水土流失定量遥感方法及其应用的研究

本文介绍了水土流失定量遥感方法，应用实验和结果，并讨论了它的实质和应用前景等。该法的监测模型虽有与ＵＳＬＥ和ＲＵＳＬＥ相同的表达形式，但其因子琥式算法系由我国实测资料所建，故有更人合我国实际的应用效果，尤其它适用于遥感和ＧＩＳ数据的微机处理。     

基于GIS的耕地遥感监测人机交互式图像解译系统

基于卫星遥感的耕地监测系统包括两部分内容：应用ＧＩＳ的人机交互式遥感卫星图像解译；信息系统开发与应用。为满足农业部门经常性的对耕地数量变化的需求，该文提出应用ＧＩＳ的人机交互式解译成图系统，适用于华北地区大面积陆地卫星遥感图像解译，解译速度和精度均较高。     

长江上游定量遥感监测模型地形因子应用研究

以长江上游商南县为研究区,利用GIS软件平台建立研究区数字高程模型(DEM),选用水土流失定量监测模型(QRSM),用水土流失地形像元SL因子算法专用软件计算像元坡度与坡长因子值,对数字高程模型(DEM)进行了差错与精度评价,并对地形因子计算过程中水体边界坡度、坡度因子、坡长、坡长因子和凹点、回流问题等关键技术进行了处理。结果表明,15°~25°坡度面积为530.51km2,占总面积的22.93%,25°~45°坡度面积为1 083.32km2,占总面积的46.82%。15°~45°坡度面积合计接近70%,是造成商南县严重水土流失的主要区域,监测结果符合研究区实际现状。该研究将监测模型推广应用到长江流域上游地区,对逐步实现长江流域水土流失的监测预报具有前瞻性,并对其他小流域也有一定的理论和实践价值。     

应用水土流失定量遥感方法监测山东全省山丘区的研究

本文简要介绍了水土流失定量遥感方法的组成和基本原理，重点叙述了它在山东全省山丘区的应用作业和应用结果，并讨论了它的准确性，实用性和应用前景等。该法的监测模型可与美国近年刊出的ＲＵＳＬＥ相媲美，且其因子算式算法系由我国实测资料所建，故有更合我国流失实际的应用效果，尤其它适用于遥感和ＧＩＳ数据的微机处理，其应用结果，不仅有比常规调查法和定性遥感法更准确实用的流失总量、各级面积的统计数据和流失现状图，而     

基于神经网络方法的土壤流失量预测研究

生产建设项目土壤流失量的预测直接关系到建设项目的水土保持分析、评价和防治措施体系的布局,目前常用的预测方法因其局限性、不合理性以及精度差等问题往往难以实现准确预测。将人工神经网络的BP算法引入到土壤流失量预测中,将降雨侵蚀力、土壤可蚀性、坡长、坡度、水土保持措施作为影响土壤流失量的主要因子,并以17个生产建设项目水土保持监测实例作为学习样本和检测样本,建立了基于神经网络方法的土壤流失量预测模型。预测结果表明,该模型拟合和预测精度高,具有很强的应用价值,能够满足工程应用需要。     

RS和GIS在农业领域的应用与展望

本文在概要介绍ＲＳ与ＧＩＳ技术的基础上，探讨了ＲＳ与ＧＩＳ在农业与实践领域中的一些应用，指出它们是实现农业现代化管理和发展可持续农业的重要支撑技术。并对ＲＳ与ＧＩＳ在农业应用中的未来发展作了展望。     

用于矿区、建筑工地及复垦土地的修订通用土壤流失方程

修订的通用土壤流失方程（ＲＵＳＬＥ）在环境评价、荒地开垦、矿区及建筑工地的土壤流失量计算中应用得越来越广泛。对通用土壤流失方程（ＵＳＬＥ）和１．０４版、１．０６版ＲＵＳＬＥ修订的通用土壤流失方程进行逐因子比较表明：１．０６版ＲＵＳＬＥ在计算矿区建筑工地及复垦土地的土壤流失量方面较准确。因此，１．０６版ＲＵＳＬＥ最适于特殊场地的土壤流失量计算，而ＵＳＭ和１．０４版ＲＵＳＭ ４不再适用。     

福建省土壤流失预防研究

该研究采用通用方程（ＵＳＬＥ）和数量化理论Ｉ分别预报了福建省顺坡撂荒和具有生物工程措施的坡地土壤流失量，结果表明，顺坡器撂荒区土壤流失的预报粗度较高，说明确定的Ｒ，Ｋ，ＬＳ算法更符合福建的具体条件，从统计意义上看，数量化理论Ｉ可以用于福建省生物工程措施区的土壤流失预报。     

