尹作堂, 常 軍

(山東師范大學 地理與環(huán)境學院, 山東 濟南 250358)

土壤侵蝕是指土壤及土壤母質等成分在水、風力和凍融等外力作用下被破壞、運輸和沉積的過程,這是近年來糧食安全和生態(tài)安全的主要威脅[1,2]。因此,探索土壤侵蝕和驅動因素的時空特征,并采取有效措施保護土壤資源和修復生態(tài)環(huán)境至關重要[3,4]。當前,越來越多的研究開始關注土壤侵蝕的空間異質性和尺度效應,如考慮行政邊界變化對土壤侵蝕影響因素造成的不確定性,以便將研究結果應用于水土保持規(guī)劃與治理[1,3,5,6]。如Guo等[3]分析了城市尺度、縣級尺度與鄉(xiāng)鎮(zhèn)尺度上的京津冀地區(qū)土壤侵蝕空間分布特征與主要控制因素的變化情況;Liu等[6]分析了縣級尺度下,珠江三角洲水土保持與城市化水平、平均高程和歸一化植被指數(shù)(NDVI)地理加權回歸系數(shù)的空間分布。這些研究提出了更有針對性的水土保持治理與土地利用政策。

基于修正通用土壤流失方程(RUSLE)[7]進行土壤侵蝕分析是當前常用的研究方法之一。在中國,RUSLE模型已在青藏高原[8,9]、黃土高原[10-13]、喀斯特地貌[14,15]和其他地區(qū)[16-18]得到了廣泛應用,并取得了良好的評估效果。地理探測器是探測地理現(xiàn)象空間分異性,揭示地理現(xiàn)象與因變量關系的一種空間統(tǒng)計學方法[19],因其能夠量化不同驅動因素及其交互作用對土壤侵蝕的實質性貢獻,在最近幾年被廣泛應用于土壤侵蝕驅動因素的研究[3-5,15,20]。但相關學者在使用地理探測器進行土壤侵蝕驅動因素分析時,主要依靠王勁峰等[19]提出的方法及先驗經(jīng)驗進行人為設定,忽視了數(shù)據(jù)離散化方法與分類數(shù)可能會對探測結果造成的影響[21,22],故本研究選用參數(shù)最優(yōu)地理探測器(optimal parameters-based geographical detector, OPGD)[22]對數(shù)據(jù)離散方法與間斷數(shù)量進行最優(yōu)化設置,以提高地理探測精度。

作為土壤侵蝕最嚴重的區(qū)域之一,1990—2015年黃河年均土壤流失量2.0×109t[23],造成土地資源退化、土壤養(yǎng)分流失、河道淤積,給黃河流域的生態(tài)保護和高質量發(fā)展造成巨大阻力。近年來,大量學者對黃河流域及相關地區(qū)開展了土壤侵蝕及其驅動因素分析[4,23-25],但關于黃河流域土壤侵蝕驅動因素的空間分布還有待深入研究。鑒于此,本文基于RUSLE模型與熱點分析,探討2000年、2010年和2020年黃河流域及縣域尺度下的土壤侵蝕狀況,并基于參數(shù)最優(yōu)地理探測器評估黃河流域與縣域尺度下的土壤侵蝕驅動因素的解釋力,分析縣域尺度下土壤侵蝕驅動因素的時空分布,以期為黃河流域水土保持及高質量發(fā)展提供有效建議。

1 研究區(qū)概況、方法及數(shù)據(jù)

1.1 研究區(qū)

黃河流域地處95°02′ E ～ 119°43′ E,31°28′N～ 41°33′ N之間,整體地勢西高東低,流域內(nèi)海拔高差達6 200 m,地形起伏差異明顯,自西向東形成橫跨青藏高原、河套平原、鄂爾多斯高原、黃土高原和黃淮海平原的三級階梯(圖1)。區(qū)域內(nèi)氣候差異明顯,季節(jié)差異大,且降水時空分布不均,夏季降水量約占總降水量的70%,氣溫日較差和年較差較大;土壤包括高山土、干旱土、半淋溶土等多種類型,自然植被包括高寒草甸、草原、落葉林等。流域內(nèi)地理特征復雜,土壤侵蝕以水力侵蝕營力為主,同時存在風力、凍融和重力等侵蝕營力[26]。近年來,黃河流域因水資源短缺、生態(tài)脆弱和水沙關系不協(xié)調等問題受到廣泛關注。

