开发建设项目土壤流失量预测方法初探

开发建设项目土壤流失量预测需要分析的内容有 :原生土壤流失量和土壤容许流失量 ,土壤流失的因子、类型和方式 ,建设项目引发土壤流失的因素和流失分区 ,预测时段和可能造成的土壤流失量。在水力侵蚀流失量预测方法中 ,USLE模型、毗邻项目类比、项目建设前后侵蚀强度类比、典型调查推算法是基本的方法     

生产建设项目土壤流失量预测初探

本文以泉州南安市再生石智能制造产线项目为例，分别采用《生产建设项目土壤流失量测算导则》（以下简称“导则”）和传统类比法对其土壤流失量进行预测和比较分析，结果表明：无论采用哪种测算方法，主体工程区均是项目区土壤流失的主要区域，施工期（含施工准备期）均是项目区土壤流失的主要集中时段；《导则》法在测算土壤流失量时更能反映扰动区域的实际情况，可信度高。     

碎石开采项目土壤流失量预测方法探讨

开发建设项目土壤流失量预测结果的合理性和可靠性是布设水土保持防治措施的基础。开发建设项目土壤流失量预测必须全面分析可能产生土壤流失的各方面因素，结合项目建设的性质，施工工艺，废弃物产生的方式及堆放的位置和形式等因素确定科学的预测方法。本通过碎石开采项目实例，探讨了该类项目土壤流失量预测所需的基础资料和预测方法的选择，并对预测的结果进行了分析。     

水电工程建设土壤流失量预测方法探讨

开发建设项目土壤流失预测是编制水土保持方案的前提，预测的内容是否全面，方法是否科学，直接关系到预测结果的客观性和准确性，本以两个水电站工程建设为例，分别就应用数学模型法与类比法对水电工程建设中的土壤流失进行预测，详细论述了两种预测方法的主要内容、方法、步骤，探讨了该类项目土壤流失预测所需的基础资料和预测方法的选择。     

估计土壤流失量的方法

为了定量侵蚀引起的土壤流失程度,建立了一个新的x射线光谱法。按顶土厚度,或者粘粒含量最大层顶,或者粘化层顶估计的方法对加速侵蚀引起的土壤流失量的估计偏低.被测的每一土壤有一特殊的质量吸收系数(μM)线,并可按土壤深度绘制成曲线。当土壤被侵蚀时,质量吸收系数线就发生变化。最大μM值反映了高原子质量元素包括铁(Fe)和盐基等风化产物的聚积.对所有被测的单个土体,最大μM亚层的下界与粘化层下界相一致。最大μM值位于最大粘粒含量和离子交换量(CEC)层以下1或2亚层。当粘粒含量最大层的一部分由于耕作混入顶土时,最大粘粒含量层的深度的改变导致对侵蚀量估计偏低。与轻度侵蚀的单个土体(对照)比较,粘化层和最大μM亚层下界的变化是侵蚀单个土体土壤流失量的最好指标。由于它们在土壤剖面中分布深,因而这些参数比粘粒含量最大层稳定,不易被加速侵蚀移去。这种方法经具有粘化层的土壤试验,适用于具有粘化层的淋溶土、老成土和软土地区土壤侵蚀研究。     

生产类开发建设项目土壤流失量预测方法探讨

生产类开发建设项目扰动面积随时间逐渐变化,扰动面积变化的时间分割单位越小,逐块逐时段累加计算的土壤流失量才越准确,当时间分割单位最小时,土壤流失量才最接近实际。据此,推导出了生产类项目土壤流失量预测公式,采用此公式进行了实例计算。     

允许土壤流失量与合理土壤流失量

 为确定防治农田土壤侵蚀的标准,20世纪中叶美国土壤学家首先提出了“允许土壤流失量”的概念,之后这一概念又延伸应用到流域和区域土壤侵蚀评价。“允许土壤流失量”的概念在全球,包括在中国得到了广泛的应用。随着土壤侵蚀及相关学科的发展,特别是全球变化研究的深入,可持续发展及健康河流理念的提出及水土保持实践中遇到的新挑战,“允许土壤流失量”的科学性和实用性方面存在的缺陷逐渐显现出来。本文在简要介绍“允许土壤流失量”由来的基础上,着重讨论“允许土壤流失量”存在的问题,并提出“合理土壤流失量”的概念及其确定的原则与方法。     

