邵志豪， 牟鳳云， 黃淇， 李秋彥， 汪孝之

(重慶交通大學智慧城市學院， 重慶 400074)

經(jīng)濟全球化、國家城市化和氣候異?；墓餐绊懯谷蛏鷳B(tài)系統(tǒng)結構發(fā)生了巨大的變化，并持續(xù)影響生態(tài)系統(tǒng)服務。土壤保持服務作為生態(tài)系統(tǒng)服務中的一項不可或缺的調(diào)節(jié)服務，具有泥沙儲積、植被保持和涵養(yǎng)水源等功能[1]。人類社會的不斷發(fā)展直接或間接影響著土壤保持服務，導致全球土壤侵蝕風險加劇。中國作為全球土壤侵蝕最為嚴重的地區(qū)之一，風勢、水蝕的土地面積占國土地面積的37%[2]。土壤侵蝕會導致區(qū)域土壤肥力降低，土層變薄，進而影響植被生長和生態(tài)環(huán)境質(zhì)量，最終會對區(qū)域自然環(huán)境產(chǎn)生影響，不利于人類社會經(jīng)濟進一步發(fā)展。土壤保持能力的提高可有效解決土壤侵蝕引起的一系列問題。

國內(nèi)外許多學者針對土壤侵蝕已進行了大量研究，研究方法可分為兩大類：一是早期通過實地監(jiān)測手段對小區(qū)域范圍內(nèi)的土壤侵蝕進行研究，如李向偉[3]、馬力等[4]、李晶晶等[5]借助實地考察方法，建立小區(qū)域的監(jiān)測樣區(qū)，對生態(tài)系統(tǒng)的土壤保持服務進行評估；二是與3S技術相結合，即遙感技術(remote sensing，RS)、地理信息系統(tǒng)(geography information systems，GIS)和全球定位系統(tǒng)(global positioning systems，GPS)，以模型為主的研究方法，如結合RS、GIS技術的修正通用土壤流失方程(revised universal soil loss equation，RUSLE)被廣泛應用于土壤侵蝕的計算[6-8]，包含土壤保持估算模塊的生態(tài)系統(tǒng)服務和交易的綜合評估(integrated valuation of ecosystem services and trade-offs，InVEST)也被廣泛用于土壤保持服務的評估。劉愛霞等[9]利用該模型計算了三峽庫區(qū)的土壤侵蝕，李成等[10]利用該模型對揚州市中心城區(qū)的土壤保持服務進行了評價，廖雯等[11]對丹江口庫區(qū)土壤保持變化以及影響因素進行了分析，發(fā)現(xiàn)該地區(qū)土壤保持服務有一定增強且受眾多因素影響。

景觀格局是土壤保持服務眾多影響因素中的一個因素，通常是指大小以及形狀不同的景觀元素在空間上的配置[12]，不同土壤侵蝕強度可以作為景觀的一種元素。景觀格局作為生態(tài)過程的承載體，與生態(tài)過程息息相關，在人類需求的驅動下，建立維持人類生存發(fā)展的系統(tǒng)——生態(tài)系統(tǒng)服務[13-14]，其作用于生態(tài)過程的前提下對土壤保持服務造成一定程度的影響。此外，研究表明氣候變化對生態(tài)系統(tǒng)的構成和空間分布存在一定影響，會改變物質(zhì)在空間格局上的分布和生態(tài)系統(tǒng)信息流的交互，作為生態(tài)系統(tǒng)服務功能的土壤保持服務會因氣候變化而發(fā)生改變[15]。因此，分析景觀格局和氣候因素對土壤保持服務的影響程度，對有關部門治理和保護生態(tài)系統(tǒng)服務決策具有重要意義。

重慶市地形復雜，土壤類型和植被類型多樣，在水土保持區(qū)劃中，屬于西南紫色土區(qū)，水土流失類型以水力侵蝕為主，部分地區(qū)存在重力侵蝕，其土壤大量流失不利于三峽工程的長治久安，并且制約中國經(jīng)濟進一步發(fā)展。由于不同模型計算出的土壤保持服務存在差異，只有選擇較適合的土壤保持服務估算模型，才能使模型估算結果具有實際意義。目前針對土壤保持服務方面研究多從單個模型出發(fā)，少有從多個模型角度去探討研究區(qū)土壤保持情況?，F(xiàn)以重慶市作為研究區(qū)，采用RUSLE模型和InVEST模型估算土壤侵蝕模數(shù)，根據(jù)其估算結果與實測結果做對比，選擇適合重慶市的土壤保持服務估算模型，并在此基礎上探討氣候因素和景觀格局對其服務功能存在的影響，其研究成果可為區(qū)域生態(tài)系統(tǒng)管理與保護政策提供決策依據(jù)。

