地形因子计算方法对土壤侵蚀评价的影响

选取嫩江县、怀来县、吴起县、开州区、长汀县5个区域1∶1万地形图,生成5 m分辨率的DEM作为数据源。分别用分段坡长法和汇流面积法计算了坡长坡度因子,并用中国土壤流失方程(CSLE)计算了土壤侵蚀模数,评价了土壤侵蚀强度,对比分析了分段坡长法和汇流面积法对坡长因子及水土流失面积的影响。结果表明:采用汇流面积法提取的坡长因子值和空间分布差异比分段坡长法更大,2种方法的低值区差异较小,高值区差异较大。2种方法计算水土流失面积比例差异不大,而在计算土壤侵蚀强度上显示出明显的差异。研究结果为不同地形区土壤侵蚀的地形因子和土壤侵蚀评价提供了数据支撑和理论基础。     

基于GIS/CSLE的四川省水土流失重点防治区土壤侵蚀研究

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。     

基于遥感技术的苕溪流域水土流失动态监测研究

以多源遥感影像为信息源，基于ArcGIS平台的空间分析与数据管理等功能，获取苕溪流域土地利用、植被覆盖、水土保持措施等数据，对降雨、土壤、地形、植被、水土保持措施等数据进行处理，提取各土壤侵蚀因子，应用中国土壤流失方程(CSLE)计算土壤侵蚀模数，得到苕溪流域水土流失动态监测成果。监测结果表明，2020年苕溪流域土地利用以林地、建设用地和耕地为主；耕地主要分布在≤2°坡度级；植被覆盖状况良好，九成以上的园、林、草地植被覆盖度大于60%;流域水土流失总面积304.45 km~2,侵蚀强度以轻度侵蚀为主；水土流失主要分布在茶园、人为扰动用地、其他林地及旱地，其中极强烈及以上侵蚀主要分布在人为扰动用地、茶园和坡耕地；整体来看，土壤侵蚀强度改善的区域面积大于加剧的区域面积。     

基于CSLE模型和抽样单元法的县域土壤侵蚀估算方法对比

为提高县域尺度地块(栅格)土壤侵蚀模数估算的准确性,以河北省怀来县为例,基于CSLE模型,分别采用全域覆盖计算和4%密度抽样单元推算方法对全县土壤侵蚀进行计算和对比分析。结果表明:全域覆盖计算比4%抽样单元推算水土流失面积大59.0 km~2,相对差异达12.94%。全域覆盖计算可实现空间全覆盖,更准确地反映县域水土流失空间分布特点,适用于中、小尺度土壤侵蚀定量计算,但需要较高精度和全面的数据源保证;抽样单元推算适用于流域、区域等大尺度土壤侵蚀估算,但结果受抽样方法、抽样密度、外推或插值方法等因素影响较大。应进一步加强遥感解译准确性、侵蚀因子精度等对CSLE全域覆盖计算结果影响的研究,完善模型参数数据库,率定因子值,实现参数本地化。     

西南紫色土水蚀区坡谱信息熵与地形因子关系分析

坡谱信息熵可综合反映地形起伏特征,计算便捷,为探索其能否替代计算繁杂的地形因子应用在土壤侵蚀评价中,该研究以西南紫色土水蚀区为研究对象,基于ASTER GDEM(30 m分辨率),计算坡谱信息熵、坡度坡长因子及沟壑密度等地形因子,分析坡谱信息熵与地形因子量化关系。结果表明:全区坡谱曲线形态有"S"、"L"及近似钟型,峰值集中分布在0°～3°、15°～18°、24°～27°;全区坡度坡长因子均值为11.03,空间北大南小的分布差异明显。区域尺度的沟壑密度为0.66km/km~2,流域尺度沟壑密度为0.33～0.88km/km~2;坡谱信息熵与坡度坡长因子在一级区(R~2=0.949 4,P0.01)、二级区(R~2=0.960 3,P0.01)均具有显著的对数或幂函数关系。与沟壑密度在川渝山地丘陵区呈显著的指数关系(R~2=0.747 5,P0.05),在其他区域尺度虽存在显著的多项式函数关系,但相关度较低。研究结果可为紫色土区水土流失评价、土壤侵蚀预报提供科学依据。     

