陕北地区退耕还林还草工程土壤保护效应的时空特征

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

刘文超¹^,², 刘纪远^,¹, 匡文慧¹

1. 中国科学院地理科学与资源研究所陆地表层格局与模拟院重点实验室,北京 100101

2. 天津师范大学地理与环境科学学院,天津 300387

Spatiotemporal patterns of soil protection effect of the Grain for Green Project in northern Shaanxi

LIU Wenchao¹^,², LIU Jiyuan^,¹, KUANG Wenhui¹

1. Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

2. School of Geographic and Environmental Sciences, Tianjin Normal University, Tianjin 300387, China

通讯作者: 刘纪远(1947-), 男, 广东惠州人, 研究员, 主要从事土地利用/覆盖变化及资源环境遥感研究。E-mail: liujy@igsnrr.ac.cn

收稿日期:2018-11-9修回日期:2019-07-27网络出版日期:2019-09-25

基金资助:

国家重点研发计划.2016YFC0500204
天津师范大学博士基金.52XB1622

Received:2018-11-9Revised:2019-07-27Online:2019-09-25

Fund supported:

National Key Research and Development Program of China.2016YFC0500204
Doctor Foundation of Tianjin Normal University.52XB1622

作者简介 About authors
刘文超(1986-),男,天津人,讲师,博士后,主要从事土地利用/覆盖变化及宏观生态效应研究E-mail:dorayliu@163.com。

摘要
以中国退耕还林生态工程重点区域陕北地区作为研究区,基于耕地遥感监测数据集,分析了陕北地区2000-2013年耕地的时空变化特征;基于梯田空间分布,对RUSLE模型进行改进,模拟生成陕北地区土壤侵蚀模数栅格数据并进行精度验证;最后结合耕地变化数据集对陕北地区退耕还林（草）地及未退耕地的土壤侵蚀变化特征进行对比分析,以明确工程对全区土壤侵蚀变化的影响。结果表明,2000-2010年,陕北退耕农田内部侵蚀模数减少了22.70 t/hm ²,是退耕农田区2000年土壤侵蚀模数的47.08%。同期,陕北地区未退耕农田侵蚀模数减少了10.99 t/hm ²,占未退耕农田区域2000年土壤侵蚀模数的28.60%。从陕北全区的角度看,各种土地利用类型2000-2010年土壤侵蚀模数平均减少了14.51 t/hm ²,占2000年全区土壤侵蚀模数的41.87%。由此可见,退耕还林还草工程可以有效减少土壤侵蚀模数,达到土壤保护的作用。其中,由耕地转为林草所导致的侵蚀减少最为显著,对土壤保护的贡献作用最大。但是,2010年以后（2010-2013年）为退耕还林还草巩固时期,因此该阶段陕北地区土壤侵蚀模数和土壤侵蚀量变化较前10年显著降低。
关键词： 陕北;退耕还林还草;遥感;RUSLE;土壤侵蚀;土壤保护

Abstract

The study took northern Shaanxi, a key region of Grain for Green Project, as the research area. We firstly analyzed the spatiotemporal patterns of cropland during 2000-2013 using the remotely sensed time series cropland. The RUSLE model was improved by taking terraced fields as a parameter, and then the soil erosion modulus (SEM) was simulated using the calibrated model. Finally, the impacts of the Grain for Green Project on the soil erosion were assessed by comparing SEM changes in shifted and unshifted cropland. The results indicated that, the SEM across the areas of "Grain for Green" decreased by 22.70 t/hm ² from 2000 to 2010, accounting for 47.08% of that from the returned cropland in 2000. In the same period, the SEM from the unreturned cropland decreased by 10.99 t/hm ², accounting for 28.60% of that from the unreturned land in 2000. For the whole study area, the SEM of different land use types averagely decreased by 14.51 t/hm ², which is 41.87% of the SEM in northern Shaanxi in 2000. We concluded that "Grain for Green" could effectively reduce the SEM in northern Shaanxi and made the most contribution to soil protection. The Grain for Green Project entered a consolidation period after 2000 (during 2010-2013 in this study), and changes of the SEM during this period were thus relatively low.

Keywords：northern Shaanxi;Grain for Green Project;remote sensing;RUSLE;soil erosion;soil protection

PDF (8171KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
刘文超, 刘纪远, 匡文慧. 陕北地区退耕还林还草工程土壤保护效应的时空特征. 地理学报[J], 2019, 74(9): 1835-1852 doi:10.11821/dlxb201909010
LIU Wenchao. Spatiotemporal patterns of soil protection effect of the Grain for Green Project in northern Shaanxi. Acta Geographica Sinice[J], 2019, 74(9): 1835-1852 doi:10.11821/dlxb201909010

1 引言

陕北位于中国黄土高原中部,属于黄河水系。历史以来,由于其森林破坏严重,植被覆盖率低,地表破碎度高,加之黄土抗蚀性差的特点,使陕北地区水土流失严重^[1]。中国政府自1999年起在全国范围内部署实施了大规模的退耕还林还草工程（简称“工程”）并取得了显著的生态成效^[2,3,4,5]。黄土高原地区自然生态系统较为脆弱,加之人类长期不合理的土地利用方式,导致该地区生态环境恶化,是中国水土流失最严重的地区。因此,黄土高原地区已成为中国的重点生态功能区之一^[6,7,8]。基于黄土高原独特的生态功能定位,工程将其作为一个重要的生态治理单元部署相关整治措施。其中,位居黄土高原中部的陕北地区工程部署面积与力度超过高原平均水平^[9,10]。工程的主要目的是缓解该地区土壤侵蚀严重的现状,而土壤侵蚀是生态系统服务功能中的重要指标之一,同时也是生态系统评估中的重点内容^[11,12]。