圖1 研究區(qū)概況圖Fig.1 Overview map of the study area 注:此圖基于國家自然資源部標準地圖服務網(wǎng)站審圖號 為GS2020(4619)的標準地圖制作,底圖無修改。

1.2 研究方法

1.2.1修正通用土壤流失方程

修正通用土壤流失方程(RUSLE)為:

A=R·K·LS·C·P

(1)

式中:A為年土壤侵蝕模數(shù)(t/(hm2·a));R為降雨侵蝕力((MJ·mm)/(hm2·h·a));K為土壤可蝕性因子((t·h)/(MJ·mm));LS為坡度因子S與坡長因子L(無量綱);C為地表植被覆蓋管理因子(無量綱);P為水土保持措施因子(無量綱)。

其中,基于章文波等[27]提出的日雨量估算侵蝕力方法,計算流域各氣象站點年降雨侵蝕力,通過Kriging空間插值處理,得到2000年、2010年和2020年黃河流域降雨侵蝕力因子;基于泛第三極(20國)土壤可蝕性因子(K)數(shù)據(jù)集[28],并在陳同德[26]、李天宏[29]、張科利[30,31]等人研究基礎上做出修正,K因子取值范圍為0.017 2～0.086 9 (t·h)/(MJ·mm);基于泛第三極(20國)坡度坡長因子(LS)數(shù)據(jù)集[32]提取黃河流域LS因子數(shù)據(jù)集,LS因子取值范圍為0～75.59;C因子以蔡崇法等[33]提出的基于植被覆蓋度的C因子估算方法進行估算;基于RS與GIS提取法,參考文獻[4]、[23]、[34]并結合研究區(qū)實際情況,根據(jù)土地利用類型(LUCC)數(shù)據(jù)與坡度數(shù)據(jù)對P因子進行賦值(表1)。

表1 不同土地利用類型的P值Tab.1 P values of different land use types

1.2.2熱點分析

熱點分析是一種空間自相關方法,可用于識別土壤侵蝕在空間上的高值(熱點)與低值(冷點)的聚類情況[35]?；贏rcGIS Pro熱點分析(Getis-OrdGi*)工具,統(tǒng)計識別具有統(tǒng)計顯著性的土壤侵蝕熱點與冷點,計算公式為:

(2)

(3)

式中:Gi*為空間關聯(lián)指數(shù);E(Gi*)為Gi*(d)的期望值;Var(Gi*)為變異系數(shù);Wij(d)為空間權重矩陣;Xj為第j級土壤侵蝕強度等級的面積;n為土壤侵蝕強度等級數(shù);Z(Gi*)為Gi*的標準化Z值。標準化Z值為正且值大,表示土壤侵蝕高值的空間聚類(熱點),Z值為負且值小,則表示土壤侵蝕低值的空間聚類(冷點)。

1.2.3參數(shù)最優(yōu)地理探測器(OPGD)

地理探測器是探測驅動因素的一種統(tǒng)計學方法,包括分異及因子探測、交互作用探測、風險區(qū)探測與生態(tài)探測[19]。本研究使用參數(shù)最優(yōu)地理探測器R語言程序包GD[22]來分析單個因子與因子交互作用對土壤侵蝕的解釋力,其中探測結果q值表征解釋力的大小。具體設置如下:以土壤侵蝕模數(shù)作為因變量,以LUCC(X1)、地貌類型(X2)、土壤類型(X3)、年平均降雨量(X4)、坡度(X5)、海拔(X6)、植被覆蓋度(X7)、人口密度(X8)為驅動因素,選用五種連續(xù)變量離散化算法(自然斷點法、標準差法、分位數(shù)法、等間隔法和幾何間隔法),間斷數(shù)量設置為3～8類,進行土壤侵蝕驅動因素分析。

