RWEQ模型中土壤結(jié)皮和可蝕性因子的改進和應(yīng)用

鞏國麗, 黃 麟

(1.山西能源學(xué)院, 山西 太原 030006; 2.中國科學(xué)院 地理科學(xué)與資源研究所， 北京 100101)

土壤結(jié)皮一般分為生物性結(jié)皮與物理性結(jié)皮，生物性結(jié)皮為由細菌、苔蘚、藻類等低等生物與土壤相互作用在其表面形成的微層[1-2]，在降低土壤侵蝕方面作用顯著，且抗旱性強，在我國北方干旱半干旱區(qū)分布廣泛[3]。物理性結(jié)皮為在一定的降水滴濺等條件下，地表土壤細小顆粒形成微層[4]，物理性結(jié)皮能減小土壤風(fēng)蝕，但是該結(jié)皮易碎，在一定程度上也易于增加土壤風(fēng)蝕量[5]。土壤可蝕性為土壤對風(fēng)蝕破壞作用的敏感性。

RWEQ(revised wind erosion equstion model)模型的形成前提為牛頓第一定律，即風(fēng)力大于阻力(來自于植被、地表等的阻力)的前提下，土壤顆粒在風(fēng)力作用下發(fā)生位移?；诖饲疤?，F(xiàn)ryrear等[6]在美國進行了大量試驗，得出了除氣候條件，植被狀況和地表土壤粗糙度外，充分考慮土壤可蝕性和土壤結(jié)皮的定量估算區(qū)域土壤風(fēng)蝕量的經(jīng)驗?zāi)Ｐ汀猂WEQ模型，但RWEQ模型中的土壤結(jié)皮和土壤可蝕性因子計算都需要用到土壤質(zhì)地資料。然而，目前對土壤分級的標(biāo)準(zhǔn)不盡一致，RWEQ模型的開發(fā)者使用的土壤質(zhì)地資料為美國制，而中國土壤普查資料中土壤質(zhì)地的分類系統(tǒng)為國際制。不同分類系統(tǒng)的土壤質(zhì)地資料不能籠統(tǒng)代入結(jié)皮和可蝕性因子公式中進行計算。因此，探討不同土壤粒徑分級標(biāo)準(zhǔn)間土壤質(zhì)地資料的轉(zhuǎn)換問題具有重要意義。首先需要進行土壤質(zhì)地轉(zhuǎn)換[7-12]。在對粒度轉(zhuǎn)換方法的討論上，郭中領(lǐng)[13]對土壤分形模型、對數(shù)正態(tài)分布模型、Weibull分布模型、邏輯生長模型等粒度轉(zhuǎn)換方法進行了比較，結(jié)果表明對數(shù)正態(tài)模型與分形模型的預(yù)測精度最高，且對于預(yù)測小于0.02 mm的土壤累積百分比而言，分形模型擬合精度最高，但是分形模型的應(yīng)用需要不少于5個的土壤顆粒百分比數(shù)據(jù)，而一般所能獲取的土壤質(zhì)地資料有限，通常僅有砂礫、粉砂和黏土的含量等。在此情況下，本文嘗試?yán)脤?shù)正態(tài)分布模型，探討其轉(zhuǎn)換土壤質(zhì)地資料的可行性。

1 數(shù)據(jù)與方法

(1) 修正土壤風(fēng)蝕方程(RWEQ)。

Qmax=109.8(WF·EF·SCF·K′·COG)

s=150.71(WF·EF·SCF·K′·COG)-0.371 1

式中：Qmax——最大沙通量;Qx——地塊長度x處的沙通量;s——關(guān)鍵地塊長度，土壤風(fēng)蝕量是在氣候因子WF，土壤可蝕性EF和結(jié)皮因子SCF，土壤粗糙度K′以及植被因子COG基礎(chǔ)上估算而得[6]。

氣候因子WF是在充分考慮風(fēng)、土壤濕度、降雪等條件的基礎(chǔ)上利用下載(http:∥cdc.cma.gov.cn)的國家臺站的日均風(fēng)速、降水、溫度、日照時數(shù)、緯度等以及下載(http:∥westdc.westgis.ac.cn)的中國雪深長時間序列數(shù)據(jù)集來計算完成[14-15]；不同土地覆被類型的土壤糙度因子K′計算方式不同。草地、沙地等的土壤糙度因子采用滾軸式鏈條法來測定[16]。農(nóng)田的土壤糙度按照不同作物類型與耕作方式根據(jù)RWEQ中的建議參數(shù)來確定[6]；植被因子COG則用像元二分法求取的植被覆蓋度進一步獲得[17]，數(shù)據(jù)來源于從MODIS官網(wǎng)下載的NDVI。