土壤侵蚀作为生态系统土壤保护服务功能的重要指标,是生态系统服务和全球环境变化研究的重要主题^[12]。在土壤侵蚀研究的模型方法方面,按照研究方法的不同可将土壤侵蚀模型分为经验统计模型和物理过程模型两大类。其中,物理过程模型是从产沙、水流汇流及泥沙输移的物理概念出发,并以数学的形式总结出土壤侵蚀过程与影响因子之间的关系^[13],该类模型的研究早在20世纪40年代开始便在国内外****的推动下不断发展和提高^{[14,15,16,17,18,19]},物理过程模型虽然连续地模拟土壤侵蚀过程,但其参数繁复且不易获取,研究成本较高,难以进行空间分析。因此,经验统计模型仍是当今世界上应用最为广泛的土壤侵蚀模型,其中,改进后的美国通用土壤流失方程—RUSLE模型是最具有代表性的模型之一^[20]。由于经验统计模型需要不断通过参数本地化等工作来提高其模拟精度,所以中国****针对不同的研究尺度和区域特征开展了对RUSLE模型的一系列改进工作,并取得了良好效果^[21,22,23]。

黄土高原作为中国土壤侵蚀最严重的地区^[24],不合理的土地利用是造成该地区土壤侵蚀加剧的重要因子^[25]。之前有关黄土高原地区土壤侵蚀的研究多针对小流域及县域尺度展开,对于区域尺度有效地将遥感参数输入到RUSLE模型,特别是根据区域特点获取高精度的梯田空间数据应用于模型的参数化过程研究相对较少^{[26,27,28,29]}。因此本文采用RUSLE模型对陕北全区土壤侵蚀模数进行定量估算,并利用基于高清影像目视解译得出的梯田数据对RUSLE模型进行参数化改进,以提高RUSLE模型在陕北地区的定量模拟精度。

本文利用基于中高分辨率卫星遥感数据经人机交互目视解译和实地验证所生成陕北地区2000-2013年土地利用变化的时空系列监测数据,结合RUSLE模型分析陕北地区2000-2013年土壤侵蚀量变化。通过分析耕地向林草类型转换导致的土壤侵蚀量变化,明确工程对全区土壤侵蚀变化的影响和工程产生的土壤保护成效,以期为黄土高原生态保护与恢复工作提供科学依据。此外,本文根据黄土高原丘陵沟壑区的土壤侵蚀特征,对RUSLE模型的参数化和P因子改进开展了有效的研究。利用中高分辨率遥感影像实现梯田提取,完成了P因子的改进;引入全国土壤侵蚀遥感调查数据参与模型参数调整,并就如何构成时间序列参数、针对破碎地物进行尺度转换,给出改进的参数化方案,较以往的RUSLE模型应用有明显的改进。

2 研究数据与方法

2.1 研究区概况

陕北地处黄土高原中部,地理位置介于35°02′N~39°35′N、107°15′E~110°15′E,东隔黄河峡谷与晋西黄土高原相望,西以子午岭与陇东黄土高原为界,南与关中盆地毗邻,北接鄂尔多斯高原（图1）。陕北地势西北高,东南低,西北部为风沙区,南部是丘陵沟壑区,处于暖温带大陆性季风半湿润气候向温带半干旱气候的过渡区,年平均气温8~12 ℃,年平均降水量350~600 mm^[30]。土壤以黄绵土和草原风沙土为主。在行政区划上,陕北地区主要包括榆林市和延安市,总面积8.03万km2。2010年总人口为551.67万人^[31]。农牧业较发达,煤、石油和天然气等储量丰富。

图1

新窗口打开|下载原图ZIP|生成PPT
图1研究区位置与地形图

Fig. 1Location and topography of the study area

2.2 数据源及预处理

（1）耕地及植被分类数据集采用全国土地利用变化数据库。该数据库是作者及其科研团队经过多年的积累而建立的覆盖全国陆地区域的多时相1:10万比例尺土地利用现状数据库^[32]。数据库以各期Landsat TM/ETM+遥感影像为主要数据源,通过人机交互解译生成,自1990年起,每5年更新一次,个别地区2~3年更新一次。

（2）遥感数据主要包括2000-2013年空间分辨率为1 km的归一化植被指数（NDVI）MOD13A月最大合成数据产品,用于RUSLE模型模拟区域土壤侵蚀模数时的连续动态植被因子计算。

（3）气象观测数据采用中国气象科学数据共享服务网（http://cdc.cma.gov.cn）,包括中国国家气象局气象站点观测网络记录的2000-2013年陕北及其周边地区的27个国家气象站点的气温、降水量等日值和年值数据。在此基础上利用AUNSPLINE气象插值软件中的样条插值方法进行空间插值,获得陕北地区气温、降水量的栅格数据,经投影变换和空间配准,作为土壤侵蚀产流降水量的核定依据。

（4）土壤数据采用南京土壤研究所编制的中国1:100万土壤数据库,该数据库是依据全国土壤普查办公室1995年编制并出版的《1:100万中华人民共和国土壤图》生成的。土壤有机碳数据则是采用中国科学院地理科学与资源研究所地球系统科学数据共享平台上的数据。土壤质地数据采用北京师范大学全球气候变化数据共享网（http://globalchange.bnu.edu.cn）所提供的相关数据。土壤数据用于RUSLE模型中的土壤可蚀性因子计算。

（5）地形数据集为SRTM（Shuttle Radar Topography Mission）中的中国90 m分辨率数字高程数据产品,来源于中国科学院计算机网络信息中心国际科学数据镜像网站（http://datamirror.csdb.cn）。用于RUSLE模型中坡度坡长因子的计算。

2.3 耕地及林草植被的分类动态监测与分析

本文采用全国1:10万比例尺遥感土地利用变化时空序列数据集,通过GIS空间分析,得到2000年、2010年、2013年前后3期土地利用变化矢量图斑,与1 km×1 km矢量格网叠加,生成空间分辨率为1 km×1 km的2000年、2010年、2013年土地利用现状数据,以及2000-2010年和2010-2013年土地利用动态栅格数据集。本文提取其中的耕地、林地和草地分类现状数据和动态变化数据,开展耕地和林草植被类型的动态分析。

