CN116522653A - 一种基于最大潜在侵蚀的土壤侵蚀控制度遥感评估方法 - Google Patents
一种基于最大潜在侵蚀的土壤侵蚀控制度遥感评估方法 Download PDFInfo
- Publication number
- CN116522653A CN116522653A CN202310515156.2A CN202310515156A CN116522653A CN 116522653 A CN116522653 A CN 116522653A CN 202310515156 A CN202310515156 A CN 202310515156A CN 116522653 A CN116522653 A CN 116522653A
- Authority
- CN
- China
- Prior art keywords
- soil
- soil erosion
- factor
- data
- modulus
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004162 soil erosion Methods 0.000 title claims abstract description 215
- 230000003628 erosive effect Effects 0.000 title claims abstract description 28
- 238000011156 evaluation Methods 0.000 title claims abstract description 14
- 239000002689 soil Substances 0.000 claims abstract description 80
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006378 damage Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3852—Data derived from aerial or satellite images
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3826—Terrain data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及土壤侵蚀遥感监测技术领域，具体涉及一种基于最大潜在侵蚀的土壤侵蚀控制度遥感评估方法，该方法包括：数据准备与处理，现状土壤侵蚀模数、最大可能土壤侵蚀模数以及土壤侵蚀控制度的确定，其中，将某一区域在可能发生最严重的水土流失的情况下的土壤侵蚀模数，确定为最大可能土壤侵蚀模数，使用土壤侵蚀通用模型(USLE)计算最大可能土壤侵蚀与现状土壤侵蚀模数，将最大可能土壤侵蚀模数与现状土壤侵蚀模数之间的差值与最大可能土壤侵蚀模数之比，确定为土壤侵蚀控制度，使土壤侵蚀控制度衡量土壤治理潜力更具有代表性与推广性，提高了土壤侵蚀控制程度评估的效率，为进一步调整土壤侵蚀治理措施提供重要参考。
Description
技术领域
本发明涉及土壤侵蚀遥感监测技术领域，具体涉及一种基于最大潜在侵蚀的土壤侵蚀控制度遥感评估方法。
背景技术
土壤侵蚀是指土壤或成土母质在水力、风力、冻融、重力、温度、人为等外力作用下，土壤物理结构或化学成分发生破坏或位移，包括破坏、剥蚀、搬运和沉积等过程。全球除永冻地区外，大多发生过或正在发生不同程度的土壤侵蚀。通用土壤流失方程(UniversalSoil Loss Equation，USLE)，可用于大面积定量评估研究区域的土壤侵蚀状况。关于流域治理程度的表征，在现有研究中主要使用的指标为水土流失治理程度，即“在某一区域，水土流失治理面积占原有水土流失的面积比”。但这一指标并不能准确地表征水土流失治理程度，有的流域水土流失治理程度达到100％，但是仍存在水土流失需要进一步治理。有学者提出利用最小可能土壤侵蚀模数与现状土壤侵蚀模数的比值表征土壤侵蚀控制程度，可以反映出流域内土壤侵蚀的治理程度。但是这类方法中坝地、梯田以及林地的适宜分布区需要大量的实地监测数据进行辅助判断，在大量无详细数据的区域最小可能土壤侵蚀模数难以计算，从而导致土壤侵蚀控制程度评估的效率较低，因此该方法的扩展应用性不高。
发明内容
本发明的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本发明的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
为了解决土壤侵蚀控制程度评估的效率较低的技术问题，本发明提出了一种基于最大潜在侵蚀的土壤侵蚀控制度遥感评估方法。
本发明提供了一种基于最大潜在侵蚀的土壤侵蚀控制度遥感评估方法，该方法包括：