Fryear等[18]建立以下方程來描述土壤可蝕性因子EF的值：

EF= (29.09+0.31Sa+0.17Si+0.33Sa/Cl-

2.59OM-0.95CaCO3)/100

式中：Sa——土壤砂粒含量；Si——土壤粉砂含量；Sa/Cl——土壤砂粒和黏土含量比； OM——有機質(zhì)含量； CaCO3——碳酸鈣含量。

Hagen等[19]利用下列方程來計算土壤結(jié)皮因子SCF的值。

式中：Cl——黏土含量; OM——有機質(zhì)含量。

表1 RWEQ標(biāo)準(zhǔn)數(shù)據(jù)庫中物質(zhì)含量范圍 %

利用土壤剖面數(shù)據(jù)和土壤圖等進而獲取包括土壤顆粒和有機質(zhì)含量數(shù)據(jù)(空間分辨率為1 km)的中國土壤特征數(shù)據(jù)集(http:∥westdc.westgis.ac.cn)[20]，利用全國1∶400萬土壤碳酸鈣含量分布圖(1980s)(http:∥www.geodata.cn)取得土壤碳酸鈣含量。此外，模型對于土壤物質(zhì)含量超出表1范圍的使用模型推薦輸入?yún)?shù)[6](表2)。

(2) 對數(shù)正態(tài)分布。假定土壤的累積粒徑分布近似服從對數(shù)正態(tài)分布，對應(yīng)于某一直徑D的待估計累積質(zhì)量百分含量C與其相鄰的2個實測百分含量之間存在對數(shù)線性關(guān)系[21]，即:

式中：C——對應(yīng)于顆粒直徑D的待估計的累積百分含量；C1,C2——對應(yīng)于2個相鄰直徑為D1和D2(D1

表2 RWEQ模型內(nèi)嵌適用的土壤資料 %

(3) 土樣測定及模型驗證方法。隨機采集土壤樣品，對樣品進行預(yù)處理，去除植被殘余等雜質(zhì)，平鋪混合風(fēng)干后取0.5 g過2 mm篩，用激光粒度分析儀測定土壤粒度分布情況，儀器的重復(fù)測量誤差<2%，測量范圍為0.002～2 mm。

利用實測結(jié)果獲取0.2，0.05和0.02 mm土壤粒徑的累積百分含量。將0.2和0.02 mm土壤粒徑累積百分含量數(shù)據(jù)代入對數(shù)正態(tài)分布模型中計算得出0.05 mm土壤粒徑累積百分含量模擬值。

利用誤差分析來驗證模擬結(jié)果是否適用于中國北方地區(qū)，設(shè)用實測數(shù)據(jù)求得的結(jié)果為fs，利用模型求得的結(jié)果為fm，則兩者的相對誤差RE由下列公式求出：

2 結(jié)果分析

2.1 模型驗證

利用2012年在中國內(nèi)蒙古自治區(qū)、吉林省、陜西省等地采集的75個土樣實際測得的土壤理化性狀與利用對數(shù)正態(tài)分布模型模擬結(jié)果進行對比分析。對對數(shù)正態(tài)分布模型的模擬結(jié)果(<0.05 mm累積分布百分比)與實測結(jié)果比較得出在0.05 mm土壤顆粒累積百分比大于65%的情況下，模型模擬結(jié)果與實測值相較有所低估，在0.05 mm土壤顆粒累積百分比小于60%時，模型模擬結(jié)果與實測值相較有所高估，但總體來看模型模擬結(jié)果與實測值的相對誤差小于10%，相對誤差最小值達到0.29%，相對誤差中位數(shù)為0.53%。

2.2 土壤結(jié)皮和可蝕性因子的時空分布規(guī)律

研究區(qū)土壤結(jié)皮和可蝕性因子的計算結(jié)果如圖1—2所示。

圖1 研究區(qū)土壤結(jié)皮因子分布

中國北方各大沙漠區(qū)風(fēng)沙土的土壤結(jié)皮和可蝕性因子值均最高，其中土壤結(jié)皮因子達到0.7以上；內(nèi)蒙錫林郭勒盟以西的棕鈣土、淡棕鈣土，新疆自治區(qū)北部的鹽土、棕漠土、棕鈣土，西藏南部的寒凍土，青海省柴達木盆地西北鹽殼等地的結(jié)皮因子達到了0.6以上；甘肅省中東部的灰棕漠土，內(nèi)蒙西部的灰棕漠土、灰漠土、棕漠土以及青藏高原西北部的寒鈣土、淡寒鈣土等地的結(jié)皮因子值均在0.5以上；青藏高原大部分的寒鈣土，黃土高原地區(qū)的黃綿土，三江源地區(qū)的草氈土、大興安嶺地區(qū)的棕色針葉林土等的植被結(jié)皮因子達到了0.4以上，其余地區(qū)的土壤結(jié)皮因子值較低。

