鞏國(guó)麗, 黃 麟

(1.山西能源學(xué)院, 山西 太原 030006; 2.中國(guó)科學(xué)院 地理科學(xué)與資源研究所， 北京 100101)

土壤結(jié)皮一般分為生物性結(jié)皮與物理性結(jié)皮，生物性結(jié)皮為由細(xì)菌、苔蘚、藻類等低等生物與土壤相互作用在其表面形成的微層[1-2]，在降低土壤侵蝕方面作用顯著，且抗旱性強(qiáng)，在我國(guó)北方干旱半干旱區(qū)分布廣泛[3]。物理性結(jié)皮為在一定的降水滴濺等條件下，地表土壤細(xì)小顆粒形成微層[4]，物理性結(jié)皮能減小土壤風(fēng)蝕，但是該結(jié)皮易碎，在一定程度上也易于增加土壤風(fēng)蝕量[5]。土壤可蝕性為土壤對(duì)風(fēng)蝕破壞作用的敏感性。

RWEQ(revised wind erosion equstion model)模型的形成前提為牛頓第一定律，即風(fēng)力大于阻力(來自于植被、地表等的阻力)的前提下，土壤顆粒在風(fēng)力作用下發(fā)生位移。基于此前提，F(xiàn)ryrear等[6]在美國(guó)進(jìn)行了大量試驗(yàn)，得出了除氣候條件，植被狀況和地表土壤粗糙度外，充分考慮土壤可蝕性和土壤結(jié)皮的定量估算區(qū)域土壤風(fēng)蝕量的經(jīng)驗(yàn)?zāi)Ｐ汀猂WEQ模型，但RWEQ模型中的土壤結(jié)皮和土壤可蝕性因子計(jì)算都需要用到土壤質(zhì)地資料。然而，目前對(duì)土壤分級(jí)的標(biāo)準(zhǔn)不盡一致，RWEQ模型的開發(fā)者使用的土壤質(zhì)地資料為美國(guó)制，而中國(guó)土壤普查資料中土壤質(zhì)地的分類系統(tǒng)為國(guó)際制。不同分類系統(tǒng)的土壤質(zhì)地資料不能籠統(tǒng)代入結(jié)皮和可蝕性因子公式中進(jìn)行計(jì)算。因此，探討不同土壤粒徑分級(jí)標(biāo)準(zhǔn)間土壤質(zhì)地資料的轉(zhuǎn)換問題具有重要意義。首先需要進(jìn)行土壤質(zhì)地轉(zhuǎn)換[7-12]。在對(duì)粒度轉(zhuǎn)換方法的討論上，郭中領(lǐng)[13]對(duì)土壤分形模型、對(duì)數(shù)正態(tài)分布模型、Weibull分布模型、邏輯生長(zhǎng)模型等粒度轉(zhuǎn)換方法進(jìn)行了比較，結(jié)果表明對(duì)數(shù)正態(tài)模型與分形模型的預(yù)測(cè)精度最高，且對(duì)于預(yù)測(cè)小于0.02 mm的土壤累積百分比而言，分形模型擬合精度最高，但是分形模型的應(yīng)用需要不少于5個(gè)的土壤顆粒百分比數(shù)據(jù)，而一般所能獲取的土壤質(zhì)地資料有限，通常僅有砂礫、粉砂和黏土的含量等。在此情況下，本文嘗試?yán)脤?duì)數(shù)正態(tài)分布模型，探討其轉(zhuǎn)換土壤質(zhì)地資料的可行性。

1 數(shù)據(jù)與方法

(1) 修正土壤風(fēng)蝕方程(RWEQ)。

Qmax=109.8(WF·EF·SCF·K′·COG)

s=150.71(WF·EF·SCF·K′·COG)-0.371 1

式中：Qmax——最大沙通量;Qx——地塊長(zhǎng)度x處的沙通量;s——關(guān)鍵地塊長(zhǎng)度，土壤風(fēng)蝕量是在氣候因子WF，土壤可蝕性EF和結(jié)皮因子SCF，土壤粗糙度K′以及植被因子COG基礎(chǔ)上估算而得[6]。

