基于DEM和均值变点法的措勤县地形起伏度分析

地形起伏度能够反映特定区域的地势起伏特征，采用均值变点法可以有效确定地形起伏度的最佳分析窗口。利用措勤县ASTER GDEM 30 m分辨率高程数据，在GIS平台支持下，通过Python编程，采用邻域分析法在不同窗口大小下提取地形起伏度，运用均值变点法确定措勤县最佳分析窗口。研究表明：(1)措勤县最佳分析窗口为27×27的矩形单元，分析窗口面积为0.656 1 km²。(2)措勤县地形起伏度范围为0～688 m,将其分为5类，起伏度值为70～200 m的丘陵地形和200～500 m的小起伏山地地形为措勤县主要地形，占比分别为37.62%和33.24%;起伏度值为30～70 m的台地地形和0～30 m的小起伏平地地形，占比分别为16.22%和12.57%;地形起伏度值为500 m以上的中起伏山地地形面积最小，占比为0.35%。     

基于变点分析法提取废弃采石场地形起伏度的方法

地形起伏度是废弃采石场水土保持治理和生态重建的重要地形指标之一。以0.5m,0.7m,1m,1.5m等12种不同水平分辨率DEM为数据源,采用GIS的窗口递增分析法和均值变点分析法对12种不同分辨率DEM的地形起伏度的最佳分析窗口进行了分析。结果表明:12种不同分辨率的最佳分析窗口都是为9×9网格,相应地提取地形起伏度的最佳统计面积与其相应的水平分辨率关系比较密切,呈幂函数的关系。以0.5m水平分辨率的DEM数据提取地形起伏度的最佳分析窗口面积为20.25m~2,并计算出大于5m地形起伏度的区域占总面积的13.12%。均值变点分析法确定地形起伏度也同样适用于废弃采石场的地形分析。     

中国西南地区地形起伏度的最佳分析尺度确定

[目的]确定中国西南地区地形起伏度的最佳分析尺度并进行地形分级,明确区域地形结构特点并进行地貌结构划分。[方法]以ASTER GDEMv2数据为基础,通过Python模块编程,利用窗口分析方法提取西南地区各典型地貌以及整个区域n×n(n=2,3,4,…,181,182,183)窗口下的平均地形起伏度,进而采用均值变点分析方法确定最佳统计窗口。[结果](1)西南地区地形起伏度的最佳分析尺度为2.43km^2;(2)区域地形起伏度以中小起伏为主,其中小起伏(200~500m)占38.68%,中起伏(500~1 000m)占23.58%;(3)从空间分布来看,西南地区的地形起伏度呈现中部高,东南部次之,西北部和东北部较低的特征。[结论]以2.43km^2为最佳统计窗口提取的西南地区地形起伏度符合区域地形起伏特征,同时较好地兼顾了各地貌类型的起伏特点。     

陕西省地形起伏度最佳计算单元研究

[目的]确定陕西省地形起伏度最佳计算单元,分析地形起伏度的空间分布规律,为地貌类型划分提供基础数据。[方法]以陕西省90 m×90 m的航天飞机雷达地形测绘使命(SRTM)数字高程模型(DEM)数据为基础,首先利用邻域统计分析法〔矩形邻域选取2×2,3×3,4×4,…,35×35共34个不同大小的邻域窗口,圆形邻域窗口选取20个(邻域半径R为2~21)〕对陕西省地形起伏度进行提取,然后统计不同矩形窗口和圆形窗口下的各种地形起伏度类型所占面积比例,接着运用均值变点分析法计算最佳计算单元,最后完成陕西省地形起伏度分级图的绘制,并对地形起伏度特征进行分析。[结果]不同地形起伏度类型所占面积比例的变化各有不同。按矩形邻域计算的地形起伏度最佳计算单元为12×12,对应面积为898 704m2,按圆形邻域计算的地形起伏度最佳计算单元为R=8,对应面积为1 254 191.4m2,这说明在使用邻域分析法提取地形起伏度时,采用圆形邻域有别于采用矩形邻域。陕西省地形总体较平缓,主要以小起伏、中起伏为主。[结论]简单实用的均值变点分析法,是确定最佳计算单元的一种较为理想的方法。     

