基于連環替代法的三江源地區土壤侵蝕評價及其影響因素分析

楊雪琴 賀倩 劉恩勤

摘要：基于RS與GIS技術，利用RUSLE模型對三江源地區2010、2015年的土壤侵蝕狀況進行了評價。同時引入連環替代法探討土壤侵蝕變化的影響因素。結果表明，三江源地區整體上呈現出中東部侵蝕嚴重，東部和西部侵蝕較小的空間分布特征;隨著海拔和坡長坡度的增加，土壤侵蝕模數也隨之增加，坡度坡長因子增幅比高程更大，土壤侵蝕對坡度坡長因子更敏感;2010—2015年整體上土壤侵蝕減小，中部和西部地區侵蝕減小，東部地區侵蝕增加;連環替代法較好地定量描述了由于降雨和植被因子造成的土壤侵蝕量及其在空間分布上的變化，降雨對全區的影響范圍較大但程度較低，植被影響范圍較集中但程度較深。

關鍵詞：RUSLE;土壤侵蝕;連環替代法;三江源地區

中圖分類號：S157? ? ? ? ?文獻標識碼：A

文章編號：0439-8114（2019）12-0069-05

DOI：10.14088/j.cnki.issn0439-8114.2019.12.016? ? ? ? ? ?開放科學（資源服務）標識碼（OSID）：

Abstract： Based on RS and GIS technology， the RUSLE model to evaluate the soil erosion in the source of the three rivers? region in 2010 and 2015 was used. At the same time， the continuous substitution method was introduced to explore the influencing factors of soil erosion change，and the multi-factor cross-effect problem was solved. The results showed that the source of the three rivers region presented a large spatial distribution of erosion in the central and eastern parts and less erosion in the east and west. With the increase of elevation and slope length， the soil erosion modulus increased， and the slope length factor increased larger than the elevation. The slope length factor was more sensitive. Overall soil erosion modulus was reduced in 2010—2015， modulus was reduced in the central and western regions， and modulus was increased in the eastern region. The continuous substitution method was better quantitatively described the amount of soil erosion caused by the rainfall and vegetation factors and its spatial distribution. The impact of rainfall on the whole area was large and the degree was low， and the range of vegetation impact was relatively concentrated and deep.

Key words： RUSLE; soil erosion; the continuous substitution method; the source of the three rivers region

土壤侵蝕是由降水、地表徑流、風、重力和冰等物理動力引起的漸進過程，對生態系統和社會生產產生重大影響。例如土壤養分流失、農田肥力減小、農業生產力降低、水質惡化、下游洪水易發和水庫淤泥沉積等[1-3]。近年來隨著人口壓力的增加、自然資源的過度利用、土地資源的管理不當等，使土壤侵蝕進一步加劇[2]。此外，土壤侵蝕程度受各種環境因素的控制，如氣候、土壤、地形和植被[4]。土壤侵蝕已成為全球環境可持續發展的關注點，并被認為是全世界的一個嚴重環境問題[5]。因此，定量估算土壤侵蝕空間分布及其影響因素對于制定有效的水土保持措施具有重要意義。土壤侵蝕模型可用來進行土壤流失的評價，修訂的通用土壤流失方程（Revised Universal Soil Loss Equation，RUSLE）[6]與之前的USLE（Universal Soil Loss Equation，USLE）方程相比算法更靈活，數據獲取相對容易，已被應用在森林、草原、荒漠等不同的區域，是被公認為簡單且廣泛采用的實用土壤侵蝕定量評估模型[7]。

目前，學者對土壤侵蝕及其影響因素進行了研究，研究方法主要有區間統計法、地理探測器等。張園眼等[4]利用RUSLE模型對深圳市土壤侵蝕進行了評估，并分析了不同影響因素條件下土壤侵蝕強度空間特征和規律;王歡等[8]基于地理探測器探討了喀斯特不同地貌形態類型區土壤侵蝕的定量歸因。大多數研究揭示了土壤侵蝕的影響因素，反映了不同影響因素對土壤侵蝕影響的相對重要性，然而研究多是基于單一的靜態角度，缺少從動態變化角度逐像元分析各影響因素在空間分布上對土壤侵蝕量變化的定量描述。連環替代法是因素分析法的一種基本形式，從數值上測定各個相互聯系的因素對有關指標變化量的影響程度[9]，目前該方法多用在經濟學的成本分析中[10]。RUSLE方程滿足連環替代法的前提假設條件，本研究引入該方法，將其與RS和GIS技術相結合逐像元計算各因素在空間分布上對土壤侵蝕量變化的影響。

