降雨與植被耦合關系對土壤侵蝕的影響分析——以密云水庫上游為例

張喜旺，吳炳方

1. 河南大學環境與規劃學院，河南 開封 475004；2. 中國科學院遙感應用研究所，北京 100101

土壤侵蝕是自然因素與人為因素綜合作用的結果，已是世界上倍受關注的環境問題之一。影響土壤侵蝕的因素很多，如降雨、土壤可蝕性、植被蓋度、地形因子（坡度、坡長）、土地管理以及人為活動等。其中，降水是最重要的自然資源之一，同時也是引起土壤侵蝕的主要動力因素[1]。雨滴擊濺、分離土壤顆粒以及徑流沖刷、轉運導致土壤流失。然而并不是所有的降雨事件都能引起土壤侵蝕，只有能夠產生足夠徑流來搬運泥沙的降雨才具有侵蝕性的[2]。而植被是防止水土流失的積極因素，是影響水土流失最為活躍的因子[3]。不適宜的土地利用和地表植被破壞，必將導致水土流失的加劇[4]。植被可以提高土壤的抗沖蝕能力，其減蝕作用表現為3個方面，植被莖葉對降雨雨滴動能的消減作用，植物莖及枯枝落葉對徑流流速的減緩作用，植物根系對提高土壤抗沖蝕的作用[5]。植被覆蓋層能減小雨滴對地面的打擊，增加地面糙率，使氣流或水流的作用力分散在覆蓋物之間，并且植被腐爛后可增加土壤中有機質的含量，進一步改善土壤的理化性質[6-7]。植被能截留降水，減少雨滴的沖擊，改善土壤結構，提高土壤抗蝕能力。同時，植被具有明顯的物候變化，不同季節植被覆蓋度會明顯不同，從而使其防止水土流失的能力在年內是變化的。對于一個確定的研究區，除降雨與植被外，影響土壤侵蝕的其他因子相對是固定不變的，因此準確分析年內降雨過程與植被生長過程的耦合關系對評估土壤流失、優化水土保持等具有重要意義。本文利用 TRMM-3B43月降雨資料數據集與MODIS-NDVI 16 d合成數據，通過年內的降雨分布與植被覆蓋的變化過程的綜合分析，研究密云水庫上游區域降雨與植被的耦合關系對土壤侵蝕的影響。

1 資料與方法

1.1 研究區概況

研究區域位于東經 115°24′～117°35′，北緯40°19′～41°38′，涉及密云、懷柔、延慶、興隆、欒平、赤城、豐寧、沽源和崇禮等 9個縣（部分），如圖1所示。研究區面積約為15388 km2，位于北京市北大約80 km。地貌以丘陵為主，低山為輔，還有極少部分中山，地勢西北高，東南低，東南部多低山丘陵。潮、白兩河順勢而下，河網呈樹枝狀。境內典型的臺地很少，小塊平原多分布在河谷型盆地兩側。該區位于歐亞大陸東部中緯度地區，屬大陸性季風氣候，四季分明。冬季受蒙古高壓控制，寒冷干燥，夏季受海洋氣團影響，盛行東南季風，年內氣溫變化顯著，流域降水量主要集中在 6—9月。區內分布最廣的為褐土，遍布150～1000 m的低山丘陵，面積占流域的60.3%，自然植被以落葉闊葉林和旱生灌叢草類為主。由于植被破壞，水土流失較為嚴重。棕壤分布于海拔600(陰坡) ～1 000 m(陽坡)以上中低山，占總面積的34.4%。草甸土分布在潮、白兩河河谷，占總面積的1.9%，多已開墾為耕作土壤。栗鈣土分布在壩根一帶，占總面積的2.2%，是重要的牧業用地。