2.4 基于RUSLE模型的土壤侵蚀量计算及其参数改进方法

本文采用RUSLE（Revised Universal Soil Loss Equation）模型对陕北地区土壤侵蚀量进行估算。其具体计算公式如下：

（1）

A = R \times K \times L \times S \times C \times P

式中：A为单位面积的土壤侵蚀量（t/hm²/a）;R为降雨侵蚀力因子（MJ·mm /hm²/h/a）;K为土壤可蚀性因子（（t·h）/（hm²·MJ·mm））;L为坡长因子;S为坡度因子;C为植被覆盖因子;P为水土保持措施因子;L、S、C、P无量纲。

2.4.1 降雨侵蚀力（R）的计算降雨侵蚀力是土壤侵蚀的驱动因子,与土壤侵蚀强度有直接的关系。降雨侵蚀力R计算可分为EI₃₀经典计算方法和常规气象资料简易算法两类。由于降雨动能E和30 min降雨强度I₃₀资料获取难度较大,所以国内外许多****根据区域性降雨侵蚀特点,建立了基于常规降雨量资料的简易模型。本文采用章文波等的全国日降雨量拟合模型,即基于日降雨量资料的半月降雨侵蚀力模型,来估算降雨侵蚀力^[33]。其公式如下：

（2）

M_{i} = α \sum_{j}^{=} {D_{j}}^{β}

式中：M_i为某半月时段的降雨侵蚀力值（（MJ·mm）/（hm²·h·a））;D_j表示半月时段内第J天的侵蚀性日雨量（要求日雨量大于等于12 mm,否则以0计算,阈值12 mm与中国侵蚀性降雨标准一致;k表示半月时段内的天数,半月时段的划分以每月第15日为界,每月前15 d作为一个半月时段,该月剩下部分作为另一个半月时段,将全年依次划分为24个时段。

α、β是模型待定参数：

（3）

\begin{array}{l} β = 0.8363 + \frac{18.144}{P_{d 12}} + \frac{24.455}{P_{y 12}} \\ α = 21.586 β^{- 7.1891} \end{array}

式中：P_d₁₂表示日雨量12 mm以上（包括等于12 mm）的日平均雨量;P_y₁₂表示日雨量12 mm以上（包括12 mm）的年平均雨量。

2.4.2 土壤可蚀性（K）的计算土壤是土壤侵蚀发生的主体,土壤可蚀性是表征土壤性质对侵蚀敏感程度的指标。尽管关于土壤可蚀性值估算的研究很多,但具有代表性的成果为RUSLE方程中Wischmeier等提出的Nomo图法和Williams等在侵蚀生产力评价模型EPIC中使用的计算方法^[34,35],本文采用Nomo图法。

Wischmeier根据美国主要土壤性质,分析了55种土壤性质指标,筛选出粉粒+极细砂粒含量、砂粒含量、有机质含量、结构和入渗5项土壤特性指标,建立了K值与土壤性质之间的诺谟图模型。其计算公式如下：

（4）

K = \frac{[2.1 \times 10^{- 4} (12 - OM) M^{1.14} + 3.25 (S - 2) + 2.5 (P - 3)]}{100} \times Ratio

式中：K为土壤可蚀性值;OM为土壤有机质含量百分比;M为土壤颗粒级配参数,为美国粒径分级制中（粉粒+极细砂）与（100-粘粒）百分比之积;S为土壤结构系数;P为渗透等级;Ratio为美国制单位转换为国际制单位的转换系数,取值为0.1317。

美国制的粒径等级：粘粒为（< 0.002 mm）;粉粒为（0.002~0.05 mm）;极细砂为（0.05~0.1 mm）;砂粒为（0.1~2.0 mm）。

本文在计算土壤可蚀性因子时采用1:100万中国土壤数据库中的黄土高原地区数据。该数据库根据全国土壤普查办公室1995年编制并出版的《1:100万中华人民共和国土壤图》构建,覆盖了全国各种类型土壤及包括可蚀性在内的主要属性特征参数。

2.4.3 坡度坡长因子（LS）的计算地形是导致土壤侵蚀发生的直接诱导因子,坡长坡度因子（LS）反应了地形坡度和坡长对土壤侵蚀的影响。本文坡度坡长因子的算法建立在McCool等^[36]和Liu等^[37]的研究的基础之上,核心算法为：

（5）

L = {(\frac{γ}{22.13})}^{m} \{\begin{array}{l} m = 0.5 θ \geq 9 % \\ m = 0.49 % > θ \geq 3 % \\ m = 0.33 % > θ \geq 1 % \\ m = 0.21 % > θ \end{array}

（6）

S = \{\begin{array}{l} 10.8 \times \sin (θ) + 0.03 θ < 9 % \\ 16.8 \times \sin (θ) - 0.59 % \leq θ \leq 18 % \\ 21.91 \times \sin (θ) - 0.96 θ > 18 % \end{array}

式中：

γ

为坡长（m）;m为无量纲常数,取决于坡度百分比值（θ）。

2.4.4 植被覆盖因子（C）的计算植被覆盖因子是影响土壤侵蚀最敏感的因子,与植被覆盖度有着直接的关系。它是指在一定条件下有植被覆盖或实施田间管理的土地,其土壤流失总量与同等条件下实施清耕的连续休闲地土壤流失总量的比值,为无量纲数,介于0~1之间。本文采用蔡崇法等^[38]提出的C值计算方法：

（7）

C = \{\begin{array}{l} 1 f = 0 \\ 0.6508 - 0.3436 \lg f 0 < f \leq 78.3 % \\ 0 f > 78.3 % \end{array}

式中：植被覆盖度f基于植被指数NDVI数据计算得到,公式如下：

（8）

f = \frac{(NDVI - NDV I_{soil})}{(NDV I_{\max} - ND V I_{soil})}

式中：NDVI_soil为纯裸土象元的NDVI值;NDVI_max纯植被象元的NDVI值。

2.4.5 水土保持措施因子（P）的计算及改进方法水土保持措施因子（P）在RUSLE模型中被定义为采取水土保持措施后土壤流失量与顺坡种植时土壤流失量的比值^[20]。但由于标准和观测方法还没有统一,国内尚未对水土保持措施因子进行全面综合的研究,在土壤侵蚀模拟中还没有完整的水土保持措施因子赋值标准。陕北地区用于减少耕地土壤侵蚀的水土保持措施主要有梯田和等高耕作等,等高耕作可以根据不同坡度以及地形条件对耕地进行分区分级赋值,而完整的梯田分布数据在区域尺度上较难获取,在以往的研究中均未能将区域梯田空间分布加入到P因子设定当中。