有著“中華水塔”之稱的三江源地區處于青藏高原，該地區的土壤侵蝕不僅會影響下游河流的人畜飲水質量，還會影響到糧食安全，生態地位極其重要。2016年8月習近平總書記視察青海時也指出：“‘中華水塔是國家的生命之源，保護好三江源，對中華民族的發展至關重要。”因此，掌握該地區的土壤侵蝕及其影響因素具有重要意義。

1? 研究區與數據

1.1? 研究區概況

三江源地區位于中國青海省南部（31.5°—36.3°N，89.4—102.3°E），是長江、黃河和瀾滄江的源頭匯水區，是重要的生態功能保護區。行政區域包括玉樹、果洛、海南、黃南4個藏族自治州的16個縣和格爾木市的唐古拉鄉。平均海拔為3 500～4 800 m，作為青藏高原的主體部分，三江源區在高原面上以一系列近于平行的低山與寬谷、河湖盆地相間排列[11]。主要覆蓋類型為高寒草甸和高寒草原。土壤土層淺薄，質地粗，土壤容重較輕。屬青藏高原氣候類型，年均氣溫-5.4～4.2 ℃，年平均降水量250～705 mm[11]。河流密布，湖泊、沼澤眾多，雪山冰川廣布。近年來隨著全球氣候變暖，冰川、雪山逐年萎縮，河流、湖泊和濕地面積縮小，生態問題日益突出。

1.2? 數據來源與處理

1.2.1? 土壤屬性數據? 來源于中國1∶100萬土壤數據庫。數據包括土壤的組成機制以及理化性質。土壤的組成包含沙粒、粉粒和黏粒，理化性質指土壤的有機質成分含量。將三江源地區的土壤類型篩選出來，與數據庫中對應的土壤屬性進行匹配，從而計算得到土壤可蝕性因子。

1.2.2? 地形數據? 來源于地理空間數據云（http：//www.gscloud.cn/）。基于ArcGIS平臺去除DEM異常值，之后計算得到該地區的坡長坡度等地形因子。

1.2.3? 氣候數據? 來源于中國氣象數據網（http：//data.cma.cn/）。利用2010、2015年全區及其周圍143個降雨觀測站點日降雨量數據計算得到月平均降雨量（mm），進而計算得到該地區的降雨侵蝕力。其中氣象數據采用ANUSPLIN進行插值，該方法被證明在氣象數據插值上具有更高的精度[12]。

1.2.4? 遙感數據? 來源于中國科學院資源環境與數據管理中心（http：//www.resdc.cn/）。2010、2015年SPOT/VEGETATION NDVI年度衛星遙感數據集，該數據由最大值合成法（MVC）得到，在一定程度上去除了云霧等造成的影響，提高數據的使用精度[13]。為保證研究區的不同數據具有良好的空間重合性，對所有數據進行統一投影，統一分辨率。坐標系設置為Krasovsky_1940_Albers，分辨率為1 km。

2? 研究方法

2.1? RUSLE模型

采用修正的土壤侵蝕模型（RUSLE）[6]對三江源地區的土壤侵蝕進行定量評價，計算公式如下：

式中，A為土壤侵蝕模數[t/（hm2·年）]，R為降雨侵蝕力[MJ·mm/（hm2·h·年）]，K為土壤可蝕性因子[t·h/（MJ·mm）]，LS為坡度坡長因子（無量綱），C為植被覆蓋因子（無量綱），P為人工措施因子（無量綱）。各因子的特征描述及具體計算方法或對應的參考文獻詳見表1。參照前人研究[14，15]，結合三江源地區實際情況，將林地、草地、沼澤、荒漠與裸露地表等無水土保持措施的地區P賦值為1。