基于DEM的京津冀地区地形起伏度分析

京津冀地区地貌类型复杂,全局单值最佳分析窗口在该地区地形起伏度提取中具有局限性。采集了区内不同地貌、地貌组合样本,采用均值变点法分别提取了各样本地形起伏度的最佳分析窗口,分析了地形地貌对最佳分析窗口的影响,在此基础上提取了京津冀地区的地形起伏度。结果表明:京津冀地区地形起伏度随分析窗口面积的增大而增大,对两者对应关系的拟合效果幂函数优于对数函数;区内因地形地貌差异存在4.64和5.35 km2两个最佳分析窗口,前者可以表达400 m以内的高差,后者更适合于表达400 m以上的高差;利用4.64和5.35 km2双窗口方案提取的地形起伏度优于单窗口方案,前者改善了后者对平坦地区起伏度的夸大;京津冀地区的地形起伏度在0~1 145 m之间,以平坦、中起伏和小起伏为主。     

地形起伏度最佳统计单元算法的比较研究

基于90m分辨率SRTM DEM数据,利用邻域分析法在不同大小窗口下(2×2,3×3,4×4,…,30×30)对山西省地形起伏度进行了提取,运用人工作图法、最大高差法、模糊数学法、均值变点分析法和累积和(CUSUM)分析算法分别计算最佳统计单元,对统计单元计算方法的准确性及适用性进行分析,提出山西省地形起伏度提取的最佳统计单元。研究分析表明:均值变点分析法和累积和分析算法是相对比较有效的方法;运用均值变点分析法与累积和分析算法计算所得的最佳统计单元分别为11×11(0.980 1km~2)和14×14(1.587 6km~2);均值变点分析法是计算最佳统计单元的一种最为理想的方法;对于同一地区而言,不同DEM数据类型、不同分辨率DEM,所使用的最佳统计单元大小也不同。     

基于DEM数据的祁县地形起伏度分析

地形的起伏是造成水土流失的重要因素,以空间分辨率为30 m×30 m ASTER GDEM数据和全国1∶400万矢量数据为基础数据源,运用邻域分析法提取祁县最佳地形起伏度,均值变点分析确定最佳统计单元,最后对祁县地形起伏度进行分级。结果显示,祁县地形起伏度的最佳统计单元为23×23,最佳统计面积为47.61×104 m~2,地形起伏度可分为4级:平原(30 m)占全县总面积的29.82%、台地(30~70 m)占19.81%、丘陵(70~200 m)占40.87%、小起伏山地(200~500 m)占9.51%;西北以平原(30 m)和台地(30~70 m)为主,东南部地形起伏较大,起伏度70 m的丘陵区和小起伏山地占全县总面积的50.38%,地形坡度较大,加之祁县降雨集中,土壤结构松散,侵蚀作用较强,水土流失严重。提出治理祁县的水土流失"应积极建设小型水利工程,加强水土保持监管制度,在丘陵和小起伏山地实行退耕还草还林,发展林业生产基地或者水果种植基地,不断恢复生态平衡"的建议。     

白龙江流域地势起伏度与微观地形因子之间的关系探讨

基于SRTM-DEM数据,以青藏高原东缘白龙江流域33个子流域为例,利用Arc GIS的邻域分析及均值变点分析方法确定了白龙江流域地势起伏度提取的最佳分析窗口面积,并分析了子流域地势起伏度与坡度、坡度变率、高差等微观地形因子之间的关系,结果表明:白龙江流域地势起伏度的最佳分析窗口面积为2.340 9 km2;白龙江不同子流域的地势起伏度可依据流域高差、平均坡度、平均坡度变率等微观地形因子建立相应的计算模型。     

