邵方澤++張慧++繆旭波

摘要：以江蘇省南京市為研究對象，基于地形、土壤、降水、植被覆蓋、土地利用等數(shù)據(jù)，結合RUSLE模型，分析南京市2006—2014年水土侵蝕時空分布特征。結果表明，南京市水土流失量逐漸減小，2006、2010、2014年分別為 1 410萬、1 130萬、1 110萬t，城市及山丘邊緣植被覆蓋差的地區(qū)侵蝕強度較大；水土保持工作取得一定成效，但人類活動仍能增加部分地區(qū)土壤侵蝕強度，2006—2010年侵蝕強度降低面積為632.16 km2，增大面積為348.95 km2；2010—2014年，侵蝕強度降低面積為493.40 km2，增大面積為253.39 km2；南京市建設用地、水域、林地、水田受侵蝕強度小，旱地、園地、喬木綠地、草地、裸地受侵蝕強度大，是水土保持工作的重點，南京市生態(tài)環(huán)境逐漸變好，2006—2010年旱地、園地、喬木綠地、草地受侵蝕強度有所下降。

關鍵詞：南京市；水土流失；RULSE模型；水土侵蝕；時空分布特征；侵蝕強度

中圖分類號： S157文獻標志碼： A文章編號：1002-1302（2017）17-0264-05

收稿日期：2016-04-29

基金項目：國家公益性行業(yè)（環(huán)保）科研專項（編號：201209029-1）。

作者簡介：邵方澤（1988—），男，江蘇連云港人，碩士，主要從事生態(tài)保護與管理研究。E-mail：sfz01134@163.com。

通信作者：張慧，博士，研究員，主要從事生態(tài)承載力、生態(tài)安全、生態(tài)規(guī)劃研究，E-mail：zhnies@126.com；繆旭波，碩士，研究員，主要從事環(huán)境保護研究，E-mail：mxb@nies.org。土壤發(fā)育是復雜而漫長的過程，一旦被破壞會難以恢復[1]。目前，水土流失是重要的全球性環(huán)境問題，是生態(tài)環(huán)境惡化的體現(xiàn)，導致土地生產(chǎn)力下降，抬高河床加劇洪澇災害，制約經(jīng)濟的可持續(xù)發(fā)展，受到人們越來越多的關注[2-4]。研究水土流失理論及水土流失現(xiàn)狀對水土的流失治理有一定的指導意義，國內(nèi)外學者對水土侵蝕做了大量的試驗研究，采用侵蝕針法、示蹤法定量分析了水土流失的演變過程[5-6]。然而傳統(tǒng)調(diào)查方法不具有實效性，特別是在大區(qū)域尺度下，難以確定水土流失的動態(tài)變化情況。近年來“3S”技術的成熟與發(fā)展，克服了傳統(tǒng)研究方法中對地理信息獲取的困難，“3S”技術以其能快速、準確、實時地獲取、處理空間信息及模擬地理過程的優(yōu)勢，使得水土流失評估更加高效，特別是土壤流失預報方面發(fā)展了包括通用土壤流失方程（USLE）、水蝕預報模型（WEPP）、荷蘭土壤侵蝕預報模型（LISEM）、歐洲水蝕預報（EROSEM）等[7-8]。劉寶元等結合我國的地貌特征，對美國水土通用模型（ULSE）進行了修改，建立了適合我國坡面的經(jīng)驗模型，目前國內(nèi)學者主要基于修訂的RUSLE模型結合我國土壤侵蝕特征分析我國不同地區(qū)水土流失特征[9-12]。

中國是水土流失最嚴重的國家之一，每年約50億t泥沙流入江河湖海[13]。南京市生態(tài)環(huán)境很脆弱，近幾年較快的城市擴張及較大的土地利用變化對水土侵蝕產(chǎn)生了很大的影響。本研究基于修訂過的RUSLE土壤侵蝕模型，采用“3S”技術評估南京市2006—2014年水土流失格局時空分布及動態(tài)變化特征，為水土保持規(guī)劃制定提供科學依據(jù)，使防治措施更加具有針對性。

