2001–2020 年中國東北區域土壤水蝕數據集

吳瀚逸，熊俊峰，侯渲，林晨，許金朵，馬榮華

1.可持續發展大數據國際研究中心，北京 100094

2.北京師范大學遙感科學國家重點實驗室，北京 100875

3.北京師范大學環境演變與自然災害教育部重點實驗室，北京 100875

4.中國科學院南京地理與湖泊研究所，南京 210008

5.國家科技資源共享服務平臺，國家地球系統科學數據中心湖泊–流域分中心，南京 210008

引 言

土壤侵蝕是土地退化的重要原因，引發的一系列生態環境問題已嚴重威脅到區域的糧食生產與水土保持[1-3]。東北黑土區是我國重要的糧食產區和生態保障區。近年來，由于氣候變化和過度墾殖，導致了嚴重的水土流失，威脅到東北地區糧食安全和水土資源安全[4-6]。因此對于土壤侵蝕進行準確的監測、評估以及侵蝕量計算，有助于水土保持措施的配置與優化。

由于精準的實地測量和高精度土壤水蝕數據獲取方式在大區域尺度內難以實施且耗費的人力物力較大，因此利用基于遙感和GIS 開發的土壤侵蝕模型對于土壤侵蝕進行定量模擬計算，是當前土壤侵蝕計算以及水土流失動態監測的重要途徑之一。在大尺度區域的土壤水蝕研究中最為常用的模型有通用土壤侵蝕模型（Universal Soil Loss Equation，USLE）和其修訂模型RUSLE（Revised Universal Soil Loss Equation），以及經改進后適用于中國土壤侵蝕特征的CSLE（Chinese Soil Loss Equation）模型。USLE/RUSLE 系列侵蝕模型將復雜的土壤侵蝕過程解構為土壤特性、地形、植被覆蓋、土地管理以及降雨和徑流等多個影響因子進行計算，可以較好地對土壤侵蝕進行定量描述，故本研究采用RUSLE 模型進行水蝕量計算。如表1 所示。

表1 部分土壤水蝕數據產品Table 1 Partial data products of soil water erosion

以上土壤水蝕數據產品在大尺度土壤水蝕估算研究中通常利用單一土壤水蝕影響因子算法，對于具有不同地理分異規律的地區，缺少區域性優化，時空分辨率不夠精細；并且，對于數據精度缺少直接驗證。同時考慮到東北地區與全國其他區域存在地理環境差異，基于其他地理條件開發的模型算法在東北地區的適用性有待驗證，因此本數據集將當前研究中常用的模型針對東北區域做出優選與結果的直接驗證。

針對當前土壤水蝕模型應用過程中區域性優化和實測數據驗證缺失的短板，本研究基于多源遙感數據，解構RUSLE 模型，對模型每個因子選取多種經典算法進行排列組合，結合水文站數據直接驗證篩選最優算法組合，模擬東北地區2001–2020 年土壤水蝕模數時空分布，建立東北地區土壤水蝕時空數據集，對實現東北地區農業持續發展和土地退化監測等可持續發展目標有著重要意義。

1 數據采集和處理方法

1.1 數據生產流程

本文擬采用技術路線如下首先基于多源遙感數據，利用RUSLE 模型，對模型每個因子選取多種經典算法進行排列組合計算，結合水文站數據直接驗證篩選最優算法組合，得到東北地區不同三級流域分區的土壤水蝕模數估算結果。本文的技術路線如圖1 所示，包含以下處理步驟：

圖1 技術路線圖Figure 1 Technical flow chart

1.2 模型及算法

RULSE 模型是美國農業部基于通用土壤侵蝕模型USLE 修正的一種適用區域較廣的土壤水蝕模數估算模型[12-13]。該模型綜合考慮了降雨、土壤理化性質、坡度坡長、地表植被覆蓋以及水土保持措施共5 個因子。其基本公式如下：

其中，A 代表土壤侵蝕模數，單位為t ha-1y-1；R 是降水侵蝕因子，單位為MJ mm ha-1h-1y-1，代表降水對于土壤顆粒的沖刷侵蝕作用，作為土壤水蝕的主要動力因子；K 是土壤可蝕性因子，代表土壤本身理化性質在土壤侵蝕過程中的影響作用；LS 代表地形因子，包括坡度（S）和坡長（L）兩個因子；C 表示地表植被和作物覆蓋因子，表示在植被覆蓋與種植耕作對于土壤侵蝕的影響，該因子與植被冠層、地表植被覆蓋以及其他地表植被狀況有關；P 代表水土保持措施因子，代表著梯田、溝渠、圍欄等水土保持措施對土壤水蝕的影響，值域為0–1 之間，越接近1 表示水土保持措施越少。