地理信息系统（GIS）在农用土地资源上的应用

本文以北京市基本农田保护信息管理系统建设的前期调研为基础，介绍了ＧＩＳ在我国的应用情况及国内、外ＧＩＳ软件的性能比较，并针对当前农业资源保护的现状，提出ＧＩＳ进行北京市农田管理的解决方案。     

浅议华东区域农业气象业务系统GIS平台的选用与配置

面对市场上众多的ＧＩＳ产品，结合农业气象工作的内容和自身的特点，讨论选用配置适用于区域农业气象业务系统的ＧＩＳ应用平台。     

基于传统土壤图的土壤—环境关系获取及推理制图研究

在数字土壤制图研究中,从历史资料中提取准确的、详细的土壤—环境关系对于土壤图的更新和修正十分重要。从传统土壤图中提取土壤类型并从地形数据中提取环境参数,采用空间数据挖掘方法建立土壤—环境关系,并进行推理制图和精度验证。以湖北省黄冈市红安县华家河镇滠水河流域为例,首先选取成土母质和基于地形数据提取的高程、坡度、坡向等7个环境因子;然后利用频率分布原理得到包含土壤类型与环境因子信息的典型样本数据1 410个;采用See5.0决策树方法进行空间数据挖掘,建立土壤—环境关系;将其导入So LIM中进行推理制图;最后利用270个实地采样点验证所得土壤图的精度。土壤图的精度提高了约11%,证明了本研究方法对土壤类型和空间分布推理的可靠性。     

基于GeoCA和GIS的水土流失空间演化模拟研究

传统的水土流失研究主要是以通用方程(USLE)为基础的一种确定性分析。实际上,水土流失是一个影响因素众多,边界条件复杂的连续不间断的不确定过程。研究了用地理元胞自动机来模拟水土流失的原理、方法和工作流程,并在GIS技术支持下采用标准的Von.Neumann邻居定义,着重探讨元胞状态转化所遵循的规则和水土流失从一种强度到另一种强度这一微观动态变化过程,最终形成GeoCA—SoilErosion系统。最后,以重庆市万洲区为例,用元胞空间与研究区域相一致的地理元胞自动机模型,得出了重庆市万洲区水土流失等级图并分析了水土流失与其背景的空间关系。研究结果表明,万洲区水土流失已经得到有效控制。并运用ArcView软件作为开发平台与之集成,将这一过程可视化表达。     

基于GIS的济南市土壤侵蚀敏感性评价研究

土壤侵蚀受多种因素的影响和制约.根据美国土壤侵蚀通用方程以及济南市独特的自然地理特征,确定了济南市土壤侵蚀敏感性主要评价因子,包括降水、地形起伏、土壤质地和植被.在GIS系统支持下,提取单因子数据并得到单因子土壤侵蚀敏感性,进而完成土壤侵蚀敏感性综合评价.运用GIS空间分析功能,得到不同敏感性程度的面积与空间分布规律,从而为政府制定水土保持政策提供科学依据.     

Effect of vegetation cover on soil erosion in a mountainous watershed

We applied the Revised Soil Loss Equation (RUSLE) to assess levels of soil loss in a Geographic Information System (GIS). In this study, we used the k-NN technique to estimate vegetation cover by integrating Landsat ETM+ scenes and field data with optimal parameters. We evaluated the root mean square errors and significance of biases at the pixel level in order to determine the optimal parameters. The accuracy of vegetation cover estimation by the k-NN technique was compared to that predicted by a regression function using Landsat ETM+ bands and field measurements as well as to that predicted by the Normalized Difference Vegetation Index (NDVI). We used a regression equation to calculate the cover management (C) factor of the RUSLE from vegetation cover data. On the basis of the quantitative model of soil erosion, we explored the relationship between soil loss and its influencing factors, and identified areas at high erosion risk. The results showed that the k-NN method can predict vegetation cover more accurately for image pixels at the landscape level than can the other two methods examined in this study. Of those factors, the C-factor is one of the most important affecting soil erosion in the region. Scenarios with different vegetation cover on high-risk areas showed that greater vegetation cover can considerably reduce the loss of soil erosion. The k-NN technique provides a new method to estimate the C-factor for RUSLE erosion mapping. The quantitative model of different vegetation cover scenarios provides information on how vegetation restoration could reduce erosion.     

