长江科学院院报

长江科学院院报 >

2025 , Vol. 42 >Issue 11: 73 - 81

DOI: https://doi.org/10.11988/ckyyb.20241038

水土保持与生态修复

基于SSPs-USLE耦合的未来气候情景下鄱阳湖流域土壤侵蚀研究

  • 闫峰 , 1, 2 ,
  • 王静宜 1 ,
  • 王露瑶 1
展开
  • 1 南昌大学 工程建设学院,南昌 330031
  • 2 南昌大学 鄱阳湖环境与资源利用教育部重点实验室,南昌 330031

闫 峰(1988-),男,山东滨州人,副教授,博士,博士生导师,研究方向为水资源管理、水环境保护及水生态遥感。E-mail:

Copy editor: 罗玉兰

收稿日期: 2024-10-08

  修回日期: 2025-01-30

  网络出版日期: 2025-04-30

基金资助

江西省自然科学基金项目(20252BAC240689)

江西省自然科学基金项目(20243BCE51083)

收起

Soil Erosion in Poyang Lake Basin under Future Climate Scenarios Based on SSPs-USLE Coupling

  • YAN Feng , 1, 2 ,
  • WANG Jing-yi 1 ,
  • WANG Lu-yao 1
Expand
  • 1 School of Infrastructure Engineering, Nanchang University, Nanchang 330031, China
  • 2 Key Laboratory of Poyang Lake Environment and Resource Utilization of Ministry of Education, Nanchang University, Nanchang 330031, China

Received date: 2024-10-08

  Revised date: 2025-01-30

  Online published: 2025-04-30

Fold

摘要

随着气候变化,鄱阳湖流域的降雨也发生一定改变,对土壤侵蚀产生潜在影响。通过对共享社会经济路径(SSPs)和通用土壤流失方程(USLE)耦合,建立了未来时期气候影响下土壤侵蚀模拟方法。结果显示:在时间上,未来时期鄱阳湖流域土壤侵蚀面积减少,但土壤侵蚀量增多。SSPs2-4.5、SSPs4-6.0、SSPs5-8.5情景下侵蚀面积分别减少906、916、912 km2/a;土壤侵蚀量分别增加2 022.60×104 、2 098.61×104 、3 154.35×104 t/a。在空间上,未来时期西北部和南部强烈及以上侵蚀面积增加,流域整体土壤侵蚀加剧。SSPs5-8.5情景下流域土壤侵蚀最严重,土壤侵蚀量达17 247.61×104 t/a;SSPs2-4.5情景下流域土壤侵蚀相对最少,土壤侵蚀量为16 115.86×104 t/a。

关键词： 土壤侵蚀; 气候变化; 时空分布; SSPs; USLE; 鄱阳湖流域

本文引用格式

闫峰 , 王静宜 , 王露瑶 . 基于SSPs-USLE耦合的未来气候情景下鄱阳湖流域土壤侵蚀研究[J]. 长江科学院院报, 2025 , 42(11) : 73 -81 . DOI: 10.11988/ckyyb.20241038

Abstract

[Objective] Under the influence of climate change, the rainfall pattern in the Poyang Lake Basin has changed, potentially affecting local soil erosion and subsequently threatening water and ecological security in the basin. However, current research on soil erosion within the basin mostly focuses on historical periods, with relatively limited research on future soil erosion predictions. The lack of clarity regarding future soil erosion dynamics under climate scenarios constrains local soil and water conservation planning and erosion management. To address this gap, future soil erosion predictions are conducted for the Poyang Lake Basin to elucidate its spatiotemporal evolution characteristics under climate change impacts, thereby providing scientific references for local soil and water conservation planning and soil erosion management. [Methods] The SSPs-USLE coupled model at the Poyang Lake Basin scale was developed by integrating the Shared Socioeconomic Pathways (SSPs) and the Universal Soil Loss Equation (USLE) in this study. Tailored to the specific conditions of the Poyang Lake Basin, the SSPs-USLE coupled model was applied to simulate soil erosion both during the historical period (2000-2022) and under three future climate scenarios (SSPs2-4.5, SSPs4-6.0, and SSPs5-8.5) for the period 2030-2060. Through statistical and comparative analysis of the results, the spatiotemporal evolution characteristics of soil erosion under different future scenarios were elucidated. The underlying causes were further analyzed based on existing literature, thereby providing targeted measures and recommendations. [Results] Temporally, the total area affected by soil erosion in the Poyang Lake Basin was projected to decrease in the future, while the total soil erosion volume was expected to increase. Specifically, under the SSPs2-4.5, SSPs4-6.0, and SSPs5-8.5 scenarios, the soil erosion area decreased by 906 km2/a, 916 km2/a, and 912 km2/a, respectively, predominantly occurring in areas with slight intensity erosion. Meanwhile, the total soil loss increased by 2 022.60×104 , 2 098.61×104 and 3 154.35×104 t/a under the same scenarios, mainly affecting areas with moderate or lower erosion intensity. Spatially, the northeast of Poyang Lake Basin in the historical period exhibited severe soil erosion, with a higher proportion of areas classified as strongly eroded or above. In the future, the northwestern and southern regions would experience a significant expansion of strongly eroded or above areas, leading to a more severe overall soil erosion problem in the basin. Among the different socioeconomic scenarios, the SSPs5-8.5 scenario resulted in the most severe soil erosion within the basin, with a total soil erosion volume of 17 247.61 × 104 t/a. The overall erosion intensity shifted from moderate to strong, indicating substantial pressure for future soil erosion control. In contrast, under the SSPs2-4.5 scenario, the basin experienced the least soil erosion, with a total soil erosion volume of 16 115.86×104 t/a. The overall erosion intensity transitioned from moderate to mild, suggesting lower pressure for subsequent soil erosion control. [Conclusion] Future soil erosion in the Poyang Lake Basin is predicted by developing an SSPs-USLE coupled model at the watershed scale, thereby addressing a critical data gap in future soil erosion in this region. The model results show that with the impact of climate change, soil erosion within the Poyang Lake Basin will exhibit an intensifying trend in the future, particularly with increased erosion volumes at areas with slight to moderate erosion intensities. This phenomenon is predominantly attributed to terrain and rainfall, with significant exacerbation concentrated primarily in localized heavy rainfall centers and mountainous/hilly terrain. Besides, among the three future scenarios, the SSPs2-4.5 scenario has the lowest degree of soil erosion deterioration in the watershed, which is a more desirable outcome for the future. Based on this, the local soil erosion control work should be taken seriously, and attention should be paid to addressing slight-to-moderate soil erosion areas in the Poyang Lake Basin. Multiple measures should be implemented in coordination to alleviate the impact of climate change on soil erosion in the basin, and promote social development towards SSPs2-4.5 or even better scenarios.

