黃土丘陵區(qū)土壤侵蝕因子敏感性分析

郝姍姍， 李夢(mèng)華， 馬永強(qiáng)， 石 云,2?

(1.寧夏大學(xué)資源環(huán)境學(xué)院，750021，銀川； 2.寧夏(中阿)旱區(qū)資源評(píng)價(jià)與環(huán)境調(diào)控重點(diǎn)實(shí)驗(yàn)室，750021，銀川)

黃土高原是我國土壤侵蝕最為嚴(yán)重的地區(qū)，黃土丘陵區(qū)位于黃土高原北部，地貌復(fù)雜多樣，溝壑縱橫，水土流失嚴(yán)重[1-4]，土壤侵蝕以水力侵蝕為主。土壤侵蝕作為一個(gè)非線性系統(tǒng)，受土質(zhì)、植被、地形等多種不確定因素的影響，侵蝕結(jié)果非常復(fù)雜[5]，通過確定土壤侵蝕量與其影響因子之間的關(guān)系，建立模型來定量研究土壤侵蝕，對(duì)制訂合理的防治計(jì)劃至關(guān)重要。20世紀(jì)初期，美國學(xué)者致力于土壤侵蝕模型的研究，構(gòu)建了通用土壤流失方程(USLE)與修正的通用土壤流失方程(RUSLE)[6-8]等經(jīng)驗(yàn)?zāi)Ｐ?，其中，RUSLE模型被廣泛應(yīng)用于黃土高原的土壤侵蝕定量研究。目前，RUSLE模型是全世界應(yīng)用最廣的土壤侵蝕預(yù)報(bào)模型，通過模型估算土壤侵蝕量，其影響因子是確定的，而各因子對(duì)土壤侵蝕的影響程度，即各因子的顯著性卻很模糊；因此，預(yù)測(cè)土壤侵蝕因子的顯著性研究則尤為重要。

預(yù)測(cè)各因素對(duì)土壤侵蝕的顯著性作為預(yù)測(cè)土壤侵蝕量的基礎(chǔ)，通用的方法是回歸分析方法，土壤侵蝕過程是多種不確定因素相互作用的結(jié)果，其精度受因子之間的相關(guān)性及模型多重共線性的影響[9]。隨著計(jì)算機(jī)網(wǎng)絡(luò)的發(fā)展，神經(jīng)網(wǎng)絡(luò)作為一門迅速興起的非線性科學(xué)[10]，以模擬精度相對(duì)較高，被推廣應(yīng)用于模擬及預(yù)測(cè)研究，較常見的有BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)等。BP神經(jīng)網(wǎng)絡(luò)(BPNN)具有較高的自學(xué)習(xí)和自適應(yīng)能力，適用于求解內(nèi)部機(jī)制較為復(fù)雜等問題，因而被逐漸應(yīng)用于土壤侵蝕的預(yù)測(cè)研究。例如：王堯等[11]以RUSLE模型為基礎(chǔ)，估算烏江流域20世紀(jì)80和90年代的年均土壤侵蝕量，結(jié)合BPNN，預(yù)測(cè)2001—2010年的土壤侵蝕量；郭成久等[12]應(yīng)用BPNN，選擇流域的徑流量、降雨量等4個(gè)影響因素，較高精度的預(yù)測(cè)土壤侵蝕量；趙明偉等[13]應(yīng)用BPNN，研究蠶食度、溝谷密度等6個(gè)影響因素與產(chǎn)沙模數(shù)的關(guān)系，有效的預(yù)測(cè)各因素對(duì)產(chǎn)沙模數(shù)的顯著性。上述研究主要是應(yīng)用BPNN預(yù)測(cè)土壤侵蝕量，而以RUSLE模型的算法求得降雨侵蝕力、坡度坡長等土壤侵蝕影響因子，構(gòu)建BPNN更加科學(xué)地預(yù)測(cè)土壤侵蝕影響因子的顯著性研究在黃土丘陵區(qū)較少。

