黃土地貌區水力侵蝕敏感性分析:以山西省五寨縣為例

秦彤,李功權

(長江大學地球科學學院,武漢 430100)

在黃土高原地區,第三紀或中生代晚期形成的一些構造盆地在早期接受沉積,第四紀以來的垂直上升運動使黃土高原成為易受侵蝕的地區,特別是黃土高原地區分布最廣的水力侵蝕[1],常年的水力侵蝕使得該區域具有千溝萬壑的復雜地貌[2]。而復雜的地形地貌也不斷影響著該區域的水力侵蝕進程,這種兩者之間的相互作用使得在該區域進行水力侵蝕敏感性分析的難度加大。

傳統的水力侵蝕分析主要采用抽樣調查的方法[3],但是當研究區逐漸擴大時,該種方法將會耗費大量的人力財力。因此,中外學者近些年逐漸開始探究如何以一種更好的方式進行區域水力侵蝕分析,Masoudi等[4]綜合考慮了降雨、土壤、植被以及地形后,采用因子評分法評估了伊朗地區的水力侵蝕風險;Yang等[5]與Panagosa等[6]從單因子降尺度分析入手,對中國西藏地區與歐洲地區進行了區域水力侵蝕分析。在區域尺度下進行水力侵蝕分析時,先前的學者主要從提高單因子空間分辨率以及信息表達能力入手,多從通用土壤侵蝕方程(universal soil loss equation,USLE)/修訂通用土壤侵蝕方程(revised universal soil loss equation,RUSLE)出發[7-8]。但是以上兩種方程在中國地區使用時仍存在一些局限性[9]。

因此,國內也逐漸開始探究如何在中國地區更好地進行區域尺度下的水力侵蝕分析。程琳等[10]通過對坡長坡度因子進行尺度變換后,將中國土壤侵蝕方程(Chinese universal soil loss equation,CSLE)更好地應用于陜西省土壤侵蝕定量評價。然而,不同地貌單元內的水力侵蝕影響因素是存在差異的[11-12]。在進行水力侵蝕敏感性分析時,除了探索如何在區域尺度下進行水力侵蝕敏感性分析,還應額外考慮到各地貌單元之間的區域差異性以及這種區域差異性是如何影響水力侵蝕敏感性空間分布的。更科學的土壤侵蝕估算、時空分布分析以及驅動機制探索,對避免水土流失、改善生態環境大有裨益[7-8]。

現以地形地貌復雜多樣且水系眾多的五寨縣為研究區,探究如何對具有復雜地貌的黃土區進行水力侵蝕敏感性分析。主要結合降雨侵蝕力因子、土壤可蝕性因子、坡長坡度因子、生物/耕作措施因子以及工程措施因子,根據熵值法[13]進行水力侵蝕敏感性分析。并將該模型所得結果與面積-高程積分[14-15]結果進行對比,判別該模型在具有復雜地貌的黃土區使用的適宜性。以期為減緩當地水力侵蝕進程、避免對人類生命財產的損失提供理論依據。

1 材料與方法

1.1 研究區概況

五寨縣位于山西省忻州市西部(111°20′0″E～112°0′0″E,38°40′0″N～39°20′0″N),地處黃河中游左岸的黃土高原之上。地貌類型來源于中國2014年1∶400萬數字地貌數據集[16],中部偏北地區為黃土丘陵區、中部為“丁”字形盆地、東南部為石山區、西南部為黃土塬區,地勢西北低、東南高。主要土壤類型為土壤肥力差的黃綿土,該土壤廣泛分布于黃土丘陵區,易被侵蝕。境內徑流交錯分布,有“坐在水庫”上的美譽。地形起伏加劇了地表、地下徑流的流動,在降水與徑流的作用下本就脆弱的土壤遭到了更嚴重的剝蝕、搬運與沉積。隨著溝壑的不斷擴大,土壤養分流失、肥力下降。植被集中分布于土石山區,其余地區以人工營造的喬灌為主,且分布不均、覆蓋率低,由于缺乏植被的保護作用,水力侵蝕對研究區生態的破壞更為肆虐。惡性循環致使當地生態環境越來越脆弱(圖1)。