1研究區(qū)域概況

南京市位于118°22′～119°14′E、32°45′～33°43′N（圖1），地處長江下游江蘇省西南部，面積6 597 km2。研究區(qū)處于亞熱帶季風氣候區(qū)，年平均溫度16 ℃，夏季最高氣溫 38 ℃，冬季最低氣溫-8 ℃，夏季濕熱，冬季干冷，四季分明。年平均降雨117 d，降水量1 106.5 mm，降水四季分配不均。地質(zhì)構造屬于揚子臺褶帶，北部以平原為主，南部以低丘山地為主，東西長江貫通。境內(nèi)有長江、淮河、太湖三大水系，分別占南京市國土總面積的95.49%、1.95%、2.56%。本地區(qū)的水資源不夠豐富，年平均水資源總量為28億m3，其中地表水資源22億m3，地下水資源6億m3。南京市是中國重要的綜合性工業(yè)生產(chǎn)基地，人口密度大，隨著城市的不斷擴張，生態(tài)環(huán)境和水土流失問題越來越嚴重，治理難度越來越大。

2研究方法

2.1數(shù)據(jù)來源

本研究逐日降水站點數(shù)據(jù)來源于中國氣象科學數(shù)據(jù)共享服務（http：//cdc.nmic.cn/home.do）提供的中國地面氣候資料日值數(shù)據(jù)集，為保證數(shù)據(jù)一致性和完整性，對所獲取的數(shù)據(jù)進行質(zhì)量檢驗與控制，剔除缺測、漏測及異常數(shù)據(jù)，選取南京市及其周邊11個站點數(shù)據(jù)。南京市土地利用數(shù)據(jù)基于《全國生態(tài)環(huán)境10年變化（2000—2010年）遙感調(diào)查與評估項目》的2005、2010年解譯結果，結合條帶號120、38的2006年5月20日美國陸地衛(wèi)星系列的第5顆衛(wèi)星（Landsat5）、2014年6月11日美國陸地衛(wèi)星系列的第8顆衛(wèi)星（Landsat8）遙

感影像解譯獲得。遙感影像和高程數(shù)據(jù)（DEM）來自地理空間數(shù)據(jù)云平臺（http：//www.giscloud.cn），其中DEM為平臺中的航天飛機雷達地形測繪使命數(shù)據(jù)（SRTM），分辨率為 90 m。土壤數(shù)據(jù)來自由聯(lián)合國糧農(nóng)組織（FAO）和維也納國際應用系統(tǒng)研究所（IIASA）構建的世界和諧土壤數(shù)據(jù)庫（HWSD），空間分辨率為1 km。NDVI數(shù)據(jù)來自美國國家航天局（NASA）提供的植被指數(shù)產(chǎn)品MOD13Q1（http：//ladsweb.nascon.nasa.gov/），時間分辨率為16 d，空間分辨率為250 m。

2.2水土流失方程

本研究采用改進的土壤流失方程（RUSLE）對南京市水土流失分布情況進行評估，其計算公式為[14]

A=f·R·K·L·S·C·P。endprint

式中：A為單位面積和時間上的土壤流失量，t/（km2·年）；f為單位轉(zhuǎn)換系數(shù)100，用于將A的單位由t/（hm2·年）轉(zhuǎn)換為t/（km2·年）；R為降水及徑流侵蝕力因子，MJ·mm/（hm2·h·年）；K為土壤侵蝕性因子，t·h/（MJ·mm）；L為坡長因子；S為坡度因子；C為地表植被覆蓋因子；P為水土保持措施因子。

3研究區(qū)RUSLE因子計算

3.1降水侵蝕力因子R

降水侵蝕力因子R是標準狀態(tài)下降水對土壤剝離、搬運侵蝕的能力，是造成水土流失的首要因子，與降水量、降水動能、最大時段降水強度、降水歷時等有關[15]。1958年，Wischmeier在大量試驗基礎上，提出基于侵蝕性總動能和最大30 min雨強的降水侵蝕力因子（R）經(jīng)典算法，又將經(jīng)典算法得到的R值與降水量進行回歸分析，得到簡便的R值經(jīng)驗公式[16]。經(jīng)驗公式克服了經(jīng)典公式中短時降水資料難以獲得的問題，公式考慮了年降水總量和降水年內(nèi)的變化，能較準確地反映出區(qū)域降水對土壤侵蝕的影響。本研究估算降水蝕力因子R值時采用基于多年月降水量、年均降水量建立的經(jīng)驗公式為

R=∑12i=1{1.735×10[1.5×lg（p2i/p-0.818 8）]}。

式中：p為多年平均降水量，mm；pi為各月平均降水量，mm。

通過南京市及周邊11個站點的逐日降水數(shù)據(jù)，計算2003—2006、2007—2010、2011—2014年期間的年平均降水量、各月平均降水量，分別作為2006、2010、2014年的p、pi值，通過以上公式計算各站點3期降水侵蝕力因子R，在ArcGIS10.2中進行IDW空間插值、裁切，得到2006、2010、2014年90 m空間分辨率的降水侵蝕力柵格圖層。