可蝕性因子的最高值仍然分布于各大沙漠的風(fēng)沙土區(qū)，其次為內(nèi)蒙錫林郭勒盟的棕鈣土區(qū)，青藏高原區(qū)的大部分寒鈣土區(qū)，新疆的棕漠土區(qū)；再次為內(nèi)蒙錫林郭勒盟的栗鈣土區(qū)，三江源的寒鈣土區(qū)；東北的棕色針葉林土，內(nèi)蒙古中部地區(qū)的粗骨土、石質(zhì)土等的土壤可蝕性因子值較低。

圖2 研究區(qū)土壤可蝕性因子分布

2.3 土壤結(jié)皮和可蝕性因子的相關(guān)關(guān)系

地表25 mm范圍內(nèi)粒徑小于0.84 mm的土壤顆粒為可蝕性顆粒[22]。當(dāng)土壤表面受到降水影響時，土壤粒徑會重新分布并在表面形成結(jié)皮，這一表層結(jié)皮會極其堅固或者脆弱，有可能增加土壤風(fēng)蝕量，也有可能減少土壤風(fēng)蝕量[5]。降水量、降水強度、降水頻次影響著結(jié)皮的形成蓋度及強度，日照時間及強度等可使得結(jié)皮由于干燥脫水、光降解等原因而破碎[23-24]。此外，牲畜踩踏、耕作等機械破壞、侵蝕過程的磨損等也都可以造成結(jié)皮破碎，進而影響土壤可蝕性。為更好確定降水所形成的結(jié)皮對土壤風(fēng)蝕可蝕性影響的定量關(guān)系，未來需確定不同日照等氣候條件下的不同降水量對不同類型土壤的風(fēng)蝕可蝕性的影響，進一步確定引起地表結(jié)皮而將土壤風(fēng)蝕可蝕性降到最小時的降雨量。

3 結(jié) 論

(1) 模擬結(jié)果與實測結(jié)果比較得出在0.05 mm土壤顆粒累積百分比大于65%的情況下，模型模擬結(jié)果與實測值相較有所低估，在0.05 mm土壤顆粒累積百分比小于60%時，模型模擬結(jié)果與實測值相較有所高估，但總體來看模型模擬結(jié)果與實測值的相對誤差小于10%，對土壤質(zhì)地資料進行轉(zhuǎn)換的對數(shù)正態(tài)分布模型能夠較好地模擬土壤顆粒含量。

(2) 模擬得出的土壤結(jié)皮因子顯示高值分布于中國北方風(fēng)沙土區(qū)，其次為內(nèi)蒙錫林郭勒盟以西的棕鈣土，新疆北部的棕漠土、鹽土，西藏南部的寒鈣土，青海柴達木盆地西北鹽殼等地；再次為青藏高原寒鈣土等地；黃土高原地區(qū)的黃綿土，三江源地區(qū)的草氈土、大興安嶺地區(qū)的棕色針葉林土相對較低。

(3) 模擬得出的土壤可蝕性因子最高值分布與結(jié)皮因子類似，為各大沙漠的土壤風(fēng)沙土區(qū)，其次為內(nèi)蒙錫林郭勒盟的棕鈣土區(qū)，青藏高原區(qū)的大部分寒鈣土和新疆的棕漠土區(qū)；再次為內(nèi)蒙錫林郭勒盟的栗鈣土區(qū)，三江源的寒鈣土區(qū)；東北的棕色針葉林土，內(nèi)蒙古中部地區(qū)的粗骨土、石質(zhì)土等的土壤可蝕性因子值較低。

(4) 結(jié)皮可降低或增加土壤可蝕性，未來的關(guān)鍵應(yīng)確定不同氣候條件下，引起地表結(jié)皮而將土壤風(fēng)蝕可蝕性降到最小時的降雨量。

(5) 除土壤結(jié)皮、土壤可蝕性因子之外，氣候因子、植被因子、土壤粗糙度因子等都需要進一步參數(shù)改進。如風(fēng)速需要降尺度滿足RWEQ模型中氣候因子計算所需，何種降尺度方法較為適用是值得進一步研究的問題；此外，RWEQ模型中的起沙風(fēng)速設(shè)定為5 m/s，不同土壤類型的起沙風(fēng)速也不同，如塔克拉瑪干沙漠區(qū)的起沙風(fēng)速較低[25]，對于不同土壤及覆被類型區(qū)域的臨界起沙風(fēng)速需要進一步研究；在植被覆蓋度因子的計算中，應(yīng)考慮枯萎植被對風(fēng)蝕的削弱作用；在地表土壤粗糙度因子的計算中，應(yīng)考慮降水對地表土壤粗糙度的影響[26]。

[參考文獻]

[1] Belnap J. The world at your feet:desert biological soil crusts[J].Frontiers in Ecology and the Environment, 2003,1(4):181-189.

