论文部分内容阅读
摘要：
为了解安宁河流域土壤侵蚀变化及未来发展状况，以修正土壤侵蚀方程为基础，对该地区1995～2018年各年份土壤侵蚀模数进行计算与分级，结合转移矩阵、斜率变化和CA-Markov模型对其时空演变和发展规律进行分析。结果表明：① 各等级侵蚀区栅格占比为微度>轻度>中度>强烈>极强烈>剧烈，轻度及以下等级侵蚀区栅格累加比例达到全域的70%以上，流域整体处于中等侵蚀水平;② 流域土壤侵蚀整体呈现西部和南部相对严重的分布变化;③ 23 a内，微度、轻度和剧烈等级的稳定性均较强，分别有83.58%，81.09%和68.73%的区域等级未发生改变，仅微度向更高等级转换，其他等级均向更低等级转换;④ 斜率变化及显著性检验显示，整个流域有94.35%的区域土壤侵蚀状况未发生明显改变，仅有0.39%的地区侵蚀状况显著加重;⑤ 预测结果及精度检验表明，CA-Markov模型适用于地区土壤侵蚀发展预测，2021年流域土壤侵蚀整体呈现良好发展的趋势。研究结果可作为区域土壤侵蚀综合治理提供重要的科学参考依据。
关 键 词：
土壤侵蚀; 修正土壤侵蚀方程; CA-Markov模型; 时空演变; 安宁河流域
中图法分类号： S157
文献标志码： A
DOI：10.16232/j.cnki.1001-4179.2021.07.011
0 引 言
土壤侵蚀是影响社会经济发展和威胁人类生存的自然灾害之一，区域自然条件和人类活动是促使其形成与改变的重要因素[1-2]。土壤侵蚀主要包括水蚀、风蚀和冻蚀3个类型[3]，其频发会引发土地生产力下降、河道阻塞和山洪暴发等环境问题。
为科学实现地区土壤侵蚀变化的监测，国内外专家学者们开展了大量工作，目前已形成通用土壤侵蚀方程（USLE）[4-6]、修正方程（RUSLE）[7-10]、水蚀预报方程（WEEP）[10-11]及中国水蚀方程（CSLE）[12-14]等众多计算模型，其中USLE和RUSLE模型最为典型。黄凤琴等[15]基于RUSLE以日降雨量计算年侵蚀力模型，完成凉山州土壤侵蚀空间分布特征分析。胡云华等[16]以USLE模型为基础，对大小凉山土壤侵蚀开展了定量研究。以上成果表明，USLE和RUSLE模型具有适用性强和操作简便等优势，被广泛应用于土壤侵蚀研究中。
安宁河流域为《四川水土流失综合治理蓝图绘就》划定的水力侵蚀的重点监测区[17]。然而，截止目前關于该地区土壤侵蚀的研究却相对较少，且已有成果均主要侧重于空间分布规律的分析，未能实现多期成果的动态比较，更未涉及其未来发展的模拟预测。
基于此，为较全面掌握该地区土壤侵蚀的变化和未来发展规律，本文将RS、GIS技术与RUSLE模型相结合，对其1995～2018年各年份的土壤侵蚀模数进行计算，引入一元线性回归模型对其时空演变规律进行探索分析，借助CA-Markov模型对流域地区2021年的土壤侵蚀状况进行模拟预测，以期为该地区土壤侵蚀的综合治理提出科学的理论参考依据。
1 研究区概况
安宁河是雅砻江的主要支流之一，其干流主要流经冕宁县、西昌市、德昌县和米易县4个县级行政区，流域面积约11 000 km2。坐标为101°51′E～102°48′E，26°38′N～28°53′N，海拔介于924～5 261 m，地貌以水流冲击形成的河谷平原、两侧的中山和高山为主。流域年累计降雨量在827.11～1 210.96 mm，且主要集中在夏秋季节，年平均温度约12.71 ℃，土壤类型主要包括紫色土、黄棕壤和水稻土等。土地景观以有林地、灌木林地、高度盖度草地及耕地等为主。由于该地区具有海拔高差明显、地形起伏差异大以及地质条件复杂等自然环境特征，区域自身水土流失相对严重。
2 研究方法
2.1 数据来源
研究基础数据包括：流域地区数字高程模型（DEM），分辨率为30 m×30 m，来源于地理空间数据云平台（http：∥www.gscloud.cn）;流域地区1∶1 000 000土壤类型矢量图及理化性质统计表，来源于中国土壤数据库;1995～2018年研究区及周边气象站各月和各年累计降雨量数据，来源于中国气象数据网（http：∥data.cma.cn）;1995～2018年流域地区1∶100 000土地利用类型遥感解译矢量数据和《中国土种志》均来自于中国科学院资源环境科学数据中心（http：∥www.resdc.cn）。
2.2 数据处理
2.2.1 RUSLE模型
Wischmeier与Smith通过大量试验并经过修正形成RUSLE方程[8-9]。模型方程如下：
A=R×LS×K×C×P（1）
式中：A为土壤侵蚀模数，t/km2·a;R为降雨侵蚀力因子;LS为坡长坡度因子;K为土壤可蚀性因子;C为植被覆盖因子;P为水土保持因子。