圖1 山西省五寨縣地貌分布圖

1.2 數據來源

以五寨縣行政區劃圖為準,所采用的地形數據來自地理空間數據云(http://www.gscloud.cn/)上的ASTER GDEM 30 m分辨率的DEM數據。降水數據來自國家氣象科學數據中心(http://www.nmic.cn/)2018年日降水量數據。土壤數據來自中國科學院資源環境科學數據中心(http://www.resdc.cn/)上的1 km分辨率的土壤質地類型數據,該數據分為砂土、粉砂土與黏土三大類,數值為百分比;中國科學院南京土壤研究所(http://www.issas.ac.cn/)上的中國土種數據庫,通過該數據集可得土壤有機質含量數據。植被覆蓋度數據來自哨兵數據(https://sentinel.esa.int/)官網上的2019年Sentinel-2數據,采用像元二分法及最大值合成法生成。土地利用數據來自于歐空局10 m分辨率全球土地覆被數據。

1.3 研究方法

1.3.1 水力侵蝕敏感性模型建立

從CSLE模型出發[10],優選降雨侵蝕力因子、土壤可蝕性因子、坡長坡度因子、生物/耕作措施因子以及工程措施因子為指標,針對不同的地貌單元分區賦權后開展水土流失敏感性模型構建,模型為

CSLE=aR+bK+cLS+dBT+eE

(1)

式(1)中:CSLE為水力侵蝕敏感性值;R為歸一化降雨侵蝕力因子;K為歸一化土壤可蝕性因子;LS為歸一化坡長坡度因子;BT為生物/耕作措施因子;E為工程措施因子;a～e分別為對應因子的權重值。

(1)降雨侵蝕力因子。在進行降雨侵蝕力計算時,主要有基于降雨動能和雨強的經典法以及基于經驗公式的簡易法。考慮到采用經典法以及一些基于經典法的修正法進行大尺度區域研究時,長時間序列的次降水過程資料數據難以測定且數據需求量大,因此并未采用該方法。同時,為了平衡降水數據的采集難度與所得結果的精確程度以及經驗公式與地理環境的適應性,針對五寨縣年內降水分布不均且不同年間降水分布相似的情況,采用章文波等[17]提出的針對中國地區的年R值計算方法。該方法以日降雨量為基礎,在逐半月進行年降水侵蝕力估算時平衡了研究區年內降水分布不均的情況,可較為準確地反映出研究區的年降水侵蝕力。

(2)土壤可蝕性因子。在多種土壤可蝕性因子的計算中,較為常用的有標準小區法、人工降雨模擬法、可蝕性諾謨圖與公式法。標準小區法與人工降雨模擬法相對而言更適合研究較小區域,可蝕性諾謨圖的土壤結構系數與滲透級別資料不宜獲取、準確性偏低且不適合在中國黃土高原地區使用[18]。因此本文研究采用規范SL592—2012[19]中用于對土壤可蝕性因子進行計算的Williams等[20]提出的侵蝕生產力模型EPIC中的K值計算方法,該方法從土壤理化性質對土壤可蝕性的影響出發,以易于獲取的土壤有機碳和粒徑分布數據作為參數進行土壤可蝕性計算,在進行較大尺度區域研究時既方便了數據的獲取也可得到較為準確的土壤可蝕性因子。參照結合土壤質地數據、中國土種數據庫中的有機質含量數據和Van Bemmelen因數[21]即可以得到研究區K值分布。