圖1 研究區位置示意圖Fig.1 Location of study area

1.2 數據

1.2.1 降雨數據

降雨資料采用 TRMM 免費共享（http://daac.gsfc.nasa.gov/data/datapool/TRMM/）的3B43數據集（1998—2004年），通過TRMM數據的時間序列分析降雨的年內分布情況。TRMM項目是人類歷史上第一次用衛星從空間對地球大氣進行主動遙感。它最顯著的特點是覆蓋面廣，能得到降雨云內部的詳細的空間結構。相對點觀測資料內插結果，該數據集降雨的空間分布數據更加可信[8]。3B43數據集是TRMM衛星資料和其他資料合成月降雨量數據。與實測降雨資料相比，相同的是他們都為月降雨資料，不同的是實測降雨資料為觀測點上的數據，而TRMM-3B43為0.25°×0.25°大小的范圍內的降雨量，單位均為mm。雖然TRMM數據空間分辨率很低，但一般認為可以指示出高強度降雨發生的時間。應用 TRMM 數據的優勢是可以獲取南北緯 50°內任何區域的數據，而降雨觀測資料常常很難獲取。

1.2.2 NDVI數據

NDVI在使用遙感圖像進行植被研究以及植物物候研究中得到廣泛應用，它是植物生長狀態以及植被空間分布密度的最佳指示因子，與植被分布密度呈線性相關。植被的季節特性被充分地應用到遙感相關應用中，尤其是土地利用和土地覆蓋分類。歸一化植被指數NDVI很容易從各種空間分辨率和時間序列的衛星數據中提取。雖然NDVI受土壤背景反射率[9]和植被活力[10]影響，但它可以給出植被覆蓋在空間和時間上相對變化的指示[11]。因此在侵蝕研究中 NDVI常被用于評估保護性的植被覆蓋[12-14]。本文植被資料采用 NASA 免費提供（https://wist.echo.nasa.gov/api/）的MODIS植被指數250 m 16 d合成產品（MOD13QI）。據2004年全年時間序列的NDVI數據分析各類植被的年內變化趨勢，MODIS-MOD13QI（250 m）具有非常高的觀測頻率優勢，而且即使在經常有云覆蓋的時期也有機會獲取無云的影像（單景影像或合成產品），從而形成時間上的連續序列數據，能夠較好反映植被的時空變化特征，被廣泛用于生態環境監測。由于植被覆蓋與降雨是影響土壤侵蝕的兩個最活躍的因子，疊加兩個時間序列數據，通過它們之間的耦合關系可以分析其對研究區土壤侵蝕的影響。

1.2.3 土地利用數據

土地利用采用2004年SPOT5遙感影像解譯出來的結果，主要目的在于分析研究區內不同植被類型的生長情況。這里土地利用的主要作用是被用于計算所對應的MODIS數據像元內的各類植被覆蓋百分比，具體方法如下：

（1）首先將土地利用從矢量圖轉換為柵格圖，并重采樣為5 m分辨率；

（2）將土地利用圖和MODIS數據轉換為同一投影（高斯克呂格 117帶），并嚴格配準；用研究區邊界截取研究區內的土地利用圖和 MODIS影像；

（3）然后將50*50個土地利用像元聚合成1個250 m大小的像元，對應于MODIS像元，從而統計獲得每個MODIS像元內各類植被覆蓋度所占這個像元的百分比。

（4）最終得到4個250 m分辨率的圖像，分別表示各類植被覆蓋在對應的MODIS像元中所占的百分比。

2 結果分析與討論

2.1 年內降雨過程

由于 TRMM-3B43數據產品記錄的是月降雨量，因此對研究區內的所有的像元求平均值，用以代表研究區該月的降雨量，以此方法統計1998—2004年所有月份的TRMM 3B43數據產品的估算結果，形成時間序列，分析研究區年內降雨分布情況（如圖2所示）。

圖2 1998—2004年研究區年內降雨多年均值分布Fig.2 Distribution of rainfall average of the year 1998—2004

圖2顯示了1998—2004年研究區各月的降雨均值年內分布情況。汛期為 6—8月，最大降雨出現在7月，能形成侵蝕的降雨[15]出現在4—10月。從降雨序列可知，降雨幾乎都集中在汛期的 6—8月，偶爾在4月和9月附近會出現較大的降雨。降雨的最大值也主要出現在 6—7月，其中 6月份 2次，7月份3次，8月和9月份各1次。1—3月以及10—12月則很少出現降雨。