本文重点针对退耕对土壤侵蚀变化的影响进行研究,梯田对模型参数的影响尤为重要。梯田是治理坡耕地水土流失的有效措施,其蓄水、保土作用显著。实地调查发现,陕北地区梯田以水平梯田为主,且据统计年鉴中水平梯田的保有量数据分析,梯田均建造于退耕还林还草工程之前。为此,将2000年梯田提取结果输入RUSLE模型,改进RUSLE模型的水土保持措施因子以提高模拟精度。具体处理方法如下：

（1）卫星影像预处理。基于2013年资源3号2 m地面分辨率卫星影像进行研究区的梯田分布制图,共涉及67景卫星影像,经几何精纠正处理后,作为梯田提取的依据。

（2）梯田提取方法及结果。首先在ArcGIS 10.0软件中加载陕北地区2013年资源3号高分辨率卫星影像（图2a）,并将GoogleEarth等亚米级遥感影像数据作为参考。其次在影像上叠加2000年耕地分布图矢量数据,该图是由Landsat TM/ETM 30 m空间分辨率遥感影像经人工目视解译并经过验证所得,具有较高精度（图2b）。在此基础上建立30 m×30 m大小的网格（图2c）,最后,在1:10000比例尺下逐一判读每个网格在2000年耕地范围内是否为梯田,并将梯田网格赋予属性值1,非梯田耕地赋予属性值2（图2d）,最终生成陕北地区30 m×30 m空间分辨率的梯田分布数据集。

图2

新窗口打开|下载原图ZIP|生成PPT
图2梯田解译流程

Fig. 2Remotely sensed acquiring process on the terraced fields

在已获取的梯田范围内随机选取100个梯田田块,测定其中梯田面和连接上下梯田面之间田坎的面积比例,并将梯田面和梯田田坎的面积建立回归关系,结果显示二者复相关系数为0.91（图3）。由于梯田平面处仅发生微度侵蚀,而田坎处正常产生坡面侵蚀,因此根据梯田面和田坎的面积比,将梯田区内的P因子定义为0.17。

图3

新窗口打开|下载原图ZIP|生成PPT
图3梯田田面与田坎面积关系图

Fig. 3The relationship between the area of flat part and ridge part of terraced fields

以30 m×30 m空间分辨率的梯田分布数据为依据,逐个栅格确定农田P因子赋值,并经过尺度转换后输入RUSLE模型,有效实现了RUSEL模型参数本地化改进。

3 结果与分析

3.1 基于百分比成分的水土保持措施因子（P）空间数据集的分辨率转换

为达到多信息源比例尺统一的目的,同时也为了和RUSLE模型中的其他因子的尺度相融合,因此需将30 m×30 m空间分辨率的梯田数据转变为1 km×1 km分辨率数据,但本研究不是简单地采取栅格数据重采样的方法来进行分辨率转换,而是以百分比成分的方式体现梯田数据在1 km栅格内所占有的面积比例,目的是保证在分辨率下降后,梯田占比未发生损失,并不影响其原本的数据精度。具体做法为：通过GIS手段,在陕北地区建立1 km×1 km网格,在此基础之上统计每1 km网格内梯田所占的面积比例,以此计算出陕北地区梯田的1 km×1 km栅格百分比成分数据集,在保证精度不变的情况下完成梯田数据的尺度转换（图4）,再和其他因子一起进行模型计算。

图4

新窗口打开|下载原图ZIP|生成PPT
图4陕北地区梯田解译结果与1 km×1 km栅格梯田百分比成分数据

Fig. 4Remotely sensed interpretation of terraces cover (a) and percentage of terraces cover (b) at a 1 km×1 km grid in northern Shaanxi

以2000年为例,对比加入梯田数据前后RUSLE模型的运算结果,发现梯田数据不参与计算的时候,陕北地区土壤侵蚀模数均值为38.33 t/hm²,加入梯田数据后,模型结果显示侵蚀模数均值为34.66 t/hm²,降幅达9.57%。值得注意的是,在梯田占比较高的区域,梯田数据参与计算后可使侵蚀模数降低40%以上,充分表明梯田数据对RUSLE模型的结果进行了修正。

3.2 RUSLE模型模拟精度的验证与评估

3.2.1 与全国土壤侵蚀侵蚀调查数据集对比采用原中国科学院遥感与数字地球研究所编制的2005年全国土壤侵蚀遥感调查数据集对RUSLE模型模拟的土壤侵蚀结果进行对比验证。该数据集经由各省水土保持机构根据大量实测数据订正,并由水利部水土保持中心正式发布,具有精度高和覆盖范围完整的特点。

该调查数据集的侵蚀分类系统采用多级划分法。一级类型主要依据外营力的类型与性质划分;二级类型为外营力的侵蚀方式;三级类型为不同的侵蚀强度等级（表1）。在此基础上依据土壤侵蚀模数进行侵蚀强度分级,原则上以土壤容许流失量与全国最大流失量的两极值内插分级,全国统一划分为6级（表2）。

Tab. 1
表1
表1全国土壤侵蚀分类系统
Tab. 1National classification system of soil erosion

一级类型	二级类型	强度等级
1 水力侵蚀	11 面蚀	111微度 112轻度 113中度
	11 面蚀	114强度 115极强度 116剧烈
	12 沟蚀	121微度 122轻度 123中度
	12 沟蚀	124强度 125极强度 126剧烈
2 风力侵蚀	20 不作亚类划分	201微度 202轻度 203中度
2 风力侵蚀	20 不作亚类划分	204强度 205极强度 206剧烈
3 冻融侵蚀	30 不作亚类划分	301微度 302轻度 303中度
3 冻融侵蚀	30 不作亚类划分	304强度
4 重力侵蚀	40 不作亚类划分	不作强度分级
5 人为侵蚀	50 不作亚类划分	不作强度分级

