基于柵格像元和矢量地塊的區域土壤侵蝕計算結果對比分析
——以懷來縣外井溝小流域為例

鄒海天，李子軒，張彩云

（1.海河水利委員會海河流域水土保持監測中心站，天津 300170；2.懷來縣水務局，河北 懷來 075400）

隨著國家深入推進長江經濟帶發展、黃河流域生態保護和高質量發展以及京津冀協同發展等戰略的實施，水土流失等生態環境問題進一步得到重視，水土流失綜合治理力度逐年加大，迫切需要水土流失監測數據為水土流失綜合治理、規劃設計和效果評價提供數據支撐。近年來，全國采用遙感解譯、定位觀測與柵格模型計算等方法，開展水土流失動態監測，獲取了區域的水土流失面積、強度和分布[1]。基于柵格像元計算，能夠快速掌握區域內水土流失及分布情況，但在同一地塊內存在不同土壤侵蝕強度等級的柵格像元，這就導致無法直接確定地塊土壤侵蝕強度等級，結果難以用于水土流失綜合治理圖斑設計。本文選取河北省懷來縣外井溝小流域，采用基于柵格像元和矢量地塊2種方法分別計算獲取小流域內水土流失狀況，對比分析2種方法計算結果差異性和適用性，為水土流失監測成果應用提供參考。

1 研究區概況

外井溝小流域位于河北省懷來縣南部，距縣城37 km，面積56.93 km2，處于永定河上游，屬燕山山地丘陵水源涵養生態維護區，以水力侵蝕為主。地勢南高北低、東高西低，最高海拔1 653 m，最低海拔810 m，相對高差843 m，地貌形態主要為山地。屬溫帶大陸性季風氣候，四季分明，年均氣溫6℃，7月溫度最高，1月溫度最低，無霜期125 d，凍土深大于1 m。多年平均年降雨量550 mm，多集中在6—9月，多年平均徑流深85 mm。土壤類型以褐土為主，巖石以白云巖為主，兼有少量石灰巖和石英砂巖。植物類型以次生類植物為主，多為森林植被以及灌叢。近年來，小流域內實施了京津風沙源治理工程等水土流失綜合治理，具有梯田、水平階等水土保持工程措施和人造林等水土保持生物措施。

2 材料與方法

2.1 數據及處理

（1）土地利用和水土保持措施數據。利用空間分辨率優于2 m的遙感影像開展解譯工作，所有解譯最小地塊面積為400 m2。

（2）地形數據。采用空間分辨率為12.5 m的數字高程模型，通過坡度坡長因子計算工具[2]，提取坡度、坡長和CSLE模型中涉及的坡度因子、坡長因子數據。

（3）土壤數據。源于1∶50萬土壤類型圖。

（4）植被覆蓋度數據。采用2016—2018年每年24期MOD13Q1 NDVI數據，依據章文波[3]等提出的計算方法計算植被覆蓋度數據，確定CSLE模型中的植被覆蓋與生物措施因子。

（5）CSLE模型中涉及的降雨侵蝕力因子、土壤可蝕性因子和耕作措施因子。采用全國水土流失動態監測項目數據。

2.2 土壤侵蝕模數計算方程

采用CSLE模型計算土壤侵蝕模數[4]。

式中：A為土壤侵蝕模數[t/（hm2·a）]；R為降雨侵蝕力因子[MJ·mm/（hm2·h·a）]；K為土壤可蝕性因子[t·hm2·h/（hm2·MJ·mm）]；L為坡長因子；S為坡度因子；B為植被覆蓋與生物措施因子；E為工程措施因子；T為耕作措施因子。

2.3 基于柵格像元的土壤侵蝕計算和統計

運用基礎數據計算各因子，經重采樣，生成10 m×10 m分辨率柵格，運用ArcGIS軟件，對7個圖層進行乘積運算，得到每個柵格的土壤侵蝕模數，按照《土壤侵蝕分類分級標準》（SL 190-2007），判斷每個柵格的土壤侵蝕強度，統計不同土壤侵蝕強度的面積和比例。

2.4 基于矢量地塊的土壤侵蝕計算和統計

根據CSLE模型計算原理可知，計算結果受土地利用類型、水土保持措施類型、降水、土壤、地形、植被覆蓋等因素影響。為盡可能保證同一地塊內計算因子相對唯一，在遙感解譯的土地利用和水土保持措施基礎上，依據土壤類型、植被覆蓋度、地形數據進一步細化確定矢量地塊。依據影響因素確定矢量地塊，獲取每個地塊的R、K、L、S、B、E和T因子值，在矢量文件屬性表中新建屬性列，運用ArcGIS軟件對7個因子進行乘積運算，得到每個地塊的土壤侵蝕模數，按照《土壤侵蝕分類分級標準》（SL 190-2007），判定每個地塊土壤侵蝕強度，統計不同土壤侵蝕強度的面積和比例。

