長汀縣朱溪流域土壤可蝕性不同估算方法對比分析

楊辰叢海

（福建師范大學地理科學學院 福州350007）

土壤可蝕性是土壤侵蝕的內在因素與內在發生潛力，反映土壤對侵蝕搬運的敏感性[1]，是水土保持領域重要的研究內容及進行土壤侵蝕預報的重要參數[2]，在諸多預報模型與評價模型中有著廣泛的應用[3]。研究土壤可蝕性因子，可較準確預報水土流失，為水土保持工作開展提供一定的數據依據。

基于不同的實測數據與擬合方程建立方法，國內外學者在模型構建與實際應用兩方面展開了廣泛的研究。模型構建方面，由自然徑流小區直接測定所得K值最為精確，但由于所需數據量龐大且歷時較長，觀測困難繁瑣[4]，因此學者們嘗試構建數學模型以計算K值，如諾莫圖、Shirazi公式、EPIC模型、Torri.D模型等，其中EPIC模型成為目前被廣泛采用的模型之一[5]。Torri.D模型、Shirazi公式也出現在不同模型的比較研究中，并在一些特定地區具有較EPIC模型更高的精確性。實際應用方面，林素蘭[6]、張科利[7]等對遼北低山丘陵區、黃土高原區等地的土壤可蝕性展開了較大尺度調查；魏慧[4]、林芳[8]等基于在延河、安塞等地區的研究，分析了不同方程的地區適用性。

本文作者以長汀縣朱溪流域為例，通過對野外采集樣品的實驗測定，使用EPIC模型、Torri.D模型、Shirazi公式3種算法計算土壤可蝕性K值，研究同樣的實測數據在不同計算模型下所得K值的差異，并探討各個土壤參數與不同算法K值的相關性及各個參數空間相關性，以期為更合理的可蝕性計算模型選擇提供數據依據。

1 材料與方法

1.1 研究區概況

朱溪流域位于長汀縣河田鎮東部，整體海拔為270～600 m，地勢大體呈現東高西低特點，地形為低山與丘陵，朱溪自東部高山地區發端，向西注入中央谷地，流域總面積約為45 km2[9]。當地屬于中亞熱帶季風性濕潤氣候，年均溫約為18℃，多年平均降水量約1 700 mm，集中于夏季。由于人為活動、土壤條件等原因，該地曾面臨嚴重的水土流失問題，曾是紅壤侵蝕區水土流失最嚴重的地區之一[10]。近年來在積極的人工治理下，該地植被覆蓋度得到很大改善。

1.2 樣品分析方法及K值計算

本研究所使用的土壤可蝕性K值計算方法為EPIC模型及Torri.D模型，兩者在所需測量的參數上高度一致，均為土壤機械組成與有機質含量，有機碳可經參數轉換為有機質，而Shirazi公式僅需機械組成即可。對野外采集的118組樣品使用重鉻酸鉀氧化法測量有機質，用氫氧化鈉分散-吸管法測量機械組成。

分別經EPIC模型、Torri.D模型、Shirazi公式（幾何平均粒級法）[8]計算得K值后，使用SPSS 26進行數理統計分析、Excel 2007完成相關制表、ArcGIS 10.6完成空間相關性分析。

2 結果與分析

2.1 土壤參數及不同模型下K值數值特征對比

對經EPIC模型及Torri.D模型計算得的K值數值及土壤相關參數，選用平均值、標準差、變異系數、正態性檢驗進行描述性統計分析（表1）。結果表明，在朱溪流域，土壤機械組成中以砂粒為主，黏粒次之，粉粒最少，整體質地偏向壤土與沙黏壤土。通常認為變異系數以10%、100%為分界線，分為弱變異性、中等變異性、強變異性[8]。各個粒級變異系數在0.1～1.0之間，屬中等強度變異性，粉粒變異性相對最強。各個樣品之間有機質含量存在較明顯的差異，變異系數達77.2。除砂粒正態性不顯著外，粉粒、黏粒、有機質等均具有較強的正態性。