1 研究區(qū)概況

重慶市位于中國西南地區(qū)，地理范圍在東經(jīng)105°11′～110°11′，北緯28°10′～32°13′，是長江上游的經(jīng)濟中心，也是成渝城市群的中心城市之一(圖1)。重慶市總共有38個區(qū)縣，轄區(qū)面積為8.24萬km2。流經(jīng)河流眾多，其中烏江、嘉陵江、綦江、涪江、大寧河五大河流及上百條小河流于主城區(qū)匯入長江干流，流域面積大于1 000 km2的河流有40多條，流域面積大于100 km2的河流多達207條，建有水庫3 089座。重慶市地形特征為從南北向長江河谷逐漸遞減，中部和西北地區(qū)有較多低山、丘陵，東南部則有武陵山和大巴山兩大山脈。全區(qū)土壤分布以紫色土為主，主要分布在海拔800 m以下丘陵地區(qū)，結構疏散，易于流失。重慶市屬中亞熱帶濕潤季風氣候，降水充沛，多數(shù)地區(qū)平均降水在1 000～1 350 mm，其中5—9月的降水量是全年總降水的70%，2015年年均降雨量為1 448.7 mm。

圖1 重慶市區(qū)位圖Fig.1 Map of Chongqing City

2 研究方法與數(shù)據(jù)來源

2.1 數(shù)據(jù)來源與處理

2.1.1 數(shù)據(jù)來源

研究使用的數(shù)據(jù)如下。

(1)30 m分辨率的2015年重慶市土地利用類型數(shù)據(jù)，來源于GIS應用研究重慶市重點實驗室。

(2)90 m分辨率DEM數(shù)據(jù)，來源于地理空間數(shù)據(jù)云(https://www.gscloud.cn/)。

(3)2015年降水、氣溫、NDVI以及1∶100萬土壤類型分布圖數(shù)據(jù)均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/)。

(4)重慶市行政邊界矢量數(shù)據(jù)來源于國家基礎地理信息系統(tǒng)(http://www.ngcc.cn/)。

(5)2015年重慶市實際平均土壤侵蝕模數(shù)來源于重慶市水利局(http://slj.cq.gov.cn/)。

2.1.2 數(shù)據(jù)處理

利用ArcGIS10.8軟件對多幅DEM進行拼接操作，再用Fill工具對拼接數(shù)據(jù)進行填挖處理得到去除異常值的數(shù)字高程模型(digital elevation model，DEM)數(shù)據(jù)，最后借助Hydrology、Slope等工具計算出研究區(qū)的流向、匯流量、流域、子流域及坡度等相關基礎數(shù)據(jù)；基于2015年重慶市月平均降水量數(shù)據(jù)，通過Wischmeier月尺度計算公式獲取年均降雨侵蝕力數(shù)據(jù)R；將重慶市2015年1∶100萬土壤類型分布圖中獲取的土壤砂粒含量(SAN)、粉粒含量(SIL)、黏粒含量(CLA)和有機碳含量數(shù)據(jù)代入Williams等提出的計算方公式計算出土壤可侵蝕力數(shù)據(jù)K；從2015年重慶市DEM數(shù)據(jù)中提取的流向、匯水累積量、坡度等數(shù)據(jù)，根據(jù)邊坡閾值選取公式計算得到坡長坡度數(shù)據(jù)SL；從2015年重慶市歸一化植被指數(shù)(normalized difference vegetation index，NDVI)數(shù)據(jù)中提取出植被覆蓋度用于計算土地覆蓋管理數(shù)據(jù)C；土壤保持措施數(shù)據(jù)P根據(jù)相關研究，默認耕地建有水土保持工程設施時，P=0.15，林地、草地和未利用地未采取任何保護措施時，P=1，水域和建筑用地因建有保護工程幾乎不受土壤侵蝕影響時，P=0。將土地利用類型柵格圖導入Fragstats軟件中計算出景觀格局指標。

