全 文 ：空间直观景观模型在呼中林区土壤侵蚀预测
研究中的初步应用*
徐崇刚1, 2 胡远满1* * 常 禹1 李秀珍1 布仁仓1 贺红士1 冷文芳1, 2
( 1 中国科学院沈阳应用生态研究所,沈阳 110016; 2中国科学院研究生院,北京 100039)
摘要 土壤通用流失方程( USLE)已被广泛应用于大尺度的土壤侵蚀预测. 在以往的土壤侵蚀研究中,
由于只能获得静态的植被图, 土壤通用流失方程只能用于土壤侵蚀的静态估算. 空间直观景观模型能在大
尺度上模拟植被动态, 为土壤通用流失方程提供动态的植被因子, 从而使土壤侵蚀的动态模拟成为可能.
本研究结合空间直观景观模型 LANDIS 和土壤通用流失修正方程,以大兴安岭呼中林区为研究区, 动态
地模拟未来 650 年内有采伐和无采伐预案下的土壤侵蚀量; 同时以无火无采伐预案下的土壤侵蚀为对比
值. 结果表明,土壤侵蚀量随时间变化呈周期性的波动,其波动程度在无火无采伐预案下最小, 而在有火无
采伐预案下最大; 采伐对土壤侵蚀的影响没有火对土壤侵蚀的影响在空间上表现得明显, 但是其累积效果
则比火的影响强; 降低采伐所产生的裸露土能有效降低年平均土壤侵蚀量, 但是对土壤侵蚀动态变化的影
响不明显; 虽然采伐增加使平均土壤侵蚀量增加, 但是也同时使土壤侵蚀的年际变化更趋于平稳.
关键词 土壤侵蚀 土壤通用流失方程 土壤通用流失修正方程 空间直观景观模型 LANDIS
文章编号 1001- 9332( 2004) 10- 1821- 07 中图分类号 Q149 文献标识码 A
Application of spatially explicit landscape model in soil loss study in Huzhong area. XU Chonggang 1, 2* * , HU
Yuanman1 , CHANG Yu1, L I Xiuzhen1, BU Renchang1 , HE Hongshi1, LENG Wenfang1, 2 ( 1 I nstitute of App lied
Ecology , Chinese A cademy of Sciences, Shenyang 110016, China ; 2Graduate School of Chinese A cademy of Sci
ences , Beij ing 100039, China) . Chin. J . A pp l . Ecol . , 2004, 15( 10) : 1821~ 1827.
Universal Soil L oss Equation( USLE) has been widely used to estimate the average annual soil loss. In most of the
pr ev ious w ork on soil loss evaluation on forestland, cover management factor was calculated from the static forest
landscape. T he advent of spatially explicit for est landscape model in the last decade, w hich explicitly simulates the
forest succession dynamics under natural and anthropogenic disturbances( fire, w ind, harvest and so on) on hetero
geneous landscape, makes it possible to take into consideration the change of forest cover, and to dynamically sim
ulate the so il loss in different year ( e. g . 10 years and 20 years after cur rent year) . In t his study , we linked a spa
tially explicit landscape model( LANDIS) w ith USLE to simulate the soil loss dynamics under tw o scenarios: fire
and no harvest, fir e and harvest. We also simulated the soil loss with no fire and no har vest as a contro l. The re
sults show ed that soil loss varied periodically w ith simulation year, and the amplitude of change was the lowest
under the control scenario and the highest under the fire and no harvest scenario. The effect of har vest on so il loss
could not be easily identified on the map; however, the cumulative effect o f harv est on soil loss w as larg er than
that o f fir e. Decreasing the harvest ar ea and the percent of bare soil increased by harvest could significantly reduce
soil loss, but had no significant effects on the dynamic of so il loss. A lthough harvest incr eased the annual soil loss,
it tended to decrease the var iability of soil loss betw een differ ent simulation years.
Key words Soil loss, USLE, RUSLE, Spatially explicit landscape model, LANDIS.
* 国家自然科学基金资助项目( 40331008) .
* * 通讯联系人.
2004- 04- 07收稿, 2004- 06- 24接受.
1 引 言
土壤通用流失方程( U SLE)已被广泛应用于大
尺度的土壤侵蚀预测[ 33, 36] . 在土壤通用流失方程
中,土壤流失量由降雨侵蚀力因子( R)、土壤可蚀性
因子( K)、坡长因子( L )、坡度因子( S)、覆被管理因
子( C)和土壤侵蚀控制措施因( P)决定. USLE 最初
是为农业用地而设计的, Dissmeeyer 和 Foster
( 1980)对覆被管理因子进行修改以用于林区的土壤
侵蚀预测[ 3] . 随着通用流失方程的广泛应用及土壤
侵蚀监测能力的提高, 很多人对原来的因子确定方
法进行了改进. Renard等[ 23]通过对 USLE 的修改,
提出了土壤通用流失修正方程( RUSLE) . RU SLE
的方程形式和 U SLE 一样,在技术性和确定因子的
算法两方面与 U SLE不同,是对 USLE的进一步改
进,这些改进使得 RUSLE 具有更广泛的应用范围
和更高的预测精度. 然而, 在以往的土壤侵蚀研究
应 用 生 态 学 报 2004年 10 月 第 15 卷 第 10 期
CHINESE JOURNAL OF APPLIED ECOLOGY , Oct. 2004, 15( 10)!1821~ 1827
中,由于只能从静态的植被图中获得覆被管理因子,
土壤通用流失方程只能应用于土壤侵蚀的静态估
算,而不能用于动态的模拟.