生产建设项目新增土壤流失量预测

以北方某煤矿兼并重组项目为例,介绍了合理确定预测单元、预测时段、原地貌和扰动后地貌土壤侵蚀模数的方法。预测过程中首先利用公式求得原地貌土壤流失量、扰动后地貌土壤流失量,求差得生产建设项目新增土壤流失量,再通过对各单元和各时段新增土壤流失量的分析,确定防治和监测的重点防治区和防治时段。     

谈开发建设项目扰动面土壤流失量的预测

介绍了预测土壤流失量的几种常用方法 ,并对每种方法的适用性进行了讨论 ;深入分析了影响土壤侵蚀的各种因素 ,引入加速侵蚀倍率的概念 ,消除了降雨、坡长、土壤类型因素的影响 ;提出了开发建设项目扰动面土壤流失量的计算关系式。     

基于神经网络的混沌时间序列土壤墒情预测预报

土壤墒情预测预报对农业生产、水分循环的研究具有重要的意义。应用混沌理论对具有混沌特性的土壤墒情时间序列进行相空间重构,利用神经网络对土壤墒情时间混沌序列重构相空间中相点的演化过程进行了学习、训练及预测。结果表明,该方法所需的参数较少,简单易行,即只需要土壤墒情时间序列数据。通过对预测预报值与实测数据进行比较,证实了该方法相对误差较小,预测精度高,有一定的可靠性和实用性。     

基于Elman动态神经网络的土壤墒情预测研究

土壤墒情是一个非线性、时空异质性和动态不确定过程,利用Elman动态神经网络对研究区临沂站和平邑站土壤水分含量进行了预测。结果表明,所建立的网络模型能够对土壤墒情进行成功模拟,预测的土壤水分值与观测值吻合得较好,模拟精度较高。临沂站和平邑站模拟土壤墒情的平均绝对误差分别为1.08%和1.07%,平均相对误差为10.2%和11.0%。Elman动态神经网络模型利用其独特的非线性、非凸性和适应时变特性的能力从时空变率复杂的土壤水分运移系统中找出一定的演变规律,为土壤水分预测提供了一种有效可靠的方法。为了更好地验证该方法的优越性,还需要更多的样本数据,更多的区域和更全面的敏感影响因素来验证,以及更深层次的理论研究和分析。     

基于Logistic回归和RBF神经网络的土壤侵蚀模数预测

[目的]寻求估算土壤侵蚀模数的新方法,并通过GIS实现对土壤侵蚀空间分布情况的预测。[方法]采用土壤侵蚀模数作为判别条件,分别验证基于Logistic回归和RBF神经网络而建立的土壤侵蚀预报模型的适用性,进而构建并验证改进模型——LOG-RBF神经网络土壤侵蚀预测模型。[结果](1)Logistic回归模型判别目标土地是否发生土壤侵蚀的优势明显,未发生和发生土壤侵蚀的预测正确率分别为77.4%和97.9%,总预测正确率为94.9%。(2)RBF神经网络模型估计土壤侵蚀模数的能力较强,模拟结果的相对误差和平方和误差分别为0.612%和13.292,R2为0.57。(3)LOG-RBF神经网络土壤侵蚀预测模型预测结果的相对误差和平方和误差比RBF神经网络模型模拟结果分别降低了0.157%和2.601。R2为0.82,拟合程度上优于RBF神经网络模型。随着土壤侵蚀模数的增大,错估现象呈逐渐减少趋势。通过受试者工作特征曲线的判别,LOG-RBF神经网络模型的曲线下面积值比RBF神经网络模型大0.063,模型判断的准确性更高。[结论]利用LOG-RBF神经网络土壤侵蚀预测模型可更准确地估计土壤侵蚀模数,基于GIS能够预测土壤侵蚀的空间分布情况。     

兰成渝输油管道工程甘陕段土壤流失预测

兰成渝输油管道工程甘陕段全长 5 3 8km ,建设中损坏原地貌和地表植被 ,产生大量的弃土弃渣。经分析计算 ,新增土壤流失量为 3 3 5 5万t,其中弃土弃渣流失量 2 3 19万t ,占流失总量的 69% ;损坏原地貌和植被新增土壤流失量 10 3 6万t。弃土弃渣是土壤流失防治的重点。     