基于DEM的甘肃省地貌形态特征分类

[目的]分析微观尺度上的地貌分类指标,为甘肃省的水土流失、地质灾害防治以及农业规划决策提供数据支持。[方法]利用甘肃省DEM数据,通过窗口递增分析、均值变点分析、叠加分析、水系盒维数检验等方法,得到甘肃省地貌形态特征分类试验的最佳分析窗口以及甘肃省地貌形态特征分类结果。[结果](1)利用均值变点分析得到甘肃省DEM分类试验的最佳分析窗口为29×29。(2)根据分类指标体系,结合地表起伏度、地表切割度、地形位置指数(TPI)因子将甘肃省地貌形态分为13类。[结论]提取研究区内5个小流域对得到的甘肃省地貌形态特征分类结果进行了检验,分类结果符合实际情况。构建的甘肃省地貌形态特征的分类指标体系实现了甘肃省地貌形态特征分类试验。     

中国地形起伏度的提取及在水土流失定量评价中的应用

基于全国 1:10 0万的栅格数字高程模型 ( DEM)数据 ,在 ARC/ INFO的 GRID模块支持下 ,利用窗口分析方法 ,经过采样统计 ,确定中国水土流失地形起伏度的最佳分析窗口大小为 5 km× 5 km;基于 5 km× 5 km的分析窗口 ,提取了中国水土流失地形起伏度 ,完成了中国水土流失地形起伏度制图 ;最后对中国水土流失地形起伏度进行了适用性分析 ,并将其初步应用于中国潜在水土流失评价     

淮河流域土壤侵蚀与影响因子关系分析

为探究土壤侵蚀各影响因子在一个较大的地理系统内的组合变化关系,以淮河流域为研究区,通过收集流域内土壤、植被、地形、气候等数据,利用二元相关分析、偏相关分析和通径分析方法,对流域尺度的土壤侵蚀各影响因子进行了分析。结果表明:在流域尺度上,对土壤侵蚀起主导作用的因子是地形起伏度,其次是坡耕地面积比和植被覆盖度。地形起伏度和坡耕地面积比及植被覆盖度之间具有较好的相关性,地形起伏度除直接对土壤侵蚀产生影响外,还通过影响坡耕地的分布和植被覆盖度而对土壤侵蚀产生综合影响。     

喀斯特山区地形起伏度及其对水土流失敏感性的影响——以贵州省荔波县为例

[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。     

半干旱草原潜在土壤风力侵蚀空间格局研究

中国绝大多数的干旱半干旱地区遭受着严重的风力侵蚀。风蚀可导致土壤流失、肥力下降,最终导致土地荒漠化。半干旱草原区的荒漠化问题日益突出,由此带来的沙尘暴等灾害天气增多,给人们的生产生活带来诸多不便。从影响土壤风力侵蚀的风速、干燥度、植被盖度、地形起伏度、土壤可蚀性以及放牧压力6个方面出发,借助GIS技术,通过主成分分析研究半干旱草原区达茂旗土壤风力侵蚀的空间分布格局。结果表明:达茂旗潜在土壤风力侵蚀指数由南向北呈高—低—高趋势。达茂旗北部地区土壤风蚀主要受风速、干燥度和植被指数影响;中部地区风力侵蚀主要受地形起伏度的影响,地形起伏对风的消减作用增强,使得风力降低,加之该地区土壤可蚀性和干燥度相对较低,风力侵蚀指数低;南部土壤风力侵蚀主要受放牧压力影响,春季正是牧草返青季节,植被盖度低,且牲畜密度相对较大,放牧对草场的压力大,土壤风力侵蚀严重。风力侵蚀各影响因子的时空异质性是导致半干旱草原风力侵蚀空间异质性的主要原因。干旱草原风力侵蚀空间异质性的主要影响因素是风速、干燥度和植被指数,其次受地形和土壤可蚀性的影响,而放牧压力是半干旱草原区土壤风力侵蚀的主要人为因素之一。     

