小流域土壤有机碳密度空间变异特征的尺度效应研究

选择内蒙古赤峰市敖汉旗黄花甸子流域为研究对象,运用地统计学和Arc GIS空间分析工具相结合的方法研究流域内土壤有机碳密度的多尺度空间变异特征以及其影响因素。结果表明,土壤有机碳密度的空间变异性具有明显的多尺度效应,随着研究尺度的增大,土壤有机碳密度的块金系数逐级减小,小尺度下土壤有机碳表现为中等程度空间相关性;大、中尺度为强烈空间相关。结构性因素对土壤有机碳的空间变异作用逐渐增强,而同时削弱随机因素对其变异所产生的影响。地形因子与NDVI对土壤有机碳密度均有显著影响,大尺度的研究中,环境因子与有机碳密度的相关性由大到小表现为海拔坡度NDVI坡向;中、小尺度的研究则表现为NDVI海拔坡度坡向。     

黄土丘陵沟壑区坡体稳定性影响因素分析

选取黄土丘陵沟壑区纸坊沟小流域为研究区,利用高精度遥感影像(分辨率0.068 m)和DEM (分辨率0.34 m)数据,结合野外调查,对崩塌、滑塌、滑坡、脱落和陷穴等失稳体进行识别,通过统计学、敏感系数方法,利用识别失稳体数据,分析不同类型失稳体空间分布状况,定量研究不同类型失稳体的影响因子敏感程度,揭示不同类型失稳体的主控因子,进一步阐明流域坡体失稳体的空间分布规律和影响坡体稳定性的主控因子。结果表明:(1)利用高精度遥感影像,获取流域失稳体,主要是以小规模和浅层的脱落、崩塌和滑塌为主,三者面积合计为0.417 km²,占流域总面积的5.04%。(2)评价因子内部中,土壤母质的红黏土、土地利用的天然灌木林地和草地、地貌部位的沟坡、坡度＞35°、地形起伏度为0.74~3.34 m是坡体失稳发生的高敏感区域,也是崩塌、滑塌、脱落和陷穴发育共有的敏感区域。(3)影响坡体稳定性主控因子权重由大到小为土壤母质、地形起伏度、坡度、土地利用和坡向。崩塌、滑塌和脱落的主控因子与整体坡体稳定性的主控因子相同,但因子内部权重存在差异。崩塌与整体坡体稳定性影响因子顺序分布一致。滑塌主控因子权重由大到小为土壤母质＞地形起伏度＝坡度＞土地利用＞坡向＞地貌部位。脱落主控因子权重由大到小为土壤母质＞土地利用＞地形起伏度＞坡度＝坡向＞地貌部位。滑坡的主控因子为坡度和地形起伏度。陷穴的主控因子权重由大到小为土壤母质＞地形起伏度＞坡度＞坡向。     

云南省老山自然保护区地貌特征及其对土地利用类型分布的影响

[目的] 研究云南省老山自然保护区的地貌特征及其对土地利用的影响,为该区及类似保护区资源环境管理和生物多样性保护提供支撑。[方法] 以滇东南老山自然保护区为例,基于12.5 m分辨率的DEM数据,将野外地质地貌调查与数字地形分析相结合,选择海拔、起伏度、坡度、坡向、面积—高程积分、地形剖面等揭示该区地貌特征,选择地形位指数、分布指数等定量化指标探讨地貌特征对土地利用类型的影响。[结果] ①保护区共有3个山地海拔类型、6个坡度等级、6个基本地貌类型和具有南北差异的坡向分布特征,这些地形因子进一步在碳酸盐岩和花岗岩等岩性基础上发生分异。②在地形因子和构造、岩性综合作用下,保护区内各子流域的面积—高程积分值在0.279～0.763,平均值为0.501,保护区整体处于地貌演化的壮年早期阶段,在子流域尺度上则表现出幼年期、壮年期和老年期地貌多样共存的空间格局。③随着海拔、坡度和地形位指数梯度的增大以及坡向由阳坡向阴坡的转变,以人为因素占主导的土地利用类型逐渐丧失优势地位,进而被以自然过程为主导的土地利用类型所替代。[结论] 独特的地貌空间格局特征和丰富的生境类型既是保护区生物多样性的重要支撑,也是土地利用类型空间配置形成的重要原因。     

