溫莉 周廷剛 劉曉璐 吳浪

摘要 [目的]研究更簡便、更精確的模型計算重慶市的水土流失量。[方法]以RS、GIS、eCognition、SPSS等軟件為平臺，將基于RUSLE模型計算得到的2002年重慶市各區(qū)、縣的年水土流失量數據與官方公布數據進行回歸分析，建立重慶市土壤侵蝕模型。[結果]基于RUSLE模型計算得到的2002年重慶市各區(qū)、縣的年水土流失量數據相對于官方公布數據，平均精度達72.38%，在多緩坡的區(qū)、縣精度較高，在多陡坡的區(qū)、縣精度較低。由建立的重慶市土壤侵蝕模型計算得到的2002年重慶市10個區(qū)、縣的年水土流失量數據相對于官方公布數據，模擬精度達85.73%，較好地改善了RUSLE模型在陡坡地區(qū)精度較差的不足。重慶市土壤侵蝕模型相對于RUSLE模型，在重慶市10個驗證數據的水土流失量計算中，計算結果的平均精度提高了10.6%。[結論] 重慶市土壤侵蝕模型相對于RUSLE模型在重慶市水土流失量的計算中具有更好的實用性，可為重慶市水土流失量的計算提供參考。

關鍵詞 模型；RS；GIS；；RUSLE； 水土流失；重慶市

中圖分類號 S157 文獻標識碼 A 文章編號 0517-6611（2018）27-0130-04

The Study of Soil Erosion Models in Chongqing Based on RS and GIS

WEN Li1，ZHOU Tinggang1，2，LIU Xiaolu1 et al

（1.School of Geographical Sciences，Southwest University，Chongqing 400715；2.Chongqing Engineering Research Center for Remote Sensing Big Data Application，Chongqing 400715）

Abstract [Objective] To explore a simple and more accurate model to calculate the amount of soil and water loss in Chongqing.[Method] Based on the RUSLE model，this paper took advantage of RS，GIS，eCognition，SPSS and other software.First of all，six factors that affect soil and water loss were calculated and the distribution of soil and water loss of Chongqing in 2002 was obtained by applying the overlay analysis function of GIS.Then，calculating the amount of soil and water loss in various districts and counties of Chongqing in 2002 and making regression analysis with official published data，finally established the model of soil erosion in Chongqing.[Result]With the standard of official data ，the average accuracy of soil and water loss in districts and counties of Chongqing in 2002 which was calculated based on the RUSLE model reached to 72.38%.The accuracy was more accurate in districts which had more gentle slopes，and was poorer in steep districts.With the standard of official data，the simulation accuracy of soil and water loss in districts and counties of Chongqing in 2002 which was calculated based on the established model of soil erosion in Chongqing，reached to 85.73%.The established model of soil erosion in Chongqing improved the deficiencies of RUSLE model in steep lands.Compared with the RUSLE model，the established soil erosion model in Chongqing showed that the average accuracy of calculated results was improved by 10.6% in calculation the amount of soil and water loss in 10 validated data in Chongqing.[Conclusion] Compared with the RUSLE model，the model of soil erosion in Chongqing improves the calculation precision in the areas which have large gradient，and has better practicability in the calculation of soil and water loss in Chongqing.

Key words Model；RS；GIS；RUSLE；Soil and water loss；Chongqing

基金項目 國務院三峽辦三峽后續(xù)工作庫區(qū)生態(tài)與生物多樣性保護專項“重慶庫區(qū)重要支流（涪陵—巫山段）水生生境狀況調查與評估”（500000201BB5200002）。

作者簡介 溫莉（1993—），女，四川瀘州人，碩士研究生，研究方向：遙感與地理信息系統(tǒng)應用。*通訊作者，教授，博士，從事遙感與地理信息系統(tǒng)應用研究。