2.2.2 降雨侵蚀力因子
降雨侵蚀力因子R是影响土壤侵蚀改变的主要外力，选取经典模型[8，18]进行计算。模型方程如下：
式中：pi为月累计降水量，mm;p为年累计降水量，mm。
选取流域及其周边站点观测数据完成降雨侵蚀力计算，以Anusplin4.37软件为工具完成数据插值，其能将DEM作为协变量参与运算，提高数据插值精度，数据分辨率为30 m。
2.2.3 坡长坡度因子
坡长L采用刘宝元等[19]针对中国地形提出的模型进行计算，坡度因子S则采用刘斌涛等[20-21]修正的西南山地区模型进行计算。模型方程如下：
式中：S为坡度因子，L为坡长因子，θ为坡度，λ为单位坡长，m为坡度指数。 2.2.4 土壤可蚀性因子
土壤可蚀性因子K采用EPIC模型[4，6]进行计算。模型方程如下：
式中：SAN表示砂粒含量，%;SIL表示粉粒含量，%;CLA表示黏粒含量，%;C表示有机质含量，%;SNI=1-SAN/100。
2.2.5 植被与水土保持因子
植被覆盖因子C的确定主要有模型计算[5，8-9]和经验赋值两种方法，而水土保持因子P值的确定则主要依靠经验赋值。在參考已有成果[15-16，22-24]的基础上结合区域实际完成P因子的赋值。C值的确定也采用参考赋值的方式实现[15-16，22]（见表1）。
2.3 斜率变化
斜率变化不仅能较准确地描述出流域1995～2018年土壤侵蚀模数的年际变化，还能对其发展趋势进行拟合[25-27]。模型方程如下：
式中：X为斜率，若X>0则栅格像元数值有增大的变化倾向，反之，若X<0则趋势相反;Ai为第i年的土壤侵蚀模数。
同时，研究采用F检验完成斜率变化的显著性检验[26-27]，表达式如下：
2.4 CA-Markov模型
元胞自动机（CA）是一种时间、空间和状态都为离散形式的网格动态模型，其能够对复杂系统的空间演变状况进行运算[28]。模型方程如下：
式中：S为元胞;f为转换函数;t与t+1为时间;n为元胞邻域。
Markov是一种通过对系统转移概率矩阵进行运算以实现其发展倾向的预测模型[29]。若系统存在马尔科夫性，则模型可表示为
式中：Sn为n个周期后的状态;S0为研初期状态;Pn为n个周期后的转移矩阵。
已有成果表明：CA-Markov模型不仅能实现复杂系统时空演变规律的分析，还能较准确完成其模拟预测[28-29]。
3 结果与分析
3.1 结构分布
按照SL 190-2008《土壤侵蚀分类分级标准》将不同年份的土壤侵蚀模数进行分级[16，21]，如表2所列。
通过分析表2可知：该地区微度和剧烈等级土壤侵蚀的比例分别占据流域的最大和最小两端，而其他强度侵蚀区的比例关系变化为轻度>极强烈>中度>强烈。研究以2018年为例，微度侵蚀在整个地区栅格占比达到36.69%为最大，而轻度、极强烈、中度、强烈的比例分别为31.37%、9.33%、8.76%和7.27%，呈现依次降低的变化形态，剧烈的比例仅有6.58%为最小。1995～2018年流域地区中度及以下等级侵蚀区的栅格累加比例达到全域的70%以上，表明该地区土壤侵蚀整体持续处于中等侵蚀水平。
3.2 空间分布
对流域地区土壤侵蚀空间分布规律进行分析，有助于了解其空间分布特征（见图1）。
根据图1分析可知：① 安宁河流域土壤侵蚀空间分布特征与张风琴和胡云华等[15-16]研究成果基本吻合，整体呈现西部相比东部侵蚀的强度更严重和分布的范围也更广。② 各等级侵蚀区在空间分布上也呈现出明显的差异性。③ 极强烈和剧烈侵蚀在整个流域的占比约15%，主要集中分布于冕宁县西部和西昌市西部小部分高山区。结合土地利用类型和地形数据可知，这些区域土地景观以疏林地和旱地为主、地貌类型则主要为高山和极高山、区域地势陡峭、地形起伏差异明显、坡长和坡度的数值也相对较大，在这些因素共同的作用下，其土壤侵蚀的程度相对严重。④ 中度和强烈侵蚀区也约占整个流域的15%，大部分主要集中于河谷平原两侧的中高山地区，其土地利用方式以灌木林地、疏林地和耕地为主，区域植被覆盖率整体相对较高、生态系统相对复杂，是流域土壤侵蚀的重点缓冲区域保护地带。⑤ 微度和轻度侵蚀区在整个流域的比例最大，约占据全域的70%，在整个地区的分布范围最广，大部分主要集中于河谷平原及周边的中低山区，其是整个流域人类活动和社会经济发展核心地带，地势相对平坦且地形起伏差异不明显。
3.3 时空演变特征
3.3.1 转移矩阵
引入转移矩阵1995～2018年土壤侵蚀的演变状况进行分析，如表3～5所列。
1995～2005年转移变化情况结合表3分析可知：① 各等级侵蚀相互转换关系较明显;② 非同级转换中，除剧烈整体表现为向更低等级转换外，其他5个类别整体均为低等级向高等级转换。