基于GIS与AHP模型的白龙江流域泥石流危险性评价

以白龙江流域甘肃省境内部分为研究区,在收集资料和野外勘查的基础上,选取海拔、坡度、滑坡密度、地层岩性、距断层距离、地震动峰值加速度、平均10 min降雨量、距水系距离、归一化植被指数(NDVI)、土地利用类型作为泥石流危险性评价因子,对研究区内外动力环境因子进行了分析。在此基础上,基于GIS技术和AHP模型建立了研究区泥石流危险性评价模型。评价结果表明,研究区内泥石流空间分布密度大、空间异质性明显,危险性呈现从西北至东南等级递增的趋势,并据此进行了泥石流危险性分区。     

基于斜坡发育指标的旺苍县滑坡危险性评价

四川省旺苍县是滑坡的频发区。由于特殊的地质条件与地形地貌特征,该区的滑坡呈现特殊的演变规律,传统的评价方法很难精确地获取该区滑坡的危险性分析结果,研究以该区的地层岩性、地层构造、接触面倾角、地下水类型、坡高、坡度、坡形、斜坡类型以及碎石含量9个斜坡发育指标作为评价因子,通过引入评价因子的特征函数表征各因子对滑坡的影响模式,建立基于斜坡发育指标的滑坡危险性评价模型,评价结果能够比较精确地反映旺苍县的滑坡危险性分布特征,对于该区的滑坡防治工作具有一定的实际意义。     

DEM分辨率对微地形形态的影响

不同的DEM采样间隔能够使地表微地形的概括发生变化,导致微地形观测结果出现差异,该文主要研究不同观测尺度条件下微地形的变化。在深耕、浅耕、裸坡和细沟4种地形条件下,采用三维激光扫描仪获得5,10,20mm的点云数据。通过地理信息相关软件对点云数据加以处理分析,提取不同尺度条件下各类微地形的坡度、坡向、坡度变化率和坡向变化率;通过坡度、坡向定性研究微地形变化与观测尺度之间的相关性,通过对坡度变化率、坡向变化率的研究得出坡度、坡向的变化值域。不同地形条件的微地形在不同观测尺度下变化有明显差异。坡度在8°~15°,15°~25°,45°~60°,60°~90°变化均一;坡向受观测尺度影响主要集中在阳坡和半阳坡;坡度变化率和坡向变化率表明观测尺度越细微地形坡度坡向变化情况越显著,从10,20mm观测尺度下的0~3/3,3~∞两个取值区间逐渐迁移到在5mm尺度条件下的3~∞。     

基于贡献率模型的崩塌易发性评价——以广州市白云区为例

[目的] 根据地质灾害野外普查空间数据库,分析花岗岩风化残积土发育地区崩塌形成机理和破坏模式,探究不同环境孕灾因子对崩塌发育的贡献率,评估崩塌灾害空间易发性与分布规律,为中国东南沿海地质灾害多发区的灾害防治工作提供科学支持。[方法] 在分析广州市白云区花岗岩风化残积土崩塌发育特征的基础上,选取高程、坡度、坡向、地形起伏度、距地表水体距离、降雨量、地层岩性、土地利用类型共8个与崩塌灾害发育密切关联的致灾因子构建崩塌灾害易发性评价指标体系,叠加研究区内404个历史崩塌数据,依据贡献率模型计算统计各指标因子崩塌灾害敏感性和空间分布特征。采用各二级指标因子贡献率的修正样本差确定因子权重。[结果] ①研究区内坡度、高程和地形起伏度对崩塌易发性贡献程度较高,坡向、地层岩性、降雨量在崩塌灾害易发性评价中贡献程度较低。②极高易发区主要集中在丘陵西麓,崩塌易发性由山地线范围外层边缘向中心逐级降低。③崩塌极高易发区和高易发区崩塌比率占总崩塌比率超过85%,模型易发性评价成功率和预测率分别达到91.3%和92.6%。[结论] 斜坡地形地貌因子对崩塌发育影响较显著,基于贡献率的崩塌灾害易发性评价模型能够客观量化指标因子权重,模型预测评价结果精度较高,易发性区划符合实际崩塌发育空间分布特征。     

