Analysis on Dynamic Change of Soil Erosion——Take Liangshan Prefecture of Sichuan Province as an Example

YAO Kun; ZHANG Cun-jie; HE Lei; LI Yu-xia; ZHONG Xu-zhen

doi:10.13718/j.cnki.xdzk.2021.07.005

2021 Volume 43 Issue 7

Article Contents

Previous Article Next Article

YAO Kun, ZHANG Cun-jie, HE Lei, et al. Analysis on Dynamic Change of Soil Erosion——Take Liangshan Prefecture of Sichuan Province as an Example[J]. Journal of Southwest University Natural Science Edition, 2021, 43(7): 36-44. doi: 10.13718/j.cnki.xdzk.2021.07.005

Citation:

YAO Kun, ZHANG Cun-jie, HE Lei, et al. Analysis on Dynamic Change of Soil Erosion——Take Liangshan Prefecture of Sichuan Province as an Example[J]. Journal of Southwest University Natural Science Edition, 2021, 43(7): 36-44. doi: 10.13718/j.cnki.xdzk.2021.07.005

Analysis on Dynamic Change of Soil Erosion——Take Liangshan Prefecture of Sichuan Province as an Example

1.
College of Resource and Environment, Xichang University, Xichang Sichuan 615000, China
2.
National Climate Center, Climate Service Room, HaidianDistrict, Beijing 100081, China
3.
School of Software Engineering, Chengdu University of Information Technology, Chengdu 610103, China
4.
School of Automation Engineering, University of Electronic Science and Technology of China, Chengdu 610054, China
5.
School of Geography and Resources Science, Neijiang Normal University, Neijiang Sichuan 641100, China

More Information

Corresponding author: ZHANG Cun-jie ;
Received Date: 07/03/2020
Available Online: 20/07/2021
MSC: S157.1

Abstract

In order to get a better understanding of the status of soil erosionin LiangshanYi Autonomous Prefecture of Sichuan Provinceand provide a theoretical reference for comprehensive management of regional ecological environment, a study was made, in which RUSLE (the revised universal soil loss equation) was used to calculate soil erosion modulein this regionfrom 1990 to 2018 and analyze its spatial and temporal changes. The main results were as follows. Soil erosion in the whole region was mainly of "moderate" and "light" grades, accounting for about 70% of the total area, and the overall erosion is at a medium level. The overall erosion conditions in the west and north were relatively good. Soil erosion was closely related to the slope, only the severe erosion area was always positively correlated with the slope. The turning point was 25° for all erosion grades with the exception of the intensive erosion grade. Throughout the study period, the proportions of the area of moderate and medium erosion land decreased by 2.65% and 0.56%, respectively, and the area proportions of other categories increased in varying degrees. In conclusion, in the past 30 years, soil erosion intensity in this region was considerably stable, and the intensity grades of soil erosionof about 75% of the land remained unchanged in different periods.
- revised universal soil loss equation,
- spatio-temporal change,
- Liangshan prefecture