喀斯特地区县域土壤侵蚀估算及其对土地利用变化的响应

喀斯特地区土层浅薄,不合理的土地利用导致严重的水土流失,加剧石漠化程度.为定量分析生态工程实施前后土壤侵蚀状况及其对土地利用变化的响应,基于GIS技术和RMMF模型,对环江县1991、2000和2010年土壤侵蚀进行模拟,并采用邻近水文站和径流小区泥沙监测数据进行验证.结果表明:1991、2000和2010年研究区土壤侵蚀模数分别为76.36、76.46和49.60t/(km2·a),与相关监测数据比较一致;土壤侵蚀总量分别为34.76万、34.80万和22.58万t,主要来源于非喀斯特区(均约占全县侵蚀总量的94％).研究区微度侵蚀面积占90％以上,轻度及以上等级所占比例较小.对比不同土地利用类型的土壤侵蚀模数,旱地远大于其他类型,其次是中覆盖度草地和其他林地.相同降雨条件下,由于旱地面积减少,2010年土壤侵蚀量较1991年减少4.21万t;2010年喀斯特区、非喀斯特区土壤侵蚀量较2000年分别减少了4.21％和8.76％.这预示生态工程实施后,环江县耕地减少、林地增加,土壤侵蚀减少.本研究为评估喀斯特地区土壤侵蚀现状以及退耕还林的水土保持效应提供参考依据.     

基于水土流失敏感性的岩溶地区景观生态风险评价——以黔南州为例

为揭示岩溶地区水土流失与生态格局的相关性,分析水土流失敏感性背景下景观生态风险的空间特征。以黔南州为研究对象,融合RUSLE模型和ERI评价方法,在分析水土流失敏感性的基础上,对县域尺度的景观生态风险进行了定量化评价。结果表明:（1） 黔南州水土流失敏感性以中度、轻度和低敏感区为主,其总面积为22 974.42 km²,比重达88.86%,但重度、极度敏感区面积仅占11.14%,且降水侵蚀力、地表起伏度和石漠化等级的空间相关性高。（2） 低生态风险区主要由水土流失轻度、不敏感区构成,耕地面积比重大（72.07%）,高生态风险区则以中度、重度敏感区为主,且建设用地面积比重大,说明水土流失敏感性就越高,则区域生态风险越高。上述研究表明,从水土流失敏感性的角度评价景观生态风险,融合了景观格局和水土流失状况等信息,不仅丰富了区域生态风险评价方法,也为区域生态保护与修复提供了决策依据。     

普安县不同岩组类型对区域土壤侵蚀景观格局的影响

以普安县白云岩、石灰岩、砂页岩和玄武岩等不同岩组区域的土壤侵蚀景观作为研究对象,基于ArcGIS软件中Spatial Analysis拓展模块空间分析技术及景观生态学中的景观格局空间分析方法,从宏观空间尺度上研究了不同岩组类型对区域土壤侵蚀景观格局的影响。结果表明:普安县岩组分布特征是以白云岩为主,其次是石灰岩,砂页岩和玄武岩面积较少;石灰岩区总体侵蚀程度不高,但是局部侵蚀较为严重。普安县土壤侵蚀景观格局特征表现为:微度侵蚀是4种地层岩组土壤侵蚀景观的景观基质,微度侵蚀景观斑块在空间分布上集中连片、异质性低、均匀度指数高,极强度侵蚀与剧烈侵蚀最大面积比例与斑块面积都是最小,斑块在空间分布上距离都较远且及其破碎,连通性较低。普安县不同岩组土壤侵蚀景观格局存在差异,白云岩区景观最为破碎,具有较高的异质性;石灰岩区侵蚀斑块分布较为集中;玄武岩区具有最高的多样性,斑块间的信息交流最为频繁。     