从 20世纪 80年代后期起, 出现了大量的空间
直观景观模型. 比较有影响的空间直观景观模型有
DISPATCH
[ 2]、CASCADE[ 28]、EMBYR[ 5]、HAVEST [6~ 8]、
FACET
[ 26, 27]、FIRESUM[18]和 LANDIS[ 20,21]等.这些空间
直观景观模型试图在大的时空尺度上模拟空间生态
过程, 包括火、采伐、风倒、病虫害等. 但是, DIS
PATCH、CASCADE、EMBYR 和 HAVEST 模型只
集中模拟一个景观过程、干扰或采伐,没有直接模拟
植被动态,没有植被或土地利用信息.这些模型无法
模拟生态系统的反馈以及多个景观过程的交互作
用[ 10] ; FACET、FIRESUM 和 SORTIE 模型试图模
拟样地水平的景观过程, 然而它们受目前计算容量
的限制,只能在很小的空间上( < 100 hm2)应用[ 13] .
而LANDIS 通过对个体的、小尺度过程的简化表
示,使其能在当前计算机水平下模拟大尺度( 104~
106 hm2 )上森林景观的变化. 同时它还综合了种子
传播、火、风倒和采伐等各种景观过程. 目前, LAN
DIS已被广泛应用于森林景观的长期预测[ 12]、森林
景观对全球气候变暖的反应[ 15, 17]、不同火干扰模式
下森林景观的演替[ 4]、不同采伐方案对森林景观的
影响[ 14, 15, 25]及对种群的风险评价[ 1] .
由于 LANDIS能在大尺度上模拟植被动态, 从
而能为土壤通用流失方程提供动态的覆被管理因
子, 使土壤侵蚀的动态模拟成为可能. 同时, 由于
LANDIS 可以模拟不同的预案(不同的火干扰方式,
采伐方式及强度)下的植被动态,土壤侵蚀的预案研
究也成为可能. 本研究结合空间直观景观模型
LANDIS 和土壤通用流失修正方程, 以大兴安岭呼
中林区为研究对象,以无火无采伐预案下的土壤侵
蚀为对比值,动态地模拟未来 650年内有采伐和无
采伐预案下的土壤侵蚀, 为森林经营管理提供决策
依据.
2 研究地区与研究方法
21 研究区概况
呼中林区位于我国大兴安岭伊勒呼里山北坡,呼玛河中
上游地区, 地理坐标为 122∀39#~ 124∀21#E, 51∀14#~ 52∀25#
N. 北与漠河县、塔河县接壤, 南至伊勒呼里山分水岭与松岭
区和内蒙古自治区鄂伦春自治旗相邻, 东与新林区相连, 西
与呼中国家自然保护区和内蒙古自治区额尔古纳左旗交界.
全境东西宽 11 5 km, 南北长 125 km, 总面积为 770 199
hm2.
呼中林区地处大兴安岭北部高纬度寒温带地区,属大陆
性季风气候,为寒冷湿润气候区. 地貌类型为大兴安岭北部
石质中低山山地, 中低山多,平原少. 山峦连绵起伏, 山体浑
圆, 坡度平缓,一般坡度在 15∀以下, 局部的阳坡较陡, 坡度
35∀以上, 河谷宽而平坦.该区土壤分为 5 个土类,即: 棕色针
叶林土、草甸土、沼泽土、河滩森林土和石质土. 棕色针叶林
土是大兴安岭地区最有代表性的土壤类别, 其重要特征和重
要形成条件是永冻层, 不同的林型和植被群落, 永冻层的发
育状况不同.
呼中林区植被在植物区系上, 属泛北极植物区( Holarctic
K ingdom)东西伯利亚植物区系, 以西伯利亚植物区系成分
为主, 混有东北植物区系成分和蒙古植物区系成分[ 37] .地带
性植被类型为寒温性针叶林, 以 兴安落叶松 ( Larix
gmelinii)为单优势的针叶林.主要的针叶乔木树种有: 兴安
落叶松、樟子松 ( Pinus sylvestr is var. mongolica ) 和云杉
( Picea koraiensis) .主要阔叶乔木树种有:白桦( Betula p laty
phylla)、山杨(Populus davidiana)、甜杨( Pop ulus suaveolens )
和钻天柳( Chosenia ar butif olia) .