References

[1]	彭双云, 杨昆, 洪亮, 等. 基于USLE模型的滇池流域土壤侵蚀时空演变分析[J]. 农业工程学报, 2018, 34(10): 138-146, 305. doi: 10.11975/j.issn.1002-6819.2018.10.017 CrossRef Google Scholar
[2]	康琳琦, 周天财, 干友民, 等. 1984-2013年青藏高原土壤侵蚀时空变化特征[J]. 应用与环境生物学报, 2018, 24(2): 245-253. Google Scholar
[3]	怡凯, 王诗阳, 王雪, 等. 基于RUSLE模型的土壤侵蚀时空分异特征分析——以辽宁省朝阳市为例[J]. 地理科学, 2015, 35(3): 365-372. Google Scholar
[4]	胡云华, 刘斌涛, 宋春风, 等. 基于USLE模型的大小凉山地区土壤侵蚀定量研究[J]. 水土保持通报, 2016, 36(4): 232-236. Google Scholar
[5]	曹胜, 欧阳梦云, 周卫军, 等. 基于GIS和USLE的宁乡市土壤侵蚀定量评价[J]. 中国农业大学学报, 2018, 23(12): 149-157. doi: 10.11841/j.issn.1007-4333.2018.12.18 CrossRef Google Scholar
[6]	王娇, 程维明, 祁生林, 等. 基于USLE和GIS的水土流失敏感性空间分析——以河北太行山区为例[J]. 地理研究, 2014, 33(4): 614-624. Google Scholar
[7]	邹琴英, 师学义, 张臻. 汾河上游土壤侵蚀时空变化及景观格局的影响[J]. 水土保持研究, 2021, 28(4): 15-21. Google Scholar
[8]	张园眼, 李天宏. 基于GIS和RUSLE模型的深圳市土壤侵蚀研究[J]. 应用基础与工程科学学报, 2018, 26(6): 1189-1202. Google Scholar
[9]	郑粉莉, 杨勤科, 王占礼. 水蚀预报模型研究[J]. 水土保持研究, 2004, 11(4): 13-24. doi: 10.3969/j.issn.1005-3409.2004.04.003 CrossRef Google Scholar
[10]	刘宝元, 史培军. WEPP水蚀预报流域模型[J]. 水土保持通报, 1998, 18(5): 6-12. doi: 10.3969/j.issn.1000-288X.1998.05.002 CrossRef Google Scholar
[11]	陈美淇, 魏欣, 张科利, 等. 基于CSLE模型的贵州省水土流失规律分析[J]. 水土保持学报, 2017, 31(3): 16-21, 26. Google Scholar
[12]	何维灿, 赵尚民, 王睿博, 等. 基于GIS和CSLE的山西省土壤侵蚀风险研究[J]. 水土保持研究, 2016, 23(3): 58-64. Google Scholar
[13]	程琳, 杨勤科, 谢红霞, 等. 基于GIS和CSLE的陕西省土壤侵蚀定量评价方法研究[J]. 水土保持学报, 2009, 23(5): 61-66. doi: 10.3321/j.issn:1009-2242.2009.05.013 CrossRef Google Scholar
[14]	黄凤琴, 第宝锋, 黄成敏, 等. 基于日降雨量的年均降雨侵蚀力估算模型及其应用——以四川省凉山州为例[J]. 山地学报, 2013, 31(1): 55-64. doi: 10.3969/j.issn.1008-2786.2013.01.008 CrossRef Google Scholar
[15]	邹雅婧, 闫庆武, 谭学玲, 等. 渭北矿区土壤侵蚀评估及驱动因素分析[J]. 干旱区地理, 2019, 42(6): 1387-1394. Google Scholar
[16]	胡先培, 曾成, 钱庆欢, 等. 基于RUSLE模型的铜仁地区1987-2015年土壤侵蚀时空特征[J]. 生态与农村环境学报, 2019, 35(2): 158-166. Google Scholar
[17]	操玥, 王世杰, 白晓永, 等. 喀斯特槽谷区土壤侵蚀时空演变及未来情景模拟[J]. 生态学报, 2019, 39(16): 6061-6071. Google Scholar
[18]	王欢, 高江波, 侯文娟. 基于地理探测器的喀斯特不同地貌形态类型区土壤侵蚀定量归因[J]. 地理学报, 2018, 73(9): 1674-1686. Google Scholar
[19]	刘宝元, 毕小刚, 符素华, 等. 北京土壤流失方程[M]. 北京: 科学出版社, 2010. Google Scholar
[20]	刘斌涛, 宋春风, 史展, 等. 西南土石山区土壤流失方程坡度因子修正算法研究[J]. 中国水土保持, 2015(8): 49-51, 77. doi: 10.3969/j.issn.1000-0941.2015.08.018 CrossRef Google Scholar
[21]	刘斌涛, 宋春风, 陶和平. 成都市土壤侵蚀定量评价研究[J]. 长江科学院院报, 2016, 33(9): 40-47. Google Scholar
[22]	姜琳, 边金虎, 李爱农, 等. 岷江上游2000-2010年土壤侵蚀时空格局动态变化[J]. 水土保持学报, 2014, 28(1): 18-25, 35. doi: 10.3969/j.issn.1009-2242.2014.01.004 CrossRef Google Scholar
[23]	查良松, 邓国徽, 谷家川. 1992-2013年巢湖流域土壤侵蚀动态变化[J]. 地理学报, 2015, 70(11): 1708-1719. doi: 10.11821/dlxb201511002 CrossRef Google Scholar
[24]	龚雪梅, 冯文兰, 郑杰, 等. 岷江上游土壤侵蚀敏感性评价[J]. 干旱区资源与环境, 2017, 31(9): 68-74. Google Scholar
[25]	赵明伟, 王妮, 施慧慧, 等. 2001-2015年间我国陆地植被覆盖度时空变化及驱动力分析[J]. 干旱区地理, 2019, 42(2): 324-331. Google Scholar

Access History

通讯作者: 陈斌, bchen63@163.com

1.
沈阳化工大学材料科学与工程学院沈阳 110142

Figures(5) / Tables(1)

Export Citation

PDF

XML

Article Metrics

Article views(5209) PDF downloads(637) Cited by(0)

Access History

Other Articles By Authors

on this site
on Google Scholar

HTML

土壤侵蚀是一种常见的自然灾害, 区域的土壤类型、气候、地质条件等自然因素决定了其先天状况, 而后天的人类活动又对其变化产生明显的驱动作用^[1-2]. 土壤侵蚀不仅会造成水体富营养化和土地生产能力严重下降等系列环境问题, 还会加剧生态环境的脆弱程度^[3].