Key words： soil erosion; climate change; spatiotemporal distribution; SSPs; USLE; Poyang Lake Basin

开放科学(资源服务)标识码(OSID):

0 引言

土壤侵蚀会导致当地土壤资源减少、土壤质量下降,是制约社会经济发展和威胁生态安全的主要原因之一[1]。近年来,随着气候变化的加剧,降雨格局改变,极端降雨频率增加,土壤侵蚀有加剧的可能[2]。因此,进行气候变化下的土壤侵蚀预测对于促进经济社会与生态环境的全面协调可持续发展具有重要意义。
1965年,Wischmeier等[3]提出了通用土壤流失方程(Universal Soil Loss Equation,USLE)。该模型综合考虑了自然要素对土壤侵蚀的影响,是计算流域土壤侵蚀最常用的模型之一,且已经得到广泛应用。蔡崇法等[4]在IDRISI地理信息系统支持下利用USLE模型预测了长江三峡库区土壤侵蚀量。魏健美等[5]基于USLE模型对甘南土壤侵蚀的时空分布特征进行了量化评估。Alewell等[6]引入USLE模型研究了土壤侵蚀对氮、磷等元素迁移的影响。然而,这些研究大多集中于对历史土壤侵蚀时空特征的模拟与评价,对未来土壤侵蚀的预测研究还相对较少。
共享社会经济发展路径(Shared Socioeconomic Pathways,SSPs)是联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change,IPCC)为了促进对未来气候变化影响、适应和减缓的综合分析而构建的新一代情景组合[7]。自提出至今,SSPs已经广泛运用到各领域之中。孔锋等[8]基于海陆分异视角,对比分析了不同SSPs情景下全球极端降雨的空间差异特征。郑衍欣等[7]基于SSPs2-4.5和SSPs5-8.5两种共享社会经济路径,预估了2021—2050年长江流域夏季降雨。温姗姗等[9]基于N-CMIP6的35个气候模式输出结果探讨了未来不同SSPs情景下长江流域气温和降雨可能的变化。
鄱阳湖流域由于红壤分布广泛,土壤侵蚀现象已经得到了学者的广泛关注。原立峰等[10]对鄱阳湖生态经济区土壤侵蚀脆弱性进行了评价。方玉杰等[11]对鄱阳湖生态经济区小流域土壤侵蚀进行了模拟。谭永滨等[12]分析了2000—2019年间5个时期鄱阳湖流域的土壤侵蚀强度。然而,当前鄱阳湖流域土壤侵蚀研究仅停留在对历史时期的模拟,对未来气候变化下鄱阳湖流域土壤侵蚀的变化情况的研究甚少。
综上,本研究通过构建SSPs-USLE耦合模型,对鄱阳湖流域历史时期(2000—2022年)及未来时期(2030—2060年)不同情景下的土壤侵蚀量进行模拟和预测,并基于模拟结果定量分析未来气候变化影响下鄱阳湖流域土壤侵蚀时空演变特征,从而有针对性地提出解决措施与方案,以供当地水土保持规划和流域水土流失治理参考和借鉴。

1 方法与材料

1.1 研究区域概况

鄱阳湖流域位于江西省北部,面积162 225 km2,占江西省土地面积的97.2%。地貌类型以丘陵山地为主,红壤分布广泛[13]。属于亚热带季风气候,降雨丰富且强度大,导致流域内土壤侵蚀问题频发[14]。早在20世纪50年代初,江西省已展开鄱阳湖流域水土流失治理相关工作[15]。但在全球气候变化的影响下,鄱阳湖流域近年来极端降雨的强度和频率呈明显增长趋势[2],给当地土壤侵蚀防控与治理带来了新的挑战。

1.2 数据来源

本研究所需数据包括地形数据、降雨数据、土地利用数据、土壤成分数据及植被覆盖数据等。各数据来源如表1所示。
表1 基础数据来源

Table 1 Basic data sources

数据名称 来源
数字高程模型DEM
(90 m)		 地理空间数据云(http://www.gscloud.cn)
2000—2022年降雨数据 中国气象网(https://data.cma.cn/)
2030—2060年降雨数据 Earth System Grid Federation(地球系统网格联盟)(https://esgf-node)
土地利用类型数据
(30 m)		 武大开源数据集(https://doi.org/10.5281/zenodo.4417810)
世界土壤数据库中国
土壤数据集HWSD		 国家青藏高原科学数据中心(http://data.tpdc.ac.cn)
归一化植被指数 MOD13A3数据集(https://www.earthdata.nasa.gov/)

