基于GIS的秦巴山區土壤侵蝕評估：以陜西省寧強縣為例

蘭 敏

(西北農林科技大學 資源環境學院，陜西 楊凌712100)

在長期的土壤侵蝕研究中，通用土壤流失方程(USLE)發揮了重要的作用，隨著地理信息系統(GIS)技術不斷發展，運用GIS技術結合USLE定量評估區域土壤侵蝕已成為有效手段。但是通用土壤流失方程(USLE)并不適用于一些坡度較大的地區，基于此，本文以陜西省寧強縣為例，在GIS技術支持下，運用因子法，計算該區的土壤侵蝕模數，分析土壤侵蝕的空間分布特征，為該地區水土流失防治提供科學依據。

1 實驗區域

寧強縣位于陜西省西南角、漢中西部。轄26個鄉鎮。總人口26.48萬人，百分之九十都是農業人口。該區地處我國南北過渡的中間地帶，特殊的地理位置決定了其氣候的獨特性:西部屬于北亞熱帶季風氣候區，東部為北亞熱帶與暖溫帶過渡地域;氣候溫和，雨量充沛，四季分明。據2005年統計資料，全區年平均氣溫在13.5°C～15°C，年降水量655～1100 mm，年日照時數1 395～1 729 h。寧強是漢江的發源地，有“三千里漢江第一城”之美譽，水資源資源極為豐富，其中漢江為長江的一級支流，丹江為漢江的一級支流。

2 數據源和數據處理

本次試驗用信息化、現代化的手法，基于遙感(RS)和地理信息系統(GIS)技術，遙感數據源采用高幾何分辨率和高光譜分辨率的遙感影像，通過輻射校正，幾何精校正及投影轉換等空間操作，將典型區域內連續性的不同幅面的影像進行拼合，得到典型區域范圍內的全幅遙感影像。遙感數據時效選8—10月的遙感影像;地形圖數據源采用國家地理數據庫1:1萬地形圖;對寧強縣的實地野外調查，使用ArcGIS地理信息平臺，結合GIS技術處理、提取坡度、覆蓋度、土地利用等因子分析以得到研究區的土壤侵蝕情況，通過遙感影像的解譯得到當地的土地利用現狀和植被覆蓋數據，用GIS處理研究區地形數據得到DEM，并在此基礎通過疊加運算得到研究區土壤侵蝕模數，以便相關部門對此地區監控管理。

3 實驗方法

3.1 繪制土地利用圖

對數據源進行預處理，以獲得USLE模型實現所需的數據，預處理步驟為包括遙感影像增強、影像校準，通過1:1萬地形圖作參考，根據土地利用類型分類標準，結合水土流失狀況調查需要，將一級分類的8大類合并為7大類(耕地、林地、草地、居民工礦交通用地、水域、未利用地)，按照標準和當地實際情況再分為22個二級分類。土地利用類型信息提取外業采用實地調繪方法，內業解譯應用監督與非監督分類相結合的方法，對普查區域進行區域分塊、專題分層的解決方案來克服大面積內的“同物異譜、異物同譜”現象，最后，應用人工勾匯修正的方法進行處理，進而達到準確提取土地利用類型專題信息的目的。解譯標志勾勒圖斑后，在ArcMAP中編輯屬性字段，生成土地利用圖，如圖1。

3.2 利用土壤侵蝕因子進行計算

3.2.1 植被覆蓋度等級信息的獲取

基于植被指數與植被蓋度關系模型，求解植被蓋度是傳統的植被蓋度遙感分析方法。如果土壤線的特征值無法得到，草地覆蓋的密度變化又較大時，NDVI提供的植被蓋度信息較準確。寧強地區植被多樣性明顯，植被覆蓋度變化大，故采用NDVI歸一化植被指數對陜南植被覆蓋信息進行提取。植被指數法直接利用植被指數近似估算植被覆蓋度，所使用的植被指數一般都與植被覆蓋度具有良好的相關關系，不需要建立回歸模型。2001年陳晉、陳云浩等發展了一套計算區域植被覆蓋度的亞像元分解模型［1］。當像元中植被類型較為單一且植被垂直密度足夠高(葉面積指數LAI→∞)時，對應的NDVIv→NDVImax，設NDVImin是非植被覆蓋部分的NDVI值，于是有下式:

