鄂渝喀斯特山區(qū)土壤侵蝕特征及主影響因子識別分析

陳龍躍，張雨，汪權(quán)方，2，楊宇琪

(1.湖北大學(xué)資源環(huán)境學(xué)院，湖北 武漢 430062，2.農(nóng)業(yè)部遙感應(yīng)用中心武漢分中心，湖北 武漢 430062)

0 引言

嚴重的水土流失不僅會造成生態(tài)環(huán)境的急劇惡化，而且阻礙社會經(jīng)濟的可持續(xù)發(fā)展，水土流失已成為當(dāng)今備受關(guān)注的全球性重大環(huán)境問題之一[1-2].目前國內(nèi)外學(xué)者已從土壤侵蝕的定量測度以及水土流失狀況的監(jiān)測方法和技術(shù)手段等方面開展了大量研究，其中美國通用土壤流失方程(USLE)和修正的通用水土流失模型(RUSLE)是迄今得到最廣泛應(yīng)用的土壤侵蝕計算方程[3-4]，但已有研究表明，通用土壤流失方程在坡度較陡時的擬合結(jié)果與實際情況相差較大，而修正的通用水土流失模型(RUSLE)所得到的擬合效果更能接近真實情況[5].同時，USLE是一種經(jīng)驗性土壤流失預(yù)報方程，是美國學(xué)者依據(jù)當(dāng)?shù)卦囼炗^測數(shù)據(jù)而建立的，具有一定的適用范圍，因此，我國學(xué)者結(jié)合國內(nèi)實際狀況，開展了土壤侵蝕的定量估算方法研究，如南京土壤研究所卜兆宏等人提出了適于大尺度水土流失定量遙感監(jiān)測的QRSM模型，中國科學(xué)院生態(tài)中心提出了水土流失強度指數(shù)等[6-10]；對區(qū)域土壤流失狀況的調(diào)查方法也從實地勘測逐漸演變成了遙感估測[11].此外，水土流失的影響因素眾多而復(fù)雜，它不僅與地形、氣候、植被覆蓋以及人類活動等密切相關(guān)，而且各影響因素之間還存在著一定的交互影響和疊加效應(yīng)，從而導(dǎo)致不同區(qū)域水土流失狀況存在明顯的空間差異性[12-14]，但從以往研究來看，大多僅在計算出區(qū)域土壤侵蝕模數(shù)以后，在全域尺度上分析單個因子與該區(qū)域土壤侵蝕模數(shù)的聯(lián)系，沒有明確且客觀地計算各因子對整體及局部地區(qū)不同的影響權(quán)重，進而難以橫向比較，無法體現(xiàn)各影響因子在不同空間尺度上的貢獻度大小以及由此導(dǎo)致的水土流失狀況的局部空間差異性.然而，進行不同地區(qū)水土流失差異性及其主影響因子的識別分析，對開展針對性的區(qū)域水土流失防治、監(jiān)測和評價等具有重要意義.

喀斯特地區(qū)生態(tài)環(huán)境脆弱，人類的不合理利用容易導(dǎo)致該地區(qū)出現(xiàn)嚴重的水土流失，進而產(chǎn)生以石漠化為特征的生態(tài)環(huán)境退化問題等，因此，喀斯特地區(qū)的水土流失問題歷來是我國生態(tài)學(xué)研究領(lǐng)域的熱點[15-16].本文中以地處西南喀斯特地區(qū)的鄂渝山區(qū)為研究對象，采用修正后的通用土壤流失方程，綜合利用遙感和GIS等多種技術(shù)手段在縣域尺度上進行區(qū)域水土流失量估算和區(qū)內(nèi)水土流失的空間分布特征分析，在此基礎(chǔ)上，采用耦合灰色關(guān)聯(lián)度的層次分析法，對研究區(qū)內(nèi)縣域尺度水土流失的空間差異性進行定量的成因分析，以此彌補傳統(tǒng)層次分析法中主觀性過多的不足，所得結(jié)果可為西南喀斯特生態(tài)脆弱地區(qū)制訂因地制宜的水土流失防治措施提供科學(xué)依據(jù).