1.3 未来气候模拟方法

共享社会经济路径(SSPs)是IPCC基于典型浓度路径(Representative Concentration Pathways,RCPs)发展并用于构建社会经济新情景的重要路径[8]。2010年IPCC采用并行方式将气候情景和社会经济情景融为一体,形成了新的情景发展模式框架[16]。该模式以共享气候政策假设为依据,表示在某一社会经济发展路径下实施一定的气候减缓和应对政策而实现相应辐射强迫的目标。基于此,本研究以CanESM5模型在SSPs2-4.5、SSPs4-6.0和SSPs5-8.5这3类情景中的预测数据为未来不同气候情景下的降雨数据。其中,SSPs2-4.5为中等未来情景,假定未来的社会经济发展较为平稳,温室气体排放相对中等,到2100年辐射强迫稳定在4.5 W/m2;SSPs4-6.0为不平等未来情景,高收入国家应对气候变化能力较强,而低收入国家面临更多挑战,到2100年辐射强迫为5.4 W/m2;SSPs5-8.5为高碳未来情景,即能源主导的经济增长继续加剧温室气体排放,气候变化的应对能力较弱,到2100年辐射强迫高至8.5 W/m2。
考虑不同来源数据分辨率差异,本研究以1980—2014年实测数据为基准,采用Delta降尺度方法和偏差矫正对其进行空间分布上的一致化。
Delta降尺度方法计算式为[17]
P f = P 0 P G f P G 0 　 。
式中:Pf为降尺度后得到的未来情境下的降雨序列;PGf为CanESM5模型中的降雨序列;PG0为气候模式在基准期内模拟的多年平均降雨;P0为基准期内气象测站的多年平均降雨。
偏差矫正方法计算式为[18]:
x ∧ m , p t = x ∧ o : m , h : p t + Δ m t 　 ,
x ∧ o : m , h : p t = F o , h - 1 τ m , p t 　 ,
Δ m t = x m , p t F m , h - 1 τ m , p t 　 。
式中: x ∧ m , p t为未来预测时期模型数据的偏差修正值; x ∧ o : m , h : p t为基础观测数据的偏差修正值;Δm t为模型数据在基础时期和未来时期之间的相对变化;τm,p t为经验累积密度 F中 x ∧ m , p t在t附近的时间窗口内的百分位数; F o , h - 1为观测数据的经验累积密度函数的逆; F m , h - 1为未来时期模型数据的经验累积密度函数的逆;xm,p t为未经矫正的未来时期模型数据。

1.4 通用土壤流失方程(USLE)

通用土壤流失方程(USLE)是用于评估和预测土壤流失的一种模型[18],其计算式为
A = R · K · L S · C · P 　 。
式中:A为土壤侵蚀模数(t/(km2·a));R为降雨侵蚀力因子((MJ·mm)/(hm2·h·a));K为土壤可蚀性因子((t·hm2·h)/(hm2·MJ·mm));LS为坡长坡度因子(无量纲);C为地表植被覆盖与管理因子(无量纲);P为水土保持措施因子(无量纲)。
本研究通过对比筛选USLE相关研究中所运用的方法,并结合鄱阳湖流域自然环境特点,拟定各因子计算方法如下:
(1)降雨侵蚀力因子R。R因子采用章文波等[19]提出的逐年雨量估算侵蚀力计算模型进行估算,计算式为:
R j = 0.053   4 P j 1.654   8 　 ,
R - = ∑ j = 1 n R j 　 。
式中: R j为第j年的降雨侵蚀力因子((MJ·mm)/(hm2·h)); P j为第j年的降雨量(mm); R -为各时期平均降雨侵蚀力因子((MJ·mm)/(hm2·h))。
(2)土壤可蚀性因子K。K因子采用Williams[20]提出的EPIC模型进行计算,计算式为
$\begin{array}{c} K=\left\{0.2+0.3 \exp \left[-0.0256 \mathrm{Sa}\left(1-\frac{F}{100}\right)\right]\right\} ·\\ \left(\frac{F}{N-F}\right)^{0.3}\left(1-\frac{0.25 T}{T+\exp (3.75-2.95 T)}\right)· \\ \left(1-\frac{0.7 \mathrm{Sa}_{n_{1}}}{\mathrm{Sa}_{n_{1}}+\exp \left(-5.51+22.9 \mathrm{Sa}_{n_{1}}\right)}\right)。 \end{array}$
式中:K为土壤可蚀性因子((t·acre·h)/(100·acre·ft·tanf·in)),结果需乘以系数0.131 7以得到国际制单位((t·hm2·h)/(hm2·MJ·mm));Sa、F、N和T分别为土壤中的沙粒、粉粒、黏粒及有机碳含量(%),S a n 1为非沙粒组分的质量占比计算式为
S a n 1 = 1 - S a / 100 　 。
(3)坡长坡度因子LS。坡长坡度数据采用ArcGIS软件从DEM数据中提取。其中,坡长因子L通过对DEM数据填洼和计算流向,以水流路径距离进行估算[5],计算式如下:
L = λ 22.13 m 　 ,
λ = l c o s α 　 。
式中: λ为水平投影坡长(m);l为地表沿流向的水流长度(m); α为水流地区的坡度;m为可变的坡度指数,其取值如下
m = 0.2   , 　 θ < 0.57 ° 　 ; 0.3   , 　 0.57 ° ≤ θ < 1.72 ° 　 ; 0.4   , 　 1.72 ° ≤ θ < 2.56 ° 　 ; 0.5   , 　 2.56 ° ≤ θ 　 。
式中 θ为坡度(°)。
坡度因子S采用分级的方式进行计算,当坡度≤10°时采用Mccool公式[21],在>10°时采用Liu等[22]的公式。
$S=\left\{\begin{array}{ll} 10.80 \sin \theta+0.03, & \theta＜5^{\circ} ;\\ 16.80 \sin \theta-0.50, & 5^{\circ} \leqslant \theta \leqslant 10^{\circ} \\ 21.91 \sin \theta-0.96, & \theta>10^{\circ}。 \end{array} \quad ;\right.$
(4)地表植被覆盖与管理因子C。通过对归一化植被指数(Normalized Difference Vegetation Index,NDVI)进行像元二分模型计算,获取对应的植被覆盖度(Fractional Vegetation Cover, FVC),随后采用蔡崇法等[4]得到的FVC与C因子之间的对应关系进行C因子计算。计算式如下:
F V C = N D V I - N D V I m i n N D V I m a x - N D V I m i n 　 ,
$C=\left\{\begin{array}{l} 1, \mathrm{FVC}=0 \quad ; \\ 0.6508-0.3436 \lg \mathrm{FVC}, 0＜\mathrm{FVC}＜78.3 \% ;\\ 0, \mathrm{FVC} \geqslant 78.3 \% 。 \end{array}\right.$
式中:NDVImin为裸土或无植被覆盖区域的NDVI,取累计百分比为5%时的NDVI值;NDVImax为植被完全覆盖区域的NDVI,取累计百分比为95%时的NDVI值。
(5)水土保持措施因子P。由于统一的计算方法在不同地区应用误差较大,目前国内尚没有关于P值的赋值标准。因此,本研究参考有关学者对相关地区的研究成果[10-12],并基于研究区域土地利用类型进行赋值,赋值结果如表2所示。
表2 鄱阳湖流域水土保持措施因子P值