3.2土壤可蝕性因子K

土壤可蝕性因子K能反映土壤侵蝕作用的敏感性，用來評價土壤抗蝕、抗沖能力[17]。與土壤侵蝕性有關的理化性質(zhì)較多，包括有機質(zhì)含量、緊實度、土壤的顆粒組成、滲透率等[18]。學者經(jīng)過長期研究，發(fā)展了多個具有代表性的模型，包括侵蝕/生產(chǎn)力影響模型EPIC公式、Shirazi公式等[9，19]。本研究估算土壤可蝕性因子K值時，采用比較成熟、成本低、穩(wěn)定性好的EPIC方法。公式為

K={0.2+0.3exp-0.025 6SAN1-SIL100}×SILCLA+SIL0.3×1.0-0.25CC+exp（3.72-0.95C）×1.0-0.7SN1SN1+exp（-5.51+22.9SN1）。

式中：SAN為沙粒含量，%；SIL為粉沙含量，%，CLA為黏粒含量，%；C為土壤有機碳含量，%；SN1=1-SAN/100。

3.3坡度坡長因子LS

地形是影響土壤侵蝕的重要因子，決定了地表徑流的運動狀態(tài)[17]。RULSE模型中主要考慮了2個地形因子，分別為坡長L、坡度S，反映地形地貌對土壤侵蝕的影響。坡度越大，土壤越容易被剝離及搬運；坡長越長，則侵蝕面就越大，侵蝕強度越大。本研究使用Wischmeier和Smith提出的坡長因子計算方法，劉寶元等建立的適用于中國土壤流失方程CSLE模型的坡度因子公式。LS公式如下[9，20]：

L=（λ22.13）m；

m=β/（1+β）；

β=（sinθ/0.089 6）/[3（sinθ）0.8+0.56]；

S=10.8sinθ+0.03θ<5°

16.8sinθ-0.505°≤θ<10°

21.9sinθ-0.96θ≥10°。

式中：L為坡長因子；λ為像元坡長；m為坡長指數(shù)；β為細溝侵蝕與細溝間侵蝕的比值；θ為坡度；S為坡度因子。

3.4植被覆蓋與管理因子C

植被覆蓋在減少水土流失中起著重要作用，茂盛的植被可以降低降水對土壤的直接剝離作用，還可以攔截徑流，保存水分，減少地面沖刷。植被覆蓋與土壤侵蝕有較強的負相關關系，RULSE模型中的植被覆蓋因子C可以通過計算植被覆蓋度獲得，植被覆蓋度一般是指植被在地面的垂直投影占地表面積的比例，本研究通過時間分辨率為16 d的模型產(chǎn)品數(shù)據(jù)，計算南京市2006、2010、2014年平均歸一化植被指數(shù)NDVI值。參照譚炳香等的算法計算植被覆蓋度[21]，其公式如下：

fc=NDVI-NDVIminNDVImax-NDVImin。

式中：fc為植被覆蓋度，%；NDVI為歸一化植被指數(shù)；NDVImax為研究區(qū)NDVI最大值；NDVImin為研究區(qū)NDVI最小值。

參照蔡崇法等的方法[22]，計算植被覆蓋因子C。

C=1fc=0

0.650 8-0.343 6lg（fc）0

0fc>78.3%。

式中：C為植被覆蓋與管理因子值，無量綱，取值范圍為 0～1。

3.5水土保持措施因子P

水土保持措施因子P值是指采取水土保持措施下土壤流失量與順坡種植時的土壤流失量的比值，P值取值范圍為0～1，P=0表示該區(qū)域采取水土保護措施后不發(fā)生水土侵蝕；P=1表示該區(qū)域未采取水土保持措施。水土保持措施通常有等高耕作、等高帶狀種植、水平條和修梯田等，目前P因子獲取的研究較少，通?；谕恋乩脤因子進行賦值，參照前人的研究成果[23-25]，為南京市各種土地利用類形的P因子進行賦值（表1）。

4結果與分析

4.1土壤侵蝕分布與變化

在ArcGIS10.2中將各因子轉(zhuǎn)換為90 m分辨率的柵格圖層，根據(jù)RUSLE模型計算南京市2006—2014年水土流失量可以發(fā)現(xiàn)，2006—2014年南京市生態(tài)環(huán)境有所改善，水土保持工作取得一定成效，統(tǒng)計得出南京市2006、2010、2014年水土流失量逐漸減小，依次為1 410萬、1 130萬、1 110萬t，南