氣候因子WF是在充分考慮風(fēng)、土壤濕度、降雪等條件的基礎(chǔ)上利用下載(http:∥cdc.cma.gov.cn)的國(guó)家臺(tái)站的日均風(fēng)速、降水、溫度、日照時(shí)數(shù)、緯度等以及下載(http:∥westdc.westgis.ac.cn)的中國(guó)雪深長(zhǎng)時(shí)間序列數(shù)據(jù)集來計(jì)算完成[14-15]；不同土地覆被類型的土壤糙度因子K′計(jì)算方式不同。草地、沙地等的土壤糙度因子采用滾軸式鏈條法來測(cè)定[16]。農(nóng)田的土壤糙度按照不同作物類型與耕作方式根據(jù)RWEQ中的建議參數(shù)來確定[6]；植被因子COG則用像元二分法求取的植被覆蓋度進(jìn)一步獲得[17]，數(shù)據(jù)來源于從MODIS官網(wǎng)下載的NDVI。

Fryear等[18]建立以下方程來描述土壤可蝕性因子EF的值：

EF= (29.09+0.31Sa+0.17Si+0.33Sa/Cl-

2.59OM-0.95CaCO3)/100

式中：Sa——土壤砂粒含量；Si——土壤粉砂含量；Sa/Cl——土壤砂粒和黏土含量比； OM——有機(jī)質(zhì)含量； CaCO3——碳酸鈣含量。

Hagen等[19]利用下列方程來計(jì)算土壤結(jié)皮因子SCF的值。

式中：Cl——黏土含量; OM——有機(jī)質(zhì)含量。

表1 RWEQ標(biāo)準(zhǔn)數(shù)據(jù)庫中物質(zhì)含量范圍 %

利用土壤剖面數(shù)據(jù)和土壤圖等進(jìn)而獲取包括土壤顆粒和有機(jī)質(zhì)含量數(shù)據(jù)(空間分辨率為1 km)的中國(guó)土壤特征數(shù)據(jù)集(http:∥westdc.westgis.ac.cn)[20]，利用全國(guó)1∶400萬土壤碳酸鈣含量分布圖(1980s)(http:∥www.geodata.cn)取得土壤碳酸鈣含量。此外，模型對(duì)于土壤物質(zhì)含量超出表1范圍的使用模型推薦輸入?yún)?shù)[6](表2)。

(2) 對(duì)數(shù)正態(tài)分布。假定土壤的累積粒徑分布近似服從對(duì)數(shù)正態(tài)分布，對(duì)應(yīng)于某一直徑D的待估計(jì)累積質(zhì)量百分含量C與其相鄰的2個(gè)實(shí)測(cè)百分含量之間存在對(duì)數(shù)線性關(guān)系[21]，即:

式中：C——對(duì)應(yīng)于顆粒直徑D的待估計(jì)的累積百分含量；C1,C2——對(duì)應(yīng)于2個(gè)相鄰直徑為D1和D2(D1

表2 RWEQ模型內(nèi)嵌適用的土壤資料 %

(3) 土樣測(cè)定及模型驗(yàn)證方法。隨機(jī)采集土壤樣品，對(duì)樣品進(jìn)行預(yù)處理，去除植被殘余等雜質(zhì)，平鋪混合風(fēng)干后取0.5 g過2 mm篩，用激光粒度分析儀測(cè)定土壤粒度分布情況，儀器的重復(fù)測(cè)量誤差<2%，測(cè)量范圍為0.002～2 mm。

利用實(shí)測(cè)結(jié)果獲取0.2，0.05和0.02 mm土壤粒徑的累積百分含量。將0.2和0.02 mm土壤粒徑累積百分含量數(shù)據(jù)代入對(duì)數(shù)正態(tài)分布模型中計(jì)算得出0.05 mm土壤粒徑累積百分含量模擬值。

利用誤差分析來驗(yàn)證模擬結(jié)果是否適用于中國(guó)北方地區(qū)，設(shè)用實(shí)測(cè)數(shù)據(jù)求得的結(jié)果為fs，利用模型求得的結(jié)果為fm，則兩者的相對(duì)誤差RE由下列公式求出：