收稿日期 2018-05-21

水土流失是我國面臨的三大生態(tài)環(huán)境問題之一[1]。全國水土流失面積占國土面積的50.49%[2]。水土流失會造成土壤肥力下降，大量的徑流泥沙會導致水庫淤積、河道阻塞等問題[3]。我國地域廣闊，自然和經濟社會條件復雜，水土流失分布廣、面積大、類型多，區(qū)域水土流失的監(jiān)測和治理存在較大差異[4]。針對不同區(qū)域的自然和經濟社會狀況，提出適應于當地的土壤流失預測模型，是提高土壤流失預測預報精度的關鍵，也是防治水土流失的前提。

RUSLE土壤流失模型是一個通用的經驗模型，適用于緩坡耕地土壤流失量的計算。對于我國大部分地區(qū)，用RUSLE模型計算土壤流失量仍有較大誤差。因此，國內學者以通用土壤方程為基礎，建立了適合于當地的土壤侵蝕預測模型。張憲奎等[5]以RUSLE土壤流失模型為基礎，通過對7年大量試驗數據的統(tǒng)計分析，對模型中各因子的求算方法和數值進行全面的修改，得到了適用于黑龍江省的土壤流失方程。劉斌濤等[6]針對蘆山地震災區(qū)的特殊情況，建立了蘆山地震災區(qū)土壤流失模型（LSSLE）。林素蘭等[7]以USLE土壤流失模型為基礎，通過11年的徑流小區(qū)試驗，得到了遼北低山丘陵區(qū)坡耕地的土壤侵蝕方程，為該地區(qū)坡耕地治理提供了科學依據。筆者以重慶市作為研究區(qū)，以RUSLE土壤流失模型為基礎，計算2002年重慶市各區(qū)、縣的水土流失量，將基于RUSLE模型計算得到的2002年重慶市各區(qū)、縣的年水土流失量與官方公布數據進行回歸分析與驗證，建立重慶市土壤侵蝕模型。該模型的建立，可以及時有效地預測、分析重慶市水土流失現狀，為開展水土流失治理工作和政府及有關部門的決策提供科學依據。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況 重慶市位于我國西南部，長江上游地區(qū)，位于105°11′～110°11′E、28°10′～32°13′N，是青藏高原與長江中下游平原的過渡地帶，幅員面積8.24萬km2。地貌以丘陵、山地為主，坡地面積較大，有“山城”之稱。重慶年平均氣溫16～18 ℃，年平均降水量較豐富，大部分地區(qū)在1 000～1 350 mm，降水集中在5—9月，占全年總降水量的70%左右。土壤以水稻土和紫色土為主。易發(fā)生水土流失的自然條件，加之不合理的土地利用，使重慶市的水土流失十分嚴重。

1.2 研究方法

1.2.1 數據來源。

重慶市及其周邊鄰省共35個站點的1992—2002年日降水量數據來源于中國氣象數據共享網（http：//data.cma.cn/）；遙感影像來源于https：//glovis.usgs.gov/；DEM數據來源于http：//www.gscloud.cn/，選用的是GDEMV2 30 m空間分辨率的產品；土壤數據來源于中國科學院南京土壤研究所；重慶市水土流失數據來源于重慶市水利局。

1.2.2 降雨侵蝕力因子。

降雨侵蝕力（R）為單位降雨作用地表使其產生水土流的能量[8]，是降雨引起土壤侵蝕的潛在能力，它從定量的角度評價了降雨對土壤顆粒分離和搬運的作用，是通用土壤流失方程（USLE）及其修正模型（RUSLE）中六大基本因子之一[9]。RUSLE模型中計算降雨侵蝕力的經典算法所需要的數據很難獲取且計算復雜，因此該研究采用盧喜平等[10]提出的重慶地區(qū)降雨侵蝕力計算模型求解R值，采用的數據是1992—2002年的降水數據。

R=5.249×F1.205

F= 12 i=1 pi p ×pi （1）

式中，R為年降雨侵蝕力，（MJ ·mm）/（hm2·h·a）；p為年平均降雨量，mm；pi為各月平均降雨量，mm。

1.2.3 植被覆蓋度因子。植被覆蓋度因子（C）指在相同的土壤、坡度和降雨條件下，有特定植被覆蓋或田間管理土地上的土壤流失量與實施清耕、無覆蓋裸露休閑地上的土壤流失量之比，其值在0～1，無量綱[11]。以2002年的TM影像計算NDVI，計算公式：