4.2土壤侵蝕強度的空間變化

對土壤侵蝕強度分級圖層進一步疊加分析，得出2006—2010年和2010—2014年土壤侵蝕強度等級的轉(zhuǎn)移矩陣（表3、表4）。2006—2010年共有632.18 km2地區(qū)侵蝕強度降低，348.95 km2地區(qū)侵蝕強度增大。微度土壤侵蝕的面積增加較多，輕度、中度、強烈、極強烈、劇烈分別有458.62、31.59、16.24、18.90、62.30 km2轉(zhuǎn)變?yōu)槲⒍?。高等級土壤侵蝕強度向低等級轉(zhuǎn)換面積較多的情況還包括 19.79 km2中度轉(zhuǎn)換為輕度，9.56 km2強烈轉(zhuǎn)換為中度，8.49 km2極強烈轉(zhuǎn)變?yōu)閺娏乙约?.97 km2劇烈轉(zhuǎn)變?yōu)闃O強烈。這些區(qū)域等級降低主要原因是加強了水土流失治理工作，包括封山育林，采用合理的耕作方式等；其次是土地利用變化所致，城市擴張使得城市邊緣的土地變成不易被侵蝕的建設用地，山丘邊沿退耕還林，裸地綠化后變成林地或草地，這些植被增加降低了土壤侵蝕的敏感性。同時微度轉(zhuǎn)變?yōu)檩p度、中度、強烈、極強烈、劇烈的面積分別為234.56、10.95、7.73、12.47、35.75 km2，另外侵蝕強度增加面積較大的情況包括22.22 km2輕度轉(zhuǎn)變?yōu)橹卸龋?.23 km2中度轉(zhuǎn)變?yōu)閺娏遥?.71 km2強烈轉(zhuǎn)變?yōu)闃O強烈以及5.23 km2極強烈轉(zhuǎn)變?yōu)閯×遥治g強度的增加主要源于采取消極耕作方式，亂砍濫伐，林地草地退化等。

4.3土壤侵蝕與土地利用的關系

土地利用類型與土壤侵蝕有一定的相關性，土地利用改變是導致水土流失的重要原因，不合理的土地利用會改變土壤的理化性質(zhì)、植被覆蓋度、地表粗糙度，改變土壤侵蝕方式、增加土壤侵蝕強度。分別統(tǒng)計不同土地利用類型中各等級土壤侵蝕強度的面積及比例可以發(fā)現(xiàn)，南京市水域及建設用地土壤侵蝕強度最小，微度比例均大于95%，主要原因是土壤被水體保護，水域受降水直接侵蝕較小，水域多處于地勢低洼地區(qū)，因此很多水域是水土流失的匯集場所（表5）。建設用地多是房屋或水泥路面，一般不具備侵蝕條件，因此整體受侵蝕程度很小。林地和水田受侵蝕程度較小，微度比例均大于60%，原因是林地植被覆蓋較好，高大茂盛樹木可以減小雨水動能，降低雨水對土壤的剝離作用，同時有一定蓄水保土能力，而水田本身具有較好的水土保持能力。旱地、園地、喬木綠地、草地侵蝕強度較大，其中2006、2010、2014年旱地輕度及以上面積比例分別達到71.69%、63.17%、56.89%，旱地受人為干擾影響大，在耕作時會破壞土壤緊實度，且地表植被稀疏，如果不采用合理的耕作方式，土壤容易被侵蝕，南京市旱地面積較大，是水土保持治理的重要區(qū)域。園地、喬木綠地植被稀疏和草地退化導致土壤侵蝕程度較大。裸地因沒有植被保護，侵蝕強度最高，2006、2010、2014年劇烈面積比例分別為46.77%、55.03%、53.76%，水土流失嚴重。從2006—2014年各土地利用土壤侵蝕強度變化來看，旱地、園地、喬木綠地、草地侵蝕強度均有不同程度的降低，水土保持工程措施效果明顯，建設用地、水域、林地、水田侵蝕強度變化較小，而2010年和2014年裸土的侵蝕強度均大于2006年，因工程建設等引起的土壤裸露地區(qū)應及時采取生態(tài)修復措施。

5結論

南京市各種土地利用中建設用地和水域受到侵蝕程度最小，林地和水田較小，裸土最容易受到侵蝕，旱地、園地、喬木綠地、草地土壤侵蝕強度高，受人類活動干擾大，是水土保持治理的重點，2006—2014年土壤侵蝕強度逐漸下降，其中旱地貢獻最大。

參考文獻：

[1]羅友進. 區(qū)域成土過程：認識與表達[D]. 重慶：西南大學，2011：3-13

[2]李智廣，曹煒，劉秉正，等. 中國水土流失現(xiàn)狀與動態(tài)變化[J]. 中國水土保持，2008（12）：8-11.