基于气候变化和地形湿度指数的锡林浩特市水土流失趋势分析

气候因子和土壤水分是影响水土流失的重要因素,将气候因子与地形湿度指数相结合进行分析,对于预测研究区的水土流失趋势具有指导性的作用。以锡林浩特市为研究对象,利用Excel分析近10a来锡林浩特市气候变化趋势,结果表明:平均气温上升,降水量减少,平均风速增加,气候条件的变化使得草地生产力下降。以锡林浩特市数字高程图为基础,利用GIS的分析功能计算地形湿度指数。根据行政区划找出研究区域内地形湿度指数较小的区域,基于气候变化和地形指数进行综合分析得出:毛登牧场、白音希勒牧场、宝力根苏木3个地区土壤含水率较低,气候变化背景下,这3个地区风力侵蚀更易发生,因此应采取相应保护措施减少不必要的人类活动造成的水土流失。     

基于等高线的黄土高原小流域地形虚拟

黄土高原地形三维虚拟是“数字黄土高原”的基础，可为区域水土保持生态建设提供科技支撑。针对直接在地理信息系统软件中观察三维场景存在的控制交互能力不足问题，提出综合利用地理信息系统软件的地形插值算法，基于MFC框架下的OpenGL程序设计的思路，实现地形的真实感三维虚拟。以黄土丘陵沟壑区康家沟小流域为例，等高线数据在AutoCAD和ArcView软件中处理，生成ASCII格式的规则网格DEM数据，依据它们绘制三角形带，采用加权平均法求得各点的法向量，设置光照与材质模式，添加动态天空背景，实现了该流域地形的真实感三维虚拟，并增加交互能力，完成自由漫游与多角度观察。     

基于模糊集理论提取土壤—地形定量关系及制图应用

通过对研究区地形因子的模糊聚类,提取了地形因子组合与特定土壤属性的定量隶属度关系,然后对隶属度高值区土壤进行目的性采样为隶属度函数赋值,制作研究区土层厚度连续分布图。通过野外实地验证,将观测值与图中预测值比较,结果显示该方法制图精度在82%左右,具有一定的可靠性。进一步考察认为该模型在地形部位较低,地势较为平坦,土壤发育较好,土层较厚,成土环境相对稳定的地区预测效果更好,适用性更强。该方法能提高土壤制图效率,降低制图成本,提高制图精度,对土壤微域变异的表现更为详细,图面信息负载量更高。应用该方法制作大比例尺土壤详图不失为土壤调查与制图领域一种可行的新方法。     

基于地形因子的土壤侵蚀评价指数修正 ——以陕北安塞集水区为例

地形是影响土壤流失的重要因素,小流域尺度上的土壤侵蚀评价指数(SL_(sw))对于地形的研究过于简单,因此本研究对SL_(sw)中的地形因子(G)进行修正,进而得出G因子修正后的土壤侵蚀评价指数(SL_(sw)_G)。以黄土丘陵沟壑区——安塞集水区为研究区,基于GIS技术,利用2006—2012年安塞集水区的数字高程模型(DEM)数据、水文观测站的日降雨量数据、土壤采样数据和土地利用数据,计算研究区2006—2012年逐年的SL_(sw),利用安塞集水区实测的输沙量,验证修正的SL_(sw)_G指数的有效性,并分析安塞集水区土壤侵蚀强度的时空变化特征。结果表明,修正前后土壤侵蚀情况分布基本相同,均呈现东南部地区SL_(sw)指数高,而西北部地区相对较低。在安塞集水区东南部,由于人为因素的影响,土壤保持措施相对较弱,同时土壤中黏粒和粉粒质量较轻,黏粒和粉粒湿时有明显的黏结性,降雨过程中容易被水冲刷;根据土壤采样点的采样数据表明,东南部地区土壤中黏粒和粉粒的含量较高,较容易造成土壤侵蚀。修正前后指数通过T检验得出,SL_(sw)和SL_(sw)_G具有方差齐次性,P=0.0370.05;通过与实测输沙量的比较,修正后SL_(sw)_G与实测输沙量的相关系数大于修正前SL_(sw)与实测输沙量的相关系数(0.390.36),修正后的相关性较修正前的相关性有所增加,说明修正是有效的,修正后的SL_(sw)指数能够更好地评价研究区域土壤侵蚀状况。     

Spatial prediction of soil classes using digital terrain analysis and multinomial logistic regression modeling integrated in GIS: Examples from Vestfold County,Norway

The main objectives of this study were to model the relationship between WRB-1998 soil groups and terrain attributes and predict the spatial distribution of the soil groups using digital terrain analysis and multinomial logistic regression integrated in GIS in the Vestfold County of south-eastern Norway. A digital elevation model of 25 meter grid resolution was used to derive fifteen terrain attributes. A digitized soil map of thirteen WRB soil groups at the scale of 1:25,000 was used to obtain the reference soil data for model building and validation. First, the relationships between the soil groups and the terrain attributes were modeled using multinomial logistic regression. Then, the probability that a given soil type is present at a given pixel was determined from the logit models in ARCGIS to continuously map each soil group's spatial distribution. Elevation, flow length, duration of daily direct solar radiation, slope, aspect and topographic wetness index were found to be the most significant terrain attributes correlating with the spatial distribution of the soil groups. The prediction showed higher mean probability values for each soil group in the areas actually covered by that soil group compared to other areas, indicating the reliability of the prediction. However, the prediction performed poorly for soil groups that are not greatly influenced by topography but by other factors such as human activities.