1.3 數(shù)據(jù)來源

主要數(shù)據(jù)來源:①黃河流域矢量面數(shù)據(jù)、地貌類型數(shù)據(jù)(1 km×1 km)、土壤類型數(shù)據(jù)(1 km×1 km)和土地利用類型數(shù)據(jù)(1 km×1 km)來源于中國科學院資源環(huán)境科學與數(shù)據(jù)中心(https://www.resdc.cn/);②ASTER GDEM 數(shù)據(jù)(30 m×30 m)來源于中國科學院地理空間數(shù)據(jù)云平臺(http://www.gscloud.cn/);③日降雨資料(站點數(shù):113)來源于中國氣象數(shù)據(jù)網(wǎng)(https://data.cma.cn/);④NDVI數(shù)據(jù)(250 m×250 m)是在美國國家航空航天局提供的MOD13Q1數(shù)據(jù)產(chǎn)品基礎上,采用最大值合成法生成;⑤人口密度數(shù)據(jù)(1 km×1 km)來源于WorldPop project官方網(wǎng)站(https://www.worldpop.org/)。其中柵格數(shù)據(jù)在經(jīng)過精度分析、糾偏等處理后,重采樣為1 km分辨率。

2 結果分析

2.1 土壤侵蝕特征分析

依據(jù)水利部頒布的《土壤侵蝕分類分級標準》(SL 190—2007)[36],將土壤侵蝕強度分為微度(0 ～1 000 t/(hm2·a))、輕度(1 000 ～ 2 500 t/(hm2·a))、中度(2 500 ～ 5 000 t/(hm2·a))、強烈(5 000 ～ 8 000 t/(hm2·a))、極強烈(8 000 ～ 15 000 t/(hm2·a))和劇烈(> 15 000 t/(hm2·a))六個級別。圖2中(a)～(c)分別2000年、2010年和2020年黃河流域以柵格像元為單元劃分的土壤侵蝕強度圖,圖2中(d)～(f)分別為2000年、2010年和2020年黃河流域以縣域為單元劃分的土壤侵蝕強度圖。

圖2 土壤侵蝕強度圖Fig.2 Map of soil erosion intensity 注:此圖基于國家自然資源部標準地圖服務網(wǎng)站審圖號為GS2020(4619)的標準地圖制作,底圖無修改。

2000—2020年,黃河流域土壤侵蝕狀況總體呈現(xiàn)好轉趨勢,土壤侵蝕強度減弱區(qū)域約1.9×105km2,占流域總面積的24%,土壤侵蝕強度增強區(qū)域約6.5×104km2,占流域總面積的8%。2000年、2010年和2020年,黃河流域平均土壤侵蝕模數(shù)分別為1 994、1 860和1 384 t/(km2·a),水土流失面積分別為2.80×105、2.62×105和2.14×105km2。侵蝕強度較高的區(qū)域集中于黃土高原地區(qū),并且呈現(xiàn)東北—西南的條帶狀走向。但在此期間,河套平原北部的陰山山脈地區(qū),土壤侵蝕強度具有顯著的增強趨勢。

由圖2(d)～(f)可知,縣域尺度下不同區(qū)縣土壤侵蝕的空間差異性明顯。2000年,土壤侵蝕強度呈現(xiàn)極強烈的縣分別為陜西省子洲縣、子長縣、延川縣、清澗縣、延長縣,山西省石樓縣和甘肅省會寧縣,各縣平均土壤侵蝕模數(shù)分別為8 572、10 160、10 812、11 449、9 502、9 056和8 651 t/(hm2·a);2010年,土壤侵蝕強度呈現(xiàn)極強烈的縣為甘肅省白銀區(qū)、平川區(qū)、甘谷縣、環(huán)縣和慶城縣,各縣平均土壤侵蝕模數(shù)分別為8 907、8 622、9 104、9 873和8 045 t/(hm2·a);2020年,土壤侵蝕強度呈現(xiàn)極強烈的縣為寧夏回族自治區(qū)大武口區(qū)、惠農(nóng)區(qū)和內(nèi)蒙古自治區(qū)烏拉特后旗(流域內(nèi)部分區(qū)域),平均土壤侵蝕模數(shù)分別為14 575、8 329和13 288 t/(hm2·a)。縣域尺度下,土壤侵蝕熱點分析結果(圖3)與土壤侵蝕強度呈現(xiàn)相似的時空特征,侵蝕聚集于黃土高原地區(qū),寧夏回族自治區(qū)大武口區(qū)、惠農(nóng)區(qū)和內(nèi)蒙古自治區(qū)烏拉特后旗逐漸成為新的侵蝕聚集中心。

2.2 侵蝕驅動因素分析

土壤侵蝕受自然因素(降水、坡度、土壤類型等)和人類活動(LUCC、人口密度、植被覆蓋度)的共同影響,因此確定自然因素與人類活動對土壤侵蝕的解釋力對制定后續(xù)的水土保持措施尤為重要。黃河流域土壤侵蝕驅動因素地理探測結果如圖4所示。