基于CSLE模型的巴基斯坦土壤侵蚀评价

通过制作土壤侵蚀图,分析土壤侵蚀主控因子,为巴基斯坦水土流失与保护提供合理的科学依据及治理参考.以土壤侵蚀抽样调查单元数据和土壤侵蚀因子数据为数据源,基于CSLE模型分别以空间插值法和地图代数法定量计算巴基斯坦水蚀区土壤侵蚀图,以空间插值结果为参照对地图代数计算结果做直方图匹配得到巴基斯坦水蚀速率图;采用水利部SL 1...     

基于多因子层次覆盖模型的潜在土壤侵蚀等级评价——以内蒙古林西县为例

以内蒙古林西县作为研究案例,采用降雨侵蚀力、主要地形体、土壤可蚀性、植被盖度及水土保持措施等参数,利用TM影像、DEM、土壤类型图、土地利用类型图等地理辅助数据与地面实测土壤理化性质及多年降水数据,在GIS与RS技术支持下,对5个单因子作用下研究区潜在水土流失风险进行评价.并基于多因子层次覆盖评价模型,对复合因子及多因子综合作用下研究区潜在水土流失状况进行评价.结果表明:地形、土壤与植被盖度3个因子对土壤侵蚀的贡献量较大,土地利用方式与降雨强度对土壤侵蚀的贡献量较小.5个因子综合作用的结果是:林西县有近77%的土地面积面临强度及强度以上水土流失的危险.其中轻度及微度水土流失面积占总土地面积的比例较小,二者共占总土地面积比例14.8%,主要分布在林西县西北部的中高山坡度较低地区;强度水土流失占22.8%,主要发生在北部的中山区及中部的河谷平川区;极强度水土流失占43.8%,主要发生在中部及南部低山丘陵区;剧烈水土流失面积占10.8%,集中分布在北部中山高坡区.     

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。     

基于GIS和RUSLE模型的松涛水库上游水土流失定量分析

基于地理信息系统(GIS)和遥感技术(RS),提取了松涛水库上游降雨侵蚀力、地形、土壤可蚀性、植被与经营管理和水土保持措施5个主要水土流失影响因子,运用修正的通用土壤流失方程(RUSLE)估算该区域土壤侵蚀量,生成土壤侵蚀程度分布图。运用GIS空间分析和数理统计方法,分析水土流失在地理空间上的分布特征,结果表明:水土流失主要以微度和轻度侵蚀为主,分别占研究区总面积的48.43%和26.76%;坡度是引起水土流失的重要因子,水土流失主要分布在坡度15°的区域;水土流失主要发生在人类干扰活动较强烈的草地、灌木林、速生林、热作园等地类上,其水土流失面积占到研究区水土流失总面积的89.64%。     

基于GIS和CSLE的山西省土壤侵蚀风险研究

以山西省为研究对象,基于中国土壤流失方程(Chinese Soil Loss Equation)、遥感和GIS空间分析技术,通过合理选择CSLE中各土壤侵蚀因子的数据来源和计算方法,依据《土壤侵蚀分类分级标准》对2000—2010年山西省省市县3级行政体系的土壤侵蚀风险情况进行了分析,并运用地理加权回归分析方法,计算了土壤侵蚀模型中各因子对侵蚀量的贡献率。结果表明:(1)山西省年均土壤侵蚀总量达3.58×108t,平均土壤侵蚀模数为2 287t/(km~2·a)。若以土壤侵蚀强度高于微度为侵蚀风险地区,则山西省存在水土流失风险的地区约占全省面积的48%;(2)11个地级市中,轻度侵蚀城市依次为长治、晋中、晋城、太原、大同、运城和朔州,中度侵蚀依次为吕梁、临汾、阳泉和忻州。106个县级行政区中,微度侵蚀的县有14个,轻度侵蚀的县有61个,中度侵蚀的县有27个,强度侵蚀的县有4个;(3)地形因子对水力侵蚀引起的土壤侵蚀模数具有最高的贡献率,而因子取得最值的位置并不与贡献率最值的位置相一致。     