2.2 不同植被類型的長勢分析

根據源于SPOT5遙感影像分類得到的土地利用圖將植被類型分為耕地、林地（包括喬木林和灌木林）、草地和其他四類。研究中劃分不同植被類型的目的是更好地了解研究區內不同植被類型的NDVI在時間變化的差異，分析年內不同植被類型的保護土壤性能在時間上的不同。林地主要分布在海拔較高的山地，多分布于陰坡，少量分布于陽坡，另外濕潤的溝谷中也有喬木林分布；草地多分布于干燥的陽坡，覆蓋度小，也分布于陰坡林地斑塊邊緣，覆蓋度相對較高；耕地大多分布于溝底平地，緩坡地帶，以及水庫的部分灘地。

從MODIS影像產品中提取每一類植被覆蓋的NDVI均值，從而生成2004年不同植被覆蓋類型的平均NDVI時間序列曲線，如圖3所示。整個研究區每種植被的 NDVI值均隨時間有明顯的季節變化，其中林地的NDVI值在年內任何時間均明顯高于其他植被覆蓋類型。1月到4月中旬林地NDVI均值穩定在0.3左右；從4月中旬到5月末，林地開始生長發育，其NDVI值迅速上升，其速度也明顯高于其他植被類型；6月初到9月初為林地NDVI處于相對穩定階段，介于0.8～0.9之間，中間階段略為上升，到8月中旬達到全年最大值；8月中旬之后林地的NDVI值逐漸下降。對于草地，其NDVI值在1月到4月中旬期間穩定在0.23左右；從4月中旬到5月末，草地也開始快速生長發育，其速度雖低于林地，但高于其他植被類型，5月末達到0.54左右；5月末至8月中旬，草地NDVI上升速度放緩，但高于林地，到8月中旬達到最大值0.75左右；從8月中旬開始，草地NDVI值逐漸下降。對于耕地，其NDVI值的變化情況略微不同，1月到4月中旬期間穩定在0.18左右；從4月中旬到6月中旬，NDVI值緩慢上升，達到0.36左右；從6月中旬到7月中旬，耕地NDVI值快速上升，其速度高于其他任何植被類型；7月中旬到8月中旬，耕地NDVI值上升速度放緩，最終達到年內最大值0.74左右；8月中旬之后，耕地NDVI逐漸下降。對于“其他”植被類型，其變化一路起伏不斷，其中2月初出現了年內低于0的最低值；之后NDVI值有升有降，7月中旬達到年內的最大值0.34左右；之后呈下降趨勢，雖然也是有升有降。

總體而言，研究區的所有植被在1月至4月中旬是低值穩定階段；4月中旬至7月中旬為植被的生長階段，雖然生長速度有變化，但大都是增長的；7月中旬至9月中旬為植被覆蓋最佳的階段，這段時期內所有的植被都基本達到了自己年內的最大值，是具有最佳保護作用的階段；從9月中旬至12月末，所有植被的NDVI均逐漸下降，說明綠色植被開始枯黃衰敗，保護性能也逐漸下降，直至最低。

2.3 植被與降雨的疊加分析

時間序列的NDVI結合時間序列的降雨資料可以確定什么地方什么時間有可能發生侵蝕[15]。如果低的NDVI值遭遇高的降雨強度，則侵蝕風險就高。將降雨量的年內分布與各類型植被NDVI值的時間序列變化曲線置于同一坐標系進行對比分析，如圖4。圖中的柱狀圖顯示的是1998—2004年的TRMM資料所估算的研究區多年月降雨量的均值；線狀圖為從 MODIS-MOD13QI產品中提取的研究區各類植被覆蓋NDVI時間序列變化曲線，以及全區NDVI均值變化曲線。

圖4 2004年研究區植被與降雨的年內變化耦合關系Fig.4 Contrast between NDVI changing and rainfall distribution

