一、作品背景

水土保持情况普查对我国具有重要意义。我国目前是世界上水土流失最严重的国家之一，水土流失面积极其广且量大；严重的水土流失问题是我国生态环境问题的重要板块，若是持续恶化，将会严重影响我国的生态安全、饮水安全、防洪安全和粮食安全等，严重阻碍国家经济社会发展。以东江源区为研究对象，基于遥感数字影像和GIS方法提取影响土壤侵蚀的因子，建立CSLE模型，并利用ARCGIS10.2、GeoScene Pro2.1软件对各评价因子指标进行分级，利用模型确定土壤侵蚀的强度，通过定量分析和分级情况分析不同的土壤侵蚀影响因子对于土壤侵蚀强度的贡献量。

1.研究区概况

江西三百山是广东东江的源头，简称”东江源区“。东江源区位于江西省赣州市东南端，包括寻乌、安远、定南3县。地理位置：24°20′—25°13′N，114°47′—115°53′E。流域面积3850.56km²，地形地貌以山地、丘陵为主；地势北高南抵，东西铃谷相间，被形象地称之为”八山半水一分田，半分道路与庄园“。该区属于典型的亚热带湿润季风气候，热量丰富，雨量充沛，年平均气温18.8℃，年降雨量1526~1700mm。

2.设计思想

图1 设计思想构图

二、模型构建与分析

1.数据来源及预处理

1.1 数据源

定量研究东江源地区土壤侵蚀量需从相关网站收集研究区域的多种类型的原始数据，其中有东江源地区30米分辨率DEM数据、Landsat 8 OLI_TIRS遥感影像、土壤类型分布数据、降雨数据以及东江源范围等。

1.1.1DEM数据及遥感影像

地形图是在地理空间数据云（www.gscloud.cn）免费下载的东江源地区DEM 30M数据，将获得的 DEM 在 ArcGIS10.5 软件中进行裁剪获得研究区域东江源地区 DEM 数据。遥感影像是在地理空间数据云（www.gscloud.cn）免费下载的东江源地区的Landsat 8 OL_ TIRS 影像数据。

1.1.2降雨数据及土壤数据

本次研究区域的降雨数据来源是在 WheatA 软件上下载的东江源地区所包括的寻乌县和定南县的 2016到2020年年降雨量统计数据。土壤数据是在资源环境科学与数据中心（www.resdc.cn）免费下载的 1：100中国土壤类型空间分布数据。

1.2 数据预处理

获得的数据往往不能完全满足研究的需求为此研究数据处理之前往往需要对数据进行预处理，这样可以使研究更加的方便。本文根据研究目的和CSLE模型对dem数据、遥感影像数据等在ENVI中进行辐射定标、大气校正、图像镶嵌和裁剪等。

2.CSLE模型

水土流失量计算，采用SL190—2007《土壤侵蚀分类分级标准》推荐的由刘宝元等提出的中国通用土壤流失方程（CSLE模型）

A=R×K×LS×B×E×T

式中，A为单位面积上时间和空间平均的土壤流失量， t/(hm2∙a）；R为降水侵蚀力因子，K为土壤可蚀性因子，LS为坡长坡度因子，B为植被覆盖度与生物措施因子，E为工程措施因子，T为耕作措施因子。将R、K、L、S、B、E、T因子的栅格数据进行空间相乘。根据国家水利部颁布的《土壤侵蚀分类分级标准》（SL190—2007）将土壤侵蚀模数分为0～200、200～2500、2500～5000、5000～8000、8000～15000、＞15000t∙km-2∙a-1共 6个等级。

3.CSLE模型因子处理

3.1 土地利用分类

利用ENVI软件，首先根据东江源范围矢量文件，利用ROI裁剪图像，其次进行辐射定标和大气校正；然后利用监督分类中的最大似然法进行ROI感兴趣区分类，最后进行分类合并，最终实现土地利用类型分类。

3.2 降水侵蚀力因子（R）

降雨侵蚀力因子：是指降雨导致土壤侵蚀发生的潜在能力，用一次降雨总动能E与该次将于最大30min雨强I30的乘积EI30表示。反映了雨滴对土壤颗粒的击溅分离以及降雨形成径流对土壤冲刷的综合作用。