(3)地形因子。近代黃土高原大部分地區處于新構造運動上升期,侵蝕基準面的下降增加了流水作用的勢能,加速了水土流失現象[1]。因此,為了探究地形侵蝕因子在水力侵蝕中的作用并避免DEM數據誤差的影響,首先要對DEM數據進行預處理與洼地填充。在此基礎上利用三階反距離平方權差分算法得到坡度,并將坡度零值進行修正;水平坡長(實際坡長的水平投影)的提取是對進行無洼地處理后的DEM數據基于D8算法運用非流量累計坡長計算方法獲得的。與此同時,為了使得到的坡度與坡長更接近真實情況,參考徐靜等[22]采用的分形方法,以3×3窗口劃分子區域、以1″分辨率為基準進行相應的坡度校正計算。最后基于Liu等[23-24]針對中國地形提出的L與S因子提取公式,借助Arcgis柵格計算器工具針對之前進行一系列修正計算后的坡長與坡度值得到研究區的坡長與坡度因子。為了充分提取坡長坡度因子中的信息,對歸一化后的坡長與坡度因子進行主成分提取后進行水力侵蝕敏感性模型構建。

(4)其他因子。生物、工程與耕作措施因子均是一個無量綱數,其值分布于[0,1]。結合2019年植被覆蓋度數據,根據蔡崇法等[25]提出的B值計算方法進行研究區B值分布情況分析。B值越大,土壤可蝕性越高。目前國內工程措施因子E主要是根據不同區域不同土地利用類型進行賦值,因此參考耿豪鵬等[26]的研究,結合土地利用數據將林地/草地/裸土賦值為1、耕地賦值為0.35、建設用地/水域賦值為0。在耕地措施因子T計算中,采用黃小芳等[27]提出的針對山西地區的耕地措施因子計算方法。同時,參考《區域水土流失動態監測技術規定 (試行)》[28],當土地利用方式為耕地時,在生物/耕作措施因子中應考慮耕作措施因子進行水土流失敏感性模型構建;當土地利用方式為非耕地時,應考慮生物措施因子進行建模。

1.3.2 水力侵蝕敏感性模型評價

(1)模型評價依據。面積-高程積分表達了流域地貌的演化程度[14-15],當HI>0.60時,處于流域地貌演化的不平衡期或幼年期,侵蝕程度較輕;當HI在0.35～0.60時處于流域地貌演化的平衡期或壯年期,侵蝕程度適中;當HI<0.35時處于流域地貌演化的老年期,侵蝕程度比較嚴重[15]。因此,以面積-高程積分值對水力侵蝕敏感型模型進行評價。

其積分值計算方法中有積分曲線法、體積比例法及起伏比法等,其中起伏比法較為簡潔易行[14]。因此,以起伏比法計算研究區的面積-高程積分值。結合研究區遙感影像,利用Arcgis水文分析工具提取研究區的集水區域后,根據Pike和Wilson提出的基于高程起伏比法[29]可以計算出研究區的面積-高程積分值,其值分布于[0,1],如式(2)所示。

(2)

式(2)中:HI為面積-高程積分值;ERR為數學上的高程起伏比;Elevmean、Elevmin、Elevmax分別為每一個集水區域內的高程平均值、最小值以及最大值。

(2)模型評價方法。為了判斷模型使用是否適宜,采用交叉驗證方法。根據張威等[15]對面積-高程積分值與地表侵蝕周期之間關系的研究,地貌演化幼年期(HI>0.6)對應模型輕度敏感區、地貌演化壯年期(0.6>HI>0.35)對應模型中度敏感區、地貌演化老年期(HI<0.35)對應模型重度敏感區。得分值越高對水力侵蝕越敏感,參考面積-高程積分分級標準,對水力侵蝕敏感性綜合得分結果根據0.35和0.6為斷點,劃分水力侵蝕輕、中以及重度敏感區。將對應部分的面積除以研究區域總面積后得到分類精度,并將該值作為模型適宜性評價因子,因子值越高表明模型越適宜。

(3)

式(3)中:I為評價因子指數;α為幼年期-水力侵蝕輕度敏感區交叉面積;β為壯年期-水力侵蝕中度敏感區交叉面積;γ為老年期-水力侵蝕重度敏感區交叉面積;A為研究區總面積。

