礦區(qū)的礦區(qū)修復(fù)工作。煤礦開(kāi)采時(shí)要做到邊開(kāi)采邊治理,開(kāi)采后要進(jìn)行環(huán)境評(píng)估來(lái)科學(xué)地進(jìn)行土地復(fù)墾工作。六盤(pán)水市私營(yíng)煤礦區(qū)土壤侵蝕程度比國(guó)有煤礦區(qū)嚴(yán)重,要通過(guò)政策約束和政策激勵(lì),使私營(yíng)煤礦區(qū)在開(kāi)采和治理過(guò)程中注重水土保持。

參考文獻(xiàn)：

[1]OLDEMAN L R.The Global Extent of Soil Degradation[R].Netherlands:[s. n.],1991.

[2]鄂竟平.中國(guó)水土流失與生態(tài)安全綜合科學(xué)考察總結(jié)報(bào)告[J].中國(guó)水土保持,2008(12):3-7.

[3]蘭敏.基于GIS的秦巴山區(qū)土壤侵蝕空間特征分析：以陜西省寧強(qiáng)縣為例[J].干旱地區(qū)農(nóng)業(yè)研究,2012,30(2):196-200.

[4]朱麗,秦富倉(cāng).露天煤礦開(kāi)采項(xiàng)目水土流失量預(yù)測(cè)：以?xún)?nèi)蒙古錫林郭勒盟勝利礦區(qū)一號(hào)露天煤礦為例[J].水土保持通報(bào),2008,28(4):111-115.

[5]劉寶元,謝云,張科利,等.土壤侵蝕預(yù)報(bào)模型[M].北京:中國(guó)科學(xué)技術(shù)出版社,2001:217-223.

[6]肖洋,歐陽(yáng)志云,徐衛(wèi)華,等.基于GIS重慶土壤侵蝕及土壤保持分析[J].生態(tài)學(xué)報(bào),2015,35(21):7130-7138.

[7]田鵬,趙廣舉,穆興民,等.基于改進(jìn)RUSLE模型的皇甫川流域土壤侵蝕產(chǎn)沙模擬研究[J].資源科學(xué),2015,37(4):832-840.

[8]龍?zhí)煊?喬敦,安強(qiáng),等.基于GIS和RULSE的三峽庫(kù)區(qū)土壤侵蝕量估算分析[J].灌溉排水學(xué)報(bào),2012,31(2):33-37.

[9]王堯,蔡運(yùn)龍,潘懋.貴州省烏江流域土壤侵蝕模擬：基于GIS、RUSLE和ANN技術(shù)的研究[J].中國(guó)地質(zhì),2014,41(5):1735-1747.

[10]RENARD K G,FOSTER G R,WEESIES G A,etal.Predicting Soil Erosion by Water:A Guide to Conservation Planning With the Revised Universal Soil Loss Equation (RUSLE)[K]∥USDA Agricultural Handbook.[s. l.]:[s. n.],1997.

[11]WISCHMEIER W H,SMITH D D.Predicting Rainfal Erotion Loss Cropland East of the Rocky Mountains[K]∥USDA Agricultural Handbook.[s. l.]:[s. n.],1965.

[12]WILLIAMS J R.The Erosion-Productivity Impact Calculator(EPIC) Model:A Case History[J].Royal Society of London Philosophical Transactions,1990,329(1255):421-428.

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

[14]鄧輝.基于遙感和GIS的瀘定縣生態(tài)地質(zhì)環(huán)境質(zhì)量評(píng)價(jià)[D].成都：成都理工大學(xué),2011.

[15]楊潔,郭曉敏,宋月君,等.江西紅壤坡地柑橘園生態(tài)水文特征及水土保持效益[J].應(yīng)用生態(tài)學(xué)報(bào),2012,23(2):468-474.

[16]GUTMAN G,IGNATOV A.The Derivation of the Green Vegetation Fraction From NOAA/AVHRR Data for Use in Numerical Weather Prediction Models[J].International Journal of Remote Sensing,1998,19(8):1533-1543.