NDVI=（ρNIR+ρRED）/（ρNIR+ρRED） （2）

式中，NDVI為歸一化植被指數；ρNIR為近紅外波段；ρRED為可見光紅光波段。

在NDVI的基礎上，應用公式（3）直接計算植被覆蓋度因子。在大尺度區(qū)域利用遙感植被指數（NDVI）計算 C 值是最有效、最實用的方法[12]，其計算公式：

C=exp -2× NDVI 1-NDVI （3）

1.2.4 坡度坡長因子。

坡度坡長因子（SL因子）用來衡量地形對土壤侵蝕的影響?；跂鸥竦臄底指叱棠Ｐ停―EM）可以實現基于像元的坡度和坡長因子的計算。首先基于DEM生成重慶市坡度圖，然后采用卜兆宏等[13]根據實測數據得出了適用于我國S因子的計算方法，其計算公式：

S=0.621 1×203.1576×sinθ （4）

式中，S為坡度因子，無綱量；θ是坡度，單位是弧度。

基于DEM數據，根據Wischmeier等[14]在RUSLE模型中的坡長因子（L）計算方法[10]，其計算公式：

L=（λ/22.13）α （5）

α=β/（β+1） （6）

β=（sinθ/0.0896）/[3×（sinθ）0.8+0.56] （7）

λ=D/cosθ

式中，L為坡長因子；λ為水平坡長；α為坡長指數；β代表細溝侵蝕與細溝間侵蝕的比率；θ是坡度，D為像元尺度坡長。

1.2.5 土壤可蝕性因子。

土壤可蝕性因子是通用土壤流失方程系列模型（USLE、RUSLE、CSLE）中一個必要參數，常用K表示[15]。以重慶市土壤分布圖為底圖，根據重慶市水土保持局官方公布的重慶市土類土壤可蝕性因子K值對底圖進行賦值。其賦值見表1。

1.2.6 水土保持因子。

水土保持因子（P）指采取一定措施后土壤流失量與順坡種植時土壤流失量的比值[16]。對于因子P的計算目前尚無定量公式，一般選取經驗值，P取0～1，0代表基本上不發(fā)生侵蝕的地區(qū)；1代表未采取任何控制措施的地區(qū)[17]。

將2002年的Landsat-5 TM影像進行預處理和監(jiān)督分類，并將重慶市土地利用類型分為林地、草地、耕地、工礦和建筑用地、裸地、水體6類，得到土地利用類型圖。參考美國農業(yè)部手冊703號和重慶市水土保持局官方公布的重慶水土保持因子P值及其相關文獻對重慶市2002年土地利用類型圖的各土地利用類型進行賦值。其賦值：林地1.00，草地1.00，耕地 0.03，工礦和建筑用地 0，水體 0，裸地 1.00。

1.2.7 重慶市年土壤侵蝕量（A）的估算。

年土壤侵蝕量A的估算采用RUSLE模型，其計算公式

A=224.2×R×K×S×L×C×P （8）

式中，A為年平均土壤流失量，t/（km2 ·a）。

1.2.8 重慶市土壤侵蝕模型的建立。

把基于RUSLE模型得到的2002年重慶市38個區(qū)、縣的年土壤侵蝕總量數據分為試驗數據和驗證數據。選取28個數據為試驗數據，以官方數據（官方數據來自重慶市水利局公布的水土保持公報）建立擬合模型，選取10個數據為驗證數據，并通過驗證數據對其進行精度評價。建立的重慶市土壤侵蝕模型：

