共查询到16条相似文献,搜索用时 109 毫秒
1.
2.
3.
4.
基于GIS的陇南市土壤侵蚀敏感性评价及其空间分异特征 总被引:2,自引:1,他引:1
土壤侵蚀是地理环境多因子综合作用的结果。以水土流失通用方程为理论基础,利用国内外已有的土壤侵蚀研究成果,运用数学模型和GIS分析相结合的方法,分析降水、地形、土壤和植被因子对陇南市土壤侵蚀敏感性的影响,并按照敏感性等级标准进行土壤侵蚀敏感性评价。明确了土壤侵蚀敏感性分布规律及其地域差异。结果表明:陇南市土壤侵蚀整体敏感性较高,极敏感区和高度敏感区面积达13107.51 km2,占总面积的46.94%,主要分布在武都区、文县和礼县的中西部。轻度敏感和不敏感区面积较小,分别占总面积的17.85%和3.14%。在综合评价陇南市土壤侵蚀敏感性空间分异的基础上,针对不同敏感等级的土地利用规划提出对策。 相似文献
5.
6.
重庆市位于长江上游生态屏障的最前沿,其水土流失对整个长江流域生态安全和三峡水利枢纽工程的安全运行有着重要影响。依据1999年重庆市水土流失遥感调查结合水土流失观测资料,评价了重庆市土壤侵蚀强度及区域分布。根据USLE方程中5N因子对土壤侵蚀敏感性影响,建立了土壤侵蚀敏感性评价指标体系,对重庆市土壤侵蚀敏感性进行评价。结合GIS技术,分析了重庆市土壤侵蚀敏感性的空间分布,探讨了土壤侵蚀的敏感性原因,并提出了有关水土保持对策。 相似文献
7.
基于GIS和RUSLE的滇池流域土壤侵蚀敏感性评价及其空间格局演变 总被引:5,自引:1,他引:4
土壤侵蚀是滇池流域重要的生态问题之一,掌握滇池流域土壤侵蚀敏感性的时空变化特征有助于水土保持工作的实施和改进。以降雨量、DEM、土壤类型和Landsat影像为数据源,选择降雨、土壤、坡度坡长、植被覆盖4个因子建立土壤侵蚀敏感性评价体系,对滇池流域进行土壤侵蚀敏感性评价。结果表明:滇池流域土壤侵蚀敏感性以轻度敏感和中度敏感为主。空间分布上,轻度敏感区主要分布在滇池周边。中度敏感区主要分布在滇池流域山地区域,地形陡峭。时间变化上,1999—2014年滇池流域土壤侵蚀敏感程度呈下降趋势。轻度敏感区域面积增加20.18%,中度敏感区域面积减少20.31%,轻度敏感区的增加来源于中度敏感区的转变,转变区域分布于滇池流域西北部和东南部。在土壤侵蚀敏感性影响因子中,降雨是影响滇池流域土壤侵蚀敏感性的关键因子。研究滇池流域土壤敏感性时空变化,识别滇池流域易发生土壤侵蚀的区域,有助于该区域水土保持措施实施、生态治理和土地利用优化。 相似文献
8.
汶川地震重灾区土壤侵蚀敏感性评价 总被引:4,自引:0,他引:4
以通用土壤流失方程为基础,选择降雨侵蚀力、土壤可蚀性、地形起伏度、植被覆盖自然因子作为土壤侵蚀敏感性的评价指标,根据汶川地震重灾区自然环境特征,制定评价指标的分级标准,在GIS技术支持下生成单因子敏感性评价图,在此基础上基于ArcGIS的空间叠加分析功能,完成单因子的叠加运算,从而实现土壤侵蚀敏感性综合评价。结果表明:研究区土壤侵蚀敏感性以高度敏感和中度敏感为主,轻度敏感次之,不敏感和极敏感所占比例较小。空间上土壤侵蚀敏感性呈块状不连续分布,但侵蚀敏感性区域又相对集中,分布特征与地貌类型关系较大。针对不同的土壤侵蚀敏感等级,提出了相应的水土保持对策。 相似文献
9.