表1 各土壤性質參數及K值描述統計特征

各個算法計算所得K值特征方面，平均值為KShirazi＞KEPIC＞KTorri.D，以KShirazi最大，顯著高于其他2種算法，且KShirazi數據離散性也最強，標準差、變異系數均高于KEPIC與KTorri.D。 正態性分布方面，KShirazi正態顯著性相對最強，KEPIC次之，KTorri.D相對最低，各個方程計算所得K值顯著性均＞0.05，表明K值在研究區范圍內滿足正態分布。

2.2 不同方程K值與土壤參數相關關系

對各個粒級參數及有機質與經EPIC模型、Torri.D模型、Shirazi公式計算得的K值進行相關性分析（表2）。從整體相關性關系異同上看，EPIC模型與Torri.D模型均與砂粒及有機質呈顯著負相關，砂粒方面相關系數相近，而有機質方面相關系數差距較大，EPIC模型下K值與有機質的關系顯著弱于Torri.D模型。2種模型與各個參數相關性差異介于粉粒與黏粒之間。EPIC模型與粉粒呈極顯著正相關，與黏粒相關關系不顯著；Torri.D模型與黏粒呈極顯著正相關，與粉粒相關性不顯著。Shirazi公式與Torri.D模型相關性相似，均與砂粒、黏粒呈極顯著正相關，且相關性較Torri.D模型更強，相關系數分別高出0.181、0.131，而無顯著相關性的粉粒方面，相關系數則更低。

表2 各模型K值與土壤參數相關關系

2.3 半方差函數分析

使用半變異函數對各個K值算法空間分布特征及空間相關性進行研究，建模方法采用高斯分布法及半方差函數（表3）。通常認為塊基比＜0.25為強相關，0.25～0.75為中等相關，＞0.75為弱相關，塊基比越低則空間相關性越強[4]。結果表明，土壤參數方面，黏粒、粉粒均具有較強的空間相關性，有機質具有中等程度空間相關性，塊基比分別為0.196、0.206、0.507；砂粒為弱相關水平，塊基比為0.784。

表3 各模型K值與土壤參數半方差函數分析

各個K值算法空間相關性方面，塊基比為KEPIC＜KTorri.D＜KShirazi，表明基于EPIC方程計算的K值在空間上相關性較為強烈，塊基比為0.379，顯著低于Torri.D模型及Shizari公式。而基于Torri.D模型及Shizari公式計算得的K值空間相關性相對較差，塊基比為0.715、0.771，KShirazi為弱相關水平。各個參數步長均遠小于變程，表明克里金插值法對該地區具有良好的應用效果[4]。

3 結論

基于本研究，得出以下結論。

（1）土壤參數方面，朱溪流域土壤砂粒含量最多，粉粒次之，黏粒最少。各個模型計算得K值平均值為KShirazi＞KEPIC＞KTorri.D。 各參數變異程度處于中等變異區間，有機質變異程度最強，KEPIC變異程度最弱。

（2） 相關關系方面，KEPIC、KTorri.D、KShirazi均與砂粒、有機質呈顯著負相關，而KEPIC與粉粒呈極顯著正相關，與黏粒相關性不明顯；KTorri.D、KShirazi均與黏粒呈顯著正相關，而與粉粒相關關系弱。

（3）半方差函數分析表明，黏粒、粉粒有較強空間相關性，而砂粒空間相關性較弱。各個K值模型中，塊基比為KEPIC＜KTorri.D＜KShirazi，KEPIC空間相關性最強。

限于數據的局限性，本研究未能完全比照出何種計算為最佳計算方法。本研究下一步可能的進展方向為進一步獲取朱溪流域年輸沙量數據，并獲取降水量、植被覆蓋度、坡度坡長因子、人為活動因子等CSLE方程所需數據，將其與各個K值計算方法進行結合，綜合比較實測小區數據和擬合數據的誤差，進而篩選出適宜朱溪流域這一地區的K值計算方法。