土壤流失模型(RUSLE)土壤流失评价

水土流失(water Loss and Soil Erosion)是当今世界面临的一个重大环境问题，是指在水力、重力、风力等外力的作用下，水土资源和土地生产力的破坏和损失，包括了土壤侵蚀 (Soil Erosion)及水的流失两个方面。水土流失是一个受多种因素驱动作用的自然过程，由降雨作为主要侵蚀动力的即为水力侵蚀，其作用多体现于具有一定坡度的山地、丘陵地区，以降水直接冲走表层土壤为主要表现形式。当表层土壤受侵蚀的程度超过一定的安全阈值时，就会形成或引发滑坡、泥石流等剧烈的土壤流失过程，降低区域土壤生产力，严重影响生态系统的平衡。由于这一过程表现出明显的斑块性和异质性，难以用定点实验进行追踪监测，故多以预测估算的方式对之进行研究。 9.4.1 RUSLE模型

RUSLE模型(The Revised Universal Soil Loss Equation)是美国农业部于1997年在通用土壤流失模型USLE(The universal Soil Loss Equation)的基础上修订建立并正式实施的一种适用范围更广的修正模型。自颁布之后即在美国得到了广泛的应用，目前美国各州都己有成功应用的案例。该模型也被世界各国的研究者借鉴，于20世纪90年代被引入中国。

RUSLE模型目前己在国内外的土壤侵蚀预测研究中得到了非常广泛的应用。其计算表达式为：

ARKLSCP (1)

遥感数据、土地利用类型图DEM数据降水数据土壤数据C、P因子L、S因子R因子K因子RUSLE模型划分侵蚀等级提出防治措施 图1 RUSLE模型的技术流程图

A为预测土壤侵蚀量(estimated average soil loss in tons per acre per year)，主要指由降雨和径流引起的坡面细沟或细沟间侵蚀的年均土壤流失量。

R 为降雨侵蚀力因子(rainfall-runoff erosivity factor) (MJ·mm·hm-2·h-1·a-1）,它反映降雨引起土壤流失的潜在能力。在USLE 中，它被定义为降雨动能和最大 30 分钟降雨强度的乘积。

K为土壤可蚀性因子(soil erodibility factor) (t·hm2·h·MJ-1·mm-1·hm-2)，它是衡量土壤抗蚀性的指标，用于反映土壤对侵蚀的敏感性。K 表示标准小区单位降雨侵蚀力引起的单位面积上的土壤侵蚀量。

LS 为坡长坡度因子(L=slope length factor, s=slope steepness factor)(无量纲)，其中 L 为坡长因子，被定义为坡长的幂函数。S 为坡度因子，LS 表示在其他条件不变的情况下，某给定坡长和坡度的坡面上土壤流失量与标准径流小区典型坡面上土壤流失量的比值，它对土壤侵蚀起加速作用。

C 为覆盖与管理因子(cover-management factor) (无量纲)，它指在其他因子相同的条件下，在某一特定作物或植被覆盖下的土壤流失量与耕种后的连续休闲地的流失量的比值。该因子衡量植被覆盖和经营管理对土壤侵蚀的抑制作用。

P 为水土保持措施因子(support practice factor) (无量纲)，它指采取水土保持措施后的土壤流失量与顺坡种植的土壤流失量的比值。 9.4.2 RUSLE模型所需数据搜集

进行RUSLE模型的计算需要不同的数据，对所需数据的描述如下： 1) 研究区大比例尺地形图地形图； 2) 研究区降雨量监测数据； 3) 研究区土壤类型图；

4) 研究区土壤普查资料（包括土壤机械组成、粒级含量、有机质含量等数据）； 5) 研究区数字高程数据(DEM)；

6) 研究区不同时段归一化植被指数NDVI数据； 7) 研究区不同时段土地利用栅格数据 9.4.3 RUSLE模型中因子的计算 9.4.3.1 R因子的计算

R因子的计算一般通过基于月平均降雨量和年平均降雨量的 Wischmeier 公式计算[1]：

R=1.73510i112(1.5lgpi2)0.8188p (2)

其中 pi和 p 分别是月均和年均降雨量(mm)。得到R因子的栅格图如图2所示。

图2 R因子的栅格图

9.4.3.2 K因子的计算

K的估算公式根据不同的土壤组成与搜集数据的多少而变化。如根据美国粒径分级制进行计算的Whischmeier公式[2]：

[2.1104M1.14(12OM)3.35(S2)2.5(p3)]K (3)