筆者針對(duì)黃土丘陵區(qū)土壤侵蝕因子影響程度不確定的情況，研究選取彭陽縣位于不同生態(tài)分區(qū)[14]的高建堡、虎溝等11個(gè)小流域作為試驗(yàn)區(qū)，基于3S技術(shù)處理遙感影像、DEM等基礎(chǔ)數(shù)據(jù)，獲取土地利用、坡度坡長等信息，基于ArcGIS平臺(tái)應(yīng)用RUSLE模型的算法求得1995、2005、2015年小流域影響土壤侵蝕的降雨侵蝕力、坡度坡長等5個(gè)因子和土壤侵蝕模數(shù)，構(gòu)建BPNN預(yù)測(cè)土壤侵蝕影響因子的顯著性，為區(qū)域水土流失治理提供科學(xué)依據(jù)。

1 研究區(qū)概況

彭陽縣位于寧夏回族自治區(qū)東南部，六盤山東麓，地處黃土丘陵溝壑區(qū)第2副區(qū)，境內(nèi)山多川少，溝壑縱橫，土地貧瘠，植被稀疏，屬全國重點(diǎn)水土流失區(qū)。自立縣以來，堅(jiān)持“生態(tài)立縣”，以小流域作為基本單元，因地制宜開展小流域綜合治理。研究基于小流域尺度，結(jié)合彭陽縣的生態(tài)分區(qū)，在丘陵溝壑水土流失治理區(qū)選取小岔、高岔、草灘3個(gè)小流域，在臺(tái)地旱作農(nóng)業(yè)保護(hù)區(qū)選取炭洼、山莊、高建堡小流域3個(gè)小流域，在河谷殘塬農(nóng)業(yè)耕作區(qū)選取甘溝、陡坡、小灣、虎溝4個(gè)小流域，在森林水源涵養(yǎng)區(qū)，選取小岔溝小流域，共選取11個(gè)小流域作為試驗(yàn)區(qū)進(jìn)行研究，如圖1和表1所示。

2 材料與方法

2.1 數(shù)據(jù)來源

1)影像：1995年8月23日、2005年10月7日、2015年9月2日的Landsat-5和Landsat-8 TM影像，分辨率為30 m，均經(jīng)過輻射校正、大氣校正和幾何校正；

圖1 試驗(yàn)區(qū)分布圖Fig.1 Distribution map of experimental area

表1 試驗(yàn)區(qū)資料Tab.1 Information of experimental area

2)DEM：1∶1萬地形圖生成各小流域的DEM，分辨率為5 m；

3)土地利用：1995和2005年土地利用數(shù)據(jù)來源于土地利用現(xiàn)狀數(shù)據(jù)庫，2015年土地利用數(shù)據(jù)由GF-2號(hào)遙感影像解譯獲得；

4)其他：彭陽縣1∶5萬的土壤類型圖，來源于寧夏第2次全國土壤普查數(shù)據(jù)，根據(jù)研究區(qū)土壤類型及2017和2018年野外采集的103個(gè)土壤樣品，獲取土壤顆粒組成及理化性質(zhì)，計(jì)算得到土壤可蝕性因子的空間分布圖；1995、2005、2015年的日降雨數(shù)據(jù)來源于彭陽縣境內(nèi)的10個(gè)水文站，應(yīng)用克里金插值計(jì)算得到各個(gè)小流域降雨侵蝕力因子的空間分布圖。

2.2 RUSLE模型

表達(dá)式為

A=RSLKCP。

(1)

式中：A為年土壤侵蝕模數(shù)，t/(hm2·a)；R為降雨侵蝕力因子(MJ·mm)/(hm2·h·a)；SL為坡度坡長因子(量綱為1)；K為土壤可蝕性因子，(t·hm2·h)/(hm2·MJ·mm)；C為植被覆蓋與管理因子(量綱為1)；P為水土保持措施因子(量綱為1)。

