流域景觀格局變化對土壤侵蝕影響的模型研究

劉曉光

(盤錦河海土木工程咨詢有限公司，遼寧 盤錦 124010)

1 研究區概況

蘇子河是遼寧省東部河流渾河的重要支流，同時也是新賓縣最大的河流[1]。蘇子河干流全長119km，流域總面積約1966km2。蘇子河流域屬于典型的中溫帶大陸性季風氣候，四季分明、降雨充沛，年平均降雨量為843.2mm[3]。由于流域具有良好的植被覆蓋且降水比較豐富，因此河流的徑流量較大，多年平均徑流量為5.19億m3，因此成為大伙房水庫的重要入庫水源。因此，蘇子河水量和水質會對大伙房輸水工程產生重要影響。蘇子河流域位于遼寧省中北部長白山系西延部分，低山和丘陵屬于該流域的主要地形[2]，最高海拔為1346.7m，最低海拔為123.8m，平均海拔492.1m。流域內的平均土層厚度為0.2～0.4m，以暗棕色和棕色森林土為主。

2 子流域侵蝕模數的計算

2.1 研究區SWAT模型的建立

研究中利用地理空間數據云獲取研究區的DEM圖，利用ArcGIS10軟件將獲得的分辨率為30m的DEM圖進行鑲嵌、裁剪和投影等一系列圖形的轉化操作。基于1985和2018年的土地利用類型數據建立相應的空間數據庫，并將其設置成與DEM一致的投影坐標，實現土地利用圖和模型數據庫的關聯。在SWAT模型的土壤數據庫中輸入土壤的物理屬性參數，加載的氣象資料來自本溪氣象站的數據，對于缺失的實測數據利用天氣發生器生成。

將按照上述方法轉化操作獲得的DEM圖輸入模型中，并利用閾值方法進行河網的定義[4]。結合研究需要和蘇子河流域的實際情況，閾值選擇為22.13km2，并將整個流域劃分為27個子流域，結果如圖1所示。關于水文響應單元，將土地和土壤類型及其索引表輸入模型，以10O和25O為分界點將坡度分為3類，相應的坡比輸入數值為17.6和46.6，最終生成910個水文響應單元。

圖1 子流域劃分結果示意圖

將天氣發生器、土壤屬性數據、空間數據庫和索引表輸入SWAT模型，并利用索引表實現與各個子流域的鏈接，模型可以自動為流域分配氣象資料[5]。因此在創建好所有的數據庫文件后，只要設置好起止時間和預熱年等關鍵數據，即可開始模型的運行。

2.2 侵蝕模數計算結果

在保持模型運行時氣象資料不變的情況下，分別將1985和2018年的蘇子河流域土地利用數據輸入模型，利用模型計算獲得如圖2—3所示的各個子流域的土壤侵蝕模數空間分布情況。由計算結果可知，在1985年的土地利用格局下，微度侵蝕和輕度侵蝕面積分別占22.35%和77.65%；在2018年的土地利用格局下，微度侵蝕和輕度侵蝕面積分別占37.35%和62.65%。整體來看，流域土壤侵蝕程度有所加大，且侵蝕比較嚴重的區域主要集中于上游地區。究其原因，一是人類活動引起土壤利用格局的變化造成侵蝕程度的增加，二是上游地區主要是旱田作物，容易造成土壤侵蝕，下游主要是城鎮和市郊，地表存在較大的硬化面積，不易被侵蝕。

圖2 1985年土壤侵蝕模數分布

圖3 2018年土壤侵蝕模數分布

3 景觀格局指標的選擇

本次研究選取了景觀水平上的7種景觀格局指數作為研究指標，參照相關的研究成果[6]，所選取的景觀格局指數見表1。利用GIS空間分析模塊將不同緩沖區內的土地利用類型進行柵格形式轉換，然后利用Fragstats3.3軟件對各個緩沖區內的景觀格局指數進行統計分析。

表1 研究中選取的景觀指數與變化特征

4 多元線性回歸結果分析

按照上文提出的方法，對蘇子河流域1985—2018年的土壤侵蝕模數和7個景觀指數進行模擬計算，并根據計算結果獲得各個子流域的土壤侵蝕模數和景觀指標的變化量，見表2。