3 結果與分析

3.1 基于柵格像元計算的外井溝小流域土壤侵蝕結果

基于柵格像元計算的外井溝小流域共有水土流失面積31.13 km2，占小流域面積的55.02%，其中輕度侵蝕31.05 km2，占小流域面積的54.88%；中度侵蝕0.03 km2，占小流域面積的0.05%；強烈侵蝕0.04 km2，占小流域面積的0.07%；極強烈侵蝕0.01 km2，占小流域面積的0.02%。

按土地利用類型劃分，小流域內林地水土流失面積占總水土流失面積的66.65%，草地28.22%，耕地2.70%，建設用地、園地和交通用地分別為1.35%、1.04%和0.04%。

3.2 基于矢量地塊計算的外井溝小流域土壤侵蝕

（1）基于土壤侵蝕影響因素確定的外井溝小流域矢量地塊解譯結果。外井溝小流域解譯土地利用和水土保持措施矢量地塊912個，平均16個/km2，最大地塊為有林地，面積2.05 km2；最小地塊為灌木林地，面積429 m2。疊加土壤類別數據后，矢量地塊數量為1 117個；疊加植被覆蓋度分級數據并消除面積小于400 m2地塊后，矢量地塊數量為2 512個；疊加地形數據并消除面積小于400 m2地塊后，矢量地塊數量為7 833個。

結果顯示，植被覆蓋和地形對地塊提取數量影響較大，小流域內提取的園地、林地和草地內不同等級植被覆蓋地塊有1 545個，提取的不同坡面和坡度地塊有1 808個，在疊加植被覆蓋和地形因素后，矢量地塊較未疊加該因素前分別增加了2.25倍和3.12倍。不同影響因素確定矢量地塊情況，詳見表1。

表1 不同影響因素確定矢量地塊情況

（2）基于矢量地塊計算的外井溝小流域土壤侵蝕結果。基于各土壤侵蝕影響因素確定后的矢量地塊進行土壤侵蝕強度計算，結果顯示：外井溝小流域共有水土流失面積33.77 km2，占小流域面積的59.68%，其中輕度侵蝕33.71 km2，占小流域面積的59.58%；中度侵蝕0.02 km2，占小流域面積的0.04%；強烈侵蝕0.04 km2，占小流域面積的0.06%；無極強烈侵蝕。

按土地利用類型劃分，小流域內林地水土流失面積占總水土流失面積的67.98%，草地28.94%，建設用地1.88%，耕地、園地和交通用地分別為0.57%、0.52%和0.11%。

3.3 基于柵格像元和基于矢量地塊計算方法結果分析

對比2種方法計算結果發現，外井溝小流域基于柵格計算的水土流失面積比基于矢量地塊計算的結果小2.64 km2，二者相對差異率為8.47%。外井溝小流域2種計算方法的土壤侵蝕結果，詳見表2。從土壤侵蝕強度等級上看，基于柵格像元計算的結果在中度及以上侵蝕等級面積大于基于矢量地塊計算的結果。從空間分布上看，基于柵格像元計算的結果與基于矢量地塊計算的結果在小流域內的水土流失位置整體沒有明顯變化，但有2點區別較大：一是基于矢量地塊計算的結果呈空間連續狀態，基于柵格像元計算的結果多呈離散分布狀態；二是中度以上侵蝕的位置變化較大，如圖1所示。從土地利用類型上看，二者計算結果中林地、草地水土流失面積占比較大，但基于柵格計算結果的耕地水土流失面積大于基于矢量計算結果。

表2 外井溝小流域2種計算方法的土壤侵蝕結果

圖1 基于柵格像元和基于矢量地塊計算的土壤侵蝕

4 討論

4.1 土壤侵蝕因子數據對計算結果的影響

基于柵格像元和基于矢量地塊2種計算方法均采用CSLE模型。模型中R、K因子均采用全國統一數據，比例尺小于1∶50萬；L、S因子采用空間分辨率為12.5 m的數字高程模型數據計算獲得；B因子采用空間分辨率為250 m的MODIS數據計算獲得；E、T因子基于遙感解譯的水土保持措施和土地利用數據，依據《區域水土流失動態監測技術規定（試行）》直接賦值。基于柵格像元計算可直接、精確地反映每個柵格像元的水土流失情況，但也受因子數據的空間位置精度、準確性和時效性影響，在同一地塊上因子值有多種情況。基于矢量地塊計算采用土地利用類型、水土保持措施類型、降水、土壤、植被覆蓋度、地形等因素確定矢量地塊，能有效地保證同一地塊上各因子值的相對唯一。此處理雖然會概化地塊內水土流失情況，但能規避因柵格像元值不一致導致的同一地塊計算出多種土壤侵蝕強度的問題，實現土壤侵蝕計算結果分布相對集中，更好地體現地塊總體水土流失情況。