式中，NDVI為所求地塊或像元植被指數，NDVImax和NDVImin為研究區內最大 NDVI值和最小 NDVI值［2］。

根據國標關于土壤侵蝕劃分標準將植被覆蓋度分為6個等級，詳見表1。

表1 植被蓋度分級表

在野外建立各等級植被覆蓋信息的實地監測點，根據各監測點的植被覆蓋信息和NDVI歸一化植被指數信息建立對應關系，依據劃分植被覆蓋信息等級標準，獲取植被覆蓋度等級專題信息圖。

3.2.2 地面坡度等級信息的獲取

地面坡度等級信息提取主要依據數字地面高程模型(DEM)，利用ArcGIS進行空間信息提取，可獲得連續性的地面坡度圖，再根據需要進行坡度等級劃分。根據水土保持國標要求，結合陜南地區實際情況，將坡度分為6個等級，見表2。DEM數據獲取上要采用Hutchinson插值方法，生成水文地貌關系正確的DEM(Hc－DEM)，以此獲取更準確的水土流失對應地表地形特征。生成DEM柵格單元時應采用5m單元格幾何精度，這樣可與遙感獲取的土地利用類型信息、植被覆蓋信息準確疊合，進而方便進行空間分析及信息提取。

圖1 寧強縣土里利用現狀圖

表2 坡度分級表

3.2.3 水土流失等級及面積的確定

根據植被指數，土地利用，地面坡度三個水土流失因子進行疊置分析，之后遵照國標SL190－96的標準水土流失強度等級的對區塊劃分與確定。判定標準見表3。

表3 面蝕分級標準

4 實驗結果及分析

4.1 數據結果

從因子法的數據結果表4和以前方程法計算結果表5來看，寧強整體土壤侵蝕情況屬于輕到中度(占60%以上)侵蝕，且受侵蝕面積較大，綜合討論，寧強縣的土壤侵蝕嚴重。兩組數據相比發現，數據出現了很大差異:寧強縣除了輕度侵蝕的面積之外，其他等級方程法所得面積均高于因子法所得面積;將上述兩組數據與陜西水保局提供的全國二次調查數據相比，因子法結果與其基本相似，但侵蝕程度略有增加，根據查閱資料和請教多位老師，分析考慮可能與5·12地震有關。

4.2 因子法數據結果

通過寧強縣的土壤侵蝕模數圖可以看出，寧強縣土壤侵蝕程度較為嚴重，根據相關研究低覆蓋度草原才是最主要的侵蝕地帶［3］，而通過對研究區的土地利用進行分析，寧強地區的地覆蓋度草地比重很高。土地利用方式的差異主要表現植被覆蓋類型的不同以及植被覆蓋度的差異上，這種差異性對地上生物量以及地表粗糙度具有決定性的作用，進而影響著坡面截留作用和流域產流產沙。在西北地區，植被退化比較明顯，使其生態環境不斷惡化，而土地利用方式不同所產生的侵蝕強度差異性也迫切需要重視。

表4 因子法計算數據結果

表5 USLE方法計算數據結果

圖2 寧強縣土壤侵蝕模數圖(三因子法)

圖3 寧強縣土壤侵蝕模數圖(USLE)

通過對寧強縣植被覆蓋、土地利用、坡度等數據分析，地形起伏引起對土壤侵蝕強度差異有很明顯的影響，研究區坡度小于5度得地區僅占13%左右，而坡度大于25度的地區占到60%以上，經過大于25度的地區侵蝕模數比小于5度地區侵蝕模數相比高坡度地區比地坡度地區侵蝕模數高處數百倍。對比分析了不同坡度梯度下的土壤侵蝕狀況后發現，隨著坡度的逐漸增高，年均侵蝕模數與年均侵蝕總量都呈明顯增加趨勢。年均侵蝕模數隨坡度梯度呈現增加，雖然與計算公式有關，同時也說明了地形梯度對侵蝕的影響，而年均侵蝕總量隨坡度梯度的增加同樣呈現增加的趨勢，就說明了地形起伏變化是決定區域侵蝕強度分布的關鍵因素之一。

將方程法數據與因子法數據相比較，可以看出方程計算的數據結果中輕度等級的面積均高于因子法所計算的面積，而微度等級的面積均低于因子法所計算的面積，方程法計算的侵蝕強度占較大比重的是在中度與輕度，而因子法計算的侵蝕強度較大比重的是在輕度與微度。