整體而言，植被NDVI曲線的分布形態與降雨的年內分布形態基本相似。降雨量主要集中在6—8月，其降雨量占全年總降雨量的59.48%；而植被NDVI值在這個時段也處于高位，可以提供相對較好的保護作用。最大降雨量出現在7月份，占全年總降雨量的23.23%，而在7月各種植被的NDVI值也基本達到最大值。因此幾乎不存在高強度降雨遇到低植被覆蓋，從而引起劇烈的水土流失的特殊情況。那么發生侵蝕的地方應該是植被覆蓋相對較差，從而導致侵蝕的發生，因此需要更詳細的分析。

由本區域的侵蝕性降雨標準18.9 mm[15]，可以肯定地指出1—3月份以及11—12月份是幾乎不會發生侵蝕的。這段時間內雖然植被覆蓋的保護性功能不強，但降雨量也很小，形不成有效的侵蝕性徑流。4—5月份的降雨量不大，在40 mm左右；相對而言，植被在這段時間內處于迅速的生長階段。從而說明了本來降雨量不大的40 mm的降雨不但沒有引起強烈的水土流失，反而促進了各類型植被的生長。6月份的多年平均降雨量達到95 mm，雖然降雨量較大，但植被覆蓋也達到了很好狀態，已經有了很好的水土保持能力；從隨后的植被生長來看，本月的降雨也是促進了各種植被的生長，尤其是耕地植被類型（作物類型應該是玉米）增長速度最快，因此6月份也不應該是侵蝕量最大的時期。7月份的多年平均降雨量達到最大值116.6 mm，而植被覆蓋也都幾乎達到了最大值，但從隨后的植被生長來看，林、草以及耕地類的植被的NDVI值均有所增加，但“其他”類的NDVI值反而降低又重新反彈，這從一定程度上說，本月的降雨雖然對林、草以及耕地類的地區造成的侵蝕有限，但已經造成“其他”類地區的侵蝕，并影響到了本類內植被的生長。隨后的8—10月份，降雨量與植被的保護作用都在減小，“其他”類的植被在7—9月份內反復明顯，說明侵蝕主要發生在7—8月，且主要發生在“其他”類的植被覆蓋少的區域。

3 結論

研究中雖然沒有用到降雨強度，但從降雨量也可以反映出降雨侵蝕力的大小。并且從歷年的降雨資料中也可以看出，密云水庫上游地區強降雨一般都集中在 6—9月份。通過對降雨與植被的耦合分析，我們可以得出如下結論：

（1）本研究區降雨與植被的年內分布形態相似，這樣的降雨與植被的耦合模式相對來說，對保護土壤是最有利的。當然也有分布形態錯開的情況[16]，在植被還沒開始快速生長而出現強降雨下，導致較為強烈的侵蝕。

（2）指出1—3月份以及11—12月份幾乎不會發生侵蝕。

（3）研究區4月中旬40 mm左右的降雨促進了植被的生長，并且降雨量不大，也行不成太大的侵蝕。

（4）研究區侵蝕主要出現在 7—8月，這時喬灌草等植被雖然幾乎到達到最佳狀態，但“其他”類的植被覆蓋仍然很差。

（5）侵蝕多集中在“其他”地類上。強降雨影響到稀疏的植被的生長，導致大量的侵蝕，因此其NDVI的曲線呈一定的波動情況。

致謝：本文的研究工作由作者在中國科學院遙感應用研究所讀博期間完成，得到中國科學院知識創新工程重大項目（KZCX1-YW-08-03）與水利部官廳密云水庫上游水土保持遙感監測二期工程（HWSTBC2004-03）項目支持，寫作過程中得到導師吳炳方研究員的細心指導，特此感謝！

[1] 章文波, 付金生. 不同類型雨量資料估算降雨侵蝕力[J]. 資源科學,2003, 25(1): 35-41.ZHANG Wenbo, FU Jinsheng. Rainfall erosivity estimation under different rainfall amount[J]. Resources science, 2003, 25(1): 35-41.

