基于RUSLE模型与地理空间方法的土壤侵蚀评估及年土壤流失制图——以印度Shimsha流域为例

《CLEAN – Soil, Air, Water》：Assessment of Soil Erosion and Mapping Annual Soil Loss Using RUSLE Model With Geospatial Approach in Shimsha Basin, India

　　

在区域尺度上准确估算土壤侵蚀对于保护肥沃土壤至关重要。评估土壤侵蚀对于规划流域内的保护工程至关重要。Shimsha流域主要是一个农业流域，面临土壤侵蚀问题。本研究利用修订版通用土壤流失方程（RUSLE）结合地理信息系统（GIS）方法和遥感（RS）数据，评估了印度卡纳塔克邦Shimsha流域的土壤流失。遥感数据用于获取RUSLE模型的重要参数，而GIS用于绘制易受侵蚀的区域。输入数据集包括降雨量、土壤图、土地利用/土地覆盖（LULC）和数字高程模型（DEM），用于计算相应的RUSLE模型因子。在GIS环境中，这些因子——地形、降雨侵蚀力、土壤可蚀性、覆盖管理和保护措施——被计算并合并，以评估整个流域的土壤流失空间格局。Shimsha流域的估算土壤流失量范围从0到4669.4 t ha^-1 year^-1，年平均总土壤流失量约为281万吨/年，平均土壤流失量为3.24 t ha^-1 year^-1。研究结果表明，土壤侵蚀率在集约耕作区和植被稀疏、坡度陡峭的山丘地区最高。RUSLE与GIS集成方法提供了可靠的土壤流失估算。结果有助于确定优先区域，从而实现有效的规划以及执行可持续土壤管理活动。

**论文解读：基于RUSLE模型与地理空间方法的Shimsha流域土壤侵蚀评估**

**研究背景与问题**

土壤侵蚀是全球性的环境问题，严重威胁农业生产和土地资源的可持续管理。在印度，约45%的土地面积受到严重土壤侵蚀的影响，导致水库泥沙淤积加速、土壤肥力下降，并带来经济后果。随着人口增长、土地利用变化和气候变率的加剧，准确估算土壤侵蚀率成为理解土壤退化过程、评估沉积效应和规划保护措施的关键。Shimsha流域位于印度卡纳塔克邦，是Cauvery河的一个子流域，面积约8694.61 km2，以农业为主导，面临显著的土壤侵蚀问题。然而，该区域缺乏系统的土壤流失数据，阻碍了有效的保护规划。为此，研究人员利用修订版通用土壤流失方程（RUSLE）结合地理信息系统（GIS）和遥感（RS）技术，对Shimsha流域的土壤侵蚀率进行定量评估，旨在填补数据空白，为可持续土壤管理提供基线参考。该论文发表在《CLEAN – Soil, Air, Water》。

**主要技术方法**

研究人员采用了以下关键方法：①基于RUSLE模型（修订版通用土壤流失方程，一种经验模型，通过降雨侵蚀力、土壤可蚀性、地形、覆盖管理和保护措施五个因子相乘估算土壤流失）；②利用GIS（地理信息系统）进行空间数据整合与栅格运算；③从遥感（RS）数据中提取土地利用/土地覆盖（LULC）信息；④基于30年（1989–2018）的IMD网格降雨数据计算降雨侵蚀力（R因子）；⑤采用Cartosat DEM（数字高程模型，30 m分辨率）提取坡长与坡度因子（LS因子）；⑥根据FAO土壤类型图（30弧秒分辨率）确定土壤可蚀性（K因子），采用土壤颜色-类型法赋值；⑦通过Landsat-8影像（2021年）分类得到LULC，并据此分配覆盖管理因子（C因子）和保护实践因子（P因子，基于坡度分类）。所有数据来源公开，包括印度国家遥感中心、印度气象局、地球探索者门户和粮农组织。

**研究结果**

**4.1 降雨侵蚀力因子（R-Factor）**
利用30年平均年降雨数据计算R因子，其值在Shimsha流域内从319.31变化到494.96 MJ mm ha^-1 h^-1 year^-1。空间分布显示上游区域R值较高，向下游递减，表明降雨侵蚀能力随区域变化，高值区土壤表面更易受降雨侵蚀。