气候因子对森林土壤有机碳影响的幅度效应研究

揭示不同幅度上气候因子对土壤有机碳(Soil organic carbon,SOC)影响的主控性变化,是预测未来气候变化对SOC演变趋势影响的基础。本文利用中国西南地区363个森林土壤剖面数据,基于大区、省和地级市3个幅度,研究了气候因子对森林SOC密度的影响随幅度变化的规律及不同幅度下的主控气候因子。结果表明,年均降水量与SOC密度的相关性均随着幅度的减小而减弱,而年均气温与SOC密度的相关性随幅度变化的规律不明显,有较强的区域差异。大区幅度上,SOC密度主要受年均降水量和年均气温的综合作用。省级幅度上,西藏自治区东部主控因子为年均降水量,而四川和云南两省为年均气温。地级市幅度上,各市的主控因子基本与其所属的省一致。气候因子对SOC密度变异的解释能力在大区幅度上约20%,且随着幅度的减小解释能力也逐渐减小。     

三峡库区土壤侵蚀经济损失估算

运用环境经济学的理论与方法,计算了三峡库区不同时空,不同土地利用结构下的土壤侵蚀经济损失,并分析了土壤侵蚀经济损失的动态变化规律及其与土地利用结构之间的关系。结果表明:1988,2000和2007年三峡库区土壤侵蚀经济损失总量分别为98.21,99.37和87.99亿元。其中养分经济损失最大,分别占当年库区土壤侵蚀总经济损失的87.44%,88.29%,88.02%。在不同土地利用方式中,耕地经济损失最大;单位面积经济损失以灌草地最大,林地最小。土壤侵蚀经济损失存在空间差异性,云阳县和开县的土壤侵蚀经济损失最大,长寿县最小;单位面积的经济损失以云阳县、武隆县和开县最大,这些区域也是今后土壤侵蚀的重点治理的区域,而夷陵区的单位面积经济损失最小。     

区域土壤侵蚀研究分析

对目前区域尺度上土壤侵蚀评价的主要研究内容进行了归纳。以时间为轴,将区域尺度上的土壤侵蚀评价分为区域土壤侵蚀现状调查与评价、区域土壤侵蚀动态分析和区域土壤侵蚀状况的模拟与预测。其中区域土壤侵蚀现状又被区分为土壤侵蚀风险评价和侵蚀量估算。     

基于GIS和RUSLE的高山峡谷区土壤侵蚀研究——以云南省泸水县为例

[目的]研究区域土壤侵蚀,揭示水土流失的空间分异规律,为区域水土保持和生态农业建设提供理论指导依据。[方法]应用GIS和RUSLE模型对云南省泸水县的土壤侵蚀进行研究。RUSLE模型中的因子包括降雨侵蚀力、土壤可蚀性、坡度坡长因子、植被覆盖和水土保持措施因子,运用GIS空间分析模块,获取泸水县土壤侵蚀模数空间分布图,根据SL 190-2007的分级标准进行土壤侵蚀强度分级,并分析该区土壤侵蚀强度空间分布格局。[结果](1)从各强度侵蚀面积上看,泸水县2014年土壤侵蚀以微度侵蚀为主,占总面积的86.86%,但从平均土壤侵蚀模数看,土壤侵蚀量为4.24×10~6 t,平均侵蚀模数为1 373.1t/(km~2·a),土壤侵蚀强度属于轻度侵蚀;(2)土壤侵蚀较严重区与未利用地、耕地空间分布基本一致,在坡度25°~50°的范围内,侵蚀面积占总侵蚀面积的75%,并且在该坡度段上的耕地面积占总耕地的63%,剧烈侵蚀集中分布在未利用地上,中度以上剧烈以下强度侵蚀集中分布在该坡度段上的耕地上,说明该坡耕地、未利用地对土壤侵蚀的贡献最大,要加强对未利用地的生态治理。[结论]坡度大,陡坡垦殖和未利用地的不合理利用是该区土壤侵蚀加重的主要原因,坡度在25°以上的地区不适宜耕种,应优化农业产业结构如实施退耕还林还草等措施,才能有效的保持水土。