2 2 LANDIS 模型
LANDIS 是一个由威斯康星大学麦迪逊分校开发的, 用
于模拟森林景观干扰、演替和管理的空间直观景观模
型[ 20, 21] . LANDIS 模型把景观看作由相同大小的样地 (象
元)组成的格网.而象元又被归入环境相似的土地类型或生
态区. 在每个土地类型内,具有相似的物种建群系数,火烧轮
回期和可燃物的积累速率和分解速率. 土地类型可以由数字
高程模型、土地利用现状图、土壤类型图等其它 GIS 图层获
得. LANDIS 跟踪每个象元上存在的物种、物种的年龄组成、
干扰史及可燃物的积累. 这些信息通过物种的建群、演替、种
子传播、风和火干扰及采伐发生变化. 每个象元初始的优势
种信息可以由遥感影像或现存的植被类型图获得[ 34] , 亚优
势种和年龄信息可根据经验和调查数据推出[ 16] . 演替、种子
传播、风和火干扰及采伐都与象元发生相互作用.
LANDIS模型通过跟踪样地上物种的存在或缺失来模
拟在风、火和砍伐等自然和人为干扰下样地和景观尺度上的
森林动态[ 9~ 11, 13, 35] . 同时, LANDIS 模型还在每一个象元上
记录每一个物种的年龄信息 (以 10 年为间隔的年龄组 ) .
LANDIS 模型的输出包括每一个种的分布图和 10 年年龄组
分布图、火强度分布图和采伐分布图. 关于 LANDIS 模型在
呼中林区参数化的详细步骤和模型模拟结果的验证见胡远
满等1) .
1) 胡远满、徐崇刚、常禹等. 2004.空间直观景观模型 LANDIS在大
兴安岭呼中林业局的应用.生态学报(待刊) .
2 3 RUSLE 模型参数的计算
通用土壤流失方程如下:
A = R∃K ∃L∃ S∃ C∃P ( 1)
式中, A 为土壤流失量( t∃hm- 2∃年- 1) ; R 为降雨侵蚀力因
子; K 为土壤可蚀性因子; L 为坡长因子; S 为坡度因子; C
1822 应 用 生 态 学 报 15卷
为覆被管理因子; P 为土壤侵蚀控制措施因子.
231 降雨侵蚀力因子( R) 降雨侵蚀力因子主要用于衡量
雨滴冲击产生的动能, 其经典算法是 Wishmeier 和 Smith 提
出的 EI30法[ 33] .由于该方法需要具有详尽降雨时的降雨量
和降雨强度资料,而这一要求在多数情况下, 尤其是在缺乏
详细数据记录的情况下往往难以实现. 因此, 本研究采用
Wischmeier经验公式[ 19, 32, 33] ,该公式既考虑年降水总量, 又
考虑降水的年内分布:
R = 12
i= 1
1 735exp{15 ∃ lg P mi
Pm
- 08188} ( 2)
式中, P mi为次级流域各月平均降水量( mm) , Pm 为次级流域
年平均降水量( mm) . 根据呼中气象站 1992~ 2001 年月平均
降水量数据计算得到 R 值为 24 92.
232 土壤可蚀性因子( K ) 土壤可蚀性反映在雨滴和地表
水冲击下土壤被剥离的难易程度[ 23] . 与土壤侵蚀因子密切
相关的两个因子是:土壤机械组成和土壤有机质的含量. 由
一般数量级指标表 (表 1)可查得不同土壤类型在不同土壤
有机质含量下的 K 值[ 32] . 土壤类型从呼中林区 1990 年的森
林调查数据(林相图)中获得. 对于土壤有机质含量 , Dismey
er和 Foster[ 3]指出, 在森林长期存在的地区, 由于地表积累
了大量的有机物质,有机质含量一般都高于 4% . 因此, 在本
研究中,认为所有林地的土壤有机质含量均高于 4% ; 对于
无林地, 其土壤有机质含量要低于林地的有机质含量, 但由
于仍有有机质的残留,其有机质含量要高于 0 5% , 因此, 认
为其有机质含量为 2% . 根据土壤类型和土壤有机质含量得
到土壤可蚀性因子图(图 1) .
表 1 土壤侵蚀性因子的一般数量级指标
Table 1 General value of soil erodibili ty factor
土壤类型
S oil type
有机质含量 Organic matter cont ent( % )
05 2 4
砂土 Sandy soil 005 003 002
细砂土 Fine sandy soil 016 014 010
壤质砂土 Loamy sand 012 010 008
壤质细砂土 Loamy f ine sand 024 020 016
砂壤土 Sandy loam 027 024 019
细砂壤土 Fine sandy loam 035 030 024
壤土 Loam 038 034 029
粉砂壤土 Silt loam 048 042 033
粉砂土 Silt soil 060 052 042
砂质粘壤土 Sandy clay loam 027 025 021
粘壤土 Clay loam 037 032 026
粉砂粘壤土 Silty clay loam 014 013 012
砂粉土 Sandy silt 014 013 012
粉砂粘土 Silty clay 025 023 019
粘土 Clay 013~ 029
233 地形因子( LS) 地形对土壤侵蚀的影响由坡度 ( S )
和坡长( L )决定.坡长因子由下式计算:
L = ( / 72 6) m ( 3)
式中, m 由如下方程获得,
m = / ( 1+ )
= 1/ 2( sin / 00896) / [ 3 0( sin ) 08+ 0 56] ( 4)
图 1 土壤可蚀性因子图
Fig. 1 Soil erodibil it y factor map.