總體來說,各因子對土壤侵蝕的解釋力均有限,其中植被覆蓋度因子對流域土壤侵蝕的解釋力最強(2000年q值最大,為0.160 5),海拔、土壤類型與年平均降雨次之,另外,兩個人為因素(LUCC和人口密度)的解釋力均很有限。因子交互作用對土壤侵蝕的解釋力略強于單一因子,但最多也僅在2000年坡度與植被覆蓋度交互作用時,解釋了約32%的土壤侵蝕。植被覆蓋度作為主要的控制因素,與其他因素交互作用時q值相對較大。在時間上,土壤侵蝕因子探測的結果總體呈減小趨勢,植被覆蓋度q值從0.160 5減小至0.125 5,人口密度q值從0.096 9減小至0.009 9,LUCC的q值從0.064 5減小至0.047 0。因子交互作用探測的結果變化趨勢相似,但植被覆蓋度與地貌類型交互時的q值呈增加趨勢,植被覆蓋度與LUCC交互時的q值呈先增加后減少的趨勢。驅動因素的變化趨勢表明,黃河流域土壤侵蝕狀況在好轉的同時,驅動機理變得更加復雜。

圖3 熱點分析結果圖Fig.3 Map of hot spot analysis result 注:此圖基于國家自然資源部標準地圖服務網(wǎng)站審圖號 為GS2020(4619)的標準地圖制作,底圖無修改。

在縣域尺度下,對各縣土壤侵蝕驅動因素因子探測q值求平均,結果如表2所示。在以縣域為單元劃分黃河流域進行土壤侵蝕驅動因素分析后,土壤侵蝕的驅動機理更加明顯,平均q值大大超過以流域為單元開展因子探測的q值,且LUCC這一人為因素成為第二重要的驅動因素。這表明在一定程度內(nèi),自然因素對土壤侵蝕的影響能力隨尺度減小而逐漸減小,而人為因素對土壤侵蝕的影響隨尺度減小而增大,人為因素在局部區(qū)域發(fā)揮了更大作用。這一發(fā)現(xiàn)與Guo等[3]、Li等[5]的結論相似。

圖4 黃河流域地理探測結果圖Fig.4 Map of geographical exploration results in the Yellow River Basin

表2 因子探測結果平均值

縣域尺度下,各縣土壤侵蝕驅動因素因子探測結果表明(圖5中,空值主要因地理探測結果中的sig大于0.05,無法通過顯著性檢驗造成),黃河流域各縣土壤侵蝕驅動因素的空間分異明顯,但總體上無明顯分布規(guī)律。在空間上,LUCC、地貌類型、土壤類型、降水、海拔和坡度在寧夏回族自治區(qū)北部部分區(qū)縣(平羅縣、賀蘭縣、西夏縣等)對土壤侵蝕的解釋力較強;地貌類型與海拔在內(nèi)蒙古自治區(qū)部分區(qū)縣(土默特右旗、土默特左旗、東河區(qū)和賽罕區(qū))與山西省部分區(qū)縣(離石區(qū)、中陽縣和汾陽市等)對土壤侵蝕的解釋力較強;人口密度在絕大多數(shù)區(qū)縣對土壤侵蝕的解釋力有限。此外,植被覆蓋度與其他因素相比,展現(xiàn)出不同的空間分布格局,其在山西省、陜西省和甘肅省對土壤侵蝕的解釋力較強,而這些區(qū)縣的土壤侵蝕強度減弱最為明顯,表明植被恢復能有效減少土壤侵蝕。

除植被覆蓋度外,其他因素的q值在時間上總體呈現(xiàn)減小趨勢,這與流域土壤侵蝕驅動因素的時間變化特征相似。為探究植被覆蓋度因子q值增強的原因,將植被覆蓋度因子探測結果與植被覆蓋度數(shù)據(jù)進行疊加分析,發(fā)現(xiàn)2000—2020年,黃河流域植被覆蓋度從49%上升至59%,而植被覆蓋度因子在植被覆蓋度較高的區(qū)縣對土壤侵蝕的解釋力更強。又因在RUSLE模型中,當植被覆蓋度大于78.3%時C因子被賦值為0,說明當研究區(qū)植被覆蓋度高于特定值時,植被控制土壤侵蝕的益處趨于穩(wěn)定,這與Teng等[37]的研究結論相似。