2.3 BP神經(jīng)網(wǎng)絡(luò)模型(BPNN)

BPNN是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)[15]，由輸入層、隱含層與輸出層組成。筆者將土壤侵蝕影響因子和侵蝕模數(shù)作為分析對(duì)象(表2)構(gòu)建BPNN，確定各影響因子對(duì)土壤侵蝕的顯著性。

表2 BPNN分析對(duì)象Tab.2 Analysis of BP neural network model

3 結(jié)果與分析

3.1 BPNN預(yù)測(cè)結(jié)果

研究建立3層BPNN，輸入層與輸出層節(jié)點(diǎn)數(shù)分別為5和1，最后將隱含層節(jié)點(diǎn)數(shù)設(shè)定為5。將樣本(表3)分為3組，分別為小流域1995、2005和2015年的數(shù)據(jù)，每組樣本分為訓(xùn)練樣本(10個(gè))和檢驗(yàn)樣本(1個(gè))。在河谷殘?jiān)r(nóng)業(yè)耕作區(qū)選取的小流域最多，考慮到均勻分布的特點(diǎn)，在該分區(qū)預(yù)留小灣小流域作為每組的檢驗(yàn)樣本。根據(jù)確定好的網(wǎng)絡(luò)結(jié)構(gòu)，將樣本數(shù)據(jù)導(dǎo)入MATLAB，建立網(wǎng)絡(luò)模型，求得輸入層與隱含層、隱含層與輸出層之間的權(quán)重矩陣w1和w2，得到各影響因子對(duì)土壤侵蝕的顯著性，再通過訓(xùn)練好的網(wǎng)絡(luò)模型，預(yù)測(cè)檢驗(yàn)樣本的土壤侵蝕模數(shù)，驗(yàn)證模型的有效性。

研究采用MATLAB軟件構(gòu)建BPNN，計(jì)算得1995、2005和2015年的權(quán)重矩陣分別為：

表3 試驗(yàn)區(qū)土壤侵蝕影響因子統(tǒng)計(jì)Tab.3 Soil erosion impact factor statistics in experimental area

w1與w2的乘積分別為1995、2005和2015年各影響因子在空間上對(duì)土壤侵蝕的顯著性。根據(jù)顯著性量化值的絕對(duì)值，對(duì)各因子的影響程度進(jìn)行排序，如表4、表5和表6所示。

通過構(gòu)建BPNN，得到1995、2005和2015年小流域各影響因子在空間上對(duì)土壤侵蝕的顯著性預(yù)測(cè)結(jié)果，數(shù)據(jù)顯示：黃土丘陵區(qū)復(fù)雜的地形條件是影響土壤侵蝕的重要因素；同時(shí)，黃土丘陵區(qū)的黃土粉粒含量較高、土體疏松，也是導(dǎo)致水土流失的重要因素。在研究區(qū)小流域尺度上，地形因子變化明顯，顯著性最強(qiáng)；土壤的顆粒組成及其理化性質(zhì)無明顯變化，土壤可蝕性因子的顯著性最弱。在所研究的時(shí)間尺度上，研究區(qū)的地形與土壤僅表現(xiàn)為被動(dòng)變化，本研究重點(diǎn)探討其余3個(gè)因子的變化，詳細(xì)分析見3.4。

表4 1995年各影響因子的顯著性(BP)Tab.4 Significance of various influencing factors in 1995(BP)

表5 2005年各影響因子的顯著性(BP)Tab.5 Significance of various influencing factors in 2005(BP)

表6 2015年各影響因子的顯著性(BP)Tab.6 Significance of various influencing factors in 2015(BP)

