基于RWEQ模型修正的土地沙化敏感性評價

胡夢甜, 張 慧,2, 高吉喜, 仇寬彪, 王延松, 呂久俊, 鞠昌華

(1.生態環境部南京環境科學研究所, 南京 210042; 2.南京信息工程大學 江蘇省大氣環境與裝備技術協同創新中心,南京 210044; 3.生態環境部衛星環境應用中心, 北京 100094; 4.遼寧省生態環境保護科技中心, 沈陽 110161)

土地沙化敏感性是指干旱、半干旱和亞濕潤干旱區土地對氣候變化和人類活動等多種因素導致的土地沙化的敏感程度。據調查，我國大多數沙化土地與人類不合理的土地開墾、過度放牧、樵采、水資源利用不當等有關[1-2]。自20世紀90年代以來，隨著土地沙化的日趨嚴重，學界對土地沙化敏感性的研究不斷增加。其中，以歐盟提出的土地沙化敏感性評估方法(MEDALUS方法)最為著名，該方法以氣候、植被、土壤和土地管理等要素作為土地沙化敏感性的評價指標，并在地中海、伊朗、巴西、非洲[3]等地的土地沙化敏感性評價中得到廣泛應用。國內沙化敏感性研究最早源于歐陽志云等[4]提出的土地沙化敏感性評價方法(通用土地沙化敏感性評價方法)，該方法也被應用到《生態功能區劃技術暫行規程》和《生態保護紅線劃定指南》中的土地沙化敏感性評價。之后，我國學者采用該方法在國家、區域和流域尺度開展了系列研究[5-10]。然而由于該方法中使用的大風天數和干燥度指數大都采用我國2 400多個氣象站點的氣象數據統計插值獲取，氣象站點空間分布不均，西北地區站點非常少，造成土地沙化敏感性評價結果往往與實際情況有較大偏差并且粗糙。因此，在空間上細化土地沙化敏感性評價結果，對精確識別沙化敏感區、科學劃定土地沙化敏感性生態保護紅線、制定土地沙化防治對策具有重要意義。

隨著遙感信息技術以及風蝕模型的發展，土地沙化敏感性的評價因子精細化成為可能，如土壤濕度作為反映地區干濕變化的客觀指標，可以用來代替干燥度[11]。目前，土壤濕度遙感反演技術已經成熟，形成主動微波遙感法、被動微波遙感法、溫度植被指數法和熱紅外遙感法等多種反演方法[12]。大風天數作為土地沙化敏感性的重要指標[13]，長期以來大多采用氣象站點數據空間插值而成，由于缺乏精確化數據，尤其是在我國氣候差異較大的西北地區，氣象站點分布少更為顯著，插值結果往往出現“牛眼”現象，因而造成大風天數的實際值與內插值出現較大的偏差且空間分布粗糙[14]。目前已有學者意識到這一問題，嘗試精細化大風天數因子，如孫濱峰等[10]在評價新疆沙化敏感性的過程中，借鑒了土壤風蝕修正模型(Revised Wind Erosion Equation,RWEQ)中的氣候因子修訂了通用土地沙化敏感性評價方法的大風天數因子，因此孫濱峰等[10]的土地沙化敏感性評價結果相對劉軍會[5]和王躍輝[6]等的評價結果在空間上更為精細。

本研究嘗試利用RWEQ模型中的土壤濕度和風力因子2個因子，對通用土地沙化敏感性評價方法中大風天數和干燥度指數因子進行優化，分析對比兩種方法在土地沙化敏感性劃定方面所存在的差異，以期提高土地沙化敏感性評價結果精度，提升生態空間管控水平。

1 研究區概況

本研究提取多年平均降雨量小于600 mm的地區作為研究區。該區位于中國的西北部，包括西藏自治區、新疆維吾爾自治區、青海省、寧夏回族自治區、內蒙古自治區、河北省、山西省，面積為5.89×106km2，占全國國土總面積的61.14%。該區氣候干旱、多風，地表多沙質，是沙化土地的聚集地帶，雖然自然資源豐富，但水資源缺乏，人口較少，少數民族比重大，生物產量低，生態環境脆弱。