2.1.3 景觀指數(shù)選取

生態(tài)系統(tǒng)服務的空間變化是受多種因素共同作用的結果，這些因素涉及人為干擾、自然和社會經(jīng)濟等多個方面[16]。生態(tài)系統(tǒng)服務影響因素中的人為因素和社會經(jīng)濟因素相對較活躍，存在更多的不確定性且難以量化，而自然因素相對穩(wěn)定，因此從自然因素角度出發(fā)探討生態(tài)系統(tǒng)服務的影響因素。根據(jù)相關文獻研究以及重慶市實際情況，選取最具有代表性的降水、氣溫數(shù)據(jù)作為氣候因素，并根據(jù)邊曉輝等[17]對景觀指數(shù)選取方式，選取表征景觀格局破碎化、景觀形狀指數(shù)及景觀格局多樣性三大類指標，如表1所示。

表1 影響因素的選取

2.2 研究方法

2.2.1 土壤侵蝕評價模型

改進后的通用土壤流失模型(RUSLE模型)計算公式為

A=RKCPLS

(1)

式(1)中:A為土壤侵蝕模數(shù),t/(km2·a)；R為降雨侵蝕力因子，MJ·mm/(km2·h)；K為土壤可蝕性因子,t·km2·h/(km2·a·MJ·mm)；LS為坡長坡度因子；C為土地覆蓋管理因子；P為土壤保持措施因子。

InVEST模型可以用來評估生態(tài)系統(tǒng)服務功能，是一種工具，該模型中的泥沙運輸(SDR)模塊可用于估算土壤侵蝕量。InVEST模型不同于RUSLE模型之處在于前者考慮到了每一個地塊對上游泥沙的攔截作用，并且在計算土壤侵蝕模數(shù)的過程中考慮到了每一個地塊的泥沙攔截率，而RUSLE模型并未考慮到這些[18-19]。

2.2.2 土壤保持服務評價模型

根據(jù)InVEST模型中的土壤保持模塊來計算土壤保持量[20]，計算公式如下。

SDR=Ap-A

(2)

Ap=RKLS

在快慢車運營模式下，采用站站停模式的慢車需要在部分避讓站待避，以便讓快車不停站通過?？燔囯m然節(jié)省了直達客流的出行時間，但同時增加了慢車乘客的等待時間。對于1條擬開行快慢車的線路而言，應根據(jù)全日快慢車的開行計劃，分別計算這兩項時間。

(3)

式中:SDR為土壤保持量，t/(km2·a)，即潛在土壤流失量與實際土壤流失量差值；Ap為在裸地背景下，計算各個土地利用類型潛在的土壤流失量。將以上數(shù)據(jù)以及相關參數(shù)[21]輸入InVEST模型中的土壤保持模塊計算出研究區(qū)土壤保持量。

2.2.3 多元線性回歸

利用SPSS軟件中線性回歸方程計算出重慶市土壤保持量與氣候因素、景觀指數(shù)之間的相關關系，分析因變量、自變量兩者間存在的數(shù)學關系，采用逐步回歸方法對影響因素間的共線性進行檢驗，將多余自變量刪除，建立土壤保持量與影響因素間的數(shù)量關系[22]。公式為

A=b0+b1x1+b2x2+…+bmxm

(4)

式(4)中：A為土壤保持能力；x1、x2、…、xm為影響土壤保持量變化的影響因素；b1、b2、…、bm為影響因素的回歸系數(shù)；b0為常數(shù)項。通過顯著性檢驗證明哪些因素是影響土壤保持服務的主要影響因素。

2.2.4 地理探測器

地理探測器是一種能夠探測到要素的空間分層異質(zhì)性的數(shù)學模型，并且可以通過探測到的結果分析出其背后驅動力[23]。利用該模型探測氣候因素、景觀指數(shù)對重慶市土壤保持服務的影響力Q，模型公式為

(5)