基于本文的研究目的，特將蘇子河流域1985—2018年的各個子流域的土壤侵蝕模數的差值作為因變量，將所選取的7個子流域景觀格局的指數作為自變量，利用SPSS軟件進行多元線性回歸分析，計算結果見表3。[7]表中的參數R為2個模型的復相關系數，R2為判定系數，主要表明線性方程擬合結果和實際數據之間的擬合程度。鑒于2個模型的判定系數的值分別為0.544和0.652，說明模型2具有更高的擬合度，回歸效果比較理想。

表2 各個子流域土壤侵蝕模數和景觀指標的變化量統計結果

表3 多元線性回歸分析模型計算結果

注：a的預測變量為SHDI；b的預測變量為SHDI，COHESION(下同)。

擬合模型的方差分析檢驗結果見表4。由表4中的結果可知，模型2的總平方和為183281.550。其中，回歸平方和占到了總平方和的69.18%，這也意味著回歸分析獲得的模型能夠解釋69.18%的研究原始數據。F統計量的值為22.550，概率值Sig為0.00，明顯超過了0.05的顯著性檢驗標準。基于上述數據，利用線性回歸分析法建立的回歸方程具有統計學價值。因此，SHDI和COHESION這2個變量和土壤侵蝕模數之間存在一定的線性關系。置于2者之間的線性關系的強度，仍需要進行進一步分析。

利用SPSS輸出模型系數(見表5)，并根據表中的數值寫出回歸方程。其中，模型2的2個自變量T檢驗的概率值均顯著小于0.05，說明模型具有較強的顯著性[8- 12]。就共線性檢驗結果來看，2個模型的VIF值都是1.237，均小于5，說明2個自變量之間不存在顯著的共線性特征，具有比較理想的效果，應該保留在回歸方程中，模型的常量T檢驗概率值明顯大于0.05，不具備顯著性，應該予以刪除。最終獲得的回歸方程表達式為：

ΔS=0.378ΔCOHESION-0.583ΔSHDI

(1)

式中，SHDI—中文名為香農多樣性指數，其生態學方面的意義為景觀的異質性，其取值范圍為0～1，當該指數的取值越接近于1時說明子流域內的斑塊數量越多且分布越均勻，當其值為0時說明子流域內僅有一種斑塊類型；COHESION—中文名為斑塊結合度指數，表達的是子流域內各個斑塊類型之間的物理連通性，其取值范圍為0～100，其值越小說明斑塊之間的物理連通性越小。

表5 回歸模型系數

根據多元回歸方程可知，在本文研究中所選取的7個景觀格局指標中，對蘇子河流域各個子流域的土壤侵蝕模數影響最顯著的2個指標為SHDI、COHESION。由上述回歸方程可知，蘇子河流域各個子流域的土壤侵蝕模數和SHDI的變化量呈現出顯著的負相關關系，說明不同斑塊類型的分布更加均勻，斑塊數量越多，就會明顯增加地表徑流的流動長度，進而造成流速的減小和土壤侵蝕量的降低。蘇子河流域各子流域的土壤侵蝕模數與COHESION變化量之間存在顯著的正相關關系，說明斑塊之間的物理連通性的增強，可以顯著增加土壤侵蝕模數。因此，在蘇子河流域的土壤侵蝕嚴重地區，可以通過實施溝壟耕作、山坡截流溝等工程措施降低斑塊之間的物理連通性，進而達到水土保持的目標[13- 15]。

5 結語

以蘇子河流域為研究對象，選擇7個典型的景觀格局指標，利用SPSS多元線性回歸的方式展開景觀格局變化對土壤侵蝕模數影響的研究，得到如下結論。

(1)對蘇子河流域各個子流域的土壤侵蝕模數影響最顯著的2個指標為SHDI、COHESION。

(2)建議在蘇子河流域的土壤侵蝕嚴重地區，通過實施溝壟耕作、山坡截流溝等工程措施降低斑塊之間的物理連通性，進而達到水土保持的目標。

(3)本次研究僅分析了景觀格局變化對土壤侵蝕模數的影響，在今后的研究中，需要對坡度、土壤類型等因素的影響進行研究和分析。