新窗口打开|下载CSV

Tab. 2
表2
表2土壤侵蚀分级标准
Tab. 2Classification criterion of soil erosion

分级	平均侵蚀模数(t/hm²·a)
1 微度侵蚀	< 10
2轻度侵蚀	10~25
3 中度侵蚀	25~50
4 强度侵蚀	50~80
5 极强度侵蚀	80~150
6 剧烈侵蚀	≥ 150

新窗口打开|下载CSV

本文利用GIS方法在全国土壤侵蚀遥感调查的陕北水力侵蚀区创建321个随机验证点（图5）,将验证点所在位置的2005年全国土壤侵蚀遥感调查现状数据所显示的侵蚀强度与RUSLE模型计算所得的土壤侵蚀模数进行对比验证（表3）。结果表明,在所有321个验证点处RUSLE模型模拟的土壤侵蚀模数符合全国土壤侵蚀遥感调查分级标准的共有213个,平均判对率为66.36%,其中微度侵蚀、轻度侵蚀和极强度侵蚀范围内的判对率均达到70%以上,仅剧烈侵蚀范围内模拟结果有所高估。整体上,验证点侵蚀模数平均值比全国土壤侵蚀遥感调查分级标准略低。其他侵蚀分级内的模拟计算侵蚀模数平均值均符合土壤侵蚀分级标准。经验证,模型模拟结果总体精度较高。

图5

新窗口打开|下载原图ZIP|生成PPT
图5侵蚀验证点分布图

Fig. 5Spatial distribution of validation samples of soil erosion

Tab. 3
表3
表3RUSLE模型模拟结果验证表
Tab. 3The validation of soil erosion from RUSLE model

侵蚀分级	理论值 (t/hm2)	验证点 (个)	模拟值在理论值范围内的点(个)	判对率 (%)	2005年模型模拟均值(t/hm2)
微度侵蚀	< 10	50	38	76.00	7.89
轻度侵蚀	10~25	46	33	71.74	17.90
中度侵蚀	25~50	56	39	69.64	37.29
强度侵蚀	50~80	46	28	60.87	61.61
极强度侵蚀	80~150	50	37	74.00	89.43
剧烈侵蚀	≥ 150	73	38	52.05	123.42

新窗口打开|下载CSV

3.2.2 与黄河泥沙公报中水文站点的年输沙量数据对比本文还通过与2001年黄河水利委员会水文局编制出版的《黄河泥沙公报》中陕北地区周边6个水文站的年输沙量及年输沙模数进行对比评估,涉及到的水文站点分别为黄河流域的龙门站、窟野河流域的温家川站、无定河流域的白家川站、延河流域的甘谷驿站、黄甫川流域的黄甫站和北洛河流域的状头站,其中黄甫川站、温家川站、白家川站和甘谷驿站位于陕北研究区内部,龙门站和状头站位于研究区外部（图6）

图6

新窗口打开|下载原图ZIP|生成PPT
图6水文站位置及输沙模数

Fig. 6Location of hydrologic stations and sediment runoff modulus

根据《黄河泥沙公报》所提供的2001年6个水文站输沙量和集水面积,经过计算得出各个水文站的输沙模数（表4）,进一步在GIS软件中对其进行空间插值,最终得到陕北地区2001年的输沙模数为38.74 t/hm²,RUSLE模型模拟的2000年陕北地区土壤侵蚀模数为34.66 t/hm²,后者比前者少10.53%,对比之下,说明RUSLE模型计算出的陕北地区土壤侵蚀模数可用于进一步计算和分析。

Tab. 4
表4
表4水文站点相关数据
Tab. 4Data from hydrologic stations

站点名称	集水面积 (hm²)	输沙量 (万t)	输沙模数 (t/hm²)
温家川	86.45	1100	12.72
白家川	296.62	9600	32.36
甘谷驿	58.91	2200	37.35
黄甫川	31.99	1400	43.76
状头	251.54	7000	27.83
龙门	4975.52	23640	4.75

新窗口打开|下载CSV

3.3 2000年、2010年和2013年陕北地区侵蚀现状分析

模型运算结果表明（表5）,2000年陕北地区土壤侵蚀总量为27488.07万t,其中,延安和榆林地区侵蚀量分别为11856.38万t和15631.69万t,各占全区土壤侵蚀总量的43.13%和56.87%。从空间上看,2000年陕北侵蚀强度较大的区域集中于陕北中部和东北部的丘陵沟壑区和高原沟壑区,而西北风沙区和南部森林区土壤侵蚀强度较小（图7a）。

Tab. 5
表5
表52000年、2010年和2013年延安及榆林地区土壤侵蚀量统计表
Tab. 5Soil erosion modulus of Yanan and Yulin cities in 2000, 2010 and 2013

	2000年		2010年		2013年
	土壤侵蚀量(万t)	比例^*(%)	土壤侵蚀量(万t)	比例^*(%)	土壤侵蚀量(万t)	比例^*(%)
延安地区	11856.38	43.13	6484.56	40.59	5503.15	35.46
榆林地区	15631.69	56.87	9493.14	59.41	10016.61	64.54

注：^*与发生退耕的农田在退耕前的侵蚀量之比。

新窗口打开|下载CSV

图7

新窗口打开|下载原图ZIP|生成PPT
图72000年、2010年和2013年陕北地区土壤侵蚀模数空间分布

Fig. 7Spatial distribution of soil erosion modulus of northern Shaanxi in 2000, 2010 and 2013

2010年陕北地区土壤侵蚀总量合计15977.69万t,其中延安地区和榆林地区侵蚀量分别为6484.56万t和9493.14万t,各占全区土壤侵蚀总量的40.59%和59.41%。由于退耕还林还草工程的大规模实施,2010年陕北地区土壤侵蚀量大幅减少,仅为2000年陕北地区土壤侵蚀量的58.13%,其中陕北中北部主要生态退耕区侵蚀强度大幅减少;而主要受降水的影响,南部农林交错地带中的森林区土壤侵蚀强度有小幅增加（图7b）。