3 結果與分析

3.1 重慶市土壤侵蝕量空間分布特征

RUSLE模型和InVEST模型對重慶市土壤侵蝕量預估結果如圖2所示，兩種模型所模擬出的2015年重慶市土壤侵蝕模數(shù)有較大的差異，RUSLE模型所估算的重慶市土壤侵蝕模數(shù)最大值為35 2291 t/(km2·a)，年均土壤侵蝕模數(shù)為3 155.41 t/(km2·a)，而InVEST模型所估算的重慶市土壤侵蝕模數(shù)最大值為383 838 t/(km2·a)，年均土壤侵蝕模數(shù)為3 389.54 t/(km2·a)。由圖3可知，InVEST模型所估算的土壤侵蝕模數(shù)與實際土壤侵蝕模數(shù)較為接近，而RUSLE模型所估算的數(shù)據(jù)則與實際土壤侵蝕模數(shù)相差較大。因此建議使用InVEST模型的土壤保持模塊來評估2015年重慶市土壤保持服務。

圖2 2015年重慶市土壤侵蝕量不同模型預測結果圖Fig.2 Prediction results of different models of soil erosion in Chongqing in 2015

圖3 2015年重慶市不同模型估算及實際土壤侵蝕模數(shù)Fig.3 Different model estimates and actual soil erosion modulus in Chongqing in 2015

3.2 重慶市土壤保持服務空間分布特征

通過InVEST模型中的土壤保持模塊得出研究區(qū)土壤保持服務在空間上分布特征。由圖4可知，從整體上看，土壤保持量高值區(qū)集中在渝東北以及西南部地區(qū)，低值區(qū)主要為西部及部分中部地區(qū)，2015年重慶市土壤保持量為13.01×108t。從流域上看，漢江水系土壤保持量最高，柵格單元最大值為167 348 t，最小值為1 228 t，土壤保持總量為146.07×106t；烏江水系土壤保持量為216.63×106t，土壤保持服務最高的區(qū)域為西部，最大值為15 2451 t，低值區(qū)分布在東部，其數(shù)值為59 t；長江上渝干流區(qū)間的流域面積是最大的，其土壤保持總量也是6個流域中最大的，為859.65×106t，高值區(qū)集中在東北部及零散分布在西南部，柵格單元最大值為141 586 t，低值區(qū)為西南及中部地區(qū)；洞庭湖水系柵格單元最大值為60 294 t，但由于其柵格單元值分布較為均勻，其土壤保持總量排在第四，其值為42.01×106t；嘉陵江水系和岷、沱江水系位于渝西北地區(qū)，由于土壤侵蝕大造成的水土流失現(xiàn)象較為明顯，其土壤保持量較低，分別為33.73×106t和3.06×106t。

圖4 2015年重慶市土壤保持服務Fig.4 2015 Chongqing soil conservation service

3.3 土壤保持服務影響因素分析

不同土壤侵蝕強度形成的斑塊在空間上所進行的組合以及更迭，是在一定范圍內(nèi)將水土流失按照等級、類型、個體的相似性進行歸并分類后的產(chǎn)物。因此，可將不同土壤侵蝕強度定義為由不相同的侵蝕強度鑲嵌而成的侵蝕景觀。這樣，就可以運用景觀指數(shù)來揭示土壤保持服務其與外部影響因素之間的關系[24]。將InVEST模型所估算的土壤侵蝕模數(shù)按照中國水利部發(fā)布的《土壤侵蝕分類分級標準》分成6類，如圖5所示，再結合當前國內(nèi)外的相關研究選取影響土壤保持服務的影響因素，采用多元線性回歸分析土壤保持服務與影響因素的統(tǒng)計學關系；借助地理探測器探討土壤保持服務與氣候因素、景觀指數(shù)間相關性，分析出影響其空間分布的主要因素。結合兩個研究方法，綜合診斷出影響重慶市土壤保持服務的主導因素。

圖5 2015年重慶市土壤侵蝕分級圖Fig.5 Soil erosion grading map in Chongqing in 2015

(1)多元線性回歸。借助多元線性逐步回歸法對影響因素進行相關性和共線性研究，選取最優(yōu)的影響因素，建立最佳的回歸模型。研究結果表明，氣候因素、景觀格局指數(shù)與土壤保持服務間存在相關性，顯著性檢驗均小于5%,模型擬合度較為良好。根據(jù)回歸方程[式(6)、式(7)]可以看出，降水(x1)、氣溫(x2)、蔓延度指數(shù)(x9)、景觀分離度(x10)、分離度指數(shù)(x11)和香農(nóng)均勻度指數(shù)(x14)與土壤保持服務相關性較為顯著，而景觀面積(x3)、斑塊數(shù)量(x4)、斑塊密度(x5)、平均斑塊面積(x6)、最大斑塊指數(shù)(x7)、景觀形狀指數(shù)(x8)、景觀豐度(x12)、香農(nóng)多樣性指數(shù)(x13)8個影響因素間無明顯相關性。其中，除了氣溫和景觀分割度與土壤保持服務呈負相關外，其余影響因素均顯示為正相關關系。