2 結果分析

2.1 水力侵蝕敏感性模型建模因子分析

為了更好地說明這些因子在進行建模時的科學性,參考許明杰等[30]的評價因子相關性分析法對單因子進行相關性分析。將單因子在SPSS軟件中進行共線性檢驗,方差膨脹因子(variance inflation factor,VIF)均低于10,因子通過共線性檢驗,可以將其運用于水力侵蝕敏感性計算。通過比較不同插值方法下的結果得泛克里金插值下的研究區R值分布效果最好。經計算得本研究區年降水侵蝕力為2 236.40～2 531.54(MJ·mm)/(hm2·h·a),在區域內的分布呈現東南高,西北低的趨勢,如圖2(a)所示。經美制單位轉換為國際制單位后得K為0.02～0.04(t·hm2·h)/(hm2·MJ·mm)。但是考慮到中美之間的差異以及經驗公式與地理環境的適宜性,該K值需要進行相應的修正計算才可使用。因此,參考張科利等[31]提出的針對中國地區的基于EPIC的K值修正方法對K值進行相應的修正。最終所得K值在研究區內的西北和東南偏高,越往“丁”字形盆地分布越低,如圖2(b)所示。坡長因子分布在0～63.75,在東南土石山區較高;坡度因子分布在0.05～20.48,與坡長因子空間分布大致一致,如圖2(c)所示。在中起伏山地與大起伏山地主要分布為林草地,其中大起伏山地的植被分布較為旺盛,中起伏山地相對稀疏;在“丁”字形盆地底部以人工建筑為主,僅有貧瘠的植被分布。在黃土塬地區與黃土梁峁地區主要分布為耕地,黃土梁峁地區的地形起伏略大,不易進行耕作措施的設置,因此T值更高。由于人類活動需要,在人類頻繁活動的“丁”字形盆地工程措施設置相對較為完善,但是在幾乎沒有人類活動的北部與南部的山地地區不夠完善,如圖2(d)～圖2(e)所示。

圖2 歸一化單因子分布圖

2.2 水力侵蝕敏感性模型構建及評價

對單因子進行歸一化與異常值去除后進行熵值法賦權,可得不同地貌單元下各單因子的權重,如表1所示。黃土梁峁地區與沖積洪積平原地區以降雨侵蝕力因子為主要影響因子,中起伏山地地區以土壤可蝕性為主要影響因子,黃土塬地區以坡長坡度為主要影響因子,洪積平原以生物/耕作措施為主要影響因子,大起伏山地以工程措施為主要影響因子。根據式(1)對分地貌單元賦權后的各單因子進行水力侵蝕敏感性模型構建,對本文所提出的模型與不分地貌單元賦權疊加的模型(降雨侵蝕力因子權重:0.265,土壤可蝕性因子權重:0.141,坡長坡度因子權重:0.319,生物/耕作措施因子權重:0.121,工程措施因子權重:0.154)、歸一化CSLE模型分別采用面積-高程積分進行交叉驗證后得,該模型的評價精度為61%,優于不分地貌單元賦權疊加的模型的54%,更優于歸一化CSLE模型的12%,表2所示。因此,利用該模型進行水力侵蝕敏感性評價與分析更為適宜。