2 結(jié)果分析

2.1 模型驗(yàn)證

利用2012年在中國(guó)內(nèi)蒙古自治區(qū)、吉林省、陜西省等地采集的75個(gè)土樣實(shí)際測(cè)得的土壤理化性狀與利用對(duì)數(shù)正態(tài)分布模型模擬結(jié)果進(jìn)行對(duì)比分析。對(duì)對(duì)數(shù)正態(tài)分布模型的模擬結(jié)果(<0.05 mm累積分布百分比)與實(shí)測(cè)結(jié)果比較得出在0.05 mm土壤顆粒累積百分比大于65%的情況下，模型模擬結(jié)果與實(shí)測(cè)值相較有所低估，在0.05 mm土壤顆粒累積百分比小于60%時(shí)，模型模擬結(jié)果與實(shí)測(cè)值相較有所高估，但總體來看模型模擬結(jié)果與實(shí)測(cè)值的相對(duì)誤差小于10%，相對(duì)誤差最小值達(dá)到0.29%，相對(duì)誤差中位數(shù)為0.53%。

2.2 土壤結(jié)皮和可蝕性因子的時(shí)空分布規(guī)律

研究區(qū)土壤結(jié)皮和可蝕性因子的計(jì)算結(jié)果如圖1—2所示。

圖1 研究區(qū)土壤結(jié)皮因子分布

中國(guó)北方各大沙漠區(qū)風(fēng)沙土的土壤結(jié)皮和可蝕性因子值均最高，其中土壤結(jié)皮因子達(dá)到0.7以上；內(nèi)蒙錫林郭勒盟以西的棕鈣土、淡棕鈣土，新疆自治區(qū)北部的鹽土、棕漠土、棕鈣土，西藏南部的寒凍土，青海省柴達(dá)木盆地西北鹽殼等地的結(jié)皮因子達(dá)到了0.6以上；甘肅省中東部的灰棕漠土，內(nèi)蒙西部的灰棕漠土、灰漠土、棕漠土以及青藏高原西北部的寒鈣土、淡寒鈣土等地的結(jié)皮因子值均在0.5以上；青藏高原大部分的寒鈣土，黃土高原地區(qū)的黃綿土，三江源地區(qū)的草氈土、大興安嶺地區(qū)的棕色針葉林土等的植被結(jié)皮因子達(dá)到了0.4以上，其余地區(qū)的土壤結(jié)皮因子值較低。

可蝕性因子的最高值仍然分布于各大沙漠的風(fēng)沙土區(qū)，其次為內(nèi)蒙錫林郭勒盟的棕鈣土區(qū)，青藏高原區(qū)的大部分寒鈣土區(qū)，新疆的棕漠土區(qū)；再次為內(nèi)蒙錫林郭勒盟的栗鈣土區(qū)，三江源的寒鈣土區(qū)；東北的棕色針葉林土，內(nèi)蒙古中部地區(qū)的粗骨土、石質(zhì)土等的土壤可蝕性因子值較低。

圖2 研究區(qū)土壤可蝕性因子分布

2.3 土壤結(jié)皮和可蝕性因子的相關(guān)關(guān)系

地表25 mm范圍內(nèi)粒徑小于0.84 mm的土壤顆粒為可蝕性顆粒[22]。當(dāng)土壤表面受到降水影響時(shí)，土壤粒徑會(huì)重新分布并在表面形成結(jié)皮，這一表層結(jié)皮會(huì)極其堅(jiān)固或者脆弱，有可能增加土壤風(fēng)蝕量，也有可能減少土壤風(fēng)蝕量[5]。降水量、降水強(qiáng)度、降水頻次影響著結(jié)皮的形成蓋度及強(qiáng)度，日照時(shí)間及強(qiáng)度等可使得結(jié)皮由于干燥脫水、光降解等原因而破碎[23-24]。此外，牲畜踩踏、耕作等機(jī)械破壞、侵蝕過程的磨損等也都可以造成結(jié)皮破碎，進(jìn)而影響土壤可蝕性。為更好確定降水所形成的結(jié)皮對(duì)土壤風(fēng)蝕可蝕性影響的定量關(guān)系，未來需確定不同日照等氣候條件下的不同降水量對(duì)不同類型土壤的風(fēng)蝕可蝕性的影響，進(jìn)一步確定引起地表結(jié)皮而將土壤風(fēng)蝕可蝕性降到最小時(shí)的降雨量。