式中, 为坡度(∀) .坡度因子( S)由如下方程获得,
S= 108sin + 0 03 s< 9%
S= 168sin - 0 50 s> 9% ( 5)
式中, s 为坡度( % ) . L 与S 的乘积即为地形因子的值,在每
一个网格上计算其地形因子, 即可得地形因子图(图 2) .
图 2 地形因子图
Fig. 2 Topologic factor map.
2 3 4 覆被和管理因子( C) Dissmeyer 和 Foster指出,林区
的覆被和管理因子( C) 与 9 个次级因子有关[ 3] , 即: 1)裸露
土; 2)树冠; 3)土壤固结; 4)高有机质含量; 5)细根; 6)耕作残
留物粘合作用; 7)地表沉积; 8)阶梯(由土壤在障碍物前沉积
形成)和 9)等高耕作. 呼中林区主要以营林为主, 到目前为
止,还没有农业耕作,因此在本研究中不考虑次级因子 ( 6)和
( 9) . 同时,由于没有相关的资料, 本研究中也不考虑次级因
子( 8)和( 9) .所以, 本研究主要根据前5个次级因子确定覆
182310 期 徐崇刚等: 空间直观景观模型在呼中林区土壤侵蚀预测研究中的初步应用
表 2 未耕作的林地中裸露地、细根对土壤侵蚀的影响
Table 2 Effect of bare soil , fine root mat of trees on untilled soils
裸露土百分比
Percent of
bare soil( % )
土壤表层 3 cm 的有密细根块的裸露地占所有裸露地的百分比
Percent of bare soil w ith dense mat of fine root s in top 3 cm of soil( % )
100 90 80 70 60 50 40 30 20 10 0
0 0 0 0 0 0 0 0 0 0 0 0
1 0004 0004 0005 0006 0007 0008 0001 00012 00014 00016 00018
2 0008 0008 0001 00012 00014 00017 0002 00023 00027 00031 00036
5 0003 0003 0003 0004 0005 0006 0007 0008 0009 0011 0012
10 0005 0005 0006 0008 0009 0011 0013 0015 0017 002 0023
20 0011 0012 0014 0017 002 0024 0028 0033 0038 0044 005
30 0017 0018 002 0025 0029 0036 0042 005 0059 0068 0077
40 0023 0024 0027 0034 0042 0049 0058 0068 0079 0092 0104
50 003 0032 0038 0045 0054 0064 0074 0088 0103 0118 0135
60 0037 0038 0043 0055 0067 0079 0092 0109 0127 0147 0167
70 0047 0049 0054 0068 0083 0098 0117 0138 0161 0187 0212
80 0055 0058 0066 0081 0098 0118 0141 0164 0192 0221 0252
85 0066 0069 0078 0095 0115 0138 0165 0195 0228 0264 03
90 0075 008 0089 0111 0133 0157 0187 0222 026 0301 0342
95 0086 009 0102 0125 0155 0182 0217 0255 0298 0345 0392
100 0099 0104 0117 0144 018 0207 0248 0293 0342 0396 045
被和管理因子( C) . 裸露地(以裸露地的百分比来表示)、细根
(以土壤表层 3 cm 有密细根块的裸露地占所有裸露地的百
分比来表示)对土壤侵蚀的作用可根据表 2 获得[ 3] . 对于土
壤固结次级因子,主要基于如下考虑 :如果停止耕作, 那么土
壤会随时间固结从而变得越来越不可侵蚀.在 USLE 中, 土
壤侵蚀因子( K)是在长期耕作的情况下获得的, 没有考虑土
壤固结的作用. Dissmeyer and Foster [ 3]指出, 在没有耕作的林
区,土壤固结因子应取 045. 对于高有机质含量次级因子, 主
要基于如下考虑:有机质含量越高, 土壤越不可侵蚀. 但是在
USLE 中,在获取土壤侵蚀因子( K) ,有机质含量最高只考虑
到 4% . 在森林长期存在的地区, 土壤有机质含量往往要高于
4% .因此, Dissmeyer and Fost er 指出, 在没有耕作的林区, 应
加入高有机质含量次级因子,并建议取 0 7[ 3 ] .树冠次级因子
主要由树高和有树冠遮盖的裸露地占所有裸露地的百分比
决定(表 3) [ 3] .