2013年陕北地区土壤侵蚀总量为15519.76万t,其中延安地区和榆林地区的土壤侵蚀量分别为5503.15万t和10016.61万t,各占全区土壤侵蚀总量的35.46%和64.54%（表5）。虽然进入“十二五”时期之后,大范围的退耕还林还草工作已经结束,但其生态成效得到巩固,因此,2013年陕北地区土壤侵蚀量与2010年相比仍在减少,共减少了2.87%（图7c）。

3.4 2000-2013年陕北退耕还林还草工程区土壤侵蚀变化的对比分析

在上述土地利用变化和土壤侵蚀动态模拟数据的支持下,本文重点关注陕北地区实施退耕还林还草措施的农田在工程前后土壤侵蚀量的变化,借此评定退耕还林还草工程产生的土壤保护成效。通过对土壤侵蚀数据与退耕地数据的叠加分析发现,2000-2010年,陕北地区退耕还林还草工程区土壤侵蚀量较退耕前减少了885.90万t,占退耕农田2000年土壤侵蚀量的47.08%。其中延安退耕区土壤侵蚀量减少528.18万t,占2000年土壤侵蚀量的46.59%;榆林退耕区土壤侵蚀量减少357.71万t,占2000年土壤侵蚀量的47.82%,因此,无论从全陕北地区的角度或是从延安、榆林两市角度来看,均表明退耕对土壤侵蚀减少作用明显。从耕地类型转变的角度看,耕地转为林草地占侵蚀减少量的比重最大。其中耕地转为林地共造成侵蚀减少217.11万t,占该区域退耕前侵蚀量的43.91%,耕地转为草地共造成侵蚀减少654.29万t,占该区域退耕前侵蚀量的48.51%。此外,耕地转为建设用地造成侵蚀减少13.84万t,是退耕还林还草以外造成侵蚀量减少的主要原因（表6）。

Tab. 6
表6
表62000-2010年陕北退耕导致的土壤侵蚀变化量
Tab. 6Soil erosion modulus with "Grain for Green" in northern Shaanxi during 2000-2010

类型变化	全区		延安地区		榆林地区
类型变化	土壤侵蚀量(万t)	比例^*(%)	土壤侵蚀量(万t)	比例^*(%)	土壤侵蚀量(万t)	比例^*(%)
耕地→林地	-217.11	-43.91	-129.05	-43.18	-88.06	-45.02
耕地→草地	-654.29	-48.51	-391.28	-47.93	-263.01	-49.39
耕地→水域	-0.26	-24.49	-0.10	-33.99	-0.16	-20.94
耕地→建设用地	-13.84	-38.31	-7.57	-43.10	-6.28	-33.79
耕地→未利用地	-0.40	-28.14	-0.19	-25.72	-0.21	-30.75
耕地减少合计	-885.90	-47.08	-528.18	-46.59	-357.71	-47.82

注：^*与发生退耕的农田在退耕前的侵蚀量之比。

新窗口打开|下载CSV

值得注意的是,陕北地区耕地转为其他土地利用类型并不完全属于生态退耕范畴,例如耕地撂荒和耕地被建设用地占用等。而耕地撂荒以及耕地虽转为林草地却因管理不当导致植被退化的地区则有可能导致侵蚀模数略微增加。

从空间上看,耕地减少导致侵蚀模数明显减少的地区集中在陕北中南部的延安市周边各县;榆林市耕地减少所致侵蚀模数显著减少的地区主要分布于东部和西南端。而在延安市中南部的个别地区,耕地减少造成土壤侵蚀模数有少量增加,其主要原因是耕地的撂荒（图8a）。

图8

新窗口打开|下载原图ZIP|生成PPT
图82000-2010年和2010-2013年陕北地区退耕区域内部的土壤侵蚀模数变化

Fig. 8Comparison of variations of soil erosion modulus in areas of "Grain for Green" of northern Shaanxi during 2000-2010 and during 2010-2013

2010-2013年,陕北地区退耕还林还草工程第一阶段已接近尾声,主要以巩固前期成果为工作重点,退耕活动较小。在此期间的土地利用变化不再是以生态退耕为主,耕地减少的主要原因是城市对农田的挤占以及耕地撂荒。与2010年相比,侵蚀量仍有小幅减少。从数量上看,2010-2013年陕北地区耕地的减少共导致侵蚀量减少622.97 t,占该区域2010年侵蚀量的1.70%。其中延安、榆林两地耕地减少造成的土壤侵蚀减少量分别为107.17 t和515.81 t,各占该区域2010年土壤侵蚀量的1.88%和1.67%。从耕地转类的角度看,耕地转为建设用地导致的土壤侵蚀减少量最大,为2162.13 t,占该区域2010年侵蚀量的15.32%;与之相反,耕地转为未利用地导致土壤侵蚀量与前期相比增加了1880.37 t,使该区域土壤侵蚀量与2010年相比增加了10.26%（表7、图8b）。

Tab. 7
表7
表72010-2013年陕北退耕导致的土壤侵蚀变化量
Tab. 7Variation of soil erosion amount from “Grain for Green” in northern Shaanxi between 2010 and 2013

类型变化	全区		延安地区		榆林地区
类型变化	土壤侵蚀量(t)	比例^*(%)	土壤侵蚀量(t)	比例(%)	土壤侵蚀量(t)	比例^*(%)
耕地→林地	0.00	0.00	0.00	0.00	0.00	0.00
耕地→草地	-45.50	-51.98	0.00	0.00	-45.50	-51.98
耕地→水域	-295.72	-7.24	-44.67	-4.67	-251.05	-8.02
耕地→建设用地	-2162.13	-15.32	130.87	3.05	-2293.00	-23.35
耕地→未利用地	1880.37	10.26	-193.36	-43.39	2073.73	11.59
耕地减少合计	-622.97	-1.70	-107.17	-1.88	-515.81	-1.67

注：^*与发生退耕的农田在退耕前的侵蚀量之比。

新窗口打开|下载CSV

3.5 2000-2013年全陕北地区土壤侵蚀变化的时空特征及其驱动力分析

2000-2010年陕北全区土壤侵蚀量共减少11510.38万t,占2000年陕北总侵蚀量的41.87%;其中延安地区和榆林地区土壤侵蚀量分别减少5371.83万t和6138.55万t,分别占2000年陕北地区总侵蚀量的19.54%和22.33%（图9a）。