3 結(jié) 論

(1) 模擬結(jié)果與實(shí)測(cè)結(jié)果比較得出在0.05 mm土壤顆粒累積百分比大于65%的情況下，模型模擬結(jié)果與實(shí)測(cè)值相較有所低估，在0.05 mm土壤顆粒累積百分比小于60%時(shí)，模型模擬結(jié)果與實(shí)測(cè)值相較有所高估，但總體來看模型模擬結(jié)果與實(shí)測(cè)值的相對(duì)誤差小于10%，對(duì)土壤質(zhì)地資料進(jìn)行轉(zhuǎn)換的對(duì)數(shù)正態(tài)分布模型能夠較好地模擬土壤顆粒含量。

(2) 模擬得出的土壤結(jié)皮因子顯示高值分布于中國(guó)北方風(fēng)沙土區(qū)，其次為內(nèi)蒙錫林郭勒盟以西的棕鈣土，新疆北部的棕漠土、鹽土，西藏南部的寒鈣土，青海柴達(dá)木盆地西北鹽殼等地；再次為青藏高原寒鈣土等地；黃土高原地區(qū)的黃綿土，三江源地區(qū)的草氈土、大興安嶺地區(qū)的棕色針葉林土相對(duì)較低。

(3) 模擬得出的土壤可蝕性因子最高值分布與結(jié)皮因子類似，為各大沙漠的土壤風(fēng)沙土區(qū)，其次為內(nèi)蒙錫林郭勒盟的棕鈣土區(qū)，青藏高原區(qū)的大部分寒鈣土和新疆的棕漠土區(qū)；再次為內(nèi)蒙錫林郭勒盟的栗鈣土區(qū)，三江源的寒鈣土區(qū)；東北的棕色針葉林土，內(nèi)蒙古中部地區(qū)的粗骨土、石質(zhì)土等的土壤可蝕性因子值較低。

(4) 結(jié)皮可降低或增加土壤可蝕性，未來的關(guān)鍵應(yīng)確定不同氣候條件下，引起地表結(jié)皮而將土壤風(fēng)蝕可蝕性降到最小時(shí)的降雨量。

(5) 除土壤結(jié)皮、土壤可蝕性因子之外，氣候因子、植被因子、土壤粗糙度因子等都需要進(jìn)一步參數(shù)改進(jìn)。如風(fēng)速需要降尺度滿足RWEQ模型中氣候因子計(jì)算所需，何種降尺度方法較為適用是值得進(jìn)一步研究的問題；此外，RWEQ模型中的起沙風(fēng)速設(shè)定為5 m/s，不同土壤類型的起沙風(fēng)速也不同，如塔克拉瑪干沙漠區(qū)的起沙風(fēng)速較低[25]，對(duì)于不同土壤及覆被類型區(qū)域的臨界起沙風(fēng)速需要進(jìn)一步研究；在植被覆蓋度因子的計(jì)算中，應(yīng)考慮枯萎植被對(duì)風(fēng)蝕的削弱作用；在地表土壤粗糙度因子的計(jì)算中，應(yīng)考慮降水對(duì)地表土壤粗糙度的影響[26]。

[參考文獻(xiàn)]

[1] Belnap J. The world at your feet:desert biological soil crusts[J].Frontiers in Ecology and the Environment, 2003,1(4):181-189.

[2] 趙哈林,郭秩瑞,周瑞蓮,等.植被覆蓋對(duì)科爾沁沙地土壤生物結(jié)皮及其下層土壤理化特性的影響[J].應(yīng)用生態(tài)學(xué)報(bào),2009,20(7):1657-1663.

[3] Belnap J, Lange O L. Biological Soil Crusts: Structure, Function, and Management[M]. New York: Springer-verlag, 2001.

[4] 段爭(zhēng)虎,劉新民,屈建軍.沙坡頭地區(qū)土壤結(jié)皮形成機(jī)理的研究[J].干旱區(qū)研究,1996,13(2):31-36.

[5] Zobeck T M. Abrasion of crusted soils: Influence of abrader flux and soil properties[J]. Soil Science Society of America Journal, 1991,55(4):1091-1097.