Table 2 Values of factor P of soil and water conservation measures in Poyang Lake Basin

土地利用
类型		 耕地 林地 草地 湿地 灌木 裸土 建筑
用地		 水体
P值 0.2 0.5 0.55 0.6 1 1 0 0

1.5 基于SSPs-USLE耦合的未来气候情景下鄱阳湖流域土壤侵蚀模拟方法

将处理后的未来气候变化预测数据与USLE模型进行耦合,并采用ArcGIS软件分别模拟鄱阳湖流域历史时期(2000—2022年)和未来时期(2030—2060年)SSPs2-4.5、SSPs4-6.0、SSPs5-8.5这3种情景下的年平均土壤侵蚀量。通过对比,定量分析气候变化影响下未来鄱阳湖流域土壤侵蚀的时空演变特征。由于未来气候变化主要改变鄱阳湖流域的降雨格局,即R因子会发生明显变化,因此未来时期模拟过程中拟定C、K、P及SL因子分布情况不变。

2 研究结果与分析

2.1 土壤侵蚀因子

2.1.1 C、K、P及SL因子

模型中C、K、P及SL各因子分布情况如图1所示。其中,流域内植被覆盖与管理因子C均值为0.446 7。由于C值越大地区植被覆盖度越低[4],可知鄱阳湖流域内越靠近河流区域植被越稀疏,而越远离河流区域植被越茂密。坡度坡长因子SL均值为5.255 7,流域北部及中部SL值较小,与DEM空间分布特征基本一致。土壤可蚀性因子K均值为0.028 6 (t·hm2·h)/(hm2·MJ·mm),北部地区K值普遍高于南部。水土保持措施因子P均值为0.377 5。
图1 鄱阳湖流域C、K、P及SL因子分布

Fig.1 Distribution of C, K, P, and SL factors in Poyang Lake Basin

2.1.2 R因子

采用2000—2022年实际观测数据计算鄱阳湖流域历史时期年平均降雨侵蚀力因子R,其分布情况如图2所示。历史时期流域年平均降雨量约为1 604.88 mm,对应降雨侵蚀力因子R均值为10 947.84 (MJ·mm)/(hm2·h·a)。由图2可知,2000—2022年鄱阳湖流域降雨侵蚀由西向东逐渐递增,降雨量空间分布差异较大。
图2 鄱阳湖流域历史时期(2000—2022年)年平均降雨侵蚀力因子R分布

Fig.2 Distribution of annual average rainfall erosivity factor R in Poyang Lake Basin during historical period (2000-2022)

采用修正后的鄱阳湖流域2030—2060年降雨预测数据,计算其未来时期不同情景下的年平均降雨侵蚀力因子R,对应分布情况如图3所示。由图3可知,SSPs2-4.5、SSPs4-6.0和SSPs5-8.5这3种情景下降雨侵蚀力因子R的均值分别为13 390.55、13 538.79、14 257.85 (MJ·mm)/(hm2·h·a)。未来气候变化影响下鄱阳湖流域降雨格局改变,流域整体降雨增多,降雨时空分布更加不均。其中流域南部地区降雨明显增加,对应的降雨侵蚀力因子明显增大。除此之外,在西北部、南部和东部出现局部暴雨中心。
图3 鄱阳湖流域未来时期(2030—2060年)不同SSPs情景年平均降雨侵蚀力因子R分布

Fig.3 Distribution of annual average rainfall erosivity factor R for different SSP scenarios in Poyang Lake Basin during future period (2030-2060)