2.2? 連環替代法

連環替代法是因素分析法中一種常用的分析度量方法，該方法的優點是可以從數值上定量測定各個因素對有關指標變化量的影響程度，廣泛應用于經濟成本分析中[9]。本研究首次將該方法用于土壤侵蝕影響因素分析。RUSLE模型中，多個因子相乘的計算公式符合連環替代法的公式定義，因子對評價指標的影響性符合連環替代法的前提假設，因此連環替代法同樣適用于土壤侵蝕影響因素分析。

該方法的思想為假定一個因素發生變動，其他因素保持不變的條件下進行連環替代計算得到各個因素變動對該指標變動的影響程度。該方法計算原理如下：

假設指標N由a、b、c 3個指標相乘得到，分析方式如下：

土壤侵蝕方程中土壤侵蝕模數由降雨侵蝕力因子R，土壤可蝕性因子K，坡長坡度因子LS，植被覆蓋度因子C，人為措施因子P的乘積所得，結合上述連環替代法的原理可以發現，通過該方法可以在空間分布上逐像元定量分析各因素對土壤侵蝕模數影響的變化量。由于土壤可蝕性因子和坡度坡長因子在一段時間內幾乎不會變動，可認為對土壤侵蝕的動態變化沒有影響，因此本研究引入該方法確定降雨和植被對土壤侵蝕模數的變化。該方法重點難點在于確定影響因子的先后順序，不同的順序會有不同的影響結果。本研究依據先量后質的原則[20]確定替換順序為：先降雨侵蝕力R，后植被覆蓋度因子C。

3? 結果與分析

為了分析該地區的土壤侵蝕變化，需要建立統一的分級標準。本研究參照《土壤侵蝕分類分級標準》（SL190-2007）并結合研究區的實際情況采用自然斷點法將土壤侵蝕模數[t/（hm2·年）]分為潛在侵蝕（0，110]、微度侵蝕（110，375]、輕度侵蝕（375，780]、中度侵蝕（780，1 435]和重度侵蝕? ? （1 435，4 000]5類。自然斷點法是一種基于數據中固有的自然分組，通過對分類間隔加以識別，在數值差異相對較大處設置邊界，對相似值進行恰當分組，使各類之間差異最大化[21]，該方法具有客觀性。本研究以兩年土壤侵蝕模數的平均值為基礎，使用自然斷點法確定分級標準。

3.1? 土壤侵蝕評價

3.1.1? 土壤侵蝕空間分布特征? 根據上述方法得到2010、2015年三江源地區的土壤侵蝕等級空間分布（圖1）和各等級的面積占比（表2）。整體上看，2010和2015年該地區西北部的治多縣、格爾木市和曲麻萊縣的土壤侵蝕較小;中南部的囊謙縣、玉樹縣以及東北方向的興海縣、瑪沁縣、甘德縣和久治縣土壤侵蝕較為嚴重。全區以潛在侵蝕為主，2010年占全區78%，2015年占83%，增加了5個百分點;微度侵蝕次之，2010年占據14%，2015年占據11%，下降了3個百分點;中度侵蝕和重度侵蝕所占比例最小，2010年中度侵蝕占2%，2010年重度侵蝕、2015年中度、重度侵蝕均僅占1%。表明該地區整體上土壤侵蝕狀況較好。

結合該地區地形資料數據（三江源地區數字高程模型）發現西北部海拔高，屬于高原丘陵地帶，地勢起伏小，土壤侵蝕程度較低。東南的興海縣、瑪沁縣、甘德縣、久治縣、囊謙縣和玉樹縣海拔低，地勢起伏大，土壤侵蝕較為嚴重。該現象說明地形因子對土壤侵蝕強度影響較大。此外，瑪多縣臨近水域的區域土壤侵蝕程度也較低，分析認為該地區地勢相對平坦，在非洪災年間，降雨匯流到水域，極大地減緩了降雨的侵蝕作用，從而降低了水土流失發生的可能性。