基于3S技术的地形起伏度与区域土壤侵蚀的相关性研究

地形起伏度直接影响着地面的径流变化,是导致土壤侵蚀的主要根源之一。分析两者相关性的前提是准确提取地形起伏度,而确定研究数据尺度下地形起伏度的最佳分析窗口是得出可靠结果的保障。在3S技术的支持下,运用均值变点法分析罗甸县基于DEM（空间分辨率为30 m×30 m）的最佳分析窗口,并依据2007年修正的土壤侵蚀分类分级标准估算研究区各样本单元的土壤侵蚀量,对两者进行相关性分析。结果表明:罗甸县在该尺度数据源下的最佳分析窗口为32×32,最佳统计面积为0.921 6 km²,实证了均值变点分析方法提取地形最佳分析窗口的可行性;地形起伏度与区域土壤侵蚀模数的相关系数为0.519 1,充分说明了作为宏观地形因子之一的地形起伏度是区域土壤侵蚀的主导因素之一。     

上海市土壤侵蚀模数的研究与确定

了解和掌握区域内土壤侵蚀强度及其空间分布是开展水土保持综合治理的基础。以上海市为研究对象,依据当地降雨、地形、土壤类型等资料,借助GIS技术获得了各像元侵蚀因子图,并应用USLE模型计算获得了上海市土壤侵蚀模数及其空间分布状况。研究结果表明：上海市水土流失非常轻微,96．71％的面积为微度侵蚀,轻度以上水土流失面积为207．2 km2,仅占全市土地总面积的3．29％。     

梯田作为地形因子和工程措施对土壤侵蚀定量评价影响的对比研究

[目的]根据中国土壤流失方程(CSLE),在降雨、土壤、植被等因子一定的条件下,将梯田作为地形因子计算流域土壤侵蚀量,并与梯田作为工程措施的计算结果进行对比分析,为土壤侵蚀定量评价提供新的思路。[方法]以黄土高原地区的纸坊沟流域和燕沟流域作为试验区,利用5m分辨率的DEM,0.3m分辨率的WorldView 3,30m分辨率的Landsat 8影像、降雨数据、土壤数据、土地利用等数据。[结果](1)在纸坊沟流域和燕沟流域,坡式梯田作为地形因子的流域土壤侵蚀量大于梯田作为工程措施的流域土壤侵蚀量,同时坡式梯田作为地形因子的流域土壤侵蚀量大于水平梯田作为地形因子的流域土壤侵蚀量,而水平梯田作为地形因子的流域土壤侵蚀量与梯田作为工程措施的流域土壤侵蚀量的比较根据流域的不同结果不同。(2)梯田占流域面积比例不同时,随着梯田占比的升高,梯田作为工程措施的流域土壤侵蚀量要明显低于梯田作为地形因子的流域土壤侵蚀量。[结论]梯田作为地形因子和工程措施因子会对土壤侵蚀量计算产生一定影响,梯田占比较大时差异明显。     

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。     

海城市水土流失动态监测分析

以海城市为例,通过收集水土保持重点工程、基础地理、遥感影像、土壤和降水量等资料,采用遥感监测技术和中国土壤流失方程(CSLE)解译获取植被覆盖、水保措施、土地利用、土壤侵蚀模数等数据信息,并统计评价水土流失面积及土壤侵蚀强度,揭示了海城市2018年的水土流失面积、强度与分布规律,在此基础上对比分析了海城市水土流失的消长...     