同时，2005～2018年流域各等级侵蚀区间相互转换关系结合表4分析可知：① 各等级侵蚀区也存在明显的相互转换关系;② 与前一阶段相似，同级转换关系仍最明显;③ 非同级转换中，仅微度侵蚀整体表现为向更高级转换，其他类别整体均向更低等级转换。
此外，就整个时期分析变化情况结合表5分析可知：① 23 a内，流域地区各等级间相互转换关系均相对显著;② 整个时段内，微度、轻度和剧烈未发生改变的比例为83.58%、81.09%和68.73%，均具有较高的稳定性;③ 除微度外，各类别高等级向低等级转换的比例分别为11.39%、29.3%、29.44%、26.50%和31.27%，均占据非同级转换的绝大部分，这说明在近20 a内流域土壤侵蚀整体得到有效的治理和保护，整体向良好的方向发展。
3.3.2 年际变化分析
研究利用斜率变化及显著性检验公式（6）和（7）对流域地区1995～2018年土壤侵蚀年际变化状况进行计算（见图2）。
结合图2分析可知：近20 a内，该地区有41.11%的栅格像元斜率数值为小于零的状态，表明这些地区土壤侵蚀模数值有降低的变化趋势。
显著性检验结果分析如图2所示：① 整个研究阶段内有5.26%的栅格像元检验结果（X<0，P≤0.05），反映出侵蚀模数有明显降低的变化状态，侵蚀的强度得到有效的控制，它们主要分布于冕宁县中部、西昌市和德昌县西部边界以及米易县西部和东部边界处。结合区域土地利用类型遥感解译成果分析可知，随着“天然林保护”和“退耕还林”等环保措施的实施，这些区域土地利用类型从1995年的耕地、中覆盖度草地和裸土地等转变为2018年的有林地和疏林地，植被覆盖类型的转变和覆盖度的提高，有效地改善了区域水土流失的状况。② 整个研究时段内，有94.35%流域地区侵蚀强度未发生明显改变。③ 同样，仅有0.39%的区域检验结果（X>0，P>0.05），侵蚀模数明显增大，它们主要分布于河流水系两侧，区域土壤侵蚀模数的加重可能与大量修建水电工程有关。④ 斜率变化和显著性检验表明，近20 a内流域大部分地区侵蚀程度未发生变化且趋于好转，客观上说明其侵蚀整体发展良好。 3.4 预测结果
研究以IDRISI17.0软件为工具，利用CA-Markov模型对流域2015年土壤侵蚀进行模拟预测，并完成2015年模拟预测结果的kappa精度检验（见图3）。
通过流域地区土壤侵蚀预测结果可知：① 2015年流域地区土壤侵蚀真实与模拟数据的kappa系数值为0.734 2，表明模拟预测结果整体具有较高的准确性，利用CA-Markov模型對流域地区土壤侵蚀进行模拟预测是可行的。② 预测结果显示2015年，微度、轻度、中度、强烈、极强烈和剧烈的栅格比例分别为42.09%、29.30%、9.33%、7.42%、7.76%及3.12%，与真实结果基本吻合。③ 流域2021年土壤侵蚀预测结果显示，各等级比例为微度36.80%，轻度30.21%，中度9.27%，强烈8.10%，极强烈9.44%以及剧烈6.17%。从各等级比例分布可以看出，中度及其以下程度侵蚀区的比例均在增长，而强烈及其以上的比例均在下降，客观地反映出流域地区土壤侵蚀状况在未来整体将呈现良好的发展倾向。
4 结 论
本文以RUSLE模型为基础，对安宁河流域1995～2018年土壤侵蚀的时空演变及发展规律进行分析，主要结论如下：
（1） 斜率变化模型能较好地表征出区域土壤侵蚀的时空变化规律;CA-Markov模型适用于区域土壤侵蚀发展的模拟预测，且预测的精度也相对较高;以上两种方法可作为区域土壤侵蚀变化及发展规律探索分析的重要技术手段。
（2） 从空间角度分析来看，流域各等级侵蚀区在空间和结构分布上均呈现出明显差异性。
（3） 从时空相结合的角度分析来看，整个研究期内，各等级侵蚀区的栅格比例均发生较明显的变化，微度、强烈和中度的栅格比例均呈现不同程度的增长，而其他3个等级的比例则呈现不同层次的下降;23 a内，各等级间相互转换关系相对显著;显著斜率变化和预测研究表明，流域地区不仅在1995～2018年内，土壤侵蚀状况整体得到有效治理，在未来几年内其发展状况将继续好转。
研究较好地弥补了已有成果未能实现的对该地区土壤侵蚀长时间序列时空演变及未来发展规律的探索分析。虽然侵蚀空间分布状况与前人成果对比验证基本一致，间接表明研究具有一定准确性，但RUSLE方程为经验模型，不同的参数设置也会造成计算结果的差异，如何更科学有效地实现各因子的准确获取是今后研究的重点。
参考文献：
[1] 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）：155-163.