3.1.2? 土壤侵蝕動態變化? 利用差值法得到2010—2015年土壤侵蝕模數的空間變化分布（圖2）。整體上該地區的土壤侵蝕減緩，土壤侵蝕模數減少的區域以小而集中的特點分布在西部和中北部等區域，包括治多縣、曲麻萊縣和格爾木市，且減少量主要集中在0～100 t/（hm2·年），其次為100～200 t/（hm2·年）。侵蝕模數增加的區域呈星散狀分布在三江源地區東南部，增加量主要集中在100～200 t/（hm2·年）。其中，班瑪縣和達日縣的土壤侵蝕程度增加幅度較小，甘德縣、久治縣、瑪沁縣、興海縣和同德縣土壤侵蝕程度增加幅度較大。

三江源地區各級土壤侵蝕強度的平均土壤侵蝕模數及變化率如表3所示，潛在侵蝕、微度侵蝕以及輕度侵蝕的平均值分別降低了6.43%、1.93%、2.41%，而中度侵蝕、重度侵蝕則增加了1.23%、1.33%。結合表2，中度、重度侵蝕的面積減少或不變，而平均侵蝕模數增加，分析認為造成該變化特點的原因主要有兩個：一是原有的中度和重度侵蝕地區侵蝕模數增加;二是原有的潛在或微度侵蝕地區的侵蝕模數增加幅度較大，達到了重度侵蝕。

3.2? 影響因素分析

3.2.1? 地形因子對土壤侵蝕的影響

1）高程。三江源地區海拔在3 500～4 800 m，地質地貌隨喜瑪拉雅地質運動，山脈隆起，高原上升。本研究利用自然斷點法對高程和坡度坡長因子進行區間劃分，并統計每一區間土壤侵蝕模數的平均值，分別與2010年土壤侵蝕模數和2015年土壤侵蝕模數進行相關性分析。結果（圖3a）顯示，整體上隨著海拔的升高土壤侵蝕模數逐漸增加，但是增加的幅度不同，表現為先增加后平緩再劇烈增加的特點，其中在3～4 km有一個小高峰，在4.5 km之后土壤侵蝕模數迅速升高，增加幅度最大。同時，在各高程區間內，2010年的平均土壤侵蝕模數均高于2015年，且隨著海拔的升高侵蝕模數差值逐漸變大。綜合氣候、植被和土壤條件分析可知，在海拔高的地區氧氣稀薄，植被以高原草甸和高原草原為主，土壤腐殖質層薄，抗蝕能力差，因此海拔高的地方土壤侵蝕更為嚴重。

2）坡長坡度因子。據圖3b可知，整體上土壤侵蝕模數隨著坡度坡長因子的增加在不斷增加，但不同區間增加幅度不同，表現為由小變大再變小，其中，當坡度坡長因子在4～8時，土壤侵蝕模數增加幅度最大，該變化特征與土壤侵蝕模數隨高程變化的同一階段的特點相反。此外，2015年在不同坡長坡度等級下的土壤侵蝕模數都小于2010年，且同一坡長坡度對應的2010年土壤侵蝕模數與2015年土壤侵蝕模數的差值越來越大。綜合地形條件分析，這是由于在坡度坡長因子較大的地區溝壑縱橫，地勢起伏度大，復雜的地形使得土壤獲得更大的重力勢能，土壤流失易形成滑坡、泥石流等自然災害，同時導致植被減少，抗蝕能力差。與高程區間內的平均土壤侵蝕模數相比，坡度坡長因子區間內的土壤侵蝕模數更大，這表明在地形因子中土壤侵蝕對坡度坡長因子更加敏感。