2 數據與研究方法

2.1 數據來源與處理

全國1∶10萬的沙漠化土地數據集來源于中國西部環境與生態科學數據中心，1990—2010年中國西北部862個氣象站點的日值氣候數據集來自中國氣象科學數據共享服務網，其中全國土壤屬性數據來自中國科學院土壤研究所，NDVI數據來自SPOT/VEGETATION NDVI衛星遙感產品數據，空間分辨率均為1 km。地表溫度數據采用MOD21A2數據產品，來自于NASA-MODIS網站。冬春季平均風速數據采用worldclim數據合成，起沙風速閾值計算基于土壤類型和NDVI數據，空間分辨率為1 km。

2.2 通用土地沙化敏感性評價方法

通用土地沙化敏感性評價方法包含干燥度指數、大風天數、土壤質地、植被覆蓋4個因子。《生態保護紅線劃定指南》和《生態功能區劃技術暫行規程》中土地沙化敏感性評價均采用相同的因子和方程，《生態保護紅線劃定指南》將各因子分為3級，《生態功能區劃技術暫行規程》分為5級，為了使分級結果精細，本研究采用5級分級標準(表1)進行單因子敏感性分級。在此基礎上，通用土地沙化敏感性評價計算公式如下:

(1)

式中:Di為i評估區域的土地沙化敏感性指數;Ii,Wi,Ki,Ci分別為i評估區域的干燥度指數(I)，大風天數(W)，土壤質地(K)，植被覆蓋(C)按照表1進行分級得到的敏感性等級值。

表1 土地沙化敏感性指標分級標準

(1) 干燥度指數I。干燥度指數采用修正的謝良尼諾夫公式[15]計算，計算公式如下:

(2)

式中:I為干燥度指數。

(2) 大風天數W。一般選用冬春季節大于6 m/s大風天數[16]，通過空間插值獲取研究區的大風天數分布圖。

(3) 土壤質地因子K。土壤質地數據通過1∶100萬土壤屬性數據獲取，包括基巖、黏質土壤、沙質土壤、壤質土壤、礫質土壤等數據信息。

(4) 植被覆蓋度C。植被覆蓋度信息提取是在對光譜信號進行分析的基礎上，通過建立植被覆蓋度與歸一化植被指數的轉換關系，提取植被覆蓋信息[17]，計算公式如下[18]:

(3)

式中:C為植被覆蓋度;NDVI為歸一化植被指數;NDVImin為純土壤覆蓋像元的最小歸一化植被指數;NDVImax為植被覆蓋像元的最大歸一化植被指數。

2.3 基于RWEQ模型的修正土地沙化敏感性評價

RWEQ模型是基于美國農田生態系統試驗發展起來的定量土壤侵蝕量模型，具有很高的風蝕量模擬精度[19]，目前被廣泛應用到不同尺度的土壤風蝕量和防風固沙量的計算[20]。RWEQ模型包括最大風蝕出現距離、氣候因子、地表糙度因子、土壤可蝕性因子、土壤結皮因子、地形因子、植被覆蓋7個指標，其中風力因子、土壤濕度與通用土地沙化敏感性評價方法中大風天數、干燥度指數含義相同，由于RWEQ模型是基于試驗數據獲取，同時相關參數大都可采用高精度遙感產品數據計算獲取，空間上有更高的分辨率和準確性。

(1) 土壤濕度因子

(4)

式中:SW為土壤濕度因子;LSTi為i評估區域的地表溫度;LSTdry為評估區域NDVI對應的最高地表溫度,即干邊;LSTwet為評估區域NDVI對應的最低地表溫度,即濕邊。

(2) 風力因子

wf=u2-u1

(5)

u1=ub×ea×C

(6)