我们综合了缪驰远等、王明晓和史冬梅等学者研究提出的基于年降雨量数据的R因子计算模型，计算公式如下：

式中：

Rn—年降雨量侵蚀力因子，

；Pn—年降雨量，mm。

3.3 土壤可蚀性因子（K）

土壤可蚀性（k）指的是土壤容易受到侵蚀破坏的性质，土壤可蚀性因子主要受到内因（土壤质地等）和外因（人类活动等）影响。在内外两个方面的相互作用下，土壤可蚀性因子的值会随之改变。本项目采用EPIC模型来获取k值，是一种专门为土壤侵蚀与土地生产力设计的模型, 基于土壤有机碳和粒径分布进行土壤可蚀性K值估算。Williams等在EPIC模型中K值的计算公式如下：

上式中, S1为砂粒含量, 单位为%；S2为粉粒含量,单位为%;n为黏粒含量,单位为 %;C为有机碳含量, 单位为%;S3=1-S1/100,单位为 %。

3.4 坡度坡长因子（LS）

地形因子直观表现由坡长（L）和坡度（S）两个因子决定。坡长通常是指地面上一点沿水流方向到其流向起点间的最大地面距离在水平面上的投影长度。坡度表示了该局部地表坡面的倾斜程度。坡度越大、坡长越长，其地势越陡峭，越容易发生土壤侵蚀。

本次研究，坡度坡长因子（LS）通过遥感技术获取的数字高程模型快速获取并通过DEM数据在GeoScene Pro中完成。根据东江源地区的地形地势，此次研究选用ASTER GDEM 30M数据，采用符素华、刘宝元等［1］提出的公式。

  

式中：S为坡度因子，θ为坡度，L为坡长因子，λ为坡长(m),22.13为标准小区坡长,m为坡度坡长指数

3.5 植被与生物因子(B) 

采用MODIS遥感数据的NDVI产品MOD13Q1，利用NDVI数据计算植被覆盖度FVC，根据FVC计算不同地类植被覆盖与生物措施因子B。归一化植被指数（NDVI）是反映土地覆盖植被状况的一种遥感指标，定义为近红外通道与可见光通道反射率之差与之和的商，即NDVI= (NIR-R)/(NIR+R)，NIR、R为近红外波段、红光波段的反射值。

3.6 水土保持工程措施因子（E）和耕作措施因子（T）

根据水土保持工程措施因子赋值表和全国轮作措施及代码表，对应东江源区土地利用类型分布图，我们得到了相应的水土保持工程措施因子以及耕作措施因子并给予赋值（当土地利用类型为耕地时，E=0.335，T=0.338；其他均赋值为1）。

4.地理探测器

地理探测器是一种统计学方法，包括因子探测器、交互作用探测器、生态探测器和风险探测器4个部分，通过探测要素的空间分层异质性来揭示某原因背后的驱动力。

q值计算公式如下：

式中：h=1，…，m 为变量或因子的分层，即分类或分区；𝑛ℎ和n分别为层h和全区的单元数；𝜎ℎ2和𝜎2分别为层h和全区变量的方差。SSW 和 SST 分别为层内方差之和和全区总方差。q 值区间为[0，1]，其 q 值越大，该影响因素对土壤侵蚀空间分布的解释力越强。此处我们选择多年平均降雨量、坡度、植被覆盖度为土壤侵蚀影响因子，多年平均土壤侵蚀数模作为因变量，模型运行前对连续性变量进行分类，按照地理探测器公式对各级别数值和方差进行计算，得到q值。

5.皮尔逊相关系数

本研究使用皮尔逊相关系数探究降水、坡度和植被对土壤侵蚀的影响。该方法在研究土壤侵蚀的影响因素分析中广泛研究，计算公式如下：

其中：n为总的年数，xi和yi分别表示第i年的土壤侵蚀量和影响因素(降水、坡度、植被)，x均和y均分别为土壤侵蚀了量和影响因素的均值，rx.y表征x与y的相关系数。  