表 3 树冠次级因子
Table 3 Canopy subfactor
树冠高度
Canopy
height( m)
有树冠遮盖的裸露土百分比
Percent of bare soil with canopy cover( % )
0 10 20 30 40 50 60 70 80 90 100
0 5 1 0 91 0 83 0 74 0 66 0 58 0 49 0041 032 024 016
1 1 0 93 0 86 0 79 0 72 0 65 0 58 051 044 037 03
2 1 0 95 0 9 0 85 0 8 0 75 0 7 065 06 055 05
4 1 0 97 0 95 0 92 0 9 0 87 0 84 082 079 076 074
6 1 0 98 0 97 0 96 0 94 0 93 0 92 09 089 087 085
8 1 0 99 0 98 0 97 0 96 0 95 0 95 094 093 093 092
1 6 1 1 0 99 0 99 0 98 0 98 0 98 097 097 096 096
2 0 1 1 1 1 1 1 1 1 1 1 1
LANDIS 模型的输出结果中只给出每一个象元上的树
种和年龄信息.在本研究中, 我们根据呼中 1990 年的森林调
查数据, 建立每一个树种的年龄和树高的对数回归方程. 但
是,当树种的年龄很小( < 40 年)时, 通过该回归方程获得的
树高可能为负值. 在这种情况下 ,我们采用幼龄林年龄和树
高的线性回归(针叶林以年龄小于 80 年为幼龄林, 阔叶树种
以小于 60 年为幼龄林 ) . 在本研究中, 有树冠遮盖的裸露地
占所有裸露地的百分比用郁闭度来表示. 根据呼中 1990 年
的森林调查数据,建立每一个树种的年龄和与以其为优势种
的小斑郁闭度的对数回归方程. 通过回归方程, 在每一个象
元上可根据树种年龄获得每一个树种的树高和郁闭度.取各
树种树高和郁闭度的平均值,由表 3可得树冠次级因子.
根据呼中地区 1990 年的森林调查数据表明, 裸露地的
百分比(由地被物的盖度得到)并不随树种年龄有很大的变
化.在本研究中, 对于有树木存活的象元, 我们取其平均值
33% ;对于没有树木存活的象元(不包括居民点、水域和河漫
滩) , 我们取其平均值 40% . 根据实地调查, 我们对所有林地
的土壤表层 3 cm 有密细根块的裸露地占所有裸露地的百分
比取 80% .
235 火和采伐对覆被和管理因子影响的量化 火会降低
地被物的盖度,增加裸露土的百分比; 同时火也会破坏细根
层,影响土壤侵蚀. 在本研究中,我们假设火对裸露土的影响
服从如下公式:
PBS% = PBS + 5& FS ( 6)
式中, PBS% 为火烧后的裸露土百分比, PBS 为火烧前的裸露
土百分比, FS 为火烧强度级别( 1~ 5) . 假设火对细根层的影
响服从如下公式:
PFR % = PFR - 5 & FS ( 7)
式中, PFR% 为火烧后的裸露地中有密细根层的百分比, PFR
为火烧前裸露中有密细根层的百分比.
采伐通过增加裸露土的百分比和增加土壤固结因子影
响土壤侵蚀.在本研究中, 我们假设采伐使土壤固结因子增
加到 0 7, 研究采伐增加裸露土的百分比分别为 5%、10% 和
15%情况下的土壤侵蚀.其中的采伐方式为国家实施天然林
保护工程前的采伐方式, 对过成熟林以皆伐为主. 呼中林区
1989~ 2000 年 12 年间的采伐面积为 150 889 hm2, 因此, 在
LANDIS 模型中, 以每 10 年的采伐面积占整个呼中林区
16 61%进行模拟. 通过 LANDIS 模型模拟输出的火强度分
布图和采伐分布图,可以在空间上量化火和采伐对土壤侵蚀
1824 应 用 生 态 学 报 15卷
的影响.
3 结果与分析
31 火和采伐对土壤侵蚀的影响
在无火无采伐、有火无采伐及采伐增加的裸露
地的百分比分别为 5%、10%和 15%预案下的土壤
侵蚀动态如图 3. 结果表明, 在无火无采伐预案下,
土壤侵蚀保持相对稳定; 但是, 在有火无采伐预案
下,土壤侵蚀量上下波动的幅度很大, 这是因为火在
不同年份的不均匀分布所致 (图 4) . 在有采伐预案
下,虽然土壤侵蚀量也随时间变化,但是变化幅度较
小.这是因为在无采伐预案下, 只有火一个因子使土
壤侵蚀量增加; 而在有采伐预案下,采伐和火共同增
加土壤侵蚀.而且在有采伐预案下,由于采伐清除了
树木, 降低了可燃物的积累量, 从而降低了火烧可能
性,使火烧面积在大部分时间内比无采伐预案小要
小(图 4) . 因此在有采伐预案下,火的作用不如在无
采伐预案下明显.
在有采伐预案下, 土壤侵蚀量在大部分年份中
要比无采伐预案下低. 有火有采伐(增加5%裸露
图 3 土壤侵蚀动态
Fig. 3 Soil loss dynam ics.
1)无火无采伐 No fire and no harvest ; 2) 有火无采伐 Fire but no har
vest ; 3)增加 5%露地 5% bare soil increased by harvest ; 4)增加 10% 露
地 10% bare soil increased by harvest; 5) 增加 15%露地 15% bare soil
increased by harvest .
图 4 有采伐和无采伐预案下的火烧面积
Fig. 4 Fire damaged area under scenario of harvest and no harvest .
1)有采伐预案 Scenario w ith harvest ; 2 )无采伐预案 S cenario w ithout
harvest.