基于GIS的区域性滑坡空间特征分析

 以日本岩手县早池峰山区域为研究对象,选择坡度、坡向、海拔、坡面倾斜类型、降雨、植被、土壤、地质8个因素,以GIS为工具,结合数量化理论与方法,分析和解明区域性滑坡及其影响因子的空间关系。通过航片解释得到了研究区滑坡分布图;从TM影像计算了研究区植被指数;从数字地图解析出数字高程模型(DEM),进而计算了研究区坡度、坡向、海拔以及坡面倾斜类型;从现有的研究成果提取研究区降雨特征,结合DEM得到了研究区降雨量空间分布图;从现有土地分类基本调查图上提取了土壤类型以及地质类型。通过图形迭加和数量化分析,得出了研究区域滑坡与影响因子的关系。结果表明,所选择的8个因子对滑坡均有较为明显的影响,其影响顺序依次为:海拔高度、植被状况、地质类型、降雨量、土壤类型、坡向、坡度、坡面倾斜类型。     

基于因子相关性-聚类分析的巴谢河流域滑坡危险性评价

巴谢河流域是甘肃省东部滑坡高易发区域,滑坡活动频繁。基于遥感解译与野外调查,分析了地形地貌因子、地层岩性、植被覆盖、人类工程活动等因子对流域内滑坡的相关性。结果表明:滑坡分布与地形地貌关系密切,高程2 000~2 200 m、坡度15°~40°、阳坡坡向及沟谷密度1~2.5 km/km²的范围内,滑坡尤为发育;滑坡与地层岩性、植被、人类活动等也有较好的对应关系,其中岩性为马兰黄土及泥岩、NDVI在0.2~0.3与距离道路600 m的范围内滑坡易于发生。依据各因子与滑坡的相关性对其进行聚类分析,将整个研究区域分4个危险区:高、中、低和极低危险区,所占研究区面积比例分别为30.9%,21.7%,30.3%,17.1%。     

黄土高原降水量与地理因素关系分析

黄土高原地区多年平均降水量的空间分布趋势主要决定于地理位置和海拔高度,纬度>经度>海拔高度作用。东南及东部气流支配着黄土高原降水。综合因素（植被盖度、坡向、坡度等）对降水有显著影响。     

福建省长汀县地质灾害的形成条件与防治对策

长汀县地质灾害类型有滑坡、不稳定斜坡、崩塌等,其中以滑坡为主。多数地质灾害点个体规模小,稳定性差,活动频繁,地质灾害发育具有明显的地域性与季节性分布的特点。该文主要阐述了长汀县地区地质灾害的类型、发育特征、时空分布规律,详细地分析了长汀县地质灾害的形成条件,得出了以下结论:地形地貌是该地区地质灾害形成的外在主要控制因素;地层岩性在一定程度上决定着地质灾害的发育程度,是其形成的内在主要控制因素;降雨和人类工程活动是地质灾害形成与发生的主要诱发因素。同时,提出了监测、避让搬迁、工程治理等防治措施,为当地的防灾减灾提供了科学的依据。     

基于GIS的华宁县滑坡灾害影响因子分析及易发性评价

为了明析区域滑坡灾害影响因子及其易发性,为滑坡地质灾害的防治提供借鉴。以云南省华宁县为研究对象,利用GIS空间分析技术,对华宁县滑坡空间分布及诱发因子进行了分析研究,依据区域地质灾害详细调查资料,建立GIS灾害数据库的同时选取海拔、坡度、坡向、距水系、道路、断层距离、岩性7个诱发因子,利用统计指数对滑坡在每个因子各类别中的占比进行了权重分析,最终确定滑坡灾害易发性分区并阐述其空间分布特征。结果表明:（1）在滑坡灾害分布特征上,具有空间集中分布特征,灾害点密度以中部地区最大,受灾影响人数最大的主要分布在海拔较低的宁州街道和通红甸乡。（2）从诱发因子上看,滑坡灾害大多分布在海拔1 600~2 300 m（占76.06%）,坡度10°~30°（占71.83%）,坡向为E,NE,NW,N等方向上（占71.82%）,距离河流、断层和道路越近,发生滑坡的可能性越大。（3）在滑坡灾害易发性上,高易发区主要分布在宁州街道、青龙镇、华溪镇;中易发区主要分布在青龙镇东北部、宁州街道西南部、通红甸彝族苗族乡中部和盘溪东部;低易发区主要分布在通红甸彝族苗族乡、盘溪镇。华宁县滑坡灾害呈现出东少西多,南少北多的特征,未来华宁县应重点关注中部和西部区域的滑坡灾害预防。     