1 研究區(qū)概況

研究區(qū)(圖1)位于湖北省西南部和重慶市東南部的交界處，所涉及的縣市包括湖北省恩施市的鶴峰縣、宣恩縣、咸豐縣、利川市、來鳳縣以及重慶市的彭水縣、酉陽縣和重慶市黔江區(qū).森林覆蓋率接近70%，自然資源豐富，土壤富含硒元素.系亞熱帶季風(fēng)性山地濕潤氣候，冬少嚴寒，夏無酷暑，雨量充沛，四季分明；海拔落差大，垂直差異突出，小氣候特征明顯.碳酸鹽巖類(石灰?guī)r、白云巖)面積約占總面積54.4%，而裸露的碳酸鹽巖易受溫暖多雨氣候的影響，由此導(dǎo)致研究區(qū)內(nèi)的巖溶地貌發(fā)育，石芽、溶洞、漏斗、育谷、伏流比比皆是[17].

圖1 研究區(qū)地理位置和空間分布范圍

2 研究數(shù)據(jù)與方法

2.1 主要數(shù)據(jù)來源及預(yù)處理實驗于2018年5月28日出野外建立解譯標(biāo)志開始，至2019年3月29日計算全部結(jié)束.所用的影像數(shù)據(jù)主要包括30 m分辨率的數(shù)字高程模型數(shù)據(jù)(DEM)，2 m分辨率的高分一號PMS影像(GF1/PMS)、16 m分辨率的高分一號WFV像(GF1/WFV)和30 m分辨率的Landsat8 OLI影像(Landsat8/OLI).此外，還收集了國家氣象局分發(fā)的降水?dāng)?shù)據(jù)以及中國土壤數(shù)據(jù)庫中的1∶1 000 000土壤類型圖和研究區(qū)內(nèi)各縣市水利水保部門水土保持項目的矢量圖等相關(guān)圖件.對上述數(shù)據(jù)進行了一系列的處理，獲得水土流失估算時所需的土地利用、植被覆蓋度和降水等相關(guān)因子.其中，降水因子由各縣市的每月降水量空間插值得到；坡度坡長因子由30 m分辨率DEM數(shù)據(jù)計算得到；土地利用因子是在使用易康軟件對2 m、16 m分辨率的高分一號影像進行初分類后，再經(jīng)人工目視修正得到的；植被覆蓋度則主要采用遙感估算的方法[18]，利用由30 m分辨率的Landsat8影像計算得到的NDVI反演生成(式1).具體的數(shù)據(jù)處理過程如圖2所示.

fg=(NDVI-NDVIs)/(NDVIv-NDVIs)

(1)

式(1)中，fg為植被覆蓋度，NDVIs為裸土或無植被覆蓋區(qū)域的NDVI，NDVIv為完全被植被所覆蓋的像元NDVI.其中，NDVIs和NDVIv是排除噪聲后的最小值與最大值，在本研究中分別取NDVIs=0、NDVIv=0.497 6.

圖2 研究流程

2.2 研究方法

A=R*K*LS*C*P

(2)

式(2)中，A為土壤侵蝕模數(shù)(t/hm2· a)，R為降雨侵蝕因子(MJ·mm/hm2·h·a)，K為土壤可侵蝕因子(t·hm2·h/(MJ·mm·hm2))，LS為坡長坡度因子(無量綱)，C為覆蓋與管理因子(無量綱)，P為水土保持措施因子(無量綱).

RUSLE模型中各因子的具體計算方法如下：

1)降雨侵蝕因子(R)的確定：主要根據(jù)降雨侵蝕力簡易計算公式[19](式3)來計算研究區(qū)內(nèi)各縣的R值，該式在缺乏降水過程資料的情況下較為準(zhǔn)確[20].

(3)

式中Pi為月降雨量(mm)；R為年降雨侵蝕力(MJ·mm/hm2·h·a).

2)土壤可侵蝕因子(K)的確定：由于現(xiàn)有圖件資料與統(tǒng)計數(shù)據(jù)無法在空間位置上建立一一對應(yīng)關(guān)系，且研究區(qū)各類土壤的K值均在0.2至0.3之間，因此，本研究在參考相關(guān)成果的基礎(chǔ)上，對模型中的K因子統(tǒng)一取0.238 4.