3.2.2? 降雨和植被因子對土壤侵蝕變化的影響

1）降雨。降雨量變化是土壤侵蝕變化的關鍵動力因子之一，雨滴的降落會對土壤顆粒進行沖擊，濺飛的土壤顆粒會隨著地表徑流流入河道，造成水土流失，河道堵塞[22]。降雨對土壤侵蝕的影響可通過降雨侵蝕力反映。由連環替代法得到因降雨量變化造成的土壤侵蝕模數變化的空間分布，如圖4a所示。2010—2015年整體上降雨量變化使得土壤侵蝕模數減少，減少范圍集中在0～100 t/（hm2·年），分布在三江源地區的西部、中北部和東部等地勢較為平坦的區域;東北部地區的土壤侵蝕模數減小范圍則主要在100～200 t/（hm2·年），且區域分布具有相對集中的特點。而在甘德縣、久治縣存在少部分土壤侵蝕模數增加的區域，增加范圍在0～100 t/（hm2·年），說明該區域內的降雨變化加重了土壤侵蝕。

2）植被。植被作為土壤侵蝕阻抗因子的存在，其抗侵蝕能力隨著植被覆蓋度的增加而增加[23]。由連環替代法得到植被因子變化對土壤侵蝕模數變化的空間分布，如圖4b所示。植被變化使得土壤侵蝕模數整體變化不大，幾乎穩定在0附近。西部少部分地區如治多縣、曲麻萊縣和格爾木市以及東北部同德縣土壤侵蝕模數減少，減少范圍在0～100 t/（hm2·年），表明該區域植被減少土壤侵蝕的作用明顯。侵蝕模數增加的區域呈星散狀分布，主要分布在中南部和中東部的瑪沁縣、雜多縣、甘德縣、久治縣等地勢起伏較大的山脊和溝谷地帶以及東北部興德縣等地區，范圍在200 t/（hm2·年）以上。表明在2010—2015年植被變化加重了這些區域的土壤侵蝕。

4? 小結與討論

本研究以三江源地區作為研究對象，采用RUSLE模型和連環替代法分析了該地區的土壤侵蝕時空變化特征，并對其影響因素進行了分析，得到以下結論：

1）三江源地區整體上侵蝕程度較小，以潛在和微度侵蝕為主，且分布規律。其中西北部的治多縣、曲麻萊縣、格爾木市等地區侵蝕程度較小，中南部的囊謙縣、玉樹縣以及東部部分地區侵蝕程度較大。

2）2010—2015年三江源地區的土壤侵蝕變化具有差異性，其中西部、中北部及東部地區土壤侵蝕模數減小范圍集中在0～100 t/（hm2·年），中部侵蝕模數減小范圍則集中在100～200 t/（hm2·年）。同時，潛在、微度和輕度侵蝕的平均侵蝕模數減小，中度和重度侵蝕的平均侵蝕模數增加。

3）土壤侵蝕模數隨著高程和坡度坡長因子的增加都表現出逐漸增加的變化特點，但變化的幅度不同。同時，在不同坡度坡長因子區間范圍內的平均土壤侵蝕模數大于高程區間內的土壤侵蝕模數，土壤侵蝕對坡度坡長更加敏感。

4）連環替代法能夠較好地定量描述植被和降雨因子影響下的土壤侵蝕量及其空間分布特征。降雨對土壤侵蝕的影響范圍較廣，整體上土壤侵蝕模數減少了100～200 t/（hm2·年）;植被對土壤侵蝕的影響范圍較小，2010—2015年整體上土壤侵蝕模數減小了50～200 t/（hm2·年），部分侵蝕量增加的區域呈星散狀分布，增加量為100～150 t/（hm2·年）。

本研究的時間尺度較短，僅選取2010、2015年兩年時間。近年來，國家不斷加大力度致力于三江源保護區的生態重建和保護，越來越多的人為措施參與到各項生態活動中，而人為措施干涉生態活動的影響不容忽視，因此后期會選擇更長的時間尺度，并考慮人為措施因子的影響。

參考文獻：

[1] THOMAS J，JOSEPH S，THRIVIKRAMJI K P. Assessment of soil erosion in a tropical mountain river basin of the southern Western Ghats，India using RUSLE and GIS[J].Geoscience frontiers，2018，9：893-906.

[2] SINGH G，PANDA R K. Grid-cell based assessment of soil erosion potential for identification of critical erosion prone areas using USLE，GIS and remote sensing：A case study in the Kapgari watershed，India[J].International soil and water conservation research，2017，5（3）：202-211.