基于混合地理加权回归与克里格的区域降水量空间插值方法

基于四川省区域范围内144个气象站点的实测降水数据,在综合考虑空间位置、地形等影响因素的基础上,采用改进的回归克里格模型,即混合地理加权回归克里格模型（MGWRK）对四川省年降水量的空间分布进行空间插值,并与普通克里格（OK）、全局回归克里格（GRK）和地理加权回归克里格（GWRK）等模型的插值效果进行对比分析。结果表明：（1）应用逐步回归法筛选确定的用于回归分析的影响因子组合为经度、纬度和坡度,可有效消除解释变量间的多重共线性,为后续的空间插值奠定基础;（2）同一回归变量在地理加权回归（GWR）与全局回归（GR）两种回归模型中的AICc（修正的赤池信息量准则,Corrected Akaike Information Criterion）值之差（ΔAICc）可用于定量判定各回归变量的空间非平稳性类型,据此将变量坡度设为全局变量,经度和纬度设为局部变量进行处理。在此基础上,通过MGWRK模型对四川省年降水量进行空间插值;（3）MGWRK插值模型综合考虑了空间位置、地形等多个影响因素及其与降水相互关系的空间非平稳性特征,相对于传统的OK和GRK法具有更高的插值精度。     

甘肃白龙江流域生态系统土壤保持功能时空变异及其影响因子

土壤保持是生态系统提供的调节服务之一,在缓解区域侵蚀和维持生态安全等方面发挥着重要作用。基于InVEST模型和地理探测器等方法,开展了甘肃白龙江流域生态系统土壤保持功能时空变异及其影响因子分析。结果表明:（1）2002—2014年流域生态系统土壤保持功能不断增强,但空间格局变化不大;（2）各土地利用类型、海拔、坡度及坡向上土壤保持功能均有所提升,且保土功能增幅表现出随海拔抬升而减小,随坡度递增而增加的趋势;（3）降水量变化是流域土壤保持功能变化的主要因素,其与农作物单产变化、土地利用类型变化分别交互后的因子影响力较大。由于降水具有不可控性,因此,降低人类农业活动干扰,增加植被覆盖有利于甘肃白龙江流域土壤保持功能的提高。研究结果可为西北山地流域土壤保持和生态系统管理提供参考。     

基于MaxEnt模型的滑坡易发性评价--以攀枝花市为例

为了客观评价滑坡影响因子的贡献度和构建滑坡预测模型,以滑坡灾害发生较多的攀枝花市为研究区,通过筛选后选取高程、坡度、坡向、土地利用类型、归一化植被指数(NDVI)和人口密度6项因子作为滑坡易发性的评价指标;基于最大熵(maxEnt)模型和ArcGIS空间分析模块对研究区滑坡易发性进行了定量预测和分析研究。结果表明:maxEnt模型在研究区滑坡易发性研究方面的适用性等级为优秀(AUC=0.96),Kappa系数为0.86;随机选取75%的数据集用于训练模型,其余25%用于验证模型,得到的AUC值最稳定且精度最高,模型预测可信度最高;研究区高易发生和极易发生区分别占总面积的2.57%,0.80%,主要分布在人口比较密集的东部和西部地区,部分沿着金沙江、雅砻江、巴关河、安宁河和主要道路两侧发育;植被覆盖度和坡度是决定研究区滑坡易发性空间分布格局最重要的环境影响因子。     