获取数字高程模型数据、归一化植被指数数据、土地利用数据、土壤数据和降雨数据；
根据数字高程模型数据、归一化植被指数数据、土地利用数据、土壤数据和降雨数据，确定现状土壤侵蚀模数；
确定最大可能土壤侵蚀模数；
根据现状土壤侵蚀模数和最大可能土壤侵蚀模数，确定土壤侵蚀控制度。
进一步地，所述根据数字高程模型数据、归一化植被指数数据、土地利用数据、土壤数据和降雨数据，确定现状土壤侵蚀模数，包括：
根据数字高程模型数据、归一化植被指数数据、土地利用数据、土壤数据和降雨数据，确定降雨侵蚀力因子、土壤可蚀性因子、坡长因子、植被与作物管理因子、坡度因子和土壤保持措施因子；
根据降雨侵蚀力因子、土壤可蚀性因子、坡长因子、植被与作物管理因子、坡度因子和土壤保持措施因子，确定现状土壤侵蚀模数。
进一步地，所述确定现状土壤侵蚀模数对应的公式为：
TS＝R·K·L·S·C·P
其中，TS为现状土壤侵蚀模数；R为降雨侵蚀力因子；K为土壤可蚀性因子；L为坡长因子；S为坡度因子；C为植被与作物管理因子；P为土壤保持措施因子。
进一步地，所述确定最大可能土壤侵蚀模数，包括：
获取预设时间段内的降雨侵蚀因子、水土保持措施因子以及植被覆盖因子，并对这些因子进行各因子最大值的统计，根据统计结果，利用通用土壤流失方程确定最大可能土壤侵蚀模数。
进一步地，所述确定土壤侵蚀控制度对应的公式为：
r＝(TM-TS)/TM
其中，r为土壤侵蚀控制度；TS为现状土壤侵蚀模数；TM为最大可能土壤侵蚀模数。
本发明具有如下有益效果：
本发明提出利用最大可能土壤侵蚀模数计算土壤侵蚀控制度，将最大可能土壤侵蚀模数与现状土壤侵蚀模数之间的差值与最大可能土壤侵蚀模数之比确定为土壤侵蚀控制度，利用其比值表征土壤治理潜力的程度，弥补了坝地、梯田以及林地的适宜分布区以及最小可能土壤侵蚀难以确定的缺点，使土壤侵蚀控制度表征土壤侵蚀治理潜力程度更具有代表性，提高了土壤侵蚀控制程度评估的效率，同时为土壤侵蚀治理提供重要参考。相比于最小可能土壤侵蚀模数计算土壤侵蚀控制度，不需要详细的水土保持措施数据，最大可能土壤侵蚀模数的确定较为容易，因而具有较好的推广应用价值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为根据本发明的一种基于最大潜在侵蚀的土壤侵蚀控制度遥感评估方法的流程图；
图2为根据本发明的又一流程图；
图3为根据本发明的大理河流域2020年土壤侵蚀分级空间分布示意图；
图4为根据本发明的大理河流域最大可能土壤侵蚀分级空间分布示意图；
图5为根据本发明的大理河流域2020年土壤侵蚀控制度空间分布示意图；
图6为根据本发明的大理河流域2001年至2020年土壤侵蚀模数平均值变化趋势示意图；
图7为根据本发明的大理河流域2001年土壤侵蚀控制度空间分布示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外，一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明提供了一种基于最大潜在侵蚀的土壤侵蚀控制度遥感评估方法，该方法包括以下步骤：
获取数字高程模型数据、归一化植被指数数据、土地利用数据、土壤数据和降雨数据；
根据数字高程模型数据、归一化植被指数数据、土地利用数据、土壤数据和降雨数据，确定现状土壤侵蚀模数；
确定最大可能土壤侵蚀模数；
根据现状土壤侵蚀模数和最大可能土壤侵蚀模数，确定土壤侵蚀控制度。
下面对上述各个步骤进行详细展开：
参考图1，示出了根据本发明的一种基于最大潜在侵蚀的土壤侵蚀控制度遥感评估方法的一些实施例的流程。该基于最大潜在侵蚀的土壤侵蚀控制度遥感评估方法，包括以下步骤：
步骤S1，获取数字高程模型数据、归一化植被指数数据、土地利用数据、土壤数据和降雨数据。
在一些实施例中，可以获取数字高程模型(DEM，Digital Elevation Model)数据、归一化植被指数(NDVI，Normalized Digital Vegetation Index)数据、土地利用数据、土壤数据以及降雨数据，利用地理信息系统软件(ArcGIS)裁剪出研究区域所需数据，统一空间分辨率，并在投影和坐标系上使所用数据完全配准，为后续计算提供支撑。
其中，研究区域可以是待进行土壤侵蚀控制度遥感评估的区域。数字高程模型(DEM，Digital Elevation Model)数据、归一化植被指数(NDVI，Normalized DigitalVegetation Index)数据、土地利用数据、土壤数据以及降雨数据属于研究区域的相关资料。
所用数据包括：分辨率为30m基于ASTGTM数据加工得到的数字高程模型(DEM，Digital Elevation Model)数据；分辨率为30m基于世界土壤数据库(HWSD，HarmonizedWorld Soil Database)的土壤理化性质数据；分辨率为30m基于Landsat5/6/7加工处理得到的归一化植被指数(NDVI，Normalized Digital Vegetation Index)数据；分辨率为30m的土地利用数据；分辨率为1km的降雨数据。利用重采样工具将降雨数据空间分辨率设为30m，将所用数据坐标系统一为WGS1984。