3)坡長坡度因子(LS)的確定：根據(jù)D.K.Mc-Cool等[21-22]的研究結(jié)果，采用公式(4)和(5)分別計算RUSLE模型中的坡度(S)和坡長(L)因子.

(4)

式(4)中，S為坡度因子，θ為地面坡度.

(5)

式(5)中，L為坡長因子，λ為水平投影坡長，m為坡長指數(shù).

那時，我們一到暑期就會跟隨大人乘坐轎子上廬山，上山后買個大草帽，拿根拐棍四處游玩。小時候，長沖河里的水是可以直接挑回家吃的，那時有一個職業(yè)叫挑水工。我們小孩子經(jīng)常去河里撈魚摸蝦捉小螃蟹，有趣得很。

4)覆蓋與管理因子(C)的確定：主要根據(jù)蔡崇法[23]提出的植被覆蓋因子與植被覆蓋度之間的關(guān)系(式(6))，再結(jié)合植被覆蓋度與植被指數(shù)的關(guān)系，生成研究區(qū)植被覆蓋因子分布圖.

(6)

式(6)中C為植被覆蓋因子，fg為植被覆蓋度.

5)水土保持措施因子(P)的確定：水土保持措施因子P是指采用了特定水土保持措施后，土壤流失量與順坡種植時的土壤流失量之比，其值介于0～1之間[24].本文參照范建榮[25]和柏勇[26]等人關(guān)于不同水保措施對水土流失的影響權(quán)重，建立P值計算方案：不同的土地利用類型對應(yīng)著不同的P值、不同的水保措施被采取后對應(yīng)的P值保留面積比例，兩者的乘積即為最終的各土地利用類對應(yīng)的P值.

表1 不同土地利用類型與其對應(yīng)P值表

表2 不同水保措施與其對應(yīng)水土流失面積比例表

6)因子歸一化：對經(jīng)過上述過程所獲得的土壤侵蝕模數(shù)A和K以外的4個因子，按其數(shù)值大小進行分等定級(表3)，所得結(jié)果(圖3)再與縣域行政邊界進行疊加和分區(qū)統(tǒng)計，以便后文進行區(qū)域分異特征分析.

表3 歸一化值分級參照表

2.2.2 水土流失主影響因子識別 目前，用于區(qū)域水土流失主要影響因子的識別方法較多，其中尤以層次分析法[27](Analytic Hierarchy Process，AHP)的應(yīng)用較為廣泛，但傳統(tǒng)的層次分析法在判斷矩陣構(gòu)建中，通常由專家通過兩兩比較方式對屬于同一層次各影響因子的相對重要性進行判定后給出相應(yīng)的標(biāo)度值，從而導(dǎo)致所得結(jié)果無法避免人為主觀因素帶來的影響[28].為克服此缺陷，本文中將基于各影響因子與AHP中目標(biāo)層的灰色關(guān)聯(lián)度來兩兩確定各因子之間的標(biāo)度值，最后再據(jù)此計算各影響因子對研究區(qū)水土流失的貢獻度.具體過程如下：

1)構(gòu)建判斷矩陣：確定土壤侵蝕模數(shù)A為參考序列，其他各因子R、LS、C、P為比較序列.每個序列均采用極差歸一法對進行數(shù)據(jù)的無量綱化處理(式(7)).

X=(x-xmin)/(xmax-xmin)

(7)

(8)

其中ki為灰色關(guān)聯(lián)系數(shù)，x0為參考序列，xi為比較序列，ρ取常數(shù)0.5.

3)計算灰色關(guān)聯(lián)度：求算各因子關(guān)聯(lián)系數(shù)的算術(shù)平均值，即為該因子與土壤侵蝕模數(shù)之間的灰色關(guān)聯(lián)度.

4)計算因子權(quán)重：根據(jù)各因子灰色關(guān)聯(lián)度的比值，再結(jié)合以下參考表(表4)，通過兩兩比較的方式確定因子標(biāo)度值，據(jù)此得到指標(biāo)層各因子對決策目標(biāo)(土壤侵蝕模數(shù))的權(quán)重.