3.2 回歸模型預(yù)測(cè)結(jié)果

研究利用回歸模型，建立各影響因子與侵蝕模數(shù)之間的函數(shù)關(guān)系式，預(yù)測(cè)對(duì)土壤侵蝕的貢獻(xiàn)量。土壤侵蝕是一個(gè)復(fù)雜的非線性系統(tǒng)，各影響因子之間存在交互作用，侵蝕結(jié)果也是各影響因子相互作用的結(jié)果，建立的函數(shù)關(guān)系式的擬合差異較大，尤其是隨著時(shí)間的變化，R2變化較大。擬合情況如下：1995年，地形因子與土壤侵蝕擬合效果較好，相關(guān)系數(shù)為0.84；2005年，植被覆蓋與管理因子和降雨侵蝕力因子與土壤侵蝕的擬合效果較好，相關(guān)系數(shù)分別為0.61和0.42；2015年，土壤可蝕性因子與土壤侵蝕的擬合效果較好，相關(guān)系數(shù)為0.51?？紤]到篇幅原因，在此僅以2015年為例，如圖2所示。

考慮到土壤侵蝕的變化是各影響因子相互作用的結(jié)果，參考文獻(xiàn)[13]將2015年各影響因子的平均值代入上述函數(shù)關(guān)系式，得到各影響因子對(duì)土壤侵蝕的貢獻(xiàn)量，單因子貢獻(xiàn)量與所有因子貢獻(xiàn)量之和的比值作為各因子對(duì)土壤侵蝕的貢獻(xiàn)率，按照貢獻(xiàn)率的大小進(jìn)行顯著性排序，如表7所示。

通過回歸模型預(yù)測(cè)得到2015年小流域各影響因子在空間上對(duì)土壤侵蝕的顯著性結(jié)果為：SL>C>P>R>K。地形因子的顯著性最強(qiáng)，土壤可蝕性因子的顯著性最弱，結(jié)果與BPNN的預(yù)測(cè)結(jié)果具有相似性。

3.3 精度評(píng)價(jià)

BPNN根據(jù)預(yù)留的檢驗(yàn)樣本在建立好的神經(jīng)網(wǎng)絡(luò)中預(yù)測(cè)；回歸模型將檢驗(yàn)樣本代入關(guān)系式，得到單變量土壤侵蝕模數(shù)預(yù)測(cè)值，以貢獻(xiàn)率為權(quán)重，求和得預(yù)測(cè)值，用下式計(jì)算模型的誤差

(2)

式中：e為模型誤差；v實(shí)際為侵蝕模數(shù)實(shí)際值；v預(yù)測(cè)為侵蝕模數(shù)預(yù)測(cè)值。精度評(píng)價(jià)結(jié)果如表8所示。

圖2 影響因子與土壤侵蝕模數(shù)的關(guān)系Fig.2 Relationship between influencing factors and soil erosion modulus

表8 模型精度評(píng)價(jià)Tab.8 Precision evaluation of the model

表8數(shù)據(jù)顯示，BPNN的預(yù)測(cè)誤差均小于回歸模型，預(yù)測(cè)精度更高。構(gòu)建回歸模型預(yù)測(cè)土壤侵蝕量時(shí)，可以建立包含交互因子的多變量函數(shù)關(guān)系式，本研究更著重于預(yù)測(cè)各影響因子對(duì)土壤侵蝕的影響程度。通過單變量回歸方程預(yù)測(cè)各影響因子的顯著性時(shí)，各因子之間的交互作用使得預(yù)測(cè)誤差較大。BPNN是一個(gè)具有學(xué)習(xí)能力的系統(tǒng)，在學(xué)習(xí)或訓(xùn)練過程中，綜合考慮多影響因子之間的交互作用，更加適用于預(yù)測(cè)土壤侵蝕影響因子的顯著性等內(nèi)部結(jié)構(gòu)比較復(fù)雜的非線性研究。精度評(píng)價(jià)結(jié)果也顯示BPNN的預(yù)測(cè)誤差均<5%，能更準(zhǔn)確的預(yù)測(cè)土壤侵蝕影響因子的顯著性。