[3] ZERIHUN M，MOHAMMEDYASIN M S，SEWNET D，et al. Assessment of soil erosion using RUSLE，GIS and remote sensing in NW Ethiopia[J].Geoderma regional，2018，12：83-90.

[4] 張園眼，李天宏.基于GIS和RUSLE模型的深圳市土壤侵蝕研究[J].應用基礎與工程科學學報，2018，26（6）：1189-1202.

[5] RABIUL I M，WAN J W Z，SAI H L，et al. Soil erosion assessment on hillslope of GCE using RUSLE model[J].Journal of earth system science，2018，127（4）：50.

[6] RENARD K G，FOSTER G R，WEESIES G A，et al. Predicting soil erosion by water：A guide to conservation planning with the revised universal soil loss equation（RUSLE）[M].US department of agriculture，Agricultural handbook No.703，1997.

[7] EBRAHIMZADEH S，MOTAGH M，MAHBOUB V，et al. An improved RUSLE/SDR model for the evaluation of soil erosion[J].Environmental earth sciences，2018，77（12）：454.

[8] 王? 歡，高江波，侯文娟.基于地理探測器的喀斯特不同地貌形態類型區土壤侵蝕定量歸因[J].地理學報，2018，73（9）：1674-1686.

[9] 支婷婷，耿成軒.連環替代法與LMDI方法在成本分析中的運用比較[J].財會通訊，2012（4）：99-101.

[10] 王曉秋.連環替代法在可比產品成本降低分析中的簡化應用[J].財會月刊，2015（1）：111-113.

[11] 李軍喬.三江源地區生態環境重建對策研究[D].陜西楊凌：西北農林科技大學，2002.

[12] 王? 英，曹明奎，陶? 波，等.全球氣候變化背景下中國降水量空間格局的變化特征[J].地理研究，2006，25（6）：1031-1040，1148.

[13] LANORTE A，LASAPONARA R，LOVALLO M，et al. Fisher-Shannon information plane analysis of SPOT/VEGETATION normalized difference vegetation Index（NDVI） time series to characterize vegetation recovery after fire disturbance[J].International journal of applied earth observation and geoinformation，2014，26（1）：441-446.

[14] 胡云華，劉斌濤，宋春風，等.基于USLE模型的大小涼山地區土壤侵蝕定量研究[J].水土保持通報，2016，36（4）：232-236.

[15] 肖? 玉，謝高地，安? 凱.青藏高原生態系統土壤保持功能及其價值[J].生態學報，2003，23（11）：2367-2378.

[16] WISCHMEIER W H，MANNERING J V. Relation of soil properties to its erodibility[J].Soil science society of America journal，1969，33（1）：131.

[17] SHARPLEY A N，WILLIAMS J R. EPIC-erosion/productivity impact calculator：2.User manual[J].Technical Bulletin-United States department of agriculture，1990，4（4）：206-207.

[18] 符素華，劉寶元，周貴云，等.坡長坡度因子計算工具[J].中國水土保持科學，2015，13（5）：105-110.

[19] 蔡崇法，丁樹文，史志華，等.應用USLE模型與地理信息系統IDRISI預測小流域土壤侵蝕量的研究[J].水土保持學報，2000， 14（2）：19-24.

[20] 郁玉環.連環替代法計算表的設計與應用[J].財會月刊， 2009（11）：93-94.

[21] 段亞明，劉? 勇，劉秀華，等.基于POI大數據的重慶主城區多中心識別[J].自然資源學報，2018，33（5）：788-800.

[22] 王俊華.不同土壤類型地表徑流COD污染負荷研究[D].成都：西南交通大學，2011.

[23] 馬超飛，馬建文，布和敖斯爾.USLE模型中植被覆蓋因子的遙感數據定量估算[J].水土保持通報，2001，21（4）：6-9.

收稿日期：2019-03-21

作者簡介：楊雪琴（1998-），女，四川綿陽人，在讀本科生，（電話）17748499450（電子信箱）928404916@qq.com;通信作者，劉恩勤（1984-），女，