100其中，M(粉砂%极细砂%)(1粘粒%) (据美国粒径分级制)；

OM=土壤有机质含量； S=结构系数；

P=渗透性等级。得到研究区K因子的栅格图如图3所示。

图3 K因子的栅格图

9.4.3.3 LS因子的计算

在 ARCGIS 中利用流域的 DEM 数据提取出山脊线，然后利用 Distance模块计算每个栅格到山脊线的垂直距离，以此作为每个栅格的近似坡长，然后采用 Wischmeier 和 Smith 提出的坡长因子计算公式[3]：

L=(22.13) (4)

(5)

1sin/0.0896 (6)

3.0(sin)0.80.56以上各式中，λ为水平坡长，α为坡长指数，22.13 为标准小区的坡长(m)，θ为利用 DEM提取的坡度。得到研究区的L因子的栅格图如图4所示。

S因子采用McCool的计算公式以及刘宝元的陡坡计算公式[4][5]：

S=10.8sin0.03，当9%S=16.8sin0.50，当9%14% (7) S=10.8sin0.03，当14%利用研究区DEM数据，在ARCGIS中Spatial Analyst模块中的Surface Analysis功能提取坡度专题图，并转化为弧度单位，然后在Raster Calculator模块中利用公式7计算得到流域的S因子层如图5所示.

图4 L因子的栅格图

图5 S因子的栅格图

9.4.3.4 C因子的计算

C 因子的计算首先利用等密度估算模型估算植被覆盖率cov[6]，其计算公式为：

covNNsoil (7)

NvegNsoil式中，Nsoil为裸地的 NDVI 值，其取值为对裸地的象元进行随机抽取统计的最低值；

Nveg是高纯度植被象元的 NDVI 值，N是对草地象元进行随机抽取统计的最低值。

然后利用蔡崇法等[5]建立的 C因子值与植被覆盖度之间的回归方程计算 C值，方程如下：

C0.65080.3436lgcov (8)

式中cov为植被覆盖度，cov≥78.3% 时，C=0 ；cov=0 时，C =1。利用研究区不同时段 NDVI 图像分别对裸地和植被进行随机抽取统计最低值，得到Nsoil和Nveg的值代入公式 7得到 cov值，把 cov代入公式8计算得到流域不同时段的 C因子栅格图层如图6所示。

图6 C因子的栅格图

9.4.3.5 P因子的计算

P因子与下垫面的土地利用类型有关，根据蔡崇法等[7]所提出的土地利用类型对P值的影响，确定不同土地利用类型的 P 值。之后在 ARCGIS 的 Raster Calculator 模块中按照P值与土地利用类型的对应关系对栅格进行重分类，得到研究区的 P 因子栅格图层如图7所示。

图7 P因子的栅格图

9.4.2 土壤侵蚀格局的分析

得到上述各因子的栅格图层后，在 ARCGIS 的 Raster Calculator 模块中按照公式1对各个栅格的土壤侵蚀量进行计算，便可以得到土壤侵蚀强度的示意图如图8所示。对侵蚀强度进行分类后的土壤侵蚀格局分布图如图9所示。

图8 土壤侵蚀量图

图9 土壤侵蚀强度分级图

参考文献

[1] Wischmeier W H. Mannering J V. Relation of soil properties to its erodibility[J]. Soil Science Society of American Proceedings, 1969, 33(1): 131~137

[2] Wischmeier W H , Smith D D. Predicting rainfall - erosion losses from cropland east of the Rocky29.Mountains[R] . USDA Agricultural Handbook No. 282, 1965.

[3] Wischmeier W.H., Smith D.D. Predicting rainfall erosion losses. USDA Agriculture Handbook. No.537. 1978.

[4] MeCool D K, Brown L C, Foster G R, et al. Revised slope steepness factor for the universal soil loss equation[J].TRANSACTIONS of the ASAE,1987,30(5):1387~1396.

[5]刘宝元,张科利,焦菊英.土壤可蚀性及其在侵蚀预报中的应用[J].自然资源学报,1999,4(4):345~350.

[6]陈晋, 陈云浩, 何春阳, 等. 基于土地覆盖分类的植被覆盖率估算亚像元模型与应用[J]. 遥感学报，2001, 5(6): 416~422.

[7]蔡崇法, 丁树文, 史志华等. 应用 USLE 模型与地理信息系统 IDRISI 预测小流域土壤侵蚀量的研究[J]. 水土保持学报, 2000, 14(2): 19~24.