3.4 BPNN在時(shí)空間上的顯著性分析

1995年，水土保持措施因子在空間上對(duì)土壤侵蝕的顯著性最強(qiáng)，地形因子次之。地形因子作為影響土壤侵蝕的重要因素，在空間尺度上變化顯著；在研究年份，以高建堡、虎溝等少數(shù)小流域作為示范小流域進(jìn)行了初期的治理，在空間上差異明顯，水土保持措施因子在空間上的變化顯著于地形因子。降雨量是影響坡面侵蝕的重要因素，在該年份，侵蝕性降雨較多，降雨侵蝕力因子的顯著性為3；在退耕還林(草)等生態(tài)恢復(fù)工程大力實(shí)施之前，植被覆蓋與管理因子的顯著性排序?yàn)?；研究區(qū)各個(gè)小流域主要以黃綿土和黑壚土為主，在小流域尺度上變化較小，土壤可蝕性因子的顯著性排序?yàn)?。

2005年，侵蝕性降雨在空間上變化差異較明顯，顯著性僅次于地形因子，排序?yàn)?。2000年起是退耕還林工程、水土保持生態(tài)工程茹河一期項(xiàng)目等生態(tài)建設(shè)項(xiàng)目全面實(shí)施階段，2000—2005年，水土流失治理程度由15.1%增加至50%，林草覆蓋率由6.4%提升到29.2%，水土流失治理程度與植被覆蓋率在縣域尺度上大幅增加，顯著性較土壤可蝕性因子弱，體現(xiàn)對(duì)土壤侵蝕較強(qiáng)的抑制性，水土保持措施因子的顯著性為4，植被覆蓋與管理因子的顯著性為5，土壤可蝕性因子的顯著性被動(dòng)增強(qiáng)，排序?yàn)?。

2015年，地形因子的顯著性最強(qiáng)，土壤可蝕性因子的顯著性最弱。2006年以來，經(jīng)過退耕還林(草)工程、水土保持生態(tài)工程茹河二期項(xiàng)目、國家農(nóng)業(yè)綜合開發(fā)水土保持項(xiàng)目二期、三期工程等一系列生態(tài)建設(shè)項(xiàng)目的實(shí)施完成，水土保持措施因子和植被覆蓋與管理因子的顯著性排序分別為2和4，降雨侵蝕力因子在該年份排序?yàn)?，研究區(qū)主要以生態(tài)自然恢復(fù)為主。

在空間尺度上，地形因子的顯著性最強(qiáng)，土壤可蝕性因子的顯著性最弱。在時(shí)間尺度上，小流域土壤侵蝕因子的顯著性略有差異。降雨侵蝕力因子的顯著性與研究年份的降雨量有關(guān)，呈現(xiàn)波動(dòng)性；水土保持措施因子和植被覆蓋與管理因子呈現(xiàn)先減弱后增強(qiáng)的趨勢(shì)，在2005年顯著性較土壤可蝕性因子弱，體現(xiàn)出對(duì)土壤侵蝕的抑制作用，后期又呈現(xiàn)增強(qiáng)的趨勢(shì)，體現(xiàn)出生態(tài)自然恢復(fù)對(duì)土壤侵蝕的抑制作用較實(shí)施階段弱。水土保持措施因子和植被覆蓋與管理因子的顯著性與相應(yīng)時(shí)期小流域治理的范圍、投入和生態(tài)建設(shè)項(xiàng)目的實(shí)施有關(guān)。

4 結(jié)論

預(yù)測(cè)土壤侵蝕影響因子的顯著性是預(yù)測(cè)土壤侵蝕量的基礎(chǔ)。研究以小流域?yàn)檠芯繉?duì)象，將RUSLE模型和BPNN應(yīng)用于黃土丘陵區(qū)土壤侵蝕因子的顯著性研究，從時(shí)空間尺度上更加科學(xué)地預(yù)測(cè)黃土丘陵區(qū)土壤侵蝕過程中影響因素的顯著性。結(jié)論如下：

1)BPNN的預(yù)測(cè)誤差均<5%，回歸模型的預(yù)測(cè)誤差在10%～15%左右，BPNN的預(yù)測(cè)精度更高，可以有效預(yù)測(cè)各影響因子對(duì)土壤侵蝕的顯著性。