5 討論與結論

寧強縣處在秦巴山區，植被覆蓋較好，多數地區水土流失輕微，但在山區，由于墾植陡坡，林草植被破壞，也造成了嚴重的水土流失，常有山洪危害。根據陜西水保局提供的全國第二次土地調查中的數據，將前一篇文章的方程法與因子法所得兩組數據與相比較后發現，因子法所計算的數據基本與其數據相吻合。經過對研究區兩組數據的分析發現，USLE方程現階段不適用于寧強南地區。

(1)通用方程中的坡度因子，其所用資料的坡度范圍為3% ～18%［4－6］，而在寧強地區地形起伏較大，坡度為 25度以上的地區占全部面積的60.738%按照USLE方程計算極強度和劇度的數據，由此可以看出，USLE對高坡度地區的效果不經人意，因此，在應用USLE時，必須對每個因子的應用范圍有清楚的了解，并根據實際情況對其加以修正。

(2)USLE方程是利用大量小區觀測資料和模擬降雨試驗資料建立了通用土壤流失方程［7］。嚴格的土壤侵蝕估算都以試驗小區為依托，獲取各個相關因子的常年數據，再進行土壤侵蝕的研究。但是目前寧強地區暫時還難以獲取足夠的侵蝕模數資料，使用試驗小區的方法進行大尺度區域的土壤侵蝕監測存在著成本巨大，監測周期長的不足［8］。

(3)USLE方程中有許多經驗數值，這些經驗數值，由于經緯度不同，土地利用不同，土壤不同等很多因素影響，這些數值不一定可以在寧強地區適用，雖然現在許多學者都在你努力嘗試、但不斷的進行修正，在這個長期研究的過程中我們有著重重的困難。研究區地形復雜，有秦巴山脈覆蓋，很多地方情況復雜，了無人煙，有些地區甚至無法到達。這對學者們的研究造成了很大困難，所以來說對于使用經驗數值估算的USLE在寧強很難適用。

總之，USLE方程現階段不適用于寧強地區計算土壤侵蝕，但是隨著科技的進步，人類探索的腳步會一步一步的更廣的未知領域。三因子法與USLE相比，三因子法中的三個因子全部可以使用RS和GIS平臺進去精確計算得出，無需經驗數據值估算，對于地形復雜，沒有良好的數據支持的條件下是一種比較理想的方法，但是在其計算過程中沒有考慮人為對土地的影響，也沒有考慮到降水對土壤造成的侵蝕，沒有一個嚴密的計算公式，只能做一個粗略的計算。USLE雖然是一個嚴密的以試驗數據為基礎的回歸統計模型，但缺乏充分的物理基礎，只能反映較長時段土壤侵蝕的平均空間變化，而對于土壤侵蝕的物理過程無法模擬。同時，此類模型均是根據一定區域內的實測資料建立起來的，地域性強，外延效果差［9］。

［1］陳晉，陳云浩等.基于土地覆蓋分類的植被覆蓋率估算亞像元模型與應用［J］.遙感學報 2001，5(6):416—422.

［2］丁美青，陳松嶺，郭云開.基于遙感的土地復墾植被覆蓋度評價［J］.中國土地科學2009，11:72－75.

［3］耿豪鵬，潘保田，王超，黃波.基于GIS與USLE的榆中縣土壤侵蝕［J］.蘭州大學學報自然科學版 2009，12(8):13.

［4］Wischmeier W H，Sm ith D D.Predicting rainfall－erosion losses from cropland east of the Rocky Mountains［R］.USDA Agricultural Handbook.No.282.1965.

［5］Wischmeier W H，Smith D D.Predicting RainfallErosion Losses［Z］.USDA Agricultural Handbook.No.537.1978.

［6］Renard K G，Foster G R，Weesies G A ，et al.RUSLE －A Guide to Conservation Planning with the Revised Universal Soil Loss Equation［Z］.USDA Agricultural Handbook.No.703，1997.

［7］李占斌，朱冰冰，李鵬.土壤侵蝕下的水土保持［J］.土壤學報.

［8］張有全，宮輝力，趙文吉.基于遙感與GIS的土壤侵蝕強度快速估測方法［J］.生態環境，(2007年1月)

［9］李國英.深入研究黃土高原土壤侵蝕規律［J］.中國三北防護林體系建設網水土保持.2009，12(28)