[2] 何莎莎，叶露培，朱文博，等.太行山淇河流域2000～2015年土壤侵蚀和水源供给变化研究[J].地理研究，2018，37（9）：107-120.
[3] 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）：24-32.
[4] 张养安，张鑫，江仕嵘.基于GIS与RS的杨凌区土壤侵蚀时空变异性研究[J].水土保持学报，2018，32（6）：132-135.
[5] 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.
[6] 马力，卜兆宏，梁文广，等.基于USLE原理和3S技术的水土流失定量监测方法及其应用研究[J].土壤学报，2019（3）：602-614.
[7] 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.
[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）：48-61.
[9] 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.
[10] 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（4）：13-24.
[11] 刘宝元，史培军.WEPP水蚀预报流域模型[J].水土保持通报，1998（5）：7-13.
[12] 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.
[13] 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.
[14] 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.
[15] 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.
[16] 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.
[17] 四川省人民政府.四川水土流失综合治理蓝图绘就[DB/OL].[2017-01-10]http：∥www.sc.gov.cn/10462/10464/11716/11718/2017/1/10/10410447.shtml.
[18] 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. [19] 劉宝元，毕小刚.北京土壤流失方程[M].北京：科学出版社，2010.
[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，2010（8）：49-51.
[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.
[22] 邓辉，何政伟，陈晔，等.基于GIS和RUSLE模型的山地环境水土流失空间特征定量分析：以四川泸定县为例[J].地球与环境，2013，41（6）：669-679.
[23] 唐寅，代数，蒋光毅，等.重庆市坡耕地植被覆盖与管理因子C值计算与分析[J].水土保持学报，2010，24（6）：53-59.
[24] 彭建，李丹丹，张玉清.基于GIS和RUSLE的滇西北山区土壤侵蚀空间特征分析：以云南省丽江县为例[J].山地学报，2007（5）：548-556.
[25] 马骏，李昌晓，魏虹，等.三峡库区生态脆弱性评价[J].生态学报，2015，35（21）：7117-7129.
[26] 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）：104-111.
[27] 薛联青，王晶，魏光辉.基于PSR模型的塔里木河流域生态脆弱性评价[J].河海大学学报（自然科学版），2019，47（1）：13-19.
[28] 任金铜，莫世江，陈群利，等.草海湿地区域土地利用/覆被变化与预测研究[J].信阳师范学院学报（自然科学版），2017，30（3）：385-392.
[29] LI X W，DONG Y Y，ZHAO L，et al.Study on NDVI changes in Weihe Watershed based on CA-Markov model[J].Geological Journal，2018（53）：435-441.
（编辑：谢玲娴）
引用本文：
姚昆，张存杰，李玉珍，等.
四川省安宁河流域土壤侵蚀时空演变及预测分析
[J].人民长江，2021，52（7）：65-70.
Spatial-temporal evolution and prediction of soil erosion in Anning
River Basin， Sichuan Province
YAO Kun1，ZHANG Cunjie2，LI Yuzhen3，HE Lei4，LI Xiaoju5
（1.College of Resource and Environment，Xichang University，Xichang 615000，China; 2.National Climate Center，Beijing 100081，China; 3.Chengdu Software Industry Development Center，Chengdu 610041，China; 4.School of Software Engineering，Chengdu University of Information Technology，Chengdu 610225，China; 5.Engineering College，University Putra Malaysia，Kuala Lumpur 43400，Malaysia）
Abstract：
In order to understand the changes in soil erosion and future development of the Anning River Basin，we completed the calculation and grading of the soil erosion modulus of the region from 1995 to 2018 by the revised soil erosion equation，and the temporal and spatial evolution and development of soil erosion in the region were analyzed by using transfer matrix，slope change and CA-Markov model.The results show that：（1） the proportion of grids in each erosion level from high to low were micro，slight，mild，strong，very strong and severe.The accumulative proportion of grids of below slight levels had reached more than 70% of the whole area，and the overall soil erosion of the basin was at a medium level.（2）The overall soil erosion of the basin presented a relatively severe distribution change in the west and south.（3） During the 23 years，the micro，slight and severe levels of erosion were stable，83.58%，81.09% and 68.73% of areas were not changed respectively.Only the micro level was converted to a higher level，and the other levels were all converted to lower levels.（4） Slope change and significance test showed that 94.35% of the soil erosion in the whole area did not change significantly，and only 0.39% of the area was significantly worse.（6） Prediction results and accuracy tests showed that the CA-Markov model was suitable for the prediction of regional soil erosion development.In 2021，the overall soil erosion in the watershed showed a good development trend.The study can be used as a reference for comprehensive management of regional soil erosion.