A=53 952.066-5 730.260x2+34.388x1

(6)

A=-195 960.270+2 499.540x9+

201 076.071x14-31 432.254x10+

1 745.839x11

(7)

(2)地理探測器。地理探測器探測影響因素時，類型變量與連續(xù)型變量相比較而言，類型變量出來的效果更好[25]，因此選取聚類效果較優(yōu)且原理簡單的K-means聚類算法進行分類處理。首先利用SPSS軟件對連續(xù)型指標數(shù)據(jù)進行K-means聚類，分為1、2、3、4四類。探測結果顯著性水平P<0.05，通過顯著性檢驗。

根據(jù)圖6可知，導入地理探測器中的14個指標后，得到影響整個重慶市土壤保持服務的主要影響因素有10個，按影響力Q大小排序為：蔓延度指數(shù)(x9)>氣溫(x2)>香農(nóng)均勻度指數(shù)(x14)>香農(nóng)多樣性指數(shù)(x13)>景觀分離度(x10)>最大斑塊指數(shù)(x7)>斑塊密度(x5)>景觀豐度(x12)>分離度指數(shù)(x11)>降水(x1)。因為漢江水系、洞庭湖水系及岷、沱江水系樣本數(shù)量過少，不再對此進行分析。從流域尺度上看，影響烏江水系土壤保持量的影響因素最多，共有7個指標，其中影響力Q在0.5以上的指標有降水(x1)、最大斑塊指數(shù)(x7)、景觀分離度(x10)、香農(nóng)多樣性指數(shù)(x13)4個；長江上渝干流區(qū)間影響因素有4個，且影響力Q大小差異顯著，氣溫是主導因素，其值為0.536；嘉陵江因樣本數(shù)量不足，無法探測出景觀格局指數(shù)對其土壤保持服務的影響，但氣候因素對其影響力大，降水和氣溫的影響力Q均在0.6以上。

圖6 研究區(qū)影響因素探測結果Fig.6 The detection results of influencing factors in the study area

3.4 土壤保持服務影響因素空間分布特征

通過多元線性回歸方法和地理探測器綜合分析發(fā)現(xiàn)，影響土壤保持服務功能的主要影響因素有降水、氣溫、蔓延度指數(shù)、景觀分割度、分離度指數(shù)和香農(nóng)均勻度指數(shù)。根據(jù)圖7進一步分析氣候因素、景觀格局因素的作用機理，以確保實現(xiàn)生態(tài)系統(tǒng)服務的可持續(xù)發(fā)展。

圖7 影響因素空間分布圖Fig.7 Spatial distribution map of influencing factors

(1)氣候因素。相關研究表明，降水充沛有利于植物生長，植被覆蓋率提升的同時提高了土壤保持的能力；但當降水過剩時會對土壤造成侵蝕作用，進一步降低了土壤保持能力。對比圖7中降水分布圖，可以看見主城及周邊地區(qū)降水量最多對土壤存在侵蝕作用，因此該區(qū)域土壤保持量小；漢江水系的年均降水量為1 168 mm，降水量適宜，土壤保持量較高；其余流域降水量在800～900 mm，該區(qū)域的土壤保持量分布特征與其降水分布較為一致。氣溫與土壤保持服務呈負相關性，主要是由于過高的溫度會使土壤結構發(fā)現(xiàn)不可恢復性的變化，即對土壤結構造成破壞[26]。漢江水系的年均氣溫在8～11 ℃，岷、沱江水系、嘉陵江水系和長江上渝干流區(qū)間的年均氣溫在14～16 ℃，因此溫度適宜的漢江水系土壤保持能力最佳，其余流域土壤保持量較低。

