1901—2016年黄土高原降雨侵蚀力时空变化

为了研究横跨20世纪的百年尺度黄土高原降雨侵蚀力时空变化,该文首先验证了CHELSAcrust数据集的精度,并基于该数据集估算了黄土高原1901—2016年逐月降雨侵蚀力,最后分析了降雨侵蚀力的时空变化特征。结果表明:(1)CHELSAcrust数据集精度较高(Nash=0.79; R²=0.82),满足本文分析需求;(2)1901—2016年黄土高原年均降雨侵蚀力东南高、西北低,各地理分区降雨侵蚀力中,土石山区>河谷平原区>丘陵沟壑区>高原沟壑区>沙地沙漠区>农灌区。降雨侵蚀力显著变化区域集中于黄土高原中部地区,非显著变化区域分布在边缘地区;(3)1901—2016年黄土高原降雨侵蚀力变化不显著且无明显突变点,可划分为1901—1930年、1930—1980年和1980—2016年3个阶段;(4)黄土高原地区降雨侵蚀力变化存在周期性规律,2.62 a变化周期最显著,且变化周期与气候要素的波动周期基本一致。结果显示1901—2016年黄土高原降雨侵蚀力变化并不显著且存在周期性规律,其空间分布存在明显差异。     

基于UAV-SfM方法的黄土高原砒砂岩区侵蚀监测算法比较

[目的] 为比较地形变化监测算法在黄土高原砒砂岩区的适用性。[方法] 以皇甫川流域特拉沟一支沟为研究对象,采用无人机摄影测量技术获取2022年7月至2023年3月影像,结合SfM技术生成三维点云数据,比较分析[digital elevation model of difference(DoD)、cloud to cloud(C2C)、cloud to mesh(C2M)、multiscale model to model cloud comparison(M3C2)]等4种算法的侵蚀产沙监测精度,并分析点云密度变化对各方法精度的影响。[结果] (1)4种常用算法在空间上都能监测到大幅度地表变化。其中,以M3C2算法的结果最优,线性拟合结果最好(R²=0.953,p＜0.01),且综合误差最小(MAE=0.016 1 m,MRE=3.37%,RMSE=0.019 4 m),C2M算法其次,DoD算法再次,而C2C算法结果最差。(2)通过比较,DoD算法仅适用于平坦区域的快速检测,坡度陡峭的区域监测侵蚀沉积量存在高估的现象。(3)M3C2和C2C算法对点云密度变化敏感,而C2M和DoD受点云密度变化影响较小。[结论] 研究结果可为黄土高原砒砂岩地区基于UAV-SfM的侵蚀产沙监测方法的选择提供参考。