青藏高原不同季节植被NPP空间分异的定量归因

对人类活动量化中考虑区域生态条件的差异,基于季节尺度,利用潜在NPP与实际NPP计算HAII,选取植被类型、高程、坡度等7个自然因子与HAII进行空间分异探测分析,以更细的季节尺度揭示多因子的影响规律。结果表明：在描述青藏高原人类活动对植被NPP的空间分异影响方面,HAII的解释力与显著性均优于人类活动值,其解释力最高为0.714。在多因子影响植被NPP空间分异方面,自然与人为因子均表现出明显季节差异,夏季人类活动解释力最高,春、秋季减弱,冬季则主要受自然因子影响。其中,坡度、温度、法向直射辐射量与散射辐射量在春、秋、冬季表现出单一的驱动影响,植被生存条件较好的夏季,因子出现明显拐点,降水因子的限制阈值随季节变化。因子交互作用中,人类活动、降水、气温及植被类型4个因子之间产生的交互作用是影响青藏高原NPP的主要驱动力。综合人类活动及多个自然因子,在青藏高原植被生态工程建设中,需主要考虑人类活动、降水、气温及植被类型4个因子,各季节主导因子不同。在干旱少雨地区,人类活动应被重点考虑。研究结果可为不同植被生境条件下的区域提供生态系统管理的参考依据。     

子午岭地区土壤保持服务时空变化及其影响因素

土壤保持是黄土高原首要的生态系统服务功能,对于黄土高原地区生态经济可持续发展至关重要,开展该区域的土壤保持变化和影响因素研究十分必要。基于退耕还林还草背景,综合使用InVEST泥沙输移比模块、空间自相关、地理探测器等方法模型对2000—2017年子午岭地区土壤保持服务时空变化及影响因素进行了分析。结果表明:2000—2017年,子午岭地区大量耕地转为林地和草地,土壤保持服务有所增强,其中林地的单位面积土壤保持量最高;土壤保持随海拔呈先增后减趋势,随坡度的增大而增大,区内西坡和东坡处土壤保持量最高;子午岭地区土壤保持变化的空间自相关程度高,空间聚集类型主要有高高型和低低型,高高聚集区位于东北部,低低聚集区主要分布在西北部。地理探测结果显示,因子变化对土壤保持变化均起交互增强作用,高高聚集区受NDVI变化的作用最大;低低聚集区主要受降水和土地利用强度变化的影响,不显著区域受各因子的影响微弱,整个子午岭地区土壤保持变化主要受降水、GDP密度、还有人口密度和NDVI变化的影响。     

花江喀斯特峡谷示范区土壤侵蚀调查

以埋桩、沉沙池和谷坊的实地监测数据为依据,以岩组、地表组成物质为基础,根据坡度、土地利用、植被来类推每个小流域的土壤侵蚀强度,得出花江示范区的土壤侵蚀强度分类结果,并简要分析了地形地貌、岩性、土壤、植被、降雨对土壤侵蚀的影响。     

比较二元逻辑回归和层次分析法评估罗马尼亚Dobrovat河盆地滑坡敏感性

A correct assessment of the landslide susceptibility component is extremely useful for the diminution of associated potential risks to local economic development, particularly in regard to land use planning and soil conservation. The purpose of the present study was to compare the usefulness of two methods, i.e., binary logistic regression (BLR) and analytical hierarchy process (AHP), for the assessment of landslide susceptibility over a 130-km² area in the Moldavian Plateau (eastern Romania) region, where landslides affect large areas and render them unsuitable for agriculture. A large scale inventory mapping of all types of landslides (covering 13.7% of the total area) was performed using orthophoto images, topographical maps, and field surveys. A geographic information system database was created, comprising the nine potential factors considered as most relevant for the landsliding process. Five factors (altitude, slope angle, slope aspect, surface lithology, and land use) were further selected for analysis through the application of a tolerance test and the stepwise filtering procedure of BLR. For each predictor, a corresponding raster layer was built and a dense grid of equally spaced points was generated, with an approximately equal number of points inside and outside the landslide area, in order to extract the values of the predictors from raster layers. Approximately half of the total number of points was used for model computation, while the other half was used for validation. Analytical hierarchy process was employed to derive factor weights, with several pair-wise comparison matrices being tested for this purpose. The class weights, on a scale of 0 to 1, were taken as normalized landslide densities. A comparison of results achieved through these two approaches showed that BLR was better suited for mapping landslide susceptibility, with 82.8% of the landslide area falling into the high and very high susceptibility classes. The susceptibility class separation using standard deviation was superior to either the equal interval or the natural break method. Results from the study area suggest that the statistical model achieved by BLR could be successfully extrapolated to the entire area of the Moldavian Plateau.