[17]鄧輝,何政偉,陳曄,等.基于GIS和RUSLE模型的山地環(huán)境水土流失空間特征定量分析:以四川瀘定縣為例[J].地球與環(huán)境,2013,41(6):669-679.

[18]陸建忠,陳曉玲,李輝,等.基于GIS/RS和USLE鄱陽(yáng)湖流域土壤侵蝕變化[J].農(nóng)業(yè)工程學(xué)報(bào),2011,27(2):337-344.

[19]高峰,華璀,盧遠(yuǎn),等.基于GIS和USLE的欽江流域土壤侵蝕評(píng)估[J].水土保持研究,2014,21(1):18-22,28.

[20]李奎,岳大鵬,劉鵬,等.基于GIS與RUSLE的榆林市土壤侵蝕空間分布研究[J].水土保持通報(bào),2014,34(6):172-178.

[21]SL 190—2007,土壤侵蝕分類(lèi)分級(jí)標(biāo)準(zhǔn)[S].

[22]倪晉仁,李英奎.基于土地利用結(jié)構(gòu)變化的水土流失動(dòng)態(tài)評(píng)估[J].地理學(xué)報(bào),2001,56(5):611-621.

[23]陳貴廷.基于“3S”技術(shù)的呼倫貝爾土壤侵蝕研究[D].蘭州：甘肅農(nóng)業(yè)大學(xué),2009.

[24]卞正富.我國(guó)煤礦區(qū)土地復(fù)墾與生態(tài)重建研究[J].資源·產(chǎn)業(yè),2005,7(2):18-24.

(責(zé)任編輯： 李祥敏)

Evaluation of Soil Erosion of Liupanshui City Based on Revised Universal Soil Loss Equation(RUSLE).

YIN Lu， YAN Qing-wu， BIAN Zheng-fu

(School of Environment Science and Spatial Informatics, China University of Mining and Technology, Xuzhou 221116, China)

Abstract:Mining mineral resources will easily lead to destruction of land resources and deterioration of eco-environment in mining areas. In order to explore effect of coal mining on soil erosion and evaluate the situation of soil erosion in Liupanshui, a major coal mining based city in Southwest Guizhou Province, based on related soil texture, terrain, meteorology, land cover and land use data, status quo and spatial distribution of soil erosion in the city was studied and characterized, with emphasis on distribution of soil erosion in the mining area using the RUSLE model and GIS spatial analysis method. Results show that the soil erosion in Liupanshui is mostly mild and moderate, with severe erosion distributed only in the east and south of Shuicheng County, the east of Liuzhi Special Zone and the central of Panxian County; that soil erosion mainly occurs in woodlands, meadows, dry lands, mining area and bare land where human disturbance is intense; that the mining area in the south of Liupanshui is quite severe in soil erosion as compared with others, but yet dominated with moderate erosion, mainly because mining activities triggers geological disasters which in turn lower the effect of soil erosion controlling factors; and that the situation of private-owned coal minings is much worse than that of state-owned ones. It is, therefore, important for private-owned coal minings to intensify protection and management of the land resources in the process of coal mining.

Key words:GIS;soil erosion;RULSE;coal mining area

收稿日期：2015-11-08

基金項(xiàng)目：國(guó)家科技基礎(chǔ)性工作專(zhuān)項(xiàng)(2014FY110800);江蘇高校優(yōu)勢(shì)學(xué)科建設(shè)工程基金(PAPD)

中圖分類(lèi)號(hào)：S157；X87

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1673-4831(2016)03-0389-08

DOI：10.11934/j.issn.1673-4831.2016.03.009

作者簡(jiǎn)介：尹璐(1990—),女,山東濟(jì)寧人,碩士生,主要研究方向?yàn)榈V區(qū)土地退化空間分析。E-mail: yinlu112233@163.com.

① 通信作者E-mail: 765427936@qq.com