1.3 數據來源

本研究使用的降水數據是來自美國航空航天局（National Aeronautics and Space Administration，NASA）和日本宇宙航空研究開發機構（Japan Aerospace Exploration Agency，JAXA）合作開展全球衛星降水計劃（Global Precipitation Measurement mission，GPM），其利用多傳感器多衛星多算法結合衛星網絡和雨量計反演得到更高精度的降水數據，其能夠提供全球范圍基于微波和紅外的半小時的降水數據產品[14]。GPM 的數據產品主要分為：Level-1、Level-2 和Level-3。本研究使用的是Level-3 的數據是在Level-2 的基礎上對固定時間和空間尺度進行插值，數據完整性和一致性較高，包括逐半小時降水以及逐月降水數據。土壤信息數據是國際應用系統分析研究所（International Institute for Applied Systems Analysis，IIASA）及聯合國糧農組織（Food and Agriculture Organization of the United Nations，FAO）倡導下建立的世界土壤數據庫（Harmonized World Soil Database version 1.2，HWSD V1.2）[15]。其中，中國地區數據源為1995 年全國第二次土壤普查由南京土壤所提供的1:1 000 000 土壤數據，數據格式為grid，投影為WGS84，采用的土壤分類系統主要為FAO-90。DEM 高程數據是由美國宇航局NASA 制作由美國地質聯邦調查局（United States Geological Survey，USGS）免費發布的高程數據，包括北緯60°到南緯56°之間陸地表面較高質量的海拔數據[16]。數據來源詳見表2。

表2 數據來源表Table 2 Data source table

1.4 數據處理

1.4.1 R 因子

首先對逐半小時的GPM 降水數據進行日合成得到逐日的降水數據，根據章文波等[17]提出的R因子計算算法，由逐日降水數據計算得到逐年的R 因子時空分布，記為R1；其次，根據周伏建和黃炎和[18]提出的降水因子計算模型，由GPM 逐月降水數據進行計算得到逐年降水侵蝕因子，記為R2。具體計算公式參照表3。

表3 R、K、C 和LS 因子Table 3 R, K, C and LS factors

1.4.2 K 因子

基于HWSD 數據選取了土壤不同粒徑顆粒組成含量以及土壤有機碳含量，通過目前土壤水蝕研究中常用的EPIC[19]、Shrazis[20]以及Torri.D[21]模型計算表示土壤的可蝕性，得到土壤可蝕性因子空間分布，依次記為K1，K2 和K3。具體計算公式參照表3。

1.4.3 C 因子

選取MODIS（Moderate-resolution Imaging Spectroradiometer）提供的MOD13A2 植被指數數據的歸一化差值植被指數（Normalized Difference Vegetation Index，NDVI）數據，首先利用蔡崇法和丁樹文[22]提出的分段的非線性轉換模型計算得到C 因子空間分布，記為C1；其次利用Van Leeuwen and Sammons[23]提出的帶參數的指數非線性模型計算得到C 因子空間分布（其中經驗性參數取值為=2.5； =1），記為C2。具體計算公式參照表3。

1.4.4 LS 因子

坡度坡長因子LS 代表著地形條件對于土壤侵蝕的影響。本研究基于SRTM（Shuttle Radar Topography Mission） 90 米分辨率的數字高程模型數據，利用符素華等[24]的坡度坡長法計算出坡度坡長因子，記為LS1。具體計算公式參照表3。

1.4.5 P 因子

水土保持措施因子代表著地表對于土壤水蝕的保護措施對于土壤水蝕的影響。本研究基于文獻調研統計以及中國5 年一期的土地利用數據，學者們在東北區域常用的水土保持措施因子的取值進行賦值計算。詳細取值如表4，參考文獻見數據集中的補充材料。

表4 P 因子賦值表Table 4 P factor value table

2 數據樣本描述

2.1 數據信息及結構

本數據集包含2001–2020 年東北區域土壤水蝕模數數據。數據集空間分辨率為250 m，時間分辨率為1 年，數值單位為（t ha-1y-1）。數據集保存為“2001–2020 年東北區域土壤水蝕模數.zip”壓縮文件，壓縮文件大小為2.71 GB。其中文件以對應年份進行命名，如“NE_2001”代表2001 年東北區域土壤水蝕模數，共20 個文件，背景值為-1。

2.2 數據樣本

以下給出2001–2020 年，5 年一期的土壤水蝕結果時空分布圖（圖2）?？傮w上東北地區的土壤侵蝕熱點為西、北、南的大、小興安嶺與長白山地區，這三個地區的海拔都較周圍高，土壤侵蝕敏感性也較強。其中以長白山南側土壤水蝕模數較大，主要是因為該地區處在黃海暖流北上所產生的水汽通道上，南側為迎風坡，因而長白山地區的降水多。整個流域的降水量非常豐沛，導致該地區計算出的土壤水蝕模數偏大。山區的侵蝕狀況主要受到植被變化、凍融作用等多營力的影響，隨時間變化呈現出波動的趨勢；平原地區的侵蝕狀況隨時間變化呈現出輕度和微度的侵蝕區域緩慢增大的趨勢，強烈的侵蝕呈現減小趨勢。