近年来, 随着RS和GIS技术的快速发展, 学者们在区域水力侵蚀的定量监测与评估上取得了诸多成果, 提出了通用流失方程(Universal Soil Loss Equation, USLE)^[4-6]、修正土壤侵蚀方程(Revised Universal Soil Loss Equation, RUSLE)^{[3, 7-8]}、水蚀预报模型(Water Erosion Prediction Project, WEPP)^[9-10]和中国土壤流失方程(China Soil Loss Equation, CSLE)^[11-13]等众多计算模型. 其中, RUSLE模型在诸多模型中最为典型. 黄凤琴等^[14]利用RUSLE模型完成凉山地区2000年土壤侵蚀的空间分布特征分析；邹雅婧等^[15]将RUSLE模型与地理探测器相结合, 实现了渭北矿区2018年土壤侵蚀状况的定量评估与驱动因素分析；胡先培等^[16]基于RUSLE模型对贵州铜仁地区1987-2015年土壤侵蚀的时空特征进行了详细分析；操玥等^[17]以RUSLE模型为基础, 完成了我国喀斯特槽谷地区2000-2015年土壤侵蚀时空演变及未来发展规律的探索分析. 以上成果均已证明, 相比其他模型, RUSLE具有所需参数较少、计算过程相对简单快捷、应用范围适用性广和计算结果准确度相对较高的优点, 能作为区域土壤侵蚀定量评估的一项重要技术手段.

凉山州作为四川省土壤侵蚀监测与恢复治理的重点区, 全州约有49%的地区存在土壤侵蚀现象^[14]. 因此, 加强该地区土壤侵蚀的定量评估及变化监测具有十分重要的意义. 然而, 截至目前对该地区土壤侵蚀的研究仍有两项主要不足尚需完善. 第一, 虽然该地区是全省土壤侵蚀的重点监测区, 但是查阅文献资料可知, 对其开展的研究却几乎处于空白；第二, 已有成果均只完成该地区特定年份土壤侵蚀的定量评估, 仅侧重从空间角度分析其分布规律^{[4, 14]}, 忽略了其时间变化规律的探索分析, 无法全面地掌握其真实变化状况.

为有效弥补以上两点不足, 更全面地掌握该地区土壤侵蚀的真实变化规律, 本研究基于RUSLE模型完成凉山州1990年、1995年、2000年、2005年、2010年、2015年和2018年土壤侵蚀模数的计算, 并从时间与空间相结合的视角, 对其空间分布与时空变化规律进行较详细的分析, 以期为该地区土壤侵蚀治理与保护措施的制定提供科学的理论参考.

2. 研究方法

2.1. 数据来源

根据修正土壤侵蚀方程(RUSLE), 完成基础数据的收集, 包括：1990-2018年凉山州及周边地区气象站的各月累计降雨量, 数据来源于中国气象数据网(http://data.cma.cn/)；1∶100万中国土壤数据库, 来源于中国科学院南京土壤所；凉山州数字高程模型(DEM), 空间分辨率30 m, 来源于地理空间数据云平台；1990-2018年凉山州1∶10万土地利用类型矢量数据和《中国土种志》, 来源于中国科学院资源环境数据云平台(http://www.resdc.cn).

2.2. RUSLE模型

修正通用土壤侵蚀方程的数学表达式为：

式中：A为侵蚀模数, t/(hm²·a)；R为降雨侵蚀力, (MJ·mm)/(hm²·h·a)；L为坡长因子；S为坡度因子；K为土壤可侵蚀, (t·hm²·h)/(MJ·mm·hm²)；C和P则为植被与水土保持因子, 它们均无单位；侵蚀模数乘以100, 单位转换为t/(km²·a).

2.2.1. 降雨侵蚀力

降雨是引起土壤侵蚀改变的主要外在驱动力, 本研究利用Wischmeier模型^{[2, 3, 18]}完成气象站侵蚀力计算, 并采用反距离权插值模型完成数据处理, 分辨率30 m. 表达式为：

式中：R为降雨侵蚀力；P₁为月降雨量；P为年降雨量.

2.2.2. 土壤可侵蚀性

由于不同类型的土壤理化性质和质地组成均存在差异, 因此其可侵蚀性K在受到外在影响力作用时, 也会有呈现出不同的敏感性. 本研究采用EPIC模型^{[3, 18]}完成K因子的计算. 表达式为：

式中：SAN为砂粒比例, %；SIL为粉粒比例, %；CLA为粘粒比例, %；C为有机质比例, %；SNI=1-SAN/100, 美制和国际制转换系数为0.131 7.