[2] XIE Yun, LIU Baoyuan, NEARING M A. Practical Thresholds for Separating Erosive and Non-Erosive Storms[J]. Transactions of the ASAE, 2002, 45(6): 1843-1847.

[3] 詹小國, 王平. 基于RS和GIS的三峽庫區水土流失動態監測研究[J]. 長江科學院院報, 2001, 18(2): 41-44.ZHAN Xiaoguo, WANG Ping. Research on dynamical supervision design of water and soil loss in Three Gorges reservoir area based on RS and GIS[J]. Journal 0f Yangtze River Scientific Research lmfitute,2001, 18(2): 41-44.

[4] 黃志霖, 陳利頂, 傅伯杰, 等. 半干旱黃土丘陵溝壑區不同植被類型減蝕效應及其時間變化[J]. 中國水利, 2004, (20): 38-40.HUANG Zhilin, CHEN Liding, FU Bojie, et al. Effect of soil erosion reduction and time changing of different vegetation types in Semi-arid loess hilly and gully region [J]. China water resources, 2004, (20):38-40.

[5] 張興昌, 邵明安, 黃占斌, 等. 不同植被對土壤侵蝕和氮素流失的影響[J]. 生態學報. 2000, 20(6): 1038-1044.ZHANG Xingchang SHAO Mingan HUANG Zhanbin, et al. An experimental research on soil erosion and nitrogen loss under different vegetation cover[J]. ACTA ECOLOGICA SINICA, 2000, 20(6):1038-1044.

[6] GILLY J E, RISSE L M. Runoff and soil loss as affected by the application of manure[J]. Transaction of the ASAE, 2000, 43(6):1583-1588.

[7] 張光輝，梁一民. 植被蓋度對水土保持功效影響的研究綜述[J]. 水土保持研究, 1996, 3(2): 104-110.ZHANG Guanghui, LIANG Yimin. A Summary of impact of vegetation coverage on soil and water conservation benefit[J]. Research of soil and water conservation, 1996, 3(2): 104-110.

[8] 張喜旺. 面向水蝕風險遙感評估的有效植被覆蓋提取與應用[D].北京: 中國科學院遙感應用研究所, 2009: 28-40.

[9] ESCADAFAL R. Soil spectral properties and their relationships with environmental parameters: examples from arid regions[C]// Hill J,Mégier J. Imaging Spectrometry—A Tool for Environmental Observations. Dordrecht,The Netherlands: Kluwer Academic Publishers, 1994:71-87.

[10] DE JONG S M. Derivation of vegetative variables from a Landsat TM image for modelling soil erosion[J]. Earth Surface Processes and Landforms, 1994, 19(2): 165-178.

[11] CARLSON T N, RIPLEY D A. On the relation between NDVI, fractional vegetation cover, and leaf area index[J]. Remote Sensing of Environment, 1997, 62(3): 241-252.

[12] DE JONG S M, PARACCHINI M L, BERTOLO F, et al. Regional assessment of soil erosion using the distributed model SEMMED and remotely sensed data[J]. Catena, 1999, 37(3/4): 291-308.

[13] JAIN S K, GOEL M K. Assessing the vulnerability to soil erosion of the Ukai Dam catchments using remote sensing and GIS[J]. Hydrological Sciences Journal, 2002, 47(1): 31-40.

[14] SYMEONAKIS E, DRAKE N. Monitoring desertification and land degradation over sub-Saharan Africa[J]. International Journal of Remote Sensing, 2004, 25(3): 573-592.

[15] 劉和平, 袁愛萍, 路炳軍, 等. 北京侵蝕性降雨標準研究[J]. 水土保持研究, 2007, 14(1): 215-220.LIU Heping, YUAN Aiping, LU Bingjun, et al. Study on Erosive Ranifall Standard of Beijing [J]. Research of soil and water conservation, 2007 14(1): 215-220.

[16] VRIELING A, DE JONG S M, STERK G, et al. Timing of erosion and satellite data: A multi-resolution approach to soil erosion risk mapping[J]. International Journal of Applied Earth Observation and Geoinformation, 2008, 10(3): 267-281.