2.2 鄱阳湖流域历史时期土壤侵蚀状况

考虑鄱阳湖流域历史时期年平均降雨侵蚀力因子,运用USLE模型模拟计算鄱阳湖流域对应土壤侵蚀模数,并参考《土壤侵蚀分类分级标准》(SL190—2007)及鄱阳湖流域实际情况对土壤侵蚀模数进行等级划分,结果如图4所示。
图4 鄱阳湖流域历史时期(2000—2022年)年平均土壤侵蚀模数分布

Fig.4 Distribution of annual average soil erosion modulus in Poyang Lake Basin during historical period (2020-2022)

鄱阳湖流域历史时期土壤侵蚀模数为992.81 t/(km2·a),共产生土壤侵蚀量14 093.26×104 t/a。由图4可知,2000—2022年鄱阳湖流域不同地区土壤侵蚀差距显著,其中东北丘陵地区土壤侵蚀最为严重,多地土壤侵蚀模数>15 000 t/(km2·a);其次为西北部和南部地区,主要分布有强烈和极强烈土壤侵蚀区,同时伴有少数剧烈土壤侵蚀区;中部地区土壤侵蚀情况相对较好,土壤侵蚀模数均较小,以微度至中度土壤侵蚀区居多。

2.3 鄱阳湖流域未来时期土壤侵蚀状况

考虑鄱阳湖流域未来时期年平均降雨侵蚀力因子,并基于SSPs-USLE耦合模型模拟预测鄱阳湖流域未来时期SSPs2-4.5、SSPs4-6.0和SSPs5-8.5这3种情景下的土壤侵蚀模数。结果如图5所示。
图5 鄱阳湖流域未来时期(2030—2060年)不同SSPs情景年平均土壤侵蚀模数分布

Fig.5 Distribution of annual average soil erosion modulus for different SSP scenarios in Poyang Lake Basin during future period (2030-2060)

未来SSPs2-4.5、SSPs4-6.0和SSPs5-8.5这3种不同情景下土壤侵蚀模数依次为1 063.62、1 068.71、1 138.37 t/(km2·a),对应的土壤侵蚀量依次为16 115.86×104、16 191.87×104、17 247.61×104 t/a。其中,SSPs5-8.5情景下鄱阳湖流域土壤侵蚀模数最大,土壤侵蚀最严重,其次为SSPs4-6.0情景,SSPs2-4.5情景下土壤侵蚀相对最好。3种情景下均表现为流域西北部、东北部和南部强烈及以上土壤侵蚀区占比较多,土壤侵蚀严重;中部地区多为中度及以下土壤侵蚀区,土壤侵蚀相对较好。
与历史时期相比,未来时期不同SSPs情景下土壤侵蚀明显加剧,SSPs2-4.5、SSPs4-6.0、SSPs5-8.5这3种情景下的土壤侵蚀量分别增加2 022.60×104、2 098.61×104、3 154.35×104 t/a。其中,轻度至强烈土壤侵蚀区均显著增加,微度土壤侵蚀区均显著减少。除此之外,未来时期流域西北部和南部强烈、极强烈和剧烈土壤侵蚀区占比显著增加,土壤侵蚀急速加剧;中部地区大部分微度土壤侵蚀区在气候变化影响下进一步转变为轻度或中度,土壤侵蚀加剧;东北部地区相对变化不大,但持续属于土壤侵蚀严重区域。

2.4 鄱阳湖流域土壤侵蚀时空分布特征

利用ArcGIS软件统计鄱阳湖流域各时期不同强度土壤侵蚀面积,结果如表3所示。由表3可知,鄱阳湖流域历史时期年平均土壤侵蚀面积为15.24×104 km2。其中微度侵蚀面积最多,有133 146 km2,剧烈侵蚀面积最少,仅有1 196 km2,其余强度侵蚀面积相近。流域未来时期不同情景下年平均土壤侵蚀面积均为15.15×104 km2左右,且不同强度土壤侵蚀面积均为微度>轻度>中度>强烈>极强烈>剧烈。其中微度侵蚀面积最多,SSPs2-4.5、SSPs4-6.0和SSPs5-8.5这3种不同情景下年平均土壤侵蚀面积分别有123 932、123 897、123 513 km2,剧烈侵蚀面积最少,3种不同情景下年平均土壤侵蚀面积分别有1 651、1 626、1 967 km2。
表3 鄱阳湖流域各时期不同强度土壤侵蚀面积统计

Table 3 Statistics on soil erosion areas of different intensities during various periods in Poyang Lake Basin

侵蚀强度 各时期不同强度年平均土壤侵蚀面积/km2
历史时期
(2000—2022年)		 未来时期(2030—2060年)
SSPs2-4.5 SSPs4-6.0 SSPs5-8.5
微度 133 146 123 932 123 897 123 513
轻度 5 324 9 284 9 274 9 214
中度 4 700 7 977 7 895 7 745
强烈 3 711 4 435 4 589 4 590
极强烈 4 348 4 240 4 228 4 484
剧烈 1 196 1 651 1 626 1 967
总侵蚀面积 152 425 151 519 151 509 151 513
时间尺度对比,未来时期SSPs2-4.5、SSPs4-6.0和SSPs5-8.5这3种情景下的年平均土壤侵蚀面积相较于历史时期分别减少906、916、912 km2。其中,微度侵蚀面积减少最多,SSPs2-4.5和SSPs4-6.0情景下还有少量极强烈侵蚀面积减少。其余强度土壤侵蚀面积均有所增加,尤其为轻度和中度侵蚀面积显著增加,土壤侵蚀状况不容乐观。未来不同情景对比,3种情景下鄱阳湖流域不同土壤侵蚀强度面积分布有所区别。其中,中度及以下总侵蚀面积SSPs2-4.5>SSPs4-6.0>SSPs5-8.5,强烈及以上总侵蚀面积SSPs5-8.5>SSPs4-6.0>SSPs2-4.5。
为进一步比较,利用ArcGIS软件统计流域各时期不同强度土壤侵蚀模数,以定量分析气候变化下鄱阳湖流域土壤侵蚀时空演变特征。鄱阳湖流域各时期不同强度土壤侵蚀模数结果如表4所示。
表4 鄱阳湖流域各时期不同强度土壤侵蚀模数