A=λ×224.2×R×K×S×L×C×P+φ （9）

式中，λ、φ為模型參數。

安徽農業(yè)科學 2018年

2 結果與分析

2.1 基于RUSLE模型的土壤侵蝕總量數據與官方數據的對比

為了檢驗該研究計算方法的可靠性和探究RUSLE模型的不足，將基于RUSLE模型的土壤侵蝕總量數據與官方數據進行對比（官方數據中各因子的計算方法與該研究的計算方法不一致），結果表明，官方數據與基于RUSLE模型的土壤侵蝕總量數據的一致性較高，二者一致性變化為45.54%～89.84%，平均精度達72.38%。表明該研究計算水土流失各影響因子的方法可靠，計算結果精度較高，可以在重慶市使用。土壤侵蝕總量在多緩坡的區(qū)、縣誤差較小，誤差較大的主要出現在奉節(jié)縣、城口縣、云陽縣、開州區(qū)、南川區(qū)、江津區(qū)等地勢崎嶇的區(qū)、縣，主要原因是RUSLE模型適合緩坡耕地水土流失量的計算，對于坡度較大的地區(qū)，計算結果精度較差。

2.2 重慶市土壤侵蝕模型的建立

重慶市多山地丘陵，地勢崎嶇，RUSLE模型不完全適合重慶市水土流失量的計算。為了改善RUSLE模型在陡坡地區(qū)計算精度的不足，減小數據的計算誤差，把基于RUSLE模型得到的沙坪壩區(qū)、九龍坡區(qū)、酉陽縣、奉節(jié)縣、合川區(qū)、江津區(qū)、長壽區(qū)、云陽縣、巫山縣、江北區(qū)的年土壤侵蝕總量數據作為驗證數據，其他28個區(qū)、縣的年土壤侵蝕總量數據作為試驗數據，建立重慶市土壤侵蝕模型。將試驗數據與重慶市水利局2002年水土保持公報的官方數據進行回歸分析，判定系數R2為0.752，擬合度較高，不被解釋的變量較少?；貧w方程顯著性檢驗的概率 為0，小于顯著性水平0.05，則認為系數不同時為0時，被解

釋變量與解釋變量全體的線性關系顯著，可建立線性方程。線性回歸模型的模型參數λ=0.826，φ=9.211，擬合線性方程為Y=0.826X+9.211（圖1）。由此可得到重慶市土壤侵蝕模型為A=0.826×224.2×R×K×S×L×C×P+9.211。

2.3 重慶市土壤侵蝕模型的驗證 由該研究得到的重慶市土壤侵蝕模型計算年土壤侵蝕量A的方法相對簡單，數據資料獲取相對便捷，但模型存在地域性，必須經過驗證，才可在

重慶市使用。將重慶市官方數據分別與應用重慶市土壤侵蝕模型計算得到的沙坪壩區(qū)、九龍坡區(qū)、酉陽縣、奉節(jié)縣、合川區(qū)、江津 區(qū)、長壽區(qū)、云陽縣、巫山縣、江北區(qū)的年土壤侵蝕總量數據和基于RUSLE模型計算得到的以上10個區(qū)、縣的土壤侵蝕總量數據進行相關性分析，相關度分別為0.842和0.721，官方數據與基于重慶市土壤侵蝕模型的土壤侵蝕總量數據的相關性比官方數據與基于RUSLE模型的土壤侵蝕總量數據的相關性提高了0.121。對三者進行誤差分析，結果表明，官方數據與基于重慶市土壤侵蝕模型的土壤侵蝕總量數據一致性為65.25%～88.99%，平均精度達85.73%。官方數據與基于RUSLE模型的土壤侵蝕總量數據的一致性為50.51%～81.63%，平均精度為75.13%，平均精度提高了10.6%（圖2）。將官方數據與基于重慶市土壤侵蝕模型的土壤侵蝕總量數據進行線性擬合，決定性系數R2為0.870（圖3），官方數據與基于RUSLE模型的土壤侵蝕總量數據進行線性擬合，決定性系數R2為0.730（圖4），表明官方數據與基于重慶市土壤侵蝕模型的土壤侵蝕總量數據的擬合度較好，2組數據無顯著差異，基于重慶市土壤侵蝕模型的土壤侵蝕總量數據比基于RUSLE模型的土壤侵蝕總量數據更精確、可靠。