三、结果分析

1.各类结果分布图

图2 2016-2020年东江源区土地利用类型分布图

图3 土壤侵蚀各类因子分布图

图4 2016-2020东江源区域土壤侵蚀模数分布图

2.土壤侵蚀影响因素分析

2.1 坡度因素

表 1东江源区域各年份坡度、面积、侵蚀模数与侵蚀量

研究区域划分为5个等级来研究2016~2020年土壤侵蚀与坡度的关系。从得到不同年份的数据可知，侵蚀模数随着坡度的增加呈现递增趋势，并在第5级达到最大。在1~2级内，随着坡度的增加，土壤侵蚀量呈现大量增加的趋势，并在第2级达到最大，在3~5级内，随着坡度的增加，土壤侵蚀量呈现递减的趋势，并且在第5级达到最小。由此可以推测该研究区域土壤侵蚀主要在低山、丘陵等地。

2.2 植被因素

由2016—2020 年东江源区域不同植被覆盖度等级土壤侵蚀模数可知随着植被 ，覆盖度的升高，土壤侵蚀模数降低。当植被覆盖度＜30%时，土壤侵蚀模数最大，易诱发土壤侵蚀；当植被覆盖度＞60%时，土壤侵蚀模数最小。从不同植被覆盖度土壤侵蚀模数总数来看，当植被覆盖度＜30%时，土壤侵蚀模数总数为占总土壤侵蚀比重的 40.41%。可见土壤侵蚀主要发生在植被覆盖度＜30%的区域，植被覆盖度处于30%-45%之间与处于45%-60%之间时的土壤侵蚀模数变化较小可能是因为2016-2020年间不同植被覆盖率土壤面积相互转化导致面积波动较大。

表 2东江源区域各年份植被覆盖度、面积、侵蚀模数与侵蚀量

2.3 降水因素

由2016—2020 年东江源区域降雨量对应土壤侵蚀模数图表，可知降雨量的升高，土壤侵蚀模数升高，侵蚀量也随之升高。在2016-2020年间2016年的降雨量平均值为最高值，与之对应的侵蚀模数也达到了了年间的最大值。

表 3东江源区域各年份降水量、侵蚀模数平均值与侵蚀量

3.皮尔逊指数结合地理探测器

利用SPSS软件进行皮尔逊相关性分析，根据所得结果可知，土壤侵蚀模数与降雨量为高相关（0.980），土壤侵蚀模数与植被覆盖度为中相关（0.300）。由于DEM数据为多年不变，无法用皮尔逊相关性加以研究，故采用地理探测器的方法加以研究。根据q值表最终数据可知，q值由大到小为：降雨量（0.42）＞植被覆盖度（0.22）＞坡度（0.07）因此无论是皮尔逊相关性分析还是地理探测器，均表明了降雨对土壤侵蚀强度的解释力最强，是影响土壤侵蚀空间格局分布的主要因素；其次为植被覆盖度，植被覆盖度与土壤侵蚀密切相关；而坡度对土壤侵蚀的影响则较小。

表 1皮尔逊指数相关性及地理探测器最终值表

四、创新之处

1.关键技术创新

中国CSLE模型相比美国RUSLE模型，其LS因子公式中的角度范围由10°改为14°，更加符合中国地形特征，也更适用于地形复杂的东江源区，得出的结果更有利于了解东江源地区的土壤侵蚀情况。对于大部分关于水土流失分析的作品中，都没有包括对于影响土壤侵蚀的各因素的分析，本作品加入了地理探测器与皮尔逊相关性的结合分析，对影响土壤侵蚀的各因素（降水、植被、坡度）进行了相关研究。

2.应用范围创新

东江源流域近年来无人对其进行土壤侵蚀研究，通过本次研究，可以了解近年来东江源流域的水土流失情况，为近年来该地区土壤情况提供补充，为以后的研究者提供研究材料。同时通过本次研究，可以以东江源地区为例，提出对该地区的保护策略，从而为东江源区域以及南方同类型山地丘陵地域的水土保护做出参考。