表4 標(biāo)度參考對照表

3 結(jié)果與分析

圖3 全區(qū)土壤侵蝕模數(shù)歸一化空間分布特征圖

3.1 研究區(qū)域水土流失特征圖3展示了研究區(qū)內(nèi)土壤侵蝕模數(shù)的空間分布情況，據(jù)此可獲得不同等級水土流失地的面積占比.統(tǒng)計結(jié)果顯示，全區(qū)約94.26%的地方土壤侵蝕模數(shù)極低(Ⅴ級)，并且主要分布在酉陽、利川和彭水；土壤侵蝕模數(shù)為極高(Ⅰ級)和高(Ⅱ級)的嚴重水土流失區(qū)域，面積占比不到1%，但是大都集中分布在研究區(qū)東部的鶴峰和宣恩；利川、來鳳和黔江的土壤侵蝕模數(shù)等級相對較低，三縣境內(nèi)絕大多數(shù)地區(qū)的土壤侵蝕模數(shù)極低(Ⅴ級)，而侵蝕強度為極高(Ⅰ級)和高(Ⅱ級)的兩類水土流失地在這些縣市均沒有明顯分布.另外，從各縣市土壤侵蝕模數(shù)的平均值來看，鶴峰>宣恩>酉陽>彭水>咸豐>黔江>利川>來鳳，這表明鶴峰縣的水土流失最為嚴重，其土壤侵蝕模數(shù)居于各縣市之首，其次是宣恩縣，來鳳縣的水土流失強度則最低.外業(yè)調(diào)研時也發(fā)現(xiàn)，在鶴峰、宣恩境內(nèi)，分布在高山河谷的水土流失地明顯多于其他縣市.

3.2 主影響因素識別由于本文中的K值為統(tǒng)一指定值，在此主要針對降雨、地形、植被覆蓋以及水土保持措施等因子與研究區(qū)域水土流失之間的關(guān)系進行了分析研究.結(jié)果(表5)顯示，地形因子(LS)對鄂渝喀斯特山區(qū)水土流失的影響權(quán)重為0.482 4，明顯高于其他因子；其次為植被覆蓋因子C，約0.341 1；降水侵蝕力因子(R)和水土保持措施因子(P)則各為0.131 9和0.044 6.對比全區(qū)土壤侵蝕模數(shù)和各因子的空間分布圖(圖4)，也可以發(fā)現(xiàn)地形因子與研究區(qū)域土壤侵蝕模數(shù)的空間分布態(tài)勢最為相符，其次為植被覆蓋因子.綜上可知，在全區(qū)尺度上，地形因子(LS)是鄂渝喀斯特山區(qū)水土流失的主影響因子，其原因主要在于研究區(qū)域?qū)儆诳λ固厣降?，石灰?guī)r廣布，易受流水侵蝕，地勢復(fù)雜崎嶇，高差較大，不利于水土的保持.

表5 各因子對于研究區(qū)域以及區(qū)內(nèi)各縣市土壤侵蝕模數(shù)權(quán)重表

圖4 研究區(qū)各影響因子空間分布特征

另外，每個因子對各縣市水土流失的貢獻度(權(quán)重)不盡相同.在咸豐、黔江、利川、酉陽、來鳳和宣恩，各因子對土壤侵蝕模數(shù)的影響權(quán)重是地形因子(LS)>植被覆蓋因子(C)>降水侵蝕力因子(R)>水土保持因子(P)；在鶴峰縣，雖然當(dāng)?shù)厮亮魇У闹饔绊懸蜃右廊粸榈匦我蜃?，并且各因子的?quán)重依次為LS>C>P>R，但相對于其他縣市，降水侵蝕力因子對該縣水土流失的影響權(quán)重遠遠低于其他因子.至于彭水縣，雖然該縣的降水侵蝕力因子(R)歸一化平均值在研究區(qū)所有縣市中最小，但是該因子對其水土流失的影響權(quán)重超過了地形因子，成為了該縣水土流失的主影響因子，由此可見，不同影響因子的絕對數(shù)值大小并不等同于它們對當(dāng)?shù)厮亮魇У呢暙I度，各因子對局部地區(qū)的水土流失有著不同程度的影響.