3 結論

該研究以RUSLE方程為基礎，采用更易獲取的數據和更簡單的方法來計算影響重慶市水土流失各因子。將基于RUSLE方程計算得到的2002年重慶市各區(qū)、縣的年水土流失量與官方公布數據進行回歸分析與驗證，建立重慶市土壤侵蝕模型，結果表明，基于RUSLE模型計算得到的2002年重慶市各區(qū)、縣的年水土流失量相對于官方公布數據，模擬精度達72.38%，數據一致性較好。但在奉節(jié)縣、城口縣、云陽縣、開州區(qū)、南川區(qū)、江津區(qū)等地勢較崎嶇的區(qū)、縣誤差較大。由建立的重慶市土壤侵蝕模型計算得到的2002年重慶市10個區(qū)、縣的年水土流失量數據相對于官方公布數據，平均精度達85.73%，與基于RUSLE模型的土壤侵蝕總量數據相比，平均精度提高了10.6%，減輕了地形對水土流失量的影

響，提高了陡坡地區(qū)水土流失量的計算精度。

參考文獻

[1]

王剛，張秋平，鄭海金，等.1987-2013年江西省水土流失趨勢及其社會經濟驅動力分析[J].生態(tài)科學，2017，36（3）：115-120.

[2] 錢登峰，莊曉暉，張博.高寒區(qū)凍融侵蝕類型及驅動力分析[J].中國水土保持，2014（6）：16-17.

[3] 田衛(wèi)堂，胡維銀，李軍，等.我國水土流失現狀和防治對策分析[J].水土保持研究，2008，15（4）：204-209.

[4] 王治國，張超，紀強，等.全國水土保持區(qū)劃及其應用[J].中國水土保持科學，2016，14（6）：101-106.

[5] 張憲奎，徐靖華，盧秀琴，等.黑龍江省土壤流失方程的研究[J].水土保持通報，1992，12（4）：1-9，18.

[6] 劉斌濤，宋春風，史展，等.蘆山地震災區(qū)土壤流失方程研究[J].長江科學院院報，2016，33（1）：15-19.

[7] 林素蘭，黃毅，聶振剛，等.遼北低山丘陵區(qū)坡耕地土壤流失方程的建立[J].土壤通報，1997，28（6）：251-253.

[8] ELTAIF N I，GHARAIBEH M A，ALZAITAWI F，et al.Approximation of rainfall erosivity factors in North Jordan[J].Pedosphere，2010，20（6）：711-717.

[9] 周琳，許武成，尹義星.近61年四川省降雨侵蝕力的時空變化趨勢[J].水土保持研究，2018，25（4）：8-14.

[10] 盧喜平. 紫色土丘陵區(qū)降雨侵蝕力模擬研究[D].重慶：西南大學，2006.

[11] 張巖，劉寶元，史培軍，等.黃土高原土壤侵蝕作物覆蓋因子計算[J].生態(tài)學報，2001，21（7）：1050-1056.

[12] 陳學兄.基于遙感與GIS的中國水土流失定量評價[D].楊凌：西北農林科技大學，2013：89.

[13]卜兆宏，唐萬龍，潘賢章.土壤流失量遙感監(jiān)測中GIS像元地形因子算法的研究[J].土壤學報，1994，31（3）：322-329.

[14] WISCHMEIER W H，SMITH D D.Predictingrainfall erosion losses：A guide to conservation planning[M]. Washington，DC：Science and Education Administration，United States Department of Agriculture， 1978.

[15] OSTOVARI Y.Modification of the USLE K factor for soil erodibility assessment on calcareous soils in Iran[J].Geomorphology，2016，273：385-395.

[16] PRASANNAKUMAR V，VIJITH H，ABINOD S，et al.Estimation of soil erosion risk within a small mountainous sub-watershed in Kerala，India，using Revised Universal Soil Loss Equation（RUSLE） and geo-information technology[J].Geoscience frontiers，2012，3（2）：209-215.

[17] 韓佳.基于RS與GIS的東川地區(qū)水土流失研究[D].北京：中國地質大學，2010：50.