(7)

式中:wf為風力因子;u2為年平均風速(m/s);u1為閾值風速(m/s)[21];ub為裸露地表的臨界侵蝕風速(m/s)[22];a為植被參數,為0.975 14,C為植被蓋度,計算方法同公式(3);d為土壤粒徑(m);SW為土壤含水量,計算方法同公式(4)。

(3) 基于RWEQ模型的修正土地沙化敏感性評價。采用RWEQ模型中風力因子代替通用土地沙化敏感性評價中大風天數，采用遙感產品數據衍生的土壤濕度分別代替干燥度指數。根據前人研究成果，風力因子基于江凌[23]等在全國的研究結果(表1)進行分級;土壤濕度因子基于土壤相對濕度干旱等級標準[24](表1)進行分級。修正土地沙化敏感性評價方法的計算公式如下:

(8)

式中:Di為沙漠化敏感性綜合指數;wfi,SWi,Ki,Ci分別為i評估區域風力因子、土壤濕度因子、土壤質地和植被覆蓋的敏感性等級值。

3 結果與分析

3.1 因子結果對比

(1) 土壤濕度與干燥度指數比較。土壤濕度與干燥度指數在氣象站點分布較多的區域，兩者在空間上有較強的一致性(附圖6)。空間上表現為大興安嶺地區、青藏高原南部地區和天山地區氣候較為濕潤，以輕度敏感和不敏感為主，塔里木盆地、準噶爾盆地、柴達木盆地和哈順戈壁到阿拉善高原地區氣候較為干旱，以高度敏感、極敏感為主。

在氣象站點分布較少的區域，土壤濕度相對干燥度指數空間分布上更為精細。如在塔克拉瑪干沙漠中心地區，氣象站點較少，只有塔中和若羌兩個氣象站點，插值結果顯示，除站點周邊干燥度較大外，其余干燥度較小，這與塔克拉瑪干沙漠的實際干旱情況不符。此外，干燥度指數因子顯示呼倫貝爾、科爾沁和渾善達克地區分別為不敏感，不敏感和中度敏感地區，而土壤濕度因子顯示這3個地區均為高度敏感地區。通過以往的研究發現，這3個地區蒸發量大降水量少，非常干旱[25-27]。

(2) 風力因子與大風天數比較。同樣，風力因子和大風天數因子在氣象站點分布較多的區域，兩者空間上有一致性(附圖7)。空間上表現為大興安嶺、阿爾泰山、天山、昆侖山及研究區以南風力強度以不敏感和輕度敏感為主，陰山、賀蘭山和祁連山以北、天山東緣，渾善達克及科爾沁地區風力強度以極敏感區為主。

在氣象站點分布較少的區域，采用氣象站點空間插值方法得到的大風天數因子顯示塔里木盆地南部、柴達木盆地位于輕度敏感和中度敏感區，這與其他學者采用氣象站點空間插值方法的結果相同[28]，而風力因子顯示這2個區域處于極敏感區，這與實際風場數據更加相符。因此，采用氣象站點插值方法易遺漏氣象站點密度低的大風區域。

3.2 兩種土地沙化敏感性評價結果比較

修正土地沙化敏感性評價方法和通用土地沙化敏感性評價方法關于土地沙化敏感性的評價結果見表2。修正土地沙化敏感性評價方法評估結果中，中度敏感區面積最大，為1.47×106km2，占研究區面積的24.93%;極敏感區面積最小，為7.08×105km2，占研究區面積的12.00%。其中，土地沙漠化極敏感區主要分布在新疆維吾爾自治區、內蒙古自治區、甘肅省和青海省境內，面積分別為3.04×105km2，2.02×105km2，1.00×105km2，9.69萬km2，西藏自治區、寧夏回族自治區、吉林省和山東省等地的土地沙漠化極敏感區面積較小，均小于1萬km2。