3 數據質量控制和評估

3.1 質量控制

本研究將水利部發布的2001–2020 年《河流泥沙公報》[25]中東北區域主要水文監測站測量得到的年輸沙量以及輸沙模數與模型估算的土壤侵蝕模數進行直接驗證，并基于驗證結果選取最優的因子算法組合生成最終侵蝕模數估算結果。步驟如下：1）首先根據水文站點分布位置與流域河段位置的相對關系以及站點對應的控制流域面積對初始流域評價單元進行合并或者遷移，建立一個站點對一個流域單元或一個站點對多個流域單元的流域評價單元。2）其次對每個評價單元建立以站點測量得到的年輸沙量為橫坐標，利用土壤水蝕估算模型計算的流域總土壤水蝕量為縱坐標建立散點圖，并結合時間序列變化趨勢以及公開資料記載的重大河流泥沙事件剔除異常值。3）最后將水文觀測站點測量得到的年輸沙量與對應流域評價單元內計算出的土壤水蝕模數的總和對比并計算二者在控制流域面積尺度上的評估指標，比較不同組合方式在三級流域尺度上的驗證指標，選取精度最優的組合模型生成最終結果。

3.2 質量評估

在本研究中將實測水文站點數據與對應流域估算的土壤水蝕模數進行統計比較，引入相關系數（Correlation coefficient，Cov）、均方根誤差（Root Mean Square Error，RMSE）、平均絕對誤差（Mean Absolute Error，MAE）等統計指標進行精度評估。相關計算公式如下：

相關系數（Cov）：

均方根誤差（RMSE）：

平均絕對誤差（MAE）：

各因子組合排列方案如表5 所示，每種因子組合方案的相關系數，RMSE 與MAE 三個評估指標統計如圖3 所示，最終得到12 種土壤水蝕估算結果及驗證結果。由于因子計算方法的適用條件以及地理要素之間的差異，根據R、K、C 因子的不同算法計算出的水蝕結果主要會根據降雨、土壤理化性質以及地表植被覆蓋狀況的不同，而產生不同的結果。由圖3 可知最佳的組合因子組合方案為A1 組合，其中使用的為R1-K1-C1-LS1-P 的因子組合，其流域估算的土壤水蝕模數值與站點觀測值相關性分布主要為0.4–0.5 之間，相較于其他組合方案整體稍高，RMSE 分布位于0.007–0.009 之間相較于其他組合方案整體偏低。A6，A7，A10 組合方式相關性指標明顯偏低且RMSE 與MAE 偏高，說明在東北區域以上三種因子組合的估算模型較不適用。A2–A5、A8、A9、A11、A12 相關性分布于0.3–0.45，且分布較為離散，RMSE 與MAE 相較于A1 組合偏高，整體分布于0.007–0.01 之間。

圖3 相關系數，RMSE 與MAE 統計箱線圖（其中A1–A12 為12 種算法組合方式，如表5 所示）Figure 3 Statistical boxplot analysis of correlation coefficient, RMSE and MAE ( A1-A12 is a combination of 12 algorithms, as shown in table 5)

表5 模型各因子組合表Table 5 The table of combination for various model factors

4 數據價值

水土流失對于我國東北地區的生態環境以及糧食種植影響較為嚴重。同時受到氣候、土壤、植被、土地利用等綜合地理環境因素的影響，東北區域黑土流失嚴重，耕層變淺，肥力下降，土壤鹽堿化加劇。水土過程模擬是治理土地退化的關鍵基礎環節。本研究提供的2001–2020 年長時間序列的高精度、高時空分辨率的土壤水蝕模數估算結果，對東北地區水土保持以及生態環境監測具有重要意義。

本數據集是公開發布的東北區域2001–2020 年土壤水蝕模數估算數據，具有較高的時空分辨率和實際精度，可為東北區域的土壤侵蝕評估以及水土保持決策提供基礎數據，幫助決策者和生產者制定合理的政策和風險管理策略。同時，本數據集也具有較高的科學價值與研究意義，基于模型優選思想為空間異質性較高區域的土壤侵蝕估算提供了新的思路與角度。在后續的研究中，我們將嘗試使用精度更高的源數據來計算各個影響因子并使用月尺度監測數據進行土壤侵蝕的驗證。

數據作者分工職責

吳瀚逸（2000—），男，福建南安人，碩士研究生，研究方向為農業遙感、環境遙感。主要承擔工作：研究方案設計、算法構建、產品生產、精度驗證和論文撰寫。

熊俊峰（1993—），男，江西九江人，助理研究員，研究方向為環境遙感。主要承擔工作：研究思路與方案設計、論文撰寫。

侯渲（1998—），男，甘肅天水人，工程師，研究方向數據庫建設、數據共享。主要承擔工作：數據收集整理、數據產品評估。

林晨（1984—），男，江蘇南京人，研究員，研究方向自然資源遙感監測。主要承擔工作：研究思路設計。

許金朵（1982—），女，江蘇徐州人，高級工程師，研究方向數據庫建設、數據共享。主要承擔工作：研究框架設計，數據提供。

馬榮華（1972—），男，山東臨沂人，研究員，研究方向湖泊環境遙感。主要承擔工作：研究方案設計。