**4.2 土壤可蚀性因子（K-Factor）**
基于土壤类型，K因子值范围为0.2至0.3 t h MJ^-1 mm^-1。约98.02%的区域K值为0.3（对应黄色土壤，如Chromic Luvisols和Eutric Nitosols），仅1.98%区域为0.2（红色Lithosols）。K值越高表明土壤越易被侵蚀，低渗透性和低前期含水量土壤与较低K值相关。

**4.3 坡长与坡度因子（LS-Factor）**
从DEM提取的LS因子结合了坡长（L）和坡度（S）对侵蚀的影响，其值范围从0到148.297。高LS值主要出现在河床位置，代表径流集中和陡坡区域，侵蚀风险显著增加。

**4.4 覆盖管理因子（C-Factor）**
基于LULC分类（七类：建设用地、植被、农业种植、荒地/灌木、水体、农业休耕地、岩石/山区），C因子值范围从0（水体）到0.4（荒地/灌木）。农业用地（48.78%）和休耕地（31.00%）占主导，C值多为0.35或0.4，表明植被覆盖稀疏，侵蚀风险较高。

**4.5 保护实践因子（P-Factor）**
根据LULC和坡度分级（0–5%至50–100%），P因子值从0.1（农业用地缓坡）到1（非农业用地）。高值表示缺乏有效保护措施，低值表示存在等高耕作、梯田等实践。研究区无先进水土保持措施。

**4.6 潜在年土壤流失估算**
通过GIS栅格乘积运算，土壤流失率范围从0到4669.4 t ha^-1 year^-1，年均总流失量约281万吨，平均流失率为3.24 t ha^-1 year^-1。该值在印度可接受的土壤流失容忍范围（2.5–12.5 t ha^-1 year^-1）内，但实际容忍阈值受土壤深度、类型、形成速率等因素影响。

**4.7 流域土壤侵蚀空间变异**
土壤侵蚀严重程度分为六类：低（0–1，面积68.04%）、中等（1–10，28.62%）、高（10–50，2.41%）、很高（50–100，0.39%）、严重（100–200，0.27%）和极端（>200，0.27%）。尽管低和中等侵蚀类占96.66%面积，但仅贡献总侵蚀量的2.26%和23.37%；而高、很高、严重和极端类虽面积小（合计3.34%），却贡献了15.72%、8.33%、11.80%和38.52%的侵蚀量。这表明少量极端侵蚀区是土壤流失的主要来源，主要分布在陡坡、植被稀疏的山区边缘和河岸带。

**讨论与结论**

讨论部分指出，Shimsha流域的侵蚀强度与印度其他季风区类似，低至中等侵蚀主导农业和缓坡区域，高侵蚀集中在陡峭和退化土地。与Bhandara地区（年均2.06–3.64 t ha^-1 year^-1）和Pamba子流域（92.55%面积低侵蚀）结果一致，但低于Godavari Middle子流域（9.88 t ha^-1 year^-1）和Muthirapuzha河流域（14.36 t ha^-1 year^-1），更远低于中国黄土高原的Caijiamiao流域（70.58 t ha^-1 year^-1）。研究人员建议在脆弱区实施等高耕作、梯田、植被屏障、造林、保护性农业以及拦沙坝、渗水池等结构措施。

结论部分翻译如下：土壤侵蚀对土壤健康构成重大威胁，导致土壤退化；因此，研究人员利用RUSLE和GIS技术以及各种专题数据集，努力确定Shimsha流域的土壤流失率。土壤侵蚀率范围为0至4669.4 t ha^-1 year^-1，平均流失率为3.24 t ha^-1 year^-1。以陡坡和山地地形为特征、植被稀少或无植被的地区土壤侵蚀率较高，其次是沿河岸地区。土壤侵蚀图指明了流域内土壤流失的空间变化，有助于优先安排有效的修复措施和控制措施，以防止进一步土壤流失。此外，它有助于确定土壤侵蚀热点地区，应将资源和努力集中于此以控制侵蚀。评估Shimsha流域土壤侵蚀的主要挑战是数据充分性。由于区域的空间变异性和数据可用性，RUSLE模型始终包含关于输入数据的不确定性。该研究描绘了整个流域的土壤流失情况，有助于有效规划和实施可持续管理技术以减轻土壤侵蚀。