青海湖流域土壤侵蚀敏感性评价 总被引:4,自引:0,他引:4
以青海湖流域为研究区,根据《生态功能区划技术暂行规程》,选择降雨侵蚀力、地形起伏度、土壤质地、植被类型作为土壤侵蚀敏感性的评价指标,在ArcGIS支持下生成单因子敏感性评价图,在此基础上基于ArcCIS的空间叠加分析功能,对土壤侵蚀敏感性进行综合评价.结果表明:研究区域内土壤侵蚀中度敏感区域占大部分,达到62.02%;高度敏感区域其次,为20.82%;轻度敏感区域和极敏感区域较少,分别为16.92%和0.24%.其中,对土壤侵蚀敏感性较高的地方主要有天峻县西北部和海晏县东部. 相似文献
10.
基于GIS的慈溪市土壤侵蚀敏感性评价 总被引:3,自引:0,他引:3
[目的]对影响浙江省慈溪市土壤侵蚀敏感性的各因素进行评价,为该市进行环境功能区划和各项水土保持措施工程的布局调整提供参考。[方法]借鉴土壤侵蚀流失USLE模型,选取降雨侵蚀力、土壤质地、植被覆盖和地形起伏度4因子构建土壤侵蚀敏感性评价体系,并运用GIS进行土壤侵蚀敏感性分析。[结果]慈溪市土壤侵蚀敏感性在空间格局上呈半圆环状结构分布,并且轻度敏感区面积为733.05km2,占比高达75.70%,广泛分布于平原乡镇地区;不敏感区主要分布于近海滩涂区域,极敏感、高度敏感及中度敏感区则位于南部的丘陵、山地地区。[结论]慈溪市土壤侵蚀敏感性评价结果与水土流失现状空间分布走势大致相符,为此应重视和预防水土保持工作。 相似文献
11.
[目的]探究喀斯特高原山区水土流失的特征与空间变化规律,为制定符合喀斯特山地环境的水土流失防治对策提供科学依据。[方法]以典型喀斯特山区重点生态功能区贵州省荔波县为研究区,综合运用地理空间分析方法,确定提取地形起伏度最佳的分析单元,结合水土流失敏感性评价,分析地形起伏度与水土流失敏感性的空间分布规律及其相互关系。[结果]基于10 m空间分辨率DEM数据,提取地形起伏度的最佳网格大小为54×54,地形起伏度(RDLS)在0.32~2.12之间;荔波县水土流失敏感主要为微度侵蚀,占县域总面积达88.40%;水土流失敏感性区域主要集中在RDLS为0.7~1.7的分级范围内,RDLS在1~1.5区间对水土流失的响应最敏感,为水土流失敏感性的优势因子区间。[结论]研究区内RDLS与不同敏感度的水土流失分布具有一定的一致性,总体上水土流失受地形起伏度变化的影响显著。 相似文献
12.
北方生态脆弱区土壤侵蚀敏感性空间分异 总被引:2,自引:2,他引:0
榆林是我国北方农牧交错带典型的生态脆弱区,土壤侵蚀严重制约着榆林地区人类生存和社会经济的可持续发展。以通用土壤流失方程为理论基础,选取自然因素(包括降雨、地形和土壤因子)和人为参数(包括生物措施、农业措施和社会经济措施因子)构建评估指标体系。在完成单因子敏感性评价的基础上,利用GIS空间叠加分析功能,对榆林市土壤侵蚀敏感性空间分异特征进行了综合研究。结果表明:研究区土壤侵蚀敏感性以中敏感为主,低敏感和高敏感次之,不敏感仅有零星分布。空间上土壤侵蚀敏感性程度呈南部黄土沟壑区向北部风沙草滩区递减趋势,高敏感区主要集中在靖边、定边两县南端,东部黄河沿岸以及南六县的部分地区。修正后的土壤侵蚀敏感性评价结果与前人研究的土壤侵蚀分布规律趋于一致,充分说明人类活动对土壤侵蚀也产生了极大影响。因此,急需转变不合理的土地利用方式,加强水土流失治理和植被恢复,针对不同敏感区实施分区管理,有效控制研究区能源开发建设对土壤侵蚀潜在发生的影响程度。 相似文献
13.