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。     

基于RS/GIS的布哈河流域土壤侵蚀现状研究

利用遥感和GIS的方法获得了流域内年降水量、年均气温、地形、土壤类型和土地覆被类型等5种评价因子数据,在GIS中通过建模及空间分析,获得了布哈河流域土壤侵蚀强度等级类型及空间分布信息。结果表明,研究区土壤侵蚀总面积是14 337km2,其中轻度侵蚀和中度侵蚀面积居多,分别占土壤侵蚀总面积的54.88%和20.51%;剧烈侵蚀面积占土壤侵蚀总面积的0.63%。     

利用侵蚀模型普查黄土高原土壤侵蚀状况

土壤侵蚀普查对于土地资源保护和自然灾害防治具有重要意义。为了测试抽样方法和土壤侵蚀模型在土壤侵蚀普查中的适用性,该文以陕西吴起县为试点,采用1%均匀抽样方法,调查39个抽样单元的土壤侵蚀影响因子,使用中国侵蚀预报模型CSLE(Chinese soilloss equation)估算土壤侵蚀模数,并与基于遥感数据的水蚀分级分类方法进行比较。两种方法估算的全县平均土壤侵蚀模数分别为4571和5504t/(km2a),但不同分级侵蚀强度的面积和空间分布存在较大差异。抽样方法在土地利用与覆盖、水土保持措施及土壤特性方面获得的信息量大于遥感方法,同时对于区域具有很好的代表性;使用模型估算土壤侵蚀考虑的影响因子与分级方法相比,还包括了土壤可蚀性、坡长因子以及水土保持措施因子等,由此计算的土壤侵蚀模数和强度具有更高的可信度。因此,虽然基于抽样方法和土壤侵蚀模型的土壤侵蚀普查方法也存在一定的问题,但与土壤侵蚀分类分级方法相比具有明显的优越性。     

基于抽样调查资料估算区域土壤侵蚀量

区域土壤侵蚀量估算是土壤侵蚀调查的重点和难点,为了利用抽样调查数据定量估算区域土壤侵蚀状况,以2011年第1次全国水利普查中的水力侵蚀抽样调查资料为基础,利用中国土壤流失方程(CSLE),通过地理信息系统估算2011年辽宁省的降雨侵蚀力、土壤可蚀性、地形、水土保持措施等侵蚀因子及侵蚀量,在此基础上对全省的水力侵蚀强度进行分级和面积统计,并与抽样调查结果进行对比.结果显示:全省各土壤侵蚀因子的估算结果与抽样调查结果较为接近;土壤水蚀以微度和轻度侵蚀为主,每年全省约85％的土地处于微度侵蚀(＜1000t/km2),而强度侵蚀(＞5 000 t/km2)面积仅占2％;抽样调查得到的独立工矿用地、果园、旱地和其他土地的侵蚀模数较估算得出的侵蚀模数大,而在草地、其他林地等土地利用类型上抽样调查得到的侵蚀模数却较估算得出的侵蚀模数小,主要原因可能是省域和抽样单元计算地形因子的DEM数据精度不同.总体上,该研究为如何利用抽样调查数据估算全国土壤侵蚀状况提供参考.     

鲁中山区CSLE模型中植被和地形因子的优化方法

[目的]优化中国土壤侵蚀模型CSLE的因子计算方法,提高该模型在鲁中低山丘陵小流域的模拟精度,为低山丘陵区小流域的土壤侵蚀因子动态监测方法提供技术支撑。[方法]以淄博市郝峪小流域为研究区,将国产高分卫星数据和无人机低空遥感数据相结合,对CSLE模型中的地形地貌因子和植被覆盖与生物措施因子进行了算法优化,通过与国家监测数据的对比,验证优化后土壤侵蚀模型因子的优越性。[结果](1)模型因子算法优化验证结果表明,坡度坡长因子频率曲线相似度为0.91,可以进行土壤侵蚀计算;(2)对于植被覆盖度提取的尺度转换模型,拟合优度系数R~2为0.686 8,可以进行植被覆盖与生物措施因子计算。(3)优化模型后的土壤侵蚀数据与国家监测的土壤侵蚀数据的相关系数为0.686 8。[结论]优化了CSLE模型中因子提取计算的方法提高了模型的模拟精度。因子优化后计算的土壤侵蚀模数更符合当地实际情况。