圖5 各縣因子探測結果圖Fig.5 Map of factor detection results for each county 注:此圖基于國家自然資源部標準地圖服務網(wǎng)站審圖號為GS2020(4619)的標準地圖制作,底圖無修改。

為進一步探究新的侵蝕聚集中心形成的驅動因素,對寧夏回族自治區(qū)大武口區(qū)、惠農(nóng)區(qū)和內(nèi)蒙古自治區(qū)烏拉特后旗三個區(qū)域的因子探測結果進行分析。由表3可知,2020年,新的侵蝕熱點的形成主要受坡度、地貌類型和LUCC影響。分析LUCC、地貌與遙感影像數(shù)據(jù)可知,三個區(qū)域的LUCC類型均以草地為主,大武口區(qū)與惠農(nóng)區(qū)地處賀蘭山丘陵地區(qū),烏拉特后旗地處陰山山脈區(qū)域,均為土壤侵蝕易發(fā)區(qū),加之人類活動的影響,極易造成土壤侵蝕的發(fā)生。Li等[4]的研究發(fā)現(xiàn),黃河上游凈土壤侵蝕速率的空間格局主要由坡度控制,這也從一定程度上印證了所得結論。

表3 大武口區(qū)、惠農(nóng)區(qū)和烏拉特后旗因子探測結果Tab.3 Factor detection results of Dawukou, Huinong and Urad Rear Banner

3 討 論

由于不同學者采用的數(shù)據(jù)源不同,而且RUSLE模型的因子計算方法也不盡相同,因此,各文獻對黃河流域或相關區(qū)域土壤侵蝕模數(shù)的估算也存在較大差異。此外,考慮到黃河流域土壤侵蝕情況較為復雜,從水利部《中國河流泥沙公報》僅能獲知黃河部分水文站點的輸沙模數(shù),而在泥沙輸移比未知時無法估算侵蝕模數(shù),故對比了當前研究與其他研究來驗證本文結果的準確性(表4)。當前研究結果與其他研究結果具有較好的線性擬合(R2=0.96),但模型精度仍有待進一步提高。

表4 其他研究的土壤侵蝕模數(shù)Tab.4 Soil erosion modulus obtained from previous studies

綜上,黃河流域土壤侵蝕時空特征明顯,水土流失嚴重的區(qū)域主要位于黃土高原地區(qū),流域土壤侵蝕狀況有所好轉,但近年來陰山山脈與賀蘭山區(qū)的水土流失較為嚴重。各因子對黃河流域土壤侵蝕的解釋力均有限,植被覆蓋度始終是黃河流域土壤侵蝕的重要控制因素,該結論與周璐紅[44]、賈磊[45]等人的分析結果一致。黃河流域各縣土壤侵蝕驅動因素的空間分異明顯,但空間分布規(guī)律不顯著。

不同季節(jié)的土壤侵蝕及其主要控制因素不同,Li等[4]研究發(fā)現(xiàn),黃河上游6～8月土壤水蝕最為強烈,且NDVI在夏季對土壤侵蝕的解釋力更強,降水在春秋季節(jié)、河源地區(qū)對土壤侵蝕的解釋力更強。在后期研究中,還應探討不同季節(jié)、不同地貌特征(梯田等)下的黃河流域土壤侵蝕及驅動因素的時空變化,以期為黃河流域水土保持精細化管理提供幫助。

4 結 論

1) 2000年、2010年和2020年黃河流域平均土壤侵蝕模數(shù)分別為1 994、1 860和1 384 t/(km2·a),侵蝕熱點呈東北—西南走向,并呈帶狀集中于黃土高原地區(qū)。在坡度、地貌類型與LUCC的影響下,陰山西部與賀蘭山區(qū)逐漸成為新的侵蝕熱點區(qū)域。

2) 植被覆蓋度為黃河流域土壤侵蝕最重要的控制因素。在縣域尺度下,LUCC成為僅次于植被覆蓋度的影響因素,人為因素在局部區(qū)域發(fā)揮了更大作用。各縣土壤侵蝕驅動因素差異性特征明顯,但除植被覆蓋度在高植被覆蓋區(qū)域解釋力較強外,其他驅動因素無明顯空間分布特征。

3) 2000—2020年,黃河流域土壤侵蝕狀況好轉,但侵蝕驅動因素的解釋力呈現(xiàn)減弱趨勢,土壤侵蝕驅動機理更加復雜。