地)预案下其年平均土壤侵蚀量为403 83100 t, 而
在有火无采伐预案下其年平均土壤侵蚀量为: 385
73160 t.这说明,如果实施天保工程,限制采伐, 能
有效降低年平均土壤侵蚀量(年平均土壤侵蚀量降
低448% ) .但是在有些年份(如2050年) ,无采伐下
的土壤侵蚀量反而比有采伐下的土壤侵蚀量更大.
其原因在于:在没有采伐的情况下,由于没有取走可
燃物,当可燃物的积累到一定程度,将引发大面积的
火烧.火烧产生更多的裸露地,同时烧毁地表的细根
层,使土壤侵蚀大量增加. 在有采伐的情况下, 通过
采伐不间断地取走可燃物,不会造成可燃物大量积
累而引发大面积火烧, 在一定程度上降低了火对土
壤侵蚀的影响.
32 采伐所增加的裸露土对土壤侵蚀的影响
在呼中林局的森林采伐中,采用推土机进行准
备作业,用大马力轮式折腰拖拉机进行集材, 这必然
会增加森林中的裸露地. 研究结果表明,在所有模拟
年内,增加的裸露地越多土壤的侵蚀量越大(图 3) .
如果采伐增加的裸露土的百分比为 5%, 其年平均
土壤侵蚀量为 403 831 t ;如果采伐增加的裸露土的
百分比为 10%, 其年平均土壤侵蚀量为 414 473 t;
如果采伐增加的裸露土为 15% ,其年平均土壤侵蚀
量为 426 749 t . 采伐增加的裸露土百分比从 5%增
加到 10% ,土壤侵蚀量增加 264%; 采伐增加的裸
露土百分比从 10%增加到 15% , 土壤侵蚀量增加
296%.虽然裸露土的增加使土壤侵蚀量增加, 但是
对土壤侵蚀的年际动态影响并不大(图 3) .
33 土壤侵蚀的空间分布
结合 LANDIS模型和土壤侵蚀方程, 我们还获
得了每一种预案下的土壤侵蚀的空间分布. 图 5给
出了采伐增加的裸露地为 10%预案下的土壤侵蚀
空间分布. 从图 5可看出,土壤侵蚀量大的区域一般
都是在坡度比较陡的地区,说明坡度是影响土壤侵
蚀的重要因子. 高强度火烧对土壤侵蚀的影响很大,
如在 2390年,由于在该年模拟的火烧大部分为 5级
火,在火烧位置相对应地区的土壤侵蚀量相对于其
它位置要大得多(非火烧区的每一象元的平均土壤
量为 066 t,而在火烧强度为 5级的象元内, 其平均
土壤量为 199 t ) . 由于是在整个研究区内分散采
伐,采伐对土壤侵蚀的影响没有火对土壤侵蚀的影
响在图上表现得明显, 但是其累积效果则比火的影
响强(图 5) .
4 讨 论
Roose[ 24]指出, 虽然出现了大量基于主要侵蚀
182510 期 徐崇刚等: 空间直观景观模型在呼中林区土壤侵蚀预测研究中的初步应用
图 5 采伐增加的裸露地为 10%预案下的土壤侵蚀空间分布
Fig. 5 Soil loss dist ribut ion under the scenario of 10% increased bare soil
by harvest .
过程的物理模型, 并用于研究某一场暴雨的土壤侵
蚀量, 但是 USLE 还是目前用得最多的土壤侵蚀模
型.随着 Renard等对 USLE 的修改[ 23] , USLE 将具
有更大的应用范围和更高的精度.而空间直观景观
模型通过动态地为 RUSLE 提供覆被管理因子, 使
应用 RU SLE进行土壤侵蚀的动态模拟和预案研究
成为可能. 因此, 结合空间直观景观模型和 RU SLE
进行土壤侵蚀模拟和预案研究将会是今后土壤侵蚀
研究中的一个热点.
空间直观景观模型并不能直接为 RUSLE 提供
覆被管理因子的次级因子,而需要通过回归模型或
生长模型来获得各个次级因子.在本文中,同时采用
了对数回归方程和线性方程获得树高. 这种方法没
有考虑不同的土壤质地对树木生长的影响, 因此其
研究结果会有较大的误差.在今后的土壤侵蚀模拟
研究中, 如何从空间直观景观模型中精确的获得
RUSLE 所需的次级因子,是一个需要解决的难题.
由于并不能精确地获得 RU SLE 中每一个因子
的值, 模型输出结果中会存在很大的不确定性.不确
定性的大小需要通过不确定分析进行研究. 目前已
有很多有关各因子不确定性对模型结果不确定性影
响的研究[ 22, 29~ 31] . 空间直观景观模型由于模型结
构的复杂性、参数估计的不确定性及数据的误差和
缺失使其模拟结果会有很大的不确定性. 这种空间
直观景观模型模拟的不确定性如何影响 RUSLE 土
壤侵蚀模拟结果的不确定性,也将是土壤侵蚀模拟
和预案研究中的一个重点领域.