重庆三峡库区水土流失敏感性调查研究 总被引:2,自引:1,他引:1
在RS、GIS技术支持下,兼顾坡面侵蚀和重力侵蚀,从DEM、坡度、降水、地表物质、地质灾害、土地利用等6个方面,对重庆三峡库区水土流失敏感性进行了单因子评价和综合评价。研究结果表明:重庆三峡库区水土流失以中、高度敏感性所占面积较大,分别占库区总面积的43.35%、36.0%;轻度敏感性面积占库区总面积的14.39%;不敏感、极度敏感区面积相对较小,仅分别占1.04%、5.23%。从区域分布来看,重庆三峡库区中、东部以中、高度敏感性为主,西部以轻、中度敏感性为主。 相似文献
14.
以通用土壤流失方程(USLE)为基础,结合左江流域的自然环境特征,选择降雨侵蚀力(R)、地形(LS)、植被覆盖(C)与土壤质地(K)4个因子,建立流域土壤侵蚀敏感性评价指标与分级标准。在GIS软件支持下通过多因子叠加计算得到流域土壤侵蚀敏感性评价结果,将土壤侵蚀敏感性划分为弱敏感、轻度敏感、中度敏感、高度敏感、极敏感5个等级,并分析各等级的空间分布格局。结果表明:土壤侵蚀敏感性较高的区域主要分布在流域西北部的岩溶石山地区,而中部、南部的河谷平原、盆地、丘陵谷地、台地等地势相对平缓的区域敏感性较低。 相似文献
15.
吉林省土壤侵蚀敏感性评价 总被引:15,自引:1,他引:15
以通用土壤流失方程(USLE)为理论基础,在GIS的支持下采用地图代数方法,对吉林省的土壤侵蚀敏感性进行影响因子的逐一评价和综合评价。针对吉林省土壤侵蚀的实际情况,借鉴国内外的相关研究成果,选择了降雨侵蚀力、地形起伏度、植被类型和土壤质地等4个因子。通过分析与综合评价,明确了吉林省土壤侵蚀发生的可能程度、地区范围和空间分布规律,并进一步探讨了针对不同土壤侵蚀敏感区的有效控制水土流失的对策。研究结果将为吉林省的生态环境分区管理,合理开发利用土地资源,有效控制土壤侵蚀的发生和发展提供重要的依据。 相似文献
16.
基于GIS/CSLE的四川省水土流失重点防治区土壤侵蚀研究 总被引:4,自引:0,他引:4
掌握四川省省级水土流失重点防治区水土流失情况、空间分异规律及其内在驱动因素对生态预警和土壤侵蚀治理等具有重要意义。应用中国土壤流失方程(CSLE)计算四川省省级水土流失重点防治区土壤侵蚀状况,通过不同土壤侵蚀敏感性评价方法识别中国土壤流失方程(CSLE)敏感因子,借助地理探测器探究重点防治区土壤侵蚀空间分异规律及其内在驱动力。结果表明:四川省省级水土流失重点防治区水土流失面积占比27.16%,平均土壤侵蚀模数为806.08 t/(km^2·a),属于轻度侵蚀,但区内土壤侵蚀差异明显,局部存在严重水土流失;土壤侵蚀敏感性分析表明,生物措施因子B是中国土壤流失方程(CSLE)中最敏感的因子;不同水土保持分区土壤侵蚀定量归因表明,土地利用方式是土壤侵蚀空间异质性的主要驱动力,且影响因子两两交互均能增加对土壤侵蚀空间分布的解释能力,各因子在不同水土保持分区作用程度存在显著差异。因而,在应用中国土壤流失方程(CSLE)计算土壤侵蚀量时,基于不同研究区针对较为敏感因子建立区域化算法是提高计算精度的关键。 相似文献