Table 4 Soil erosion modulus of different intensities during various periods in Poyang Lake Basin

侵蚀
强度		 各时期不同强度土壤侵蚀模数/(t·(km2·a)-1)
2000—2022年 2030—2060年
SSPs2-4.5 SSPs4-6.0 SSPs5-8.5
微度 33.77 62.93 62.79 62.78
轻度 1 608.25 1 652.15 1 654.01 1 654.78
中度 3 420.38 3 571.14 3 586.79 3 697.52
强烈 6 403.64 6 348.18 6 342.54 6 354.03
较强烈 10 829.78 10 733.00 10 744.63 10 779.46
剧烈 34 235.87 21 727.44 22 107.87 22 031.98
由表4可知,鄱阳湖流域历史时期各强度土壤侵蚀模数分别为33.77、1 608.25、3 420.38、6 403.64、10 829.78、34 235.87 t/(km2·a)。与之相比,未来时期鄱阳湖流域强烈及以上土壤侵蚀模数减小,尤其为剧烈侵蚀,SSPs2-4.5、SSPs4-6.0和SSPs5-8.5这3种情景下分别减小36.54%、35.42%和35.65%。相反,中度及以下土壤侵蚀模数增加,尤其为微度侵蚀,3种情景下分别增加86.33%、85.94%和85.91%。
未来时期不同情景对比,SSPs5-8.5情景下中度土壤侵蚀模数显著大于SSPs2-4.5和SSPs4-6.0情景,SSPs2-4.5情景下剧烈土壤侵蚀模数显著小于SSPs5-8.5和SSPs4-6.0情景,其余强度的土壤侵蚀模数在3种情景相差较小,可认为气候变化对这些强度的土壤侵蚀影响接近。

3 讨论与建议

3.1 结果讨论

本研究所模拟的鄱阳湖流域历史时期降雨侵蚀力均值为10 947.84 (MJ·mm)/(hm2·h·a),与顾朝军等[23]研究结果相近;所模拟的历史时期土壤侵蚀模数为992.81 t/(km2·a),与谭永滨等[12]的研究结果相近;所模拟的土壤侵蚀演变趋势与《江西省水土保持规划(2016—2030年)》中江西省1955—2011年全省水土流失的趋势特点相似。综上,本研究结果具有一定的合理性与参考价值。

3.1.1 时间尺度土壤侵蚀演变

未来时期鄱阳湖流域土壤侵蚀面积减少,但土壤侵蚀量增加,流域土壤侵蚀加剧。促使侵蚀面积减少的主要原因是当地政府持续实施的水土流失治理措施所带来的工程效益[15],如构建“七片”综合治理区等。而土壤侵蚀量增加可能是气候变化导致流域内降雨格局改变,降雨侵蚀力因子增大所致。同时,随着水土流失的逐年加剧,流域内泥沙淤积严重,致使流域洪涝灾害发生频率增加[12],当地大量土壤被暴雨侵蚀和冲刷,造成大量水土流失。

3.1.2 空间尺度土壤侵蚀演变

未来时期西北部和南部地区强烈及以上侵蚀面积显著增加,但对应土壤侵蚀模数均有所减少;中部地区微度侵蚀面积减少,轻度和中度侵蚀面积显著增加,对应土壤侵蚀模数均有所增加,鄱阳湖整体表现为土壤侵蚀加剧。其中,强烈及以上土壤侵蚀得到有效改善,中度及以下土壤侵蚀区侵蚀加剧。
对比DEM数字高程图发现,流域东北部、西北部和南部多为山地丘陵地形,海拔较高,坡度较大,土壤受地表径流和降雨侵蚀的影响较大[12]。未来气候变化影响下鄱阳湖流域降雨增多[2],并在西北部、南部和东部均出现局部暴雨中心。这些地区土壤在强降雨的冲刷破坏下更易发生强烈及以上土壤侵蚀。但由于降雨时空分布不均,部分地区降雨减少,土壤侵蚀得到改善,相互抵消后总体呈现轻微好转的结果。而流域中部地区多为平原,土壤在被雨水冲刷剥蚀过程中易产生淤积,导致洪涝灾害发生频率增加[8],最终反作用于土壤侵蚀,微度侵蚀模数增加,甚至转变为轻度或中度。

3.1.3 未来不同SSPs情景下土壤侵蚀

未来时期流域土壤侵蚀SSPs5-8.5情景下最严重,SSPs2-4.5情景下最好。此外,SSPs2-4.5情景下流域整体侵蚀强度由中度向轻度偏移,而SSPs5-8.5情景下整体侵蚀强度由中度向强烈偏移。
依据相关研究,可能因为SSPs5-8.5是一个高碳排放情景,该情景下全球的发展伴随着高度的资源消耗和极高的温室气体排放[16]。因此极端天气频发,频繁的干旱和湿润交替致使鄱阳湖流域生境更加脆弱,土壤中有机质减少,土壤结构变得更为松散,大部分地区在强降雨影响下发生更高强度的土壤侵蚀[14]。而SSPs2-4.5情景下当地已采取了较好的减排措施[16],未来时期气候有一定变化但相对较小,流域内生态环境相对更为稳定,一定程度上削弱了气候变化对流域水土流失的影响。