由于缺乏长时间的土壤侵蚀空间监测数据, 很
难对土壤侵蚀模拟进行验证.虽然很多水文站记录
了长期的泥沙资料, 为土壤侵蚀的定性验证提供了
一种可能. 但是,由于空间直观景观模型采用随机的
方法模拟火,每 10年火烧面积的随机性很大. 采用
相同参数的模型模拟, 由于其随机性会产生不同的
模型模拟结果, 因此同样很难对模型模拟结果进行
验证.但是,如果有上百年的泥沙资料,因为在大时
间尺度上火烧面积不受模型模拟随机性的影响, 可
通过对模型模拟的土壤侵蚀预测量与实际的观察结
果进行比较,对模型进行验证.尽管在目前情况下对
土壤侵蚀的定量验证很难实现,但把空间直观景观
模型和 RULSE 结合对土壤侵蚀进行总体趋势的预
测是可行的.
参考文献
1 Akcakaya HR. 2001. Linking populat ion level risk assessment w ith
landscape and habitat models. S ci T otal Env ir on , 274: 283~ 291
2 Baker WL, Egbert SL and Fraz ier GF. 1991. A spat ial model for
studying the ef fects of climat ic change on the st ructure of landscapes
subject to large disturbances. Ecol Mod el , 56: 109~ 125
3 Dissmeyer GE and Foster GR. 1980. A guide for predicting sheet
and rill erosion on forest land. T echnical publicat ion SATP11. US
DAForest ServiceState and Private ForestrySoutheastern Area. 40
pp.
4 Franklin J, Syphard AD, Mladenof f DJ, et al . 2001. Simulat ing the
effect s of diff erent fire regimes on plant funct ional groups in South
ern California. Ecol Model , 142: 261~ 283
5 Gardner RH,Hargrove WW, Turner MG, et al . 1996. Climate change,
disturbances and landscape dynamic. In: Walker BH, Steffen WL eds. In
t ernational GeosphereBiosphere Programme, Book Series Number 2.
Cambridge: Cambridge University Press. 149~ 172
6 Gustaf son E J and Crow T R. 1994. Modeling the effect s of forest
harvesting on landscape st ructure and the spat ial dist ribut ion of cow
bird brood parasit ism. Land scape Ecol , 9: 237~ 248
7 Gustafson EJ and Crow TR. 1996. Simulat ing the ef fects of alterna
t ive forest managem ent strategies on landscape st ructure. J E nv iron
Man , 46: 77~ 94
8 Gustafson EJ and Crow TR. 1999.HARVEST : linking t imber har
vest ing st rategies to landscape pat terns. In: Klopatek J M and Gard
ner RH, eds. Lan dscape Ecological Analysis: Issues and Applicat ion.
New York: SpringerVerlag. 309~ 332
9 Gustafson EJ, S hifley SR, Mladenof ff DJ, et al . 2000. Spat ial simu
lat ion of forest success ion and timber harvest ing using LANDIS .
Can J For R es , 30: 32~ 43
10 H e HS and Mladenof f DJ. 1999. Spat ially explicit and stochastic
simulat ion of forest landscape f ire disturbance and succession. Ecolo
gy , 80: 81~ 99
11 He HS and Mladenof f DJ. 1999. The ef fects of seed dispersal on the
simulat ion of longterm forest landscape change. Ecosystems, 2: 308
~ 319
12 He HS, Hao Z, Larsen DR, et al . 2002. A simulation study of land
scape scale forest succession in north eastern China. Ecol Model ,
156: 153~ 166
13 He HS, Mladenof f DJ and Boeder J. 1999. An objectoriented forest
1826 应 用 生 态 学 报 15卷
landscape model and its representat ion of t ree species. Ecol Model ,
119: 1~ 19
14 He HS, Mladenof f DJ and Gustafson EJ. 2002. Study of landscape
change under forest harvest ing and climate w arming induced fire
disturbance. For Ecol Man , 155: 257~ 270
15 He HS, Mladenof f DJ and Gustafson EJ. 2000. T he ef fects of vari
ous harvest ing scenarios on forest landscape under climate w arming.
T hird Annual Nat ional Integrated Ecosystem Modeling Project
Meet ing, Raleigh, NC. U. S. A.
16 He HS, Mladenof f DJ, Radeloff VC, et al . 1998. Integrat ion of GIS
data and classified satellit e imagery for regional forest assessment .
Ecol A ppl , 8: 1072~ 1083
17 He HS, Mladenof f DJ, Radeloff VC, et al . 1999. Lin king an ecosys
t em model and a landscape model to study forest species response to
climate w arming. Ecol Model , 114: 213~ 233
18 Keane RE, Arno SE and Brow n KJ. 1989. FIRESUMan ecological
process model for fire succession in w estern conifer forest s. USDA
Forest Service General Technical Report INT266
19 Liu F( 刘 枫) , Wang HD(王华东) , Liu PT ( 刘培桐) . 1988.
Quant ificat ion and ident if icat ion of nonpoint pollut ion in w atershed
and the applicat ion in Yuqiao area. A cta G eogra Sin (地理学报) , 43
( 4) : 229~ 238( in Chinese)
20 Mladenof f DJ and He HS. 1999. Design and behavior of LANDIS ,
an objectoriented model of forest landscape disturbance and succes
sion. In: M ladenof f DJ and and Baker WL, eds. Spat ial Modeling of
Forest Landscape Change: Approaches and Applicat ions. Cam
bridge: Cambridge Un iversity Press. 125~ 162
21 Mladenof f DJ, H ost GE, Boeder J, e t al . 1996. LANDIS: a spatial
model of forest landscape disturbance, succession and management .