Key words：
soil erosion;modified soil erosion equation;CA-Markov model;spatial-temporal evolution;Anning River Basin
为了解安宁河流域土壤侵蚀变化及未来发展状况，以修正土壤侵蚀方程为基础，对该地区1995～2018年各年份土壤侵蚀模数进行计算与分级，结合转移矩阵、斜率变化和CA-Markov模型对其时空演变和发展规律进行分析。结果表明：① 各等级侵蚀区栅格占比为微度>轻度>中度>强烈>极强烈>剧烈，轻度及以下等级侵蚀区栅格累加比例达到全域的70%以上，流域整体处于中等侵蚀水平;② 流域土壤侵蚀整体呈现西部和南部相对严重的分布变化;③ 23 a内，微度、轻度和剧烈等级的稳定性均较强，分别有83.58%，81.09%和68.73%的区域等级未发生改变，仅微度向更高等级转换，其他等级均向更低等级转换;④ 斜率变化及显著性检验显示，整个流域有94.35%的区域土壤侵蚀状况未发生明显改变，仅有0.39%的地区侵蚀状况显著加重;⑤ 预测结果及精度检验表明，CA-Markov模型适用于地区土壤侵蚀发展预测，2021年流域土壤侵蚀整体呈现良好发展的趋势。研究结果可作为区域土壤侵蚀综合治理提供重要的科学参考依据。
关 键 词：
土壤侵蚀; 修正土壤侵蚀方程; CA-Markov模型; 时空演变; 安宁河流域
中图法分类号： S157
文献标志码： A
DOI：10.16232/j.cnki.1001-4179.2021.07.011
0 引 言
土壤侵蚀是影响社会经济发展和威胁人类生存的自然灾害之一，区域自然条件和人类活动是促使其形成与改变的重要因素[1-2]。土壤侵蚀主要包括水蚀、风蚀和冻蚀3个类型[3]，其频发会引发土地生产力下降、河道阻塞和山洪暴发等环境问题。
为科学实现地区土壤侵蚀变化的监测，国内外专家学者们开展了大量工作，目前已形成通用土壤侵蚀方程（USLE）[4-6]、修正方程（RUSLE）[7-10]、水蚀预报方程（WEEP）[10-11]及中国水蚀方程（CSLE）[12-14]等众多计算模型，其中USLE和RUSLE模型最为典型。黄凤琴等[15]基于RUSLE以日降雨量计算年侵蚀力模型，完成凉山州土壤侵蚀空间分布特征分析。胡云华等[16]以USLE模型为基础，对大小凉山土壤侵蚀开展了定量研究。以上成果表明，USLE和RUSLE模型具有适用性强和操作简便等优势，被广泛应用于土壤侵蚀研究中。
安宁河流域为《四川水土流失综合治理蓝图绘就》划定的水力侵蚀的重点监测区[17]。然而，截止目前關于该地区土壤侵蚀的研究却相对较少，且已有成果均主要侧重于空间分布规律的分析，未能实现多期成果的动态比较，更未涉及其未来发展的模拟预测。
基于此，为较全面掌握该地区土壤侵蚀的变化和未来发展规律，本文将RS、GIS技术与RUSLE模型相结合，对其1995～2018年各年份的土壤侵蚀模数进行计算，引入一元线性回归模型对其时空演变规律进行探索分析，借助CA-Markov模型对流域地区2021年的土壤侵蚀状况进行模拟预测，以期为该地区土壤侵蚀的综合治理提出科学的理论参考依据。
1 研究区概况
安宁河是雅砻江的主要支流之一，其干流主要流经冕宁县、西昌市、德昌县和米易县4个县级行政区，流域面积约11 000 km2。坐标为101°51′E～102°48′E，26°38′N～28°53′N，海拔介于924～5 261 m，地貌以水流冲击形成的河谷平原、两侧的中山和高山为主。流域年累计降雨量在827.11～1 210.96 mm，且主要集中在夏秋季节，年平均温度约12.71 ℃，土壤类型主要包括紫色土、黄棕壤和水稻土等。土地景观以有林地、灌木林地、高度盖度草地及耕地等为主。由于该地区具有海拔高差明显、地形起伏差异大以及地质条件复杂等自然环境特征，区域自身水土流失相对严重。
2 研究方法
2.1 数据来源
研究基础数据包括：流域地区数字高程模型（DEM），分辨率为30 m×30 m，来源于地理空间数据云平台（http：∥www.gscloud.cn）;流域地区1∶1 000 000土壤类型矢量图及理化性质统计表，来源于中国土壤数据库;1995～2018年研究区及周边气象站各月和各年累计降雨量数据，来源于中国气象数据网（http：∥data.cma.cn）;1995～2018年流域地区1∶100 000土地利用类型遥感解译矢量数据和《中国土种志》均来自于中国科学院资源环境科学数据中心（http：∥www.resdc.cn）。
2.2 数据处理
2.2.1 RUSLE模型
Wischmeier与Smith通过大量试验并经过修正形成RUSLE方程[8-9]。模型方程如下：