图9

新窗口打开|下载原图ZIP|生成PPT
图92000-2010年和2010-2013年陕北地区土壤侵蚀模数变化

Fig. 9Changes of soil erosion modulus in northern Shaanxi during 2000-2010 and 2010-2013

2010-2013年间,陕北地区土壤侵蚀量总体上仍有小幅减少,全区共计减少侵蚀量457.94万t,占2010年陕北侵蚀总量的2.87%,然而延安和榆林地区却呈现分化状态,其中延安地区土壤侵蚀量减少981.41万t,占2010年陕北侵蚀总量的6.14%;榆林地区土壤侵蚀量在2010-2013年间增加了523.48万 t,占2010年陕北侵蚀总量的3.28%（图9b）。

在本文研究期的前10年和后3年间,陕北地区侵蚀量增减变化趋势有所不同。在2000-2010年间,造成土壤侵蚀量变化的原因包括人类活动对地表的改变以及自然条件的变化。2010-2013年,人类对地表的扰动已经很小,该时段内侵蚀量变化的主要驱动因素则是自然条件,对土壤侵蚀影响最大的自然条件因子则是降水和植被覆盖度。因此,有必要对该区域内降水和植被覆盖度在2000-2013年间的变化进行分析,以此明确陕北地区土壤侵蚀变化的驱动机制。

从图10可以看出,陕北地区植被平均覆盖度在2000-2013年间基本呈现逐年上升趋势,其中2000年、2010年和2013年陕北地区植被平均覆盖度分别为26.51%、35.45%和39.55%,13年间共增加了13.04%,表明当地植被恢复情况非常好。此外,陕北地区年均降水量年际差异比较明显,但整体上表现为波动上升的趋势。其中2003年降水量最大,为562.42 mm,2000年降水量最小,为340.67 mm,而从研究的3个时间点（2000年、2010年和2013年）来看,陕北地区年均降水量为递增态势。2000-2010年和2010-2013年两个时段内,陕北地区年均降水量分别增加了95.94 mm和50.84 mm,这无疑会大大增加土壤侵蚀力,而这两个时段内植被覆盖度的提高足以抵消降雨对侵蚀量的影响,而使全区呈现出土壤侵蚀量减少的结果,证明当地植被恢复对土壤侵蚀减少的贡献极大。

图10

新窗口打开|下载原图ZIP|生成PPT
图102000-2013年陕北地区植被覆盖度变化和年均降水量变化

Fig. 10Variation of vegetation cover fraction and mean precipitation between 2000 and 2013 in northern Shaanxi

从空间上看,2000-2010年陕北地区降水量在各地都明显增大,其中北部神木县和府谷县一带、西部定边县和靖边县一带以及南部的富县和黄陵县一带增幅最为明显。仅在延安地区黄龙县南部山区降水量有所减少（图11a）。与此同时,陕北地区植被覆盖度全面提高,除北部风沙区和南部森林区增幅较小外,其余大部分地区植被覆盖度增幅都达到10%以上（图11b）,如此大规模的植被恢复导致了在此期间陕北地区土壤侵蚀量的明显减少。

图11

新窗口打开|下载原图ZIP|生成PPT
图112000-2010年和2010-2013年陕北地区降水量和植被覆盖度变化

Fig. 11Comparison of variations of mean annual precipitation and vegetation cover fraction of 2000 to 2010 and 2010 to 2013

2010-2013年间,陕北地区降水量变化在不同地区体现出明显差异性,这也是导致该时段内土壤侵蚀出现空间分异的主要原因。在此期间,陕北中部地区降水量明显增加,而北部和南部地区降水量有较为明显的减少（图11c）。然而在此期间,陕北地区植被覆盖度的提升没有前10年明显,大部分地区植被覆盖度仅有小幅增加,而在榆林地区西部和北部的定边县、靖边县、吴起县和横山县等地甚至出现了植被覆盖度减少的情况（图11d）。该部分地区在2010-2013年恰逢降水量增加,因此导致了这部分地区在2010-2013年间土壤侵蚀量有所增多。值得一提的是,年降水量变化、植被覆盖度年际变化仅能反映出全区整体面上的情况,而在个别小区域内,雨季降水量的突变可能会对侵蚀模拟结果影响较大,只能通过RUSLE模型计算结果体现。

3.6 陕北退耕还林还草工程的土壤保护效应

2000年,陕北退耕区侵蚀模数均值最高,为48.22 t/hm²,而在2010年,退耕区侵蚀模数均值下降到25.52 t/hm²,2000-2010年间侵蚀模数均值减少了47.08%。与之对应的是采用其他生态恢复措施的未退耕区在2000-2010年间侵蚀模数均值减少了28.60%。同期,全陕北地区侵蚀模数均值减少了41.87%（表8）。相比之下,退耕区的侵蚀模数减少率明显高于未退耕区,对全区侵蚀量减少做出了主要贡献。

Tab. 8
表8
表82000-2010年陕北各区域间土壤侵蚀模数变化对比
Tab. 8Comparison of soil erosion modulus changes in different regions of northern Shaanxi during 2000-2010

	2000年侵蚀模数均值(t/hm²)	2010年侵蚀模数均值(t/hm²)	2000-2010年侵蚀模数变化率(%)
退耕区	48.22	25.52	-47.08
未退耕区	38.41	27.43	-28.60
全陕北地区	34.66	20.15	-41.87

新窗口打开|下载CSV

未退耕地区侵蚀模数减少率要明显低于全区侵蚀模数的减少率,且其侵蚀模数的减少主要得益于陕北整体植被覆盖状况的提高,在荒山造林等生态工程的影响下,很多坡地顶端都形成了较好的林草覆盖,对处于下方的耕地起到一定的保护作用,从而导致陕北未退耕的农田侵蚀模数均值与2000年相比也有比较明显的减小。然而未退耕农田的土壤侵蚀模数减少率仍远小于退耕地区和全区整体水平。