基于层次分析法的生产建设项目水土流失影响综合指数研究

[目的]研究生产建设项目引发的水土流失影响综合指数,为水土保持科学分类管理提供依据。[方法]在全国8个水土保持区划一级区31类生产建设项目中,筛选出国家、省、地(州、市)、县(区、市)共2 227个项目,收集每个项目的扰动地表面积、损坏植被面积、土石方挖填总量、永久弃渣量、是否涉预防保护区及地貌类型等13项水土保持相关指标。采用专家咨询法和层次分析法,将生产建设项目水土保持分类指标体系分为目标层(水土流失影响等级)、准则层(生产建设项目类别)、约束层(水土保持区划一级区)、指标层(水土流失相关指标)4个层次。[结果]线性工程的影响指数基本呈现出:西南岩溶区(西南紫色土区)西北黄土高原区(青藏高原区)南方红壤区(北方土石山区、东北黑土区)北方风沙区的趋势。点式工程在西南岩溶区和西南紫色土区水土流失影响指数较高,而在北方风沙区的水土流失影响指数较小。[结论]生产建设项目水土保持指标体系中层次划分合理,层次分析法计算得出的综合指数可以作为生产建设项目的水土流失影响指数,反映生产建设项目水土流失影响程度的水土流失影响潜在值。     

重庆奉云段高速公路水土流失预测

根据高速公路水土流失特点采用时空二维法分施工期、运营初期两个时段对重庆奉云段高速公路水土流失防治责任范围内的扰动地表区、弃渣场、表土临时堆置区、桥涵基础弃渣水土流失量进行预测.预测结果表明:高速公路水土流失总量为46.28万t,新增水土流失量42.07万t,水土流失新增指数为9.99,其中弃渣场、扰动地表区新增水土流失量分别占水土流失总量的54.58%、42.07%,弃渣场和扰动地表区是严重水土流失区;施工期水土流失强度为运营初期的59.2倍,是严重水土流失时段.对USLE在高速公路水土流失预测中参数取值方法也进行了较为系统的分析.     

基于BP神经网络的森林生态系统健康预测

森林的健康状况将直接影响全球生态稳定和全人类的可持续发展,而对森林健康预测是人们了解森林生态状况的重要手段。在选定森林健康评价指标的基础上,建立了一个3层BP神经网络模型,并应用于鹫峰国家森林公园森林健康预测。预测验证结果表明,基于神经网络预测森林生态系统健康具有良好的合理性与可靠性。并为了构建一个准确稳定的森林健康预测模型,给出了一些相关建议。     

不同类型生产建设项目水土流失防治标准等级确定

[目的]研究提出生产建设项目水土流失防治标准等级确定的新思路、新方法,为修订现行国家标准,实施科学管理提供参考。[方法]通过判别项目水土流失影响程度和项目水土保持敏感性来确定水土流失防治标准等级。[结果]提出了综合考虑项目所处水土保持一级区划情况,水土流失重点防治区情况,区域水土保持生态功能重要性,项目水土流失影响程度,项目所在地水土保持敏感度等多种因素来确定水土流失防治标准等级。水土流失影响程度与水土保持敏感度越高的项目,其防治标准应越高,反之应降低。[结论]执行一、二、三级防治标准的生产建设项目数量呈现较为理想的"金字塔"形分布,能够充分体现不同类型项目间的明显区别,也便于操作,方便判定。     

基于GF-1遥感数据预测区域森林土壤有机质含量

为探索国产卫星GF-1预测土壤有机质(SOM)的能力,本研究以广东省云浮市的罗定市为研究区,以GF-1多光谱遥感影像衍生的9个遥感变量和DEM提取的9个地形水文变量为预测因子,建立2种人工神经网络模型(A模型:地形水文;B模型:地形水文+遥感),对5个土壤深度(L1:0～20 cm,L2:20～40 cm,L3:40～...     

茂名小良水土流失的灰色预测

运用灰色系统理论对水土流失的影响进行了灰色预测,建立小良水土流失的预测模型,旨在为小良的水土流失的治理提供科学依据,促进小良的可持续发展。