表1 單因子確權表

表2 水力侵蝕敏感性模型精度評價表

2.3 水力侵蝕敏感性評價及影響因素分析

將水土流失敏感性值以0.35和0.6為斷點進行分級后可得,研究區主要以中水力侵蝕為主,大體呈現自北向南水力侵蝕敏感性不斷變高,特別是西南部的大起伏山地。“丁”字形盆地周圍以及部分黃土梁峁與黃土塬地區主要為低水力侵蝕敏感區,占據整個研究區的15.55%;黃土梁峁、黃土塬、中起伏山地與洪積平原偏東地區主要分布為中水力侵蝕,占據整個研究區64.95%,是整個研究區分布最廣的區域;洪積平原偏西地區與大起伏山地以高水力侵蝕為主,占據研究區的19.5%。朱家川和縣川河下游,泥沙在兩岸沉積,形成了沖積洪積平原,土壤可蝕性居中、地形平坦、以建成區及耕地為主,水力侵蝕程度很輕。北部地區夾雜分布著林/草地、坡度較大,但水土保持措施不夠完善,植被覆蓋度相對較低,因此在該地貌單元內更易發水力侵蝕。且在“丁”字形盆地內有人類居住,因此更應該加以重視。北部地區以中起伏山地為主,這里分布著稀疏的林/草地,但土壤可蝕性適中、地形起伏不大且降雨較小,因此水力侵蝕程度較輕。相對整個中起伏山地區而言,東南地區與西南地區地形起伏較大、土壤可蝕性較高,在暴雨作用下可能會發生滑坡、泥石流等地質災害現象。由于與其接壤的沖積洪積平原主要為人類活動區,因此應結合生物/工程措施對該區域進行重點治理。中部偏西南與偏東南地區主要分布為黃土梁峁地貌,受近代流水侵蝕作用,被侵蝕為長條形乃至孤立的黃土丘,整體水力侵蝕程度偏高。降雨侵蝕力是該區域的主要水力侵蝕影響因子,偏東南地區的降雨比偏西北地區要高,因此也更容易發生水力侵蝕。西南地區以黃土塬為主,塬面平坦、四周溝谷環繞并受溝頭侵蝕,此處為人類主要活動區,受建成區影響,植被分布差異較大。黃土塬地貌單元以坡長坡度為主要影響因素,相對塬面而言,黃土塬四周地形起伏大,水力侵蝕敏感性高,特別是與大起伏山地接壤的南部地區。東南地區主要分布為洪積平原,洪積平原之上的山地土壤易被侵蝕、以林地為主、地形坡度大、不易開墾,易發水土流失,隨著由扇頂向扇底不斷延伸,水力侵蝕程度逐漸變輕。扇頂植被覆蓋度相對較高,但由于扇中的地形起伏相對較大且以耕地為主要土地利用類型,因此應加強耕作措施的建立。西南地區以大起伏山地為主,整體水力侵蝕程度很高,由于該區域延伸至主要人類活動區,提高植被覆蓋度以避免水力侵蝕是很重要的,如圖3所示。

圖3 水力侵蝕敏感性評價圖

3 討論

程琳等[10]對陜西省土壤侵蝕進行分析后得,黃土丘陵區與黃土塬區的侵蝕嚴重于山地區、土石丘陵區與平原。但是本文研究認為西南部的大起伏山地水力侵蝕敏感性要高于黃土梁峁與黃土塬,主要是因為該區域在降雨侵蝕力、土壤可蝕性方面均處于高值,而程琳等[10]的研究區中該兩因素處于低值。蘇新宇等[32]對蒙陰縣進行水土流失風險評價得山地風險性高、其次為丘陵區、最后為平原區,與本文研究結果一致。同時,常夢迪等[33]同樣認為坡度較大的地區更易發生水土流失。

4 結論

(1)以面積-高程積分為評價依據,根據上文提出的模型評價方法計算得本文提出的水力侵蝕敏感性評價模型的評價精度為61%。在進行水力侵蝕敏感性評價時優于傳統CSLE模型的12%,說明可以利用該水力侵蝕敏感性評價模型對研究區進行水力侵蝕敏感性分析。

(2)水力侵蝕敏感性整體呈現由南向北值不斷降低,大起伏山地水力侵蝕敏感性值最高,其次分別為洪積平原、黃土塬、黃土梁峁、中起伏山地,沖積洪積平原水力侵蝕敏感性值最低。

(3)北部沖積洪積平原與中起伏山地相交地帶土壤可蝕性高、植被覆蓋度相對較低,更易發水力侵蝕,應重點治理,以避免對“丁”字形盆地內的人類居住區造成影響;南部大起伏山地內的清漣河流域附近植被覆蓋度低,且延伸向主要人類活動區,在暴雨作用下很可能發生滑坡、泥石流,從而對人類的生命財產造成損害。