3.2 措施与建议

基于上述分析与讨论,为进一步缓解气候变化对土壤侵蚀的影响,本研究提出以下解决措施:
(1)在鄱阳湖流域西北部、东北部和南部山地丘陵区建立和维护防护林带,增加土壤植被覆盖度,从而控制坡面侵蚀,减少降雨的影响。
(2)提高对微度至中度土壤侵蚀区的关注度。结合遥感监测、物联网等现代技术完善监测网络,建立高精度的土壤侵蚀预测预报模型,并依据当地管理发展需求建立地方性水土保持技术标准。
(3)提倡低碳生活并树立环保意识。大力宣发低碳生活重要性,制定和实施有针对性的碳排放减少措施,通过政策加快全球气候治理和能源转型,使未来社会趋向SSPs2-4.5甚至更优情景发展。

3.3 不足与展望

本研究通过构建SSPs-USLE耦合模型,将气候变化政策、人口、技术进步及降雨等因素纳入未来预测影响因子范围内,具有一定的科学性和客观性。但未考虑人类活动下土地利用、植被覆盖等的变化,进而对研究精度产生一定影响。为解决这一局限,需在当前基础上引入更复杂的多变量耦合模型。因此,未来研究将会对这部分内容进行优化与改进,使流域土壤侵蚀预测更加精确。

4 结束语

(1)未来时期鄱阳湖流域年平均土壤侵蚀面积减少,但土壤侵蚀量增加,流域土壤侵蚀加剧,流域水土流失治理任重而道远。
(2)未来时期鄱阳湖流域西北部和南部地区强烈及以上侵蚀面积增加,但对应土壤侵蚀模数均有所减少;中部地区微度侵蚀面积减少,轻度和中度侵蚀面积显著增加,对应土壤侵蚀模数均有所增加。
(3)不同SSPs社会情景中,SSPs5-8.5情景下流域土壤侵蚀最严峻;SSPs2-4.5 情景下流域土壤侵蚀相对最好。除此之外,未来时期SSPs2-4.5情景下流域整体侵蚀强度由中度向轻度偏移,而SSPs5-8.5情景下整体侵蚀强度由中度向强烈偏移。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
陈起伟, 熊康宁, 兰安军. 基于GIS技术的贵州省土壤侵蚀危险性评价[J]. 长江科学院院报, 2020, 37(12): 47-52, 66.

DOI

(CHEN Qi-wei, XIONG Kang-ning, LAN An-jun. Assessment of Erosion Risk in Guizhou Province Based on Geological Information System (GIS) Technology[J]. Journal of Yangtze River Scientific Research Institute, 2020, 37(12): 47-52, 66. (in Chinese))

DOI

[2]
郭家力, 郭生练, 郭靖, 等. 鄱阳湖流域未来降水变化预测分析[J]. 长江科学院院报, 2010, 27(8): 20-24.

(GUO Jia-li, GUO Sheng-lian, GUO Jing, et al. Prediction of Precipitation Change in Poyang Lake Basin[J]. Journal of Yangtze River Scientific Research Institute, 2010, 27(8): 20-24. (in Chinese))

[3]
WISCHMEIER W H, SMITH D D. Predicting Rainfall-erosion Losses from Cropland East of the Rocky Mountains,Handbook[K]. Washington D C: U.S. Department of Agriculture, 1965.

[4]
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.

(CAI Chong-fa, DING Shu-wen, SHI Zhi-hua, et al. Study of Applying USLE and Geographical Information System IDRISI to Predict Soil Erosion in Small Watershed[J]. Journal of Soil Water Conservation, 2000, 14(2): 19-24. (in Chinese))

[5]
魏健美, 李常斌, 武磊, 等. 基于USLE的甘南川西北土壤侵蚀研究[J]. 水土保持学报, 2021, 35(2):31-37,46.

(WEI Jian-mei, LI Chang-bin, WU Lei, et al. Study on Soil Erosion in Northwestern Sichuan and Southern Gansu (NSSG) Based on USLE[J]. Journal of Soil and Water Conservation, 2021, 35(2):31-37,46. (in Chinese))

[6]
ALEWELL C, RINGEVAL B, BALLABIO C, et al. Global Phosphorus Shortage Will Be Aggravated by Soil Erosion[J]. Nature Communications, 2020,11:4546.

[7]
郑衍欣, 李双林, 何源. 共享社会经济路径(SSPs)下未来30年长江流域夏季降水预估[J]. 大气科学, 2023, 47(5): 1405-1420.

(ZHENG Yan-xin, LI Shuang-lin, HE Yuan. Projection of Summer Rainfall in the Yangtze River Basin in the Next 30 Years under Different Shared Socioeconomic Pathways[J]. Chinese Journal of Atmospheric Sciences, 2023, 47(5): 1405-1420. (in Chinese))

[8]
孔锋, 孙劭. 基于SSPs的未来全球陆地极端降水强度的空间分异特征预估[J]. 灾害学, 2021, 36(4): 107-112, 118.

(KONG Feng, SUN Shao. Spatial Differentiation Prediction of Global Land Extreme Precipitation Intensity Based on SSPS[J]. Journal of Catastrophology, 2021, 36(4): 107-112, 118. (in Chinese))

[9]
温姗姗, 王智晨, 翟建青, 等. 基于N-CMIP6的长江流域气温和降水未来预估[J]. 人民长江, 2024, 55(8): 69-78.