[3]韋安勝. 秦嶺北麓面源污染風險評價——以周至縣俞家河小流域為例[D]. 楊凌：西北農(nóng)林科技大學，2015：1-8.

[4]謝立亞，任麗華，石連奎，等. 遼寧省黑土區(qū)水土流失及防治對策[J]. 水土保持通報，2005，25（1）：92-95.

[5]楊春雨. 用稀土元素示蹤法研究黑土侵蝕[J]. 商情，2009（12）：51.

[6]宋煒，劉普靈，楊明義. 利用REE示蹤法研究坡面侵蝕過程[J]. 水科學進展，2004，15（2）：197-201.

[7]迪力夏提·阿不力孜，艾斯卡爾·買買提，馬合木提·哈力克. 基于3S技術的野生動物生境研究進展[J]. 野生動物學報，2009，30（6）：335-339.

[8]楊勤科，李銳，曹明明. 區(qū)域土壤侵蝕定量研究的國內(nèi)外進展[J]. 地球科學進展，2006，21（8）：849-856.

[9]劉寶元，張科利. 土壤可蝕性及其在侵蝕預報中的應用[J]. 自然資源學報，1999，14（4）：345-350.

[10]陳思旭，楊小喚，肖林林，等. 基于RUSLE模型的南方丘陵山區(qū)土壤侵蝕研究[J]. 資源科學，2014，36（6）：1288-1297.

[11]楊冉冉，徐涵秋，林娜，等. 基于RUSLE的福建省長汀縣河田盆地區(qū)土壤侵蝕定量研究[J]. 生態(tài)學報，2013，33（10）：2974-2982.

[12]史東梅. 基于RUSLE模型的紫色丘陵區(qū)坡耕地水土保持研究[J]. 水土保持學報，2010，24（3）：39-44.

[13]曾凌云. 基于RUSLE模型的喀斯特地區(qū)土壤侵蝕研究——以貴州紅楓湖流域為例[D]. 北京：北京大學，2008.

[14]Renard K G，F(xiàn)oster G R，Weesies G A，et al. Predicting soil erosion by water：a guide to conservation planning with the revised universal soil loss equation （RUSLE）[M]. Agriculture Handbook，1997：5-19.endprint

[15]孫泉忠，王朝軍，趙佳，等. 中國降雨侵蝕力R指標研究進展[J]. 中國農(nóng)學通報，2011，27（4）：1-5.

[16]Wischmeier W H，Smith D D，Uhland R E. Evaluation of factors in the soil loss equation[J]. Agr Engin，1958，39：458-462.

[17]李天宏，鄭麗娜. 基于RUSLE模型的延河流域2001—2010年土壤侵蝕動態(tài)變化[J]. 自然資源學報，2012（7）：1164-1175.

[18]陳明華，黃炎和. 土壤可蝕性因子的研究[J]. 水土保持學報，1995，9（1）：19-24.

[19]Williams J R. The erosion-productivity impact calculator （EPIC） model：a case history[J]. Philosophical Transactions of the Royal Society B Biological Sciences，1990，329（1255）：421-428.

[20]代數(shù). 基于GIS和RUSLE的三峽庫區(qū)小流域侵蝕規(guī)律研究[D]. 重慶：西南大學，2013：36-52.

[21]譚炳香，李增元，王彥輝，等. 基于遙感數(shù)據(jù)的流域土壤侵蝕強度快速估測方法[J]. 遙感技術與應用，2005，20（2）：215-220.

[22]蔡崇法，丁樹文，史志華，等. 應用RUSLE模型與地理信息系統(tǒng)IDRISI預測小流域土壤侵蝕量的研究[J]. 水土保持學報，2000，14（2）：19-24.

[23]李苒. 基于InVEST模型的榆林市土壤保持生態(tài)效益研究[J]. 干旱區(qū)研究，2015，32（5）：882-889.

[24]李奎，岳大鵬，劉鵬，等. 基于GIS與RUSLE的榆林市土壤侵蝕空間分布研究[J]. 水土保持通報，2014，34（6）：172-179.

[25]白曉松. 基于RUSLE的北方山區(qū)土壤侵蝕定量研究與生態(tài)適宜性評價[D]. 保定：河北農(nóng)業(yè)大學，2010：40-42.楊翠霞，張成梁，劉禹伯，等. 礦區(qū)廢棄地近自然生態(tài)修復規(guī)劃設計[J]. 江蘇農(nóng)業(yè)科學，2017，45（17）：269-272.endprint