4 結(jié)論與討論

4.1 結(jié)論與建議鄂渝喀斯特山區(qū)水土流失的整體態(tài)勢不嚴重，90%以上的地方土壤侵蝕模數(shù)等級為極小(Ⅴ)，土壤侵蝕模式等級為大(Ⅱ)和極大(Ⅰ)的地區(qū)面積占比不足1%.不過，該地區(qū)水土流失的空間分異性突出，局部地區(qū)的的水土流失較為嚴重，尤其是鶴峰和宣恩兩縣，而利川和來鳳的土壤侵蝕模數(shù)則小于區(qū)內(nèi)其他縣市.

采用耦合了灰色關(guān)聯(lián)度的層次分析法，成功識別出地形和植被覆蓋是鄂渝喀斯特山區(qū)水土流失的主影響因子，并且以地形因子(LS)對全區(qū)土壤侵蝕模數(shù)的貢獻度最大、植被覆蓋因子(C)次之，這兩個因子對研究區(qū)域土壤侵蝕模數(shù)的貢獻度占到了70%以上，再次為降水侵蝕因素(R)，水保措施因子(P)最小，所占權(quán)重不足5%.不過，受空間分異性影響，研究區(qū)內(nèi)各縣市的水土流失主影響因子有所不同，其中，在彭水縣，各因子的權(quán)重大小依次為R>LS>C>P，而鶴峰縣則為LS>C>P>R.其他縣市的各影響因子權(quán)重排序與全區(qū)排序一致.

嚴重的水土流失容易導(dǎo)致區(qū)域環(huán)境的急劇惡化，因此，生態(tài)環(huán)境本就敏感脆弱的喀斯特山區(qū)，要更加高度重視水土保持工作，需結(jié)合當(dāng)?shù)氐膶嶋H狀況來因地制宜地采取水保措施.特別是土壤侵蝕模數(shù)較大的鶴峰和宣恩等縣市，應(yīng)更加注意合理利用自然資源，積極采取相關(guān)水土保持措施.在不考慮其他成本的情況下，減小坡度縮短坡長(如梯田)、植樹造林、減少降雨等措施，對區(qū)域水土流失的改善度是依次增加的.不過，水土保持需要綜合考慮多個因素，單從某個方面采取措施可能收獲甚微.

4.2 討論區(qū)域土壤侵蝕模數(shù)受眾多因子影響，如果僅從某個單項因子來推算區(qū)域土壤侵蝕模數(shù)，將無法獲得較為準(zhǔn)確的擬合效果.為此，本研究采用相對而言考慮更為全面的修正型通用水土流失模型(RUSLE)來進行土壤侵蝕模數(shù)的測度；模型所需但通常難以獲取的水土保持因子，采用了來自各個縣市和國家水保系統(tǒng)的大量空間矢量數(shù)據(jù)；土地利用數(shù)據(jù)則采用高分辨率影像解譯而來，該項數(shù)據(jù)先后經(jīng)過解譯標(biāo)志建立和圖斑復(fù)核兩次野外調(diào)研，最終實現(xiàn)了土地利用圖斑的實地隨機抽取正確率達到90%.這些為本研究對各項水土保持因子的影響權(quán)重估算結(jié)果較為符合實際奠定了堅實的基礎(chǔ).不過，在其他因子的確定方面，例如用于植被覆蓋度計算的Landsat8影像因為無法獲取能夠覆蓋整個研究區(qū)域的同時期無云清晰影像，最終采用了不同時期的影像鑲嵌之后來計算NDVI值，從而導(dǎo)致不同地區(qū)的植被覆蓋度數(shù)據(jù)質(zhì)量有細微差異；對土壤可侵蝕因子的確定，由于所獲取的1∶100萬國家土壤類型圖相對本研究來說精度不夠高，故本文中未對此作深入研究；降雨數(shù)據(jù)氣象站點的基礎(chǔ)數(shù)據(jù)也不夠充足，并且降水?dāng)?shù)據(jù)只能在相對較大的尺度上才會有明顯的空間差異，所以這也是彭水、鶴峰兩縣的各水土流失影響因子權(quán)重排序與全區(qū)不一致的原因之一，同時也說明喀斯特山區(qū)不同區(qū)域的土壤侵蝕成因錯綜復(fù)雜，還有待將來作更多更深層次的研究.