(WEN Shan-shan, WANG Zhi-chen, ZHAI Jian-qing, et al. Future Projection on Temperature and Precipitation in Changjiang River Basin Based on N-CMIP6[J]. Yangtze River, 2024, 55(8): 69-78. (in Chinese))

[10]
原立峰, 杨桂山, 李恒鹏, 等. 基于GIS和USLE的鄱阳湖流域土壤侵蚀敏感性评价[J]. 水土保持通报, 2013, 33(5): 196-201, 209, 309.

(YUAN Li-feng, YANG Gui-shan, LI Heng-peng, et al. Soil Erosion Sensitivity Assessment for Poyang Lake Basin Based on GIS and USLE[J]. Bulletin of Soil and Water Conservation, 2013, 33(5): 196-201, 209, 309. (in Chinese))

[11]
方玉杰, 万金保, 孙善磊, 等. 鄱阳湖生态经济区小流域土壤侵蚀模拟[J]. 环境科学与技术, 2014, 37(7): 167-172.

(FANG Yu-jie, WAN Jin-bao, SUN Shan-lei, et al. Soil Erosion Simulation and Its Spatiotemporal Distribution Characteristics in a Small Catchment in Poyang Lake Eco-economic Region[J]. Environmental Science & Technology, 2014, 37(7): 167-172. (in Chinese))

[12]
谭永滨, 谢剑亮, 冉江华, 等. 基于RUSLE的鄱阳湖流域土壤侵蚀时空特征及影响因素分析[J]. 西南大学学报(自然科学版), 2023, 45(9): 46-56.

(TAN Yong-bin, XIE Jian-liang, RAN Jiang-hua, et al. Analysis of Spatio-temporal Change and Influencing Factors of Soil Erosion in Poyang Lake Basin Based on RUSLE[J]. Journal of Southwest University (Natural Science Edition), 2023, 45(9): 46-56. (in Chinese))

[13]
刘纪根, 丁文峰, 黄金权. 长江流域水土保持科学研究进展及展望[J]. 长江科学院院报, 2021, 38(10): 54-59.

DOI

(LIU Ji-gen, DING Wen-feng, HUANG Jin-quan. Scientific Research of Water and Soil Conservation in the Yangtze River Basin: Retrospect and Prospect[J]. Journal of Yangtze River Scientific Research Institute, 2021, 38(10): 54-59. (in Chinese))

DOI

[14]
师哲, 张亭, 高华斌. 鄱阳湖地区流域水土流失特点研究初探[J]. 长江科学院院报, 2008, 25(3): 38-41.

(SHI Zhe, ZHANG Ting, GAO Hua-bin. Water and Soil Loss Characteristics in Poyanghu Lake Basin[J]. Journal of Yangtze River Scientific Research Institute, 2008, 25(3): 38-41. (in Chinese))

[15]
何长高, 刘茂福, 张利超, 等. 江西省水土流失治理历程及成效[J]. 中国水土保持, 2017(8): 10-14.

(HE Chang-gao, LIU Mao-fu, ZHANG Li-chao, et al. Course and Effect of Soil Erosion Control in Jiangxi Province[J]. Soil and Water Conservation in China, 2017(8): 10-14. (in Chinese))

[16]
姜彤, 吕嫣冉, 黄金龙, 等. CMIP6模式新情景(SSP-RCP)概述及其在淮河流域的应用[J]. 气象科技进展, 2020, 10(5):102-109.

(JIANG Tong, LÜ Yan-ran, HUANG Jin-long, et al. New Scenarios of CMIP6 Model (SSP-RCP) and Its Application in the Huaihe River Basin[J]. Advances in Meteorological Science and Technology, 2020, 10(5): 102-109. (in Chinese))

[17]
MA B, ZENG W, HU G, et al. Normalized Difference Vegetation Index Prediction Based on the Delta Downscaling Method and Back-propagation Artificial Neural Network under Climate Change in the Sanjiangyuan Region, China[J]. Ecological Informatics, 2022, 72: 101883.

DOI

[18]
WANG F, TIAN D. On Deep Learning-based Bias Correction and Downscaling of Multiple Climate Models Simulations[J]. Climate Dynamics, 2022, 59(11): 3451-3468.

DOI

[19]
章文波, 付金生. 不同类型雨量资料估算降雨侵蚀力[J]. 资源科学, 2003, 25(1): 35-41.

(ZHANG Wen-bo, FU Jin-sheng. Rainfall Erosivity Estimation under Different Rainfall Amount[J]. Resources Science, 2003, 25(1): 35-41. (in Chinese))

[20]
WILLIAMS J R. EPIC-Erosion/Productivity Impact Calculator: 1. Model Determination[J]. Technical Bulletin of United States Department of Agriculture, 1990, 4(4):206-207.

[21]
MCCOOL 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.

DOI

[22]
LIU B Y, NEARING M A, RISSE L M. Slope Gradient Effects on Soil Loss for Steep Slopes[J]. Transactions of the ASAE, 1994, 37(6): 1835-1840.

DOI

[23]
顾朝军, 朱永清, 李仁华, 等. 鄱阳湖流域降雨侵蚀力变化及其对入湖悬移质输沙量的影响[J]. 水土保持学报, 2021, 35(6): 45-54.

(GU Chao-jun, ZHU Yong-qing, LI Ren-hua, et al. Change of the Rainfall Erosivity in Poyang Lake Basin and Its Influence on Suspended Sediment Load into the Lake[J]. Journal of Soil and Water Conservation, 2021, 35(6): 45-54. (in Chinese))

Options
文章导航

/

〈 〉

*严禁使用本系统存储、处理、传输涉密信息*
版权所有 © 《长江科学院院报》编辑部
技术支持：北京玛格泰克科技发展有限公司