A=R×LS×K×C×P（1）
式中：A为土壤侵蚀模数，t/km2·a;R为降雨侵蚀力因子;LS为坡长坡度因子;K为土壤可蚀性因子;C为植被覆盖因子;P为水土保持因子。
2.2.2 降雨侵蚀力因子
降雨侵蚀力因子R是影响土壤侵蚀改变的主要外力，选取经典模型[8，18]进行计算。模型方程如下：
式中：pi为月累计降水量，mm;p为年累计降水量，mm。
选取流域及其周边站点观测数据完成降雨侵蚀力计算，以Anusplin4.37软件为工具完成数据插值，其能将DEM作为协变量参与运算，提高数据插值精度，数据分辨率为30 m。
2.2.3 坡长坡度因子
坡长L采用刘宝元等[19]针对中国地形提出的模型进行计算，坡度因子S则采用刘斌涛等[20-21]修正的西南山地区模型进行计算。模型方程如下：
式中：S为坡度因子，L为坡长因子，θ为坡度，λ为单位坡长，m为坡度指数。 2.2.4 土壤可蚀性因子
土壤可蚀性因子K采用EPIC模型[4，6]进行计算。模型方程如下：
式中：SAN表示砂粒含量，%;SIL表示粉粒含量，%;CLA表示黏粒含量，%;C表示有机质含量，%;SNI=1-SAN/100。
2.2.5 植被与水土保持因子
植被覆盖因子C的确定主要有模型计算[5，8-9]和经验赋值两种方法，而水土保持因子P值的确定则主要依靠经验赋值。在參考已有成果[15-16，22-24]的基础上结合区域实际完成P因子的赋值。C值的确定也采用参考赋值的方式实现[15-16，22]（见表1）。
2.3 斜率变化
斜率变化不仅能较准确地描述出流域1995～2018年土壤侵蚀模数的年际变化，还能对其发展趋势进行拟合[25-27]。模型方程如下：
式中：X为斜率，若X>0则栅格像元数值有增大的变化倾向，反之，若X<0则趋势相反;Ai为第i年的土壤侵蚀模数。
同时，研究采用F检验完成斜率变化的显著性检验[26-27]，表达式如下：
2.4 CA-Markov模型
元胞自动机（CA）是一种时间、空间和状态都为离散形式的网格动态模型，其能够对复杂系统的空间演变状况进行运算[28]。模型方程如下：
式中：S为元胞;f为转换函数;t与t+1为时间;n为元胞邻域。
Markov是一种通过对系统转移概率矩阵进行运算以实现其发展倾向的预测模型[29]。若系统存在马尔科夫性，则模型可表示为
式中：Sn为n个周期后的状态;S0为研初期状态;Pn为n个周期后的转移矩阵。
已有成果表明：CA-Markov模型不仅能实现复杂系统时空演变规律的分析，还能较准确完成其模拟预测[28-29]。
3 结果与分析
3.1 结构分布
按照SL 190-2008《土壤侵蚀分类分级标准》将不同年份的土壤侵蚀模数进行分级[16，21]，如表2所列。
通过分析表2可知：该地区微度和剧烈等级土壤侵蚀的比例分别占据流域的最大和最小两端，而其他强度侵蚀区的比例关系变化为轻度>极强烈>中度>强烈。研究以2018年为例，微度侵蚀在整个地区栅格占比达到36.69%为最大，而轻度、极强烈、中度、强烈的比例分别为31.37%、9.33%、8.76%和7.27%，呈现依次降低的变化形态，剧烈的比例仅有6.58%为最小。1995～2018年流域地区中度及以下等级侵蚀区的栅格累加比例达到全域的70%以上，表明该地区土壤侵蚀整体持续处于中等侵蚀水平。
3.2 空间分布
对流域地区土壤侵蚀空间分布规律进行分析，有助于了解其空间分布特征（见图1）。
根据图1分析可知：① 安宁河流域土壤侵蚀空间分布特征与张风琴和胡云华等[15-16]研究成果基本吻合，整体呈现西部相比东部侵蚀的强度更严重和分布的范围也更广。② 各等级侵蚀区在空间分布上也呈现出明显的差异性。③ 极强烈和剧烈侵蚀在整个流域的占比约15%，主要集中分布于冕宁县西部和西昌市西部小部分高山区。结合土地利用类型和地形数据可知，这些区域土地景观以疏林地和旱地为主、地貌类型则主要为高山和极高山、区域地势陡峭、地形起伏差异明显、坡长和坡度的数值也相对较大，在这些因素共同的作用下，其土壤侵蚀的程度相对严重。④ 中度和强烈侵蚀区也约占整个流域的15%，大部分主要集中于河谷平原两侧的中高山地区，其土地利用方式以灌木林地、疏林地和耕地为主，区域植被覆盖率整体相对较高、生态系统相对复杂，是流域土壤侵蚀的重点缓冲区域保护地带。⑤ 微度和轻度侵蚀区在整个流域的比例最大，约占据全域的70%，在整个地区的分布范围最广，大部分主要集中于河谷平原及周边的中低山区，其是整个流域人类活动和社会经济发展核心地带，地势相对平坦且地形起伏差异不明显。
3.3 时空演变特征
3.3.1 转移矩阵
引入转移矩阵1995～2018年土壤侵蚀的演变状况进行分析，如表3～5所列。