[2] 趙哈林,郭秩瑞,周瑞蓮,等.植被覆蓋對科爾沁沙地土壤生物結(jié)皮及其下層土壤理化特性的影響[J].應(yīng)用生態(tài)學(xué)報,2009,20(7):1657-1663.

[3] Belnap J, Lange O L. Biological Soil Crusts: Structure, Function, and Management[M]. New York: Springer-verlag, 2001.

[4] 段爭虎,劉新民,屈建軍.沙坡頭地區(qū)土壤結(jié)皮形成機理的研究[J].干旱區(qū)研究,1996,13(2):31-36.

[5] Zobeck T M. Abrasion of crusted soils: Influence of abrader flux and soil properties[J]. Soil Science Society of America Journal, 1991,55(4):1091-1097.

[6] Fryrear D W, Saleh A, Bilbro J D, et al. Revised Wind Erosion Equation(RWEQ)[M]. Wind Erosion and Water Conservation Research Unit, Technical Bulletin1, Southern Plains Area Cropping Systems Research Laboratory, USDA-ARS, 1998.

[7] Buchan G D, Grewal K S, Robson A B. Improved models of partical-size distribution: An illustration of model comparison techniques[J]. Soil Science Society of America Journal, 1993,57 (4):901-908.

[8] Crawford J W, Sleeman B D, Young I M. On the relation between number-size distributions and the fractal dimension of aggregates[J].Jounal Soil Science, 1993,44 (4):555-565.

[9] 郭中領(lǐng),張科利,董建志,等.利用分形理論解決不同土粒分級標(biāo)準(zhǔn)間土壤質(zhì)地資料的轉(zhuǎn)換問題[J].地理科學(xué),2011,31(10):1254-1260.

[10] Press W H, Teukolsky S A, Vetterling W T, et al. Numerical Recipes in Fortran[M]. Cambridge: Cambridge University Press, 1992.

[11] Skaggs T H, Arya L M, Shouse P J, et al. Estimating particles-size distribution from limited soil texture data[J]. Soil Science Society of Journal, 2001,65(4):1038-1044.

[12] Zobeck T M, Gill T E, Popham T W. A two-parameter Weibull function to describe airborne dust particle size distribution[J]. Earth Surface and Landforms, 1999,24(10):943-955.

[13] 郭中領(lǐng).RWEQ模型參數(shù)修訂及其在中國北方應(yīng)用研究[D].北京:北京師范大學(xué)，2012:59-63.

[14] 車濤,戴禮云.中國雪深長時間序列數(shù)據(jù)集[DB/OL].寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心.2011. doi:10.3972/westdc.001.2014. db.

[15] Dai Liyun, Che Tao, Wang Jian, et al. Snow depth and snow water equivalent estimation from AMSR-E data based on a priori snow characteristics in Xinjiang, China[J]. Remote Sensing of Environment, 2012,127(12):14-29.

[16] Ali S. Soil roughness measurement: Chain method[J]. Journal of Soil and Water Conservation, 1993,48(6):527-529.

[17] 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.

[18] Fryrear D W, Krammes C A, Williamson D L, et al. Computing the wind erodible fraction of soils[J]. Journal Soil Water Conservation, 1994,49(2):183-188.

[19] Hagen L J, Skidmore E L, Saleh A. Wind erosion:Prediction of aggregate abrasion coefficients[J]. Transactions of the ASAE, 1992,35(6):1847-1850.

[20] Shangguan Wei, Dai Yongjiu, Liu Baoyuan, et al. A soil particle-size distribution dataset for regional land and climate modelling in China[J]. Geoderma, 2012,171-172:85-91.

[21] Zobeck T M, Popham T W, Skidmore E L, et al. Aggregate-mean diameter and wind-erodible soil predictions using dry aggregate-size distributions[J]. Soil Science Society of America Journal, 2003,67(2):425-436.

[22] Chepil W S. A compact rotary sieve and the importance of dry sieving in physical soil analysis[J]. Soil Science Society of America Journal, 1962,26(1):4-6.

[23] Belnap J, Eldridge D. Disturbance and Recovery of Biological Soil Crusts[M]∥Biological Soil Crusts: Structure, Function, and Management. Berlin Heidelberg: Springer, 2003:363-383.

[24] Jimenez A, Huber-Sannwald E, Belnap J, et al. Biological soil crusts exhibit a dynamic response to seasonal rain and release from grazing with implications for soil stability[J]. Journal of Arid Environments, 2009,73(12):1158-1169.

[25] Kurosaki Y, Mikami M. Threshold wind speed for dust emission in east Asia and its seasonal variations[J]. Journal of geophysical research, 2007,112, D17202, doi:10.1029/2006 JD007988.

[26] Zobeck T M, Popham T W. Modification of the wind erosion roughness index by rainfall[J]. Soil Tillage Research, 1997,42(1/2):47-60.