2)地形與土壤作為影響土壤侵蝕的重要因素，在研究區(qū)小流域尺度上，地形因子對(duì)土壤侵蝕的顯著性最強(qiáng)，土壤可蝕性因子的顯著性最弱。

3)在時(shí)間尺度上，小流域土壤侵蝕影響因子顯著性略有差異，降雨侵蝕力因子的顯著性隨降雨量的變化呈現(xiàn)波動(dòng)性，顯著性變化介于地形因子與土壤可蝕性因子之間；水土保持措施因子和植被覆蓋與管理因子的顯著性與退耕還林(草)工程等生態(tài)建設(shè)項(xiàng)目的實(shí)施有關(guān)，在2005年體現(xiàn)出對(duì)土壤侵蝕的抑制作用。

4)2015年的顯著性預(yù)測(cè)結(jié)果適用于以生態(tài)自然恢復(fù)的區(qū)域，土壤侵蝕影響因子的顯著性表現(xiàn)為SL>P>R>C>K。

5)該方法適用于溝壑縱橫的黃土丘陵區(qū)土壤侵蝕因子的顯著性研究，預(yù)測(cè)結(jié)果可以反映出小流域水土流失治理的發(fā)展過程及變化，可以表現(xiàn)出退耕還林(草)工程等生態(tài)恢復(fù)工程的實(shí)施產(chǎn)生的影響，依據(jù)研究結(jié)果可為研究區(qū)后續(xù)小流域水土流失治理提供科學(xué)依據(jù)，不同區(qū)域需要根據(jù)實(shí)際情況進(jìn)一步驗(yàn)證。

5 討論

土壤侵蝕受地形、土壤及降雨等因素相互作用的影響，侵蝕過程比較復(fù)雜。預(yù)測(cè)土壤侵蝕因子的顯著性是預(yù)測(cè)土壤侵蝕量的基礎(chǔ)，在運(yùn)用回歸模型預(yù)測(cè)土壤侵蝕影響因子顯著性的過程中，研究盡管考慮到交互因子變量的影響，卻無法系統(tǒng)地加以克服，預(yù)測(cè)精度較低；BP神經(jīng)網(wǎng)絡(luò)模型則能更好地考慮因子之間的相關(guān)性和處理模型的復(fù)雜性，有效預(yù)測(cè)黃土丘陵區(qū)土壤侵蝕的影響因素對(duì)土壤侵蝕的顯著性，其他區(qū)域仍需要進(jìn)一步驗(yàn)證。

黃土丘陵區(qū)地形復(fù)雜，溝壑縱橫，形成獨(dú)特的土壤侵蝕過程，這是我國黃土高原土壤侵蝕研究的特色。研究以彭陽縣5 m分辨率的DEM數(shù)據(jù)為數(shù)據(jù)源，著重于以小流域?yàn)檠芯繉?duì)象提取地形因子，研究結(jié)果表明地形因子是影響土壤侵蝕最顯著的因素，與諸多學(xué)者的研究一致；研究可以清晰地反映小流域土壤侵蝕隨地形因子的空間變化，后續(xù)可以在縣域尺度上探討水土保持措施的實(shí)施對(duì)研究區(qū)微地形的影響，也可以從大的時(shí)間尺度上研究地形特點(diǎn)、土壤侵蝕隨地形的變化等。另一方面，黃土丘陵區(qū)的黃土粉粒含量較高、土體疏松、抗侵蝕能力差。研究采用寧夏1∶5萬的土壤數(shù)據(jù)，研究區(qū)域主要以黃綿土和黑壚土為主，土壤顆粒組成及理化性質(zhì)是決定抗蝕性的關(guān)鍵，對(duì)水土流失起到促進(jìn)作用，在小流域尺度上變化尚不明顯，后續(xù)可以在大尺度上揭示土壤顆粒組成及理化性質(zhì)對(duì)水土流失的影響、水土流失對(duì)土壤化學(xué)計(jì)量特征的影響等多方面進(jìn)行更深入的研究。