(2)景觀格局指標。斑塊密度和最大斑塊占比可以表征景觀格局破碎化，根據(jù)圖7可以看出，漢江水系斑塊密度小，而最大斑塊占比大，表明該區(qū)域的景觀格局破碎化程度較低，土壤保持能力較好；長江上渝干流區(qū)間的主城區(qū)域，由于人類活動較多，相應的斑塊密度較大、最大斑塊占比較小，即景觀破碎化程度較大，使得該區(qū)域土壤保持能力較低。

蔓延度指數(shù)、景觀分離度和分離度指數(shù)表征景觀格局形狀。其中蔓延度指數(shù)是指各斑塊間的蔓延程度，其值越小則表明景觀以多要素形式密集分布，即破碎化程度高；景觀分離度與分離度指數(shù)空間分布特征一致，其值越大表明景觀形狀越復雜越破碎化。根據(jù)圖7可以看出漢江水系及長江上渝干流區(qū)間東北部區(qū)域的蔓延度指數(shù)在55%以上，景觀分離度范圍在0.033%～0.298%，分離度指數(shù)在1.035%～1.974%，即該區(qū)域景觀格局形狀較為簡單，破碎化程度低，土壤保持能力強；長江上渝干流區(qū)間西南部地區(qū)3個指標數(shù)表征該區(qū)域存在輕微破碎化，因此其土壤保持量比前者較少。

香農(nóng)多樣性指數(shù)與香農(nóng)均勻度指數(shù)表示景觀多樣性，即其值越大則表明該區(qū)域景觀類型越多，景觀破碎化程度越大。香農(nóng)多樣性指數(shù)與香農(nóng)均勻度指數(shù)的空間分布特征與研究區(qū)土壤保持量空間分布情況一致，即景觀類型越多樣的區(qū)域，土壤保持量越小，反之景觀類型越單一的區(qū)域，土壤保持量越大。

4 結論與展望

以重慶市作為研究區(qū)，分別基于RUSLE模型和InVEST模型估算2015年研究區(qū)土壤侵蝕量，在此基礎上分析2015年重慶市土壤保持量空間分布情況，并采用多元線性回歸和地理探測器模型綜合探討氣候因素、景觀格局指數(shù)對其空間分布特征的影響，得到以下結論。

(1)通過與重慶市水利局公布的2015年重慶市年均土壤侵蝕模數(shù)數(shù)據(jù)對比可知，InVEST模型所估算的土壤侵蝕模數(shù)與2015年重慶市實際土壤侵蝕模數(shù)較為接近，兩者之間的差值為33.11 t/(km2·a)，精度較高；而RUSLE模型所估算的土壤侵蝕模數(shù)與2015年重慶市實際土壤侵蝕模數(shù)差值為201.02 t/(km2·a)，精度較低。

(2)從重慶市來看，土壤保持能力較強的區(qū)域在渝東北及部分渝西南，渝西部、中部和東南部土壤保持能力較弱；從流域來看，漢江水系、長江上渝干流區(qū)間的東北部與部分西南地區(qū)、烏江水系西部等區(qū)域的土壤保持量較高，岷、沱江水系、嘉陵江水系等其他區(qū)域土壤保持量較低。

(3)利用多元線性回歸方法計算出影響土壤保持服務的主要影響因素為降水、氣溫、蔓延度指數(shù)、景觀分離度、分離度指數(shù)和香農(nóng)均勻度指數(shù)；利用地理探測器探討重慶市土壤保持服務影響因素除了以上6個外，還有斑塊密度、最大斑塊指數(shù)、景觀豐度、香農(nóng)多樣性指數(shù)4個因素；不同流域間影響土壤保持服務的因素也有所差異，漢江水系土壤保持服務影響因素有7個，長江上渝干流區(qū)間影響因素有4個，嘉陵江水系影響因素有2個。

主要對重慶市土壤保持服務的空間分布及影響因素進行了探討。由于土壤保持服務的空間分布特征是一個復雜的生態(tài)過程，在后期研究中將對多時段的土壤保持服務進行深入研究。并且，兩種模型估算結果精確度后續(xù)應繼續(xù)進行驗證。此外，由于地理探測器中使用類型數(shù)據(jù)優(yōu)于連續(xù)型數(shù)據(jù)，后續(xù)還需對最優(yōu)分類方法進行探討。