[6] Fryrear D W, Saleh A, Bilbro J D, et al. Revised Wind Erosion Equation(RWEQ)[M]. Wind Erosion and Water Conservation Research Unit, Technical Bulletin1, Southern Plains Area Cropping Systems Research Laboratory, USDA-ARS, 1998.

[7] Buchan G D, Grewal K S, Robson A B. Improved models of partical-size distribution: An illustration of model comparison techniques[J]. Soil Science Society of America Journal, 1993,57 (4):901-908.

[8] Crawford J W, Sleeman B D, Young I M. On the relation between number-size distributions and the fractal dimension of aggregates[J].Jounal Soil Science, 1993,44 (4):555-565.

[9] 郭中領(lǐng),張科利,董建志,等.利用分形理論解決不同土粒分級(jí)標(biāo)準(zhǔn)間土壤質(zhì)地資料的轉(zhuǎn)換問題[J].地理科學(xué),2011,31(10):1254-1260.

[10] Press W H, Teukolsky S A, Vetterling W T, et al. Numerical Recipes in Fortran[M]. Cambridge: Cambridge University Press, 1992.

[11] Skaggs T H, Arya L M, Shouse P J, et al. Estimating particles-size distribution from limited soil texture data[J]. Soil Science Society of Journal, 2001,65(4):1038-1044.

[12] Zobeck T M, Gill T E, Popham T W. A two-parameter Weibull function to describe airborne dust particle size distribution[J]. Earth Surface and Landforms, 1999,24(10):943-955.

[13] 郭中領(lǐng).RWEQ模型參數(shù)修訂及其在中國(guó)北方應(yīng)用研究[D].北京:北京師范大學(xué)，2012:59-63.

[14] 車濤,戴禮云.中國(guó)雪深長(zhǎng)時(shí)間序列數(shù)據(jù)集[DB/OL].寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心.2011. doi:10.3972/westdc.001.2014. db.

[15] Dai Liyun, Che Tao, Wang Jian, et al. Snow depth and snow water equivalent estimation from AMSR-E data based on a priori snow characteristics in Xinjiang, China[J]. Remote Sensing of Environment, 2012,127(12):14-29.

[16] Ali S. Soil roughness measurement: Chain method[J]. Journal of Soil and Water Conservation, 1993,48(6):527-529.

[17] Gutman G, Ignatov A. The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models[J]. International Journal of Remote Sensing, 1998,19(8):1533-1543.

[18] Fryrear D W, Krammes C A, Williamson D L, et al. Computing the wind erodible fraction of soils[J]. Journal Soil Water Conservation, 1994,49(2):183-188.

[19] Hagen L J, Skidmore E L, Saleh A. Wind erosion:Prediction of aggregate abrasion coefficients[J]. Transactions of the ASAE, 1992,35(6):1847-1850.

[20] Shangguan Wei, Dai Yongjiu, Liu Baoyuan, et al. A soil particle-size distribution dataset for regional land and climate modelling in China[J]. Geoderma, 2012,171-172:85-91.

[21] Zobeck T M, Popham T W, Skidmore E L, et al. Aggregate-mean diameter and wind-erodible soil predictions using dry aggregate-size distributions[J]. Soil Science Society of America Journal, 2003,67(2):425-436.

[22] Chepil W S. A compact rotary sieve and the importance of dry sieving in physical soil analysis[J]. Soil Science Society of America Journal, 1962,26(1):4-6.

[23] Belnap J, Eldridge D. Disturbance and Recovery of Biological Soil Crusts[M]∥Biological Soil Crusts: Structure, Function, and Management. Berlin Heidelberg: Springer, 2003:363-383.

[24] Jimenez A, Huber-Sannwald E, Belnap J, et al. Biological soil crusts exhibit a dynamic response to seasonal rain and release from grazing with implications for soil stability[J]. Journal of Arid Environments, 2009,73(12):1158-1169.

[25] Kurosaki Y, Mikami M. Threshold wind speed for dust emission in east Asia and its seasonal variations[J]. Journal of geophysical research, 2007,112, D17202, doi:10.1029/2006 JD007988.

[26] Zobeck T M, Popham T W. Modification of the wind erosion roughness index by rainfall[J]. Soil Tillage Research, 1997,42(1/2):47-60.