表2 修正土地沙化敏感性評價方法和通用土地沙化敏感性評價方法土地沙化敏感性評價結果

通用土地沙化敏感性評價方法評估結果中，高度敏感區面積最大，為1.46×106km2，占研究區面積的24.82%;極敏感區面積最小，為3.56×105km2，占研究區面積的6.03%。其中，土地沙漠化極敏感區主要分布在新疆維吾爾自治區、內蒙古自治區、甘肅省和青海省境內，面積分別為1.44×105km2，9.93萬km2，7.11萬km2，4.14萬km2，西藏自治區土地沙漠化極敏感區面積較小，為1.91×102km2。

從面積上看，兩種方法均顯示極敏感區面積最小，且省域極敏感區面積從大到小均為新疆維吾爾自治區、內蒙古自治區、甘肅省和青海省。但是，修正土地沙化敏感性評價方法評估結果中中度敏感區面積最大，而通用土地沙化敏感性評價方法評估結果中輕度敏感區面積最大，這可能是因為通用土地沙化敏感性評價方法中有25.97%地區評估結果為空值。

從分布上看，修正土地沙化敏感性評價方法和通用土地沙化敏感性評價方法都顯示內蒙古北山地區、柴達木盆地、河西走廊北部、巴丹吉林沙漠北部邊緣、狼山地區為土地沙漠化極敏感區，但通用土地沙化敏感性評價方法得到的極敏感區范圍較小，沒有覆蓋準噶爾盆地西北部地區、塔里木盆地東部地區、柴達木盆地西部大部分地區、巴丹吉林沙漠南部地區和渾善達克西北部地區，與實際不符(附圖8)。此外發現，修正土地沙化敏感性評價方法顯示呼倫湖西部和科爾沁沙地為高度敏感區，部分區域為極敏感區，這與學者在呼倫湖[29]和科爾沁沙地的研究成果一致[30];而通用土地沙化敏感性評價方法顯示呼倫湖西部和科爾沁沙地均為中度和輕度敏感區，這也與實際不符。同時，修正土地沙化敏感性評價方法和通用土地沙化敏感性評價方法都顯示隴中、隴東黃土高原以中度和輕度敏感性為主[8]，但通用土地沙化敏感性評價結果中度和輕度敏感區呈條帶狀分布，分界與降水量內插結果基本一致，而修正土地沙化敏感性評價結果中度和輕度敏感區與土地覆被邊界吻合。因此，修正土地沙化敏感性評價方法模擬結果更準確和精細，與實際現狀更相符。

4 討論與結論

(1) 土壤濕度與干燥度指數因子相比，在氣象站點較多的東部地區兩者有較強的空間一致性，而在氣象站點較少的廣大西部地區，土壤濕度能避免干燥度指數因氣象站點少而低估干濕狀況的情形，尤其是在塔克拉瑪干沙漠中心地區。

(2) 風力因子與大風天數因子相比，在氣象站點較多的東部地區兩者有較強的空間一致性;而在氣象站點較少的西部地區，風力因子更準確刻畫了該區域的風蝕狀況，尤其是在塔里木盆地南部和柴達木盆地地區。

(3) 基于土壤風蝕修正模型的修正土地沙化敏感性評價結果大大提高了通用土地沙化敏感性評價結果精度，尤其是在準噶爾盆地西北部地區邊緣、塔里木盆地東部邊緣地區、柴達木盆地西部大部分地區、巴丹吉林沙漠南部和渾善達克西北部地區。采用修正土地沙化敏感性評價方法的評價結果空間分布精細合理，該結果可為中國沙化敏感性空間精細化評估提供科學參考。

(4) 土地沙化敏感性在不同氣候條件下，植被、土壤的沙化敏感性閾值是不同的，而文章采用統一的分級標準評價了我國西北地區的土地沙化敏感性，未考慮氣候分區，如何建立不同氣候區域的植被因子、土壤因子的土地沙化敏感性分級標準，是今后研究的方向。