1995～2005年转移变化情况结合表3分析可知：① 各等级侵蚀相互转换关系较明显;② 非同级转换中，除剧烈整体表现为向更低等级转换外，其他5个类别整体均为低等级向高等级转换。
同时，2005～2018年流域各等级侵蚀区间相互转换关系结合表4分析可知：① 各等级侵蚀区也存在明显的相互转换关系;② 与前一阶段相似，同级转换关系仍最明显;③ 非同级转换中，仅微度侵蚀整体表现为向更高级转换，其他类别整体均向更低等级转换。
此外，就整个时期分析变化情况结合表5分析可知：① 23 a内，流域地区各等级间相互转换关系均相对显著;② 整个时段内，微度、轻度和剧烈未发生改变的比例为83.58%、81.09%和68.73%，均具有较高的稳定性;③ 除微度外，各类别高等级向低等级转换的比例分别为11.39%、29.3%、29.44%、26.50%和31.27%，均占据非同级转换的绝大部分，这说明在近20 a内流域土壤侵蚀整体得到有效的治理和保护，整体向良好的方向发展。
3.3.2 年际变化分析
研究利用斜率变化及显著性检验公式（6）和（7）对流域地区1995～2018年土壤侵蚀年际变化状况进行计算（见图2）。
结合图2分析可知：近20 a内，该地区有41.11%的栅格像元斜率数值为小于零的状态，表明这些地区土壤侵蚀模数值有降低的变化趋势。
显著性检验结果分析如图2所示：① 整个研究阶段内有5.26%的栅格像元检验结果（X<0，P≤0.05），反映出侵蚀模数有明显降低的变化状态，侵蚀的强度得到有效的控制，它们主要分布于冕宁县中部、西昌市和德昌县西部边界以及米易县西部和东部边界处。结合区域土地利用类型遥感解译成果分析可知，随着“天然林保护”和“退耕还林”等环保措施的实施，这些区域土地利用类型从1995年的耕地、中覆盖度草地和裸土地等转变为2018年的有林地和疏林地，植被覆盖类型的转变和覆盖度的提高，有效地改善了区域水土流失的状况。② 整个研究时段内，有94.35%流域地区侵蚀强度未发生明显改变。③ 同样，仅有0.39%的区域检验结果（X>0，P>0.05），侵蚀模数明显增大，它们主要分布于河流水系两侧，区域土壤侵蚀模数的加重可能与大量修建水电工程有关。④ 斜率变化和显著性检验表明，近20 a内流域大部分地区侵蚀程度未发生变化且趋于好转，客观上说明其侵蚀整体发展良好。 3.4 预测结果
研究以IDRISI17.0软件为工具，利用CA-Markov模型对流域2015年土壤侵蚀进行模拟预测，并完成2015年模拟预测结果的kappa精度检验（见图3）。
通过流域地区土壤侵蚀预测结果可知：① 2015年流域地区土壤侵蚀真实与模拟数据的kappa系数值为0.734 2，表明模拟预测结果整体具有较高的准确性，利用CA-Markov模型對流域地区土壤侵蚀进行模拟预测是可行的。② 预测结果显示2015年，微度、轻度、中度、强烈、极强烈和剧烈的栅格比例分别为42.09%、29.30%、9.33%、7.42%、7.76%及3.12%，与真实结果基本吻合。③ 流域2021年土壤侵蚀预测结果显示，各等级比例为微度36.80%，轻度30.21%，中度9.27%，强烈8.10%，极强烈9.44%以及剧烈6.17%。从各等级比例分布可以看出，中度及其以下程度侵蚀区的比例均在增长，而强烈及其以上的比例均在下降，客观地反映出流域地区土壤侵蚀状况在未来整体将呈现良好的发展倾向。
4 结 论
本文以RUSLE模型为基础，对安宁河流域1995～2018年土壤侵蚀的时空演变及发展规律进行分析，主要结论如下：
（1） 斜率变化模型能较好地表征出区域土壤侵蚀的时空变化规律;CA-Markov模型适用于区域土壤侵蚀发展的模拟预测，且预测的精度也相对较高;以上两种方法可作为区域土壤侵蚀变化及发展规律探索分析的重要技术手段。
（2） 从空间角度分析来看，流域各等级侵蚀区在空间和结构分布上均呈现出明显差异性。
（3） 从时空相结合的角度分析来看，整个研究期内，各等级侵蚀区的栅格比例均发生较明显的变化，微度、强烈和中度的栅格比例均呈现不同程度的增长，而其他3个等级的比例则呈现不同层次的下降;23 a内，各等级间相互转换关系相对显著;显著斜率变化和预测研究表明，流域地区不仅在1995～2018年内，土壤侵蚀状况整体得到有效治理，在未来几年内其发展状况将继续好转。
研究较好地弥补了已有成果未能实现的对该地区土壤侵蚀长时间序列时空演变及未来发展规律的探索分析。虽然侵蚀空间分布状况与前人成果对比验证基本一致，间接表明研究具有一定准确性，但RUSLE方程为经验模型，不同的参数设置也会造成计算结果的差异，如何更科学有效地实现各因子的准确获取是今后研究的重点。
参考文献：
[1] 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）：155-163.