In: Goodchild MR, Steyaert LT, Parks BO, eds. GIS and Environ
mental Modeling: Progress and Research Issues. Fort Collins: GIS
World Books. 175~ 180
22 Parysow P, Wang G, Gertner G, et al . 2001. Assessing uncertainty
of erodibil it y factor in nat ional cooperative soil surveys:A case study
at Fort Hood, T exas. J S oi l Water Conser , 56( 3) : 207~ 211
23 Renard KG, Foster CR, Weesies DK, et al . 1996. Predict ing soil
erosion by w ater: A guide to conservat ion planning w ith th e Revised
Un iversal Soil Loss Equat ion ( RUSLE ) . U. S . Department of Agri
culture, Agriculture Handbook No. 703
24 Roose E. 1996. Land husbandryComponents and st rategy. 70 FAO
SOILS BULLET IN, Food and Agriculture Organizat ion of the U
nited Nations, Rome.
25 Sh ifley SR, Thompson FR, Larsen DR, et al . 2000. Modeling forest
landscape change in the Missouri Ozarks under alternat ive manage
ment pract ices. Compu t Elect ron Ag ric , 27: 7~ 24
26 U rban DL and Shugart HH. 1992. Individualbased models of forest
succession. In: Glennlew in DC, Peet RK,Veblen TT , eds. Plant Suc
cession: T heory and Prediction. London: Chapman and Hall. 249~
292
27 Urban DL, Acevedo MF and Garman SL. 1999. Scaling finescale
Processes to large scale patterns using models derived f rom models:
M etamodels. In: M ladenoff DJ and Baker WL, eds. S patial Model
ing of Forest Landscape Change:Approaches andApplicat ions. Cam
bridge: Cambridge U niversity Press. 70~ 98
28 Wallin DO, Sw anson FJ and Marks B. 1994. Landscape pattern re
sponse to changes in pat tern generat ion rules: Landuse legacies in
forestry. Ecol App l , 4: 569~ 580
29 Wang G, Fang S, S hinkareva S , et al . 2001. S pat ial uncertainty in
predict ion of the topographical factor for the revised universal soil
loss equation. T rans A SAE , 45( 1) : 109~ 118
30 Wang G, Gertner G, Liu X, et al . 2001. U ncertainty assessm ent of
soil erodibility factor for revised universal soil loss equat ion. CAT E
NA , 46: 1~ 41
31 Wang G, Gertner G, Singh V, et al . 2002. S patial and temporal pre
dict ion and uncertainty of soil loss using the revised universal soil
loss equat ion : a case study of the rainfall runof f erosivity R factor.
Ecol Model , 153: 143~ 155
32 Wang N(王 宁 ) , Zhu YM( 朱颜明 ) , Xu CG(徐崇刚) . 2001.
T he applicat ion of GIS to the quant itat ive study of pollutant in a
drainage area. J Northeast N orm Univ ( Nat Sci) (东北师范大学学
报∃自然科学版) , 34( 2) : 84~ 92( in Chinese)
33 Wishm eier WH and Smith DD. 1978. Predicting Rainfall Erosion
Losses ∋ A Guide to Conservat ion Planning.U . S. Department of A
griculture,Agriculture Handbook, No. 537
34 Wolter PT, M ladenoff FJ, H ost GE, et al . 1995. Improved forest
classification in the Northern Lake S tates using multit emporal
Landsat imagery. Photogra Eng Remote S ensing , 61: 1129~ 1143
35 Xu CG(徐崇刚) , Hu YM (胡远满) , Chang Y(常 禹 ) , et al .
2004. Spat ially explicit Landscape ModelLANDIS I. Mechanism .
Chin J App l Ecol (应用生态学报) , 15( 5) : 837~ 844( in Chinese)
36 Yu SX(于书霞) , Wang N(王 宁) , Zhu YM (朱颜明) , et al .
2001. Applicat ions of GIS in soil erosion research. Bu ll S oi l Water
Conser (水土保持通报) , 3: 20~ 23( in Ch inese) .
37 Zhou YL(周以良) ed. 1991. Vegetation of Daxinganling in China.
Beijing: Science Press. ( in Chinese)
作者简介 徐崇刚, 男, 1979 年生, 博士研究生, 主要研究方
向为空间直观景观模型, 发表论文 5 篇. T el: 02483970350;
Email: xuchongang@ yahoo. com.
182710 期 徐崇刚等: 空间直观景观模型在呼中林区土壤侵蚀预测研究中的初步应用