从耕地的不同耕种模式上看,区别十分明显。退耕梯田和未退耕的梯田在侵蚀率的减少上差别并不大,分别为4.17%和5.38%,充分说明了梯田本身侵蚀量较小,退耕与否对侵蚀的影响不大。反观坡耕地,差别则十分明显,退耕坡耕地导致其侵蚀模数均值在2000-2010年间减少了48.09%,以此看出整体退耕部分侵蚀模数的减少主要来源于坡耕地退耕的贡献,而未退耕的坡耕地在此期间侵蚀模数平均减少了29.95%（表9）,明显小于退耕坡耕地的侵蚀减少率,表明退耕坡耕地对减少土壤侵蚀效果显著。而从退耕坡耕地和未退耕坡耕地在2000年的侵蚀模数均值上可以看出,退耕部分的坡耕地与未退耕相比侵蚀模数平均高出9.09 t/hm²,可以从侧面反映出退耕主要选择不宜耕作且易发生侵蚀的坡耕地的退耕模式。

Tab. 9
表9
表92000-2010年陕北梯田和坡耕地土壤侵蚀模数变化对比
Tab. 9Comparison of soil erosion modulus changes of terraced fields and sloping cropland during 2000-2010

	2000年侵蚀模数均值(t/hm²)	2010年侵蚀模数均值(t/hm²)	2000-2010年侵蚀模数变化率(%)
退耕梯田	15.21	14.58	-4.17
退耕坡耕地	50.66	26.30	-48.09
未退耕梯田	16.74	15.84	-5.38
未退耕坡耕地	41.57	29.12	-29.95

新窗口打开|下载CSV

总体而言,虽然在2000-2010年间退耕梯田在全部退耕地中占比很低,但梯田退耕与否对土壤侵蚀并没有太大影响,退耕梯田并没有产生实际的生态效益。因此,在退耕地的选择上还是应以坡耕地为主,尽量做到不退或少退梯田。

4 讨论与结论

4.1 讨论

（1）本文采用的耕地动态变化遥感监测的技术方法是“基于中高分辨率卫星遥感数据经人机交互解译和实地验证生成土地利用变化的时空系列监测数据集”,并进行野外实地抽样验证。而耕地的退耕还林还草在遥感图像上存在着一定的迟滞效应,往往在退耕项目开始后的数年,林草植被的覆盖才能在遥感图像上准确识别。耕地转类制图精度可能会因此降低。虽然加强野外调查和验证的措施可以提高制图精度,但陕北地形破碎,退耕斑块均比较小,因而难免还会存在少量的漏判或误判。今后可探讨并尝试采用高空间分辨率和高光谱分辨率的遥感信息源进行辅助分类,以提高制图精度和分类的准确性。

（2）退耕还林还草工程对生态系统服务功能的保护和提升有着突出贡献,主要体现在其对土壤保护能力改善。RUSLE模型是近年来使用较多的用来估算土壤侵蚀模数的经验方程,但以往的研究中,主要是通过改进降雨侵蚀力等自然条件因子来提高模型精度,而对于水土保持措施因子的确定,主要是通过给不同土地利用类型赋予不同权重值的方式来参与模型计算^[39,40,41],该类方法的特点是主观性较强,本研究通过解译梯田数据的方式实现了水保措施因子的定量化,是一次对RUSLE模型科学化改进的成功尝试。

（3）以往对于陕北地区的土壤侵蚀研究大多针对小流域范围内展开^{[16, 18]},该类研究可通过流域水文站的输沙量对模型结果进行精度验证,本文则是对全陕北地区进行土壤侵蚀模拟,验证环节无法仅针对某一水文站数据进行对比,本文只能通过与全国土壤侵蚀遥感调查数据进行类比的方式对模型结果进行评估,但由于遥感数据解译精度的差别,造成了模型验证结果偏低的现象。因此,本文又将模型结果与陕北地区多个水文站数据插值结果进行参比,结果较为理想。在下一步工作中,还需在陕北范围内开展实地取样分析,以加强模型验证的科学性。

（4）本文重点针对RUSLE模型中的水保措施因子进行了改进,对于模型中涉及到的地形数据和土壤数据并未作为动态参数参与模型计算,在今后的研究中,可针对此类因子进行改进,进一步提高模型模拟精度。

4.2 结论

（1）2000-2010年,陕北退耕区域内部侵蚀量减少了885.90万t,占退耕区域2000年土壤侵蚀量的47.08%,其中耕地转为林草地对土壤侵蚀减少贡献率最高,分别导致各自区域内土壤侵蚀量减少了43.91%和48.51%。通过与该时段陕北全区土壤侵蚀量变化的对比发现,退耕的坡耕地对全区侵蚀模数减少率有明显促进作用,而未退耕地区侵蚀模数的减少主要归因于周边植被覆盖度的提高,且其侵蚀模数减少率低于全区平均水平。在生态工程的带动下,2000-2013年陕北全区土壤侵蚀量呈明显减少态势,其中2000-2010年侵蚀量减少41.87%,2010-2013年侵蚀量减少了6.14%。

（2）从延安和榆林两市的对比分析中可以看出,延安地区2000-2013年耕地共退耕19.67%,土壤侵蚀量减少了53.58%;榆林地区2000-2013年耕地共退耕5.85%,土壤侵蚀量减少了35.92%。延安地区退耕还林还草工程实施力度明显大于榆林地区,由此导致的土壤侵蚀减少量也远高于榆林地区,表明延安地区退耕还林还草工程的土壤保护效应要优于榆林地区。因此,在下一阶段生态工程实施期内,榆林地区可适当加大工程实施力度,提升工程的土壤保护成效。

（3）本文针对黄土高原丘陵沟壑区土壤侵蚀特征,对RUSLE模型的参数化和P因子改进开展研究。采用高分辨率遥感数据进行梯田信息提取,实现了P因子的改进,定量模拟结果有明显的改进和提高。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

Wang

Xiaoping

, Li

Hongyi

. Study on ecological restoration and reconstruction in the Loess Plateau
Soil and Water Conservation in China, 2006(6):23-25.