[2] 何莎莎，叶露培，朱文博，等.太行山淇河流域2000～2015年土壤侵蚀和水源供给变化研究[J].地理研究，2018，37（9）：107-120.
[3] 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）：24-32.
[4] 张养安，张鑫，江仕嵘.基于GIS与RS的杨凌区土壤侵蚀时空变异性研究[J].水土保持学报，2018，32（6）：132-135.
[5] 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.
[6] 马力，卜兆宏，梁文广，等.基于USLE原理和3S技术的水土流失定量监测方法及其应用研究[J].土壤学报，2019（3）：602-614.
[7] 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.
[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）：48-61.
[9] 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.
[10] 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（4）：13-24.
[11] 刘宝元，史培军.WEPP水蚀预报流域模型[J].水土保持通报，1998（5）：7-13.
[12] 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.
[13] 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.
[14] 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.
[15] 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.
[16] 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.
[17] 四川省人民政府.四川水土流失综合治理蓝图绘就[DB/OL].[2017-01-10]http：∥www.sc.gov.cn/10462/10464/11716/11718/2017/1/10/10410447.shtml.
[18] 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. [19] 劉宝元，毕小刚.北京土壤流失方程[M].北京：科学出版社，2010.
[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，2010（8）：49-51.
[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.
[22] 邓辉，何政伟，陈晔，等.基于GIS和RUSLE模型的山地环境水土流失空间特征定量分析：以四川泸定县为例[J].地球与环境，2013，41（6）：669-679.
[23] 唐寅，代数，蒋光毅，等.重庆市坡耕地植被覆盖与管理因子C值计算与分析[J].水土保持学报，2010，24（6）：53-59.
[24] 彭建，李丹丹，张玉清.基于GIS和RUSLE的滇西北山区土壤侵蚀空间特征分析：以云南省丽江县为例[J].山地学报，2007（5）：548-556.
[25] 马骏，李昌晓，魏虹，等.三峡库区生态脆弱性评价[J].生态学报，2015，35（21）：7117-7129.
[26] 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）：104-111.
[27] 薛联青，王晶，魏光辉.基于PSR模型的塔里木河流域生态脆弱性评价[J].河海大学学报（自然科学版），2019，47（1）：13-19.
[28] 任金铜，莫世江，陈群利，等.草海湿地区域土地利用/覆被变化与预测研究[J].信阳师范学院学报（自然科学版），2017，30（3）：385-392.
[29] LI X W，DONG Y Y，ZHAO L，et al.Study on NDVI changes in Weihe Watershed based on CA-Markov model[J].Geological Journal，2018（53）：435-441.
（编辑：谢玲娴）
引用本文：
姚昆，张存杰，李玉珍，等.
四川省安宁河流域土壤侵蚀时空演变及预测分析
[J].人民长江，2021，52（7）：65-70.
Spatial-temporal evolution and prediction of soil erosion in Anning
River Basin， Sichuan Province
YAO Kun1，ZHANG Cunjie2，LI Yuzhen3，HE Lei4，LI Xiaoju5
（1.College of Resource and Environment，Xichang University，Xichang 615000，China; 2.National Climate Center，Beijing 100081，China; 3.Chengdu Software Industry Development Center，Chengdu 610041，China; 4.School of Software Engineering，Chengdu University of Information Technology，Chengdu 610225，China; 5.Engineering College，University Putra Malaysia，Kuala Lumpur 43400，Malaysia）
Abstract：
In order to understand the changes in soil erosion and future development of the Anning River Basin，we completed the calculation and grading of the soil erosion modulus of the region from 1995 to 2018 by the revised soil erosion equation，and the temporal and spatial evolution and development of soil erosion in the region were analyzed by using transfer matrix，slope change and CA-Markov model.The results show that：（1） the proportion of grids in each erosion level from high to low were micro，slight，mild，strong，very strong and severe.The accumulative proportion of grids of below slight levels had reached more than 70% of the whole area，and the overall soil erosion of the basin was at a medium level.（2）The overall soil erosion of the basin presented a relatively severe distribution change in the west and south.（3） During the 23 years，the micro，slight and severe levels of erosion were stable，83.58%，81.09% and 68.73% of areas were not changed respectively.Only the micro level was converted to a higher level，and the other levels were all converted to lower levels.（4） Slope change and significance test showed that 94.35% of the soil erosion in the whole area did not change significantly，and only 0.39% of the area was significantly worse.（6） Prediction results and accuracy tests showed that the CA-Markov model was suitable for the prediction of regional soil erosion development.In 2021，the overall soil erosion in the watershed showed a good development trend.The study can be used as a reference for comprehensive management of regional soil erosion.
Key words：
soil erosion;modified soil erosion equation;CA-Markov model;spatial-temporal evolution;Anning River Basin