2.2.3. 坡度坡长因子

地形变化会对地表径流、植被分布和人类活动等产生明显的影响, 会影响区域土壤侵蚀的状况. 本研究采用刘宝元等^[19]提出的模型完成该地区坡长的计算, 表达式为：

式中：L为坡长因子；λ为单位坡长；m为坡长指数.

坡度因子的计算研究采用刘斌涛等^[20-21]针对西南山地区进行修正的模型完成, 表达式为：

式中：S为坡度因子；θ为坡度.

2.2.4. 植被覆盖因子与水土保持措施因子

植被覆盖因子C能有效地表征出植被覆盖度对土壤侵蚀削减的能力, 通常覆盖度越高土壤侵蚀现象相对越弱. 水土保持措施因子P则是用于衡量水土保持措施对土壤侵蚀抑制能力的客观指标. C和P因子的取值均为0~1. C和P均可通过模型计算与赋值两种方式得到, 考虑到数据的可获得性, 本研究主要采用赋值法完成以上两个参数值的确定. 已有成果显示, 学者们通过野外实测得出了西南土石区部分土地类型的C和P值^{[4, 21]}, 本研究在参考这些相似地区成果的基础上^{[4, 14, 20, 21]}, 结合区域实际完成C和P因子的赋值(表 1).

4. 结论与讨论

4.1. 讨论

凉山州作为川西南土壤侵蚀监测的重点区域, 实现其土壤侵蚀时空动态变化规律的探索分析具有重要的意义. 之前已有成果大都以该地区某一年份侵蚀状况进行评估, 仅侧重于从空间角度对其变化规律展开分析；相比之下, 本研究以该地区多期成果为基础, 从时间与空间相结合的角度对其侵蚀变化规律进行了将详细分析, 能有效弥补单一角度分析不全面的不足, 能更全面反应地区侵蚀状况真实的变化规律；同时, 本研究进行空间分布规律变化分析时, 能实现侵蚀与高程的关系探索以及从不同地貌特征对其进行进一步探讨, 这在今后的研究中仍然需要进一步完善.

凉山州自2000年来, 相继实施了“天然林保护” “退耕还林” “退牧还草”和“国土整治”等系列生态工程, 它们有力地促进了州内林草地的大面积恢复, 驱使了植被覆盖状况的明显好转, 对气候起到了一定的调节作用, 也对改善地区土壤侵蚀状况起到了较大的促进作用；然而, 由于受地区幅员面积相对较广、地质构成复杂、土壤相对贫瘠和生态环境脆弱等先天因素的影响, 部分地区的综合治理仍然存在一定的难度. 针对该地区土壤侵蚀综合治理, 可以从如下3方面进行思考：第一, 研究区内有雅砻江、安宁河和金沙江等众多江河水系, 水电公司和政府在进行水电资源的开发时, 应该制定更加科学有效的环保策略促进环境质量的提高；第二, 州内坡耕地在农用地的占比相对较大, 应加强坡耕地的科学管理, 禁止过度放牧和毁林开荒, 25°以下坡耕地可以适当转为梯田, 25°以上应继续实施“退耕还林” “退牧还草”等措施；第三：加强对小流域地区水土流失状况的实时监测与分析, 对潜在易发区进行科学预防, 对已存在地区结合区域实际进行综合整治.

4.2. 结论

本研究以凉山州为研究对象, 以GIS和RS技术为支撑, 基于RUSLE模型对该地区1990-2018年土壤侵蚀时空动态变化状况进行分析, 结果表明研究方法基本可行, 预期目标也基本被实现, 成果具有较高的准确性和理论参考价值, 主要结论如下：

凉山州土壤侵蚀在结构组成和空间分布特征上均呈现出明显的差异性；侵蚀强度等级与坡度有着密切的联系；近30年内, 各强度等级的面积比例均在时间尺度上呈现出不同的变化, 2010年为明显变化的转折点；逐步分析可知, 土地利用类型是驱动地区土壤侵蚀状况改变的主要原因, 结合地区特色更科学地实施土地利用规划将有助于改变凉山州的土壤侵蚀状况.

Figure (5) Table (1) Reference (25)

Name
	Name cannot be empty!
E-mail
	Mailbox cannot be empty! Mailbox cannot be empty!
Telephone
	Mobile number cannot be empty! Please enter a valid mobile number!
Title

Content
Verification Code

Message Board

Analysis on Dynamic Change of Soil Erosion——Take Liangshan Prefecture of Sichuan Province as an Example