4.2 矢量地塊確定方法

確定矢量地塊實際上就是確定計算土壤侵蝕計算的最小單元，且保證每個單元各屬性相對唯一。確定矢量地塊的方法有多種，比如網格法、地塊法、疊置法等[5]。為盡可能避免計算誤差，本文直接依據土壤侵蝕模型計算因子來分割矢量地塊，直接獲取矢量地塊上模型計算因子值。外井溝小流域范圍較小，降水空間分布差異不大，矢量地塊確定時暫不考慮降水因素影響。首先，基于高分辨率衛星遙感影像目視識別地塊土地利用和水土保持措施類型，判定其屬性。其次，利用土壤類型數據，確定屬于同一土種的地塊。再次，在園地、林地和草地等地類上，依據《土壤侵蝕分類分級標準》（SL190-2007），確定植被高、中高、中、中低和低覆蓋等級，進一步細分地塊，減少地塊內因植被覆蓋度數據差異對水土流失計算結果產生影響。最后，由于地面坡度的大小直接影響水土流失情況[6]，因此，本文提取小流域內坡面和坡度，并采用坡面和坡度分級數據，確定處于同一地形的矢量地塊，減少因坡度差異較大、地形突變等對水土流失計算結果的影響。

4.3 矢量地塊確定影響因素

矢量地塊確定方法直接影響計算效率和結果準確性。在數據處理過程中發現，土地利用、水土保持措施、土壤類型和降水較容易獲取矢量地塊計算所需的數據。但植被覆蓋度和地形數據因存在像元值空間上的連續性，在分級后植被覆蓋度、坡度和坡面數據進一步細化矢量地塊時，疊加后的矢量地塊特別破碎，較難實現地塊單元化。本文應用了2種方法優化植被覆蓋度和地形數據：①將分級后植被覆蓋度、坡度和坡面數據由柵格數據轉換為矢量數據，再與之前確定的矢量地塊疊加計算，軟件自動優化疊加后圖斑邊界和消除碎屑多邊形；②將前序獲取的矢量地塊邊界疊加分級后植被覆蓋度、坡度和坡面柵格數據，人工提取植被覆蓋度、坡度和坡面對矢量地塊的分割線，逐個確定新的矢量地塊邊界。這2種方法前者用時較短，但需處理大量碎屑多邊形等問題；后者精準度較高，但用時較長，在進行大尺度范圍的土壤侵蝕計算時不易實現。

5 結論

（1）基于柵格像元和基于矢量地塊計算均可實現小流域土壤侵蝕評價且精度相對一致，整體空間分布大致相同，結果差異為8.47%。產生差異原因與二者的最小計算單元、土壤侵蝕各因子計算方法等因素有關。基于柵格像元計算時每個計算單元都是10 m×10 m的柵格，但呈現在地塊上的計算結果存在多樣性；基于矢量地塊計算時計算單元存在不確定性，依據計算單元所處位置的土地利用、水土保持措施、降水、植被覆蓋度和地形綜合情況而定，但呈現在地塊上的計算結果是唯一的。

（2）在外井溝小流域，基于柵格像元和基于矢量地塊計算結果在高等級侵蝕強度、耕地上水土流失面積差異大，主要原因是在確定矢量地塊時對模型計算因子進行均值處理，從而對地塊上土壤侵蝕情況刻畫不如基于柵格像元計算結果細致，類別面積越小差別幅度越大。

（3）從計算過程和結果來看，基于柵格像元計算更快捷、簡單，可快速掌握區域水土流失及分布情況，但因模型計算因子數據精度不一，計算結果空間上呈現插花狀態，連續性不強；基于矢量地塊計算結果空間分布集中連片，水土流失地塊邊界清晰，有助于實現土壤侵蝕地塊單元化管理，但受計算數據精度、質量和計算單元劃分影響，數據處理分析工作量較大。

（4）在今后的水土流失監測工作中，需進一步優化模型計算因子，提高數據的精度和質量，確保不同數據層在空間上能有效匹配，使計算結果既有數值計算上的準確性，又有空間分布上的合理性，從而保證水土流失監測結果在小流域水土流失綜合治理規劃設計和效益評價中得到有效利用。