本发明的又一流程图如图2所示，例如，将大理河流域确定为研究区域，首先根据研究区域确定各因子的计算方法，利用ArcGIS计算得出大理河流域2020年土壤侵蚀各因子的分布图，进而得出2020年大理河流域土壤侵蚀模数分布图，即现状土壤侵蚀模数分布图。接着，计算大理河流域2001年至2020年的土壤侵蚀模数分布图，并利用ArcGIS中的像元统计工具计算得出最大可能土壤侵蚀模数分布图，即大理河流域近期以来可能达到的最大土壤侵蚀模数。最终，根据本发明确定土壤侵蚀控制度的方法，计算得出2020年大理河流域土壤侵蚀控制度。
步骤S2，根据数字高程模型数据、归一化植被指数数据、土地利用数据、土壤数据和降雨数据，确定现状土壤侵蚀模数。
在一些实施例中，可以根据数字高程模型数据、归一化植被指数数据、土地利用数据、土壤数据和降雨数据，确定现状土壤侵蚀模数。
作为示例，本步骤可以包括以下步骤：
第一步，根据数字高程模型数据、归一化植被指数数据、土地利用数据、土壤数据和降雨数据，确定降雨侵蚀力因子、土壤可蚀性因子、坡长因子、植被与作物管理因子、坡度因子和土壤保持措施因子。
例如，根据研究区域的相关资料，确定各因子可以包括以下步骤：
确定降雨侵蚀力因子对应的公式为：
其中，R为降雨侵蚀力因子，反映的是降雨所引起土壤侵蚀的动力大小，单位MJ·mm/(hm2·h)。pi为月降水量，单位为mm。p为年降水量，单位为mm。
确定土壤可蚀性因子对应的公式为：
K＝{2.1*10-4*(12-a)*[Soil粉*(100-Soil粘)]1.14+3.25*(b-2)+2.5*(c-3)}/100
其中，K为土壤可蚀性因子，表示为标准小区下单位降雨侵蚀力形成单位面积的土壤流失量，单位t·h/(MJ·mm)。Soil粘和Soil粉分别表示土壤中粘粒和粉砂粒在土壤中的百分比含量。a、b分别为土壤结构等级和渗透等级。
确定坡长因子对应的公式为：
其中，L为坡长因子。λ为坡长(单位，m)。c为坡长指数。
确定坡度因子对应的公式为：
其中，S为坡度因子。θ为坡度。
确定植被与作物管理因子对应的公式为：
C＝exp[-α×NDVI/(β-NDVI)]
其中，C为植被与作物管理因子，又称植被覆盖因子，是指根据地面植物覆盖状况不同而反映植被对土壤流失影响的因素。α、β是无量纲因子，其中α＝1、β＝2。NDVI为研究区域的NDVI的值。
确定土壤保持措施因子，又称水土保持措施因子的方式为：林地、草地、裸地赋值为1，建筑用地、水域赋值为0，耕地按照坡度进行分级赋值。
USLE模型中耕地不同坡度的P值可以如表1所示。
表1
第二步，根据降雨侵蚀力因子、土壤可蚀性因子、坡长因子、植被与作物管理因子、坡度因子和土壤保持措施因子，确定现状土壤侵蚀模数。
例如，利用通用土壤侵蚀模型(USLE)计算得出流域内现状土壤侵蚀模数，通用土壤流失模型(USLE)全面地考虑了自然要素对土壤侵蚀的影响，并综合体现在降雨侵蚀力因子、土壤可蚀性因子、坡度坡长因子、植被与作物管理因子和土壤保持措施因子。确定现状土壤侵蚀模数对应的公式为：
TS＝R·K·L·S·C·P
其中，TS为现状土壤侵蚀模数，也是年土壤侵蚀模数，表示单位面积坡地片蚀和细沟侵蚀的年平均侵蚀量，单位为t·km-2·a-1。R为降雨侵蚀力因子，反映的是降雨所引起土壤侵蚀的动力大小，单位MJ·mm/(hm2·h)。K为土壤可蚀性因子，表示为标准小区下单位降雨侵蚀力形成单位面积的土壤流失量，单位t·h/(MJ·mm)。L为坡长因子。S为坡度因子。通常将坡长因子L和坡度因子S合并为LS来考虑。C为植被与作物管理因子，是指根据地面植物覆盖状况不同而反映植被对土壤流失影响的因素。P为土壤保持措施因子，主要反映的是实施水土保持措施后对侵蚀的减小作用。。
将上述方法运用到研究区域内，并将大理河流域作为研究区域，即可得到2020年大理河流域土壤侵蚀模数，计算结果如图3所示。
步骤S3，确定最大可能土壤侵蚀模数。
在一些实施例中，可以获取预设时间段内的降雨侵蚀因子、水土保持措施因子以及植被覆盖因子，并对这些因子进行各因子最大值的统计，根据统计结果，利用通用土壤流失方程(Universal Soil Loss Equation，USLE)确定最大可能土壤侵蚀模数。
其中，预设时间段是预先设置的时间段。最大可能土壤侵蚀模数是指某一区域在可能发生最严重的水土流失的情况下的土壤侵蚀模数，即假设降雨侵蚀因子、水土保持措施因子以及植被覆盖因子均到达长时间序列下的最大值时的土壤侵蚀模数。
作为示例，首先通过地理信息系统软件(ArcGIS)，整理出长时间序列期间的降雨侵蚀因子、水土保持措施因子以及植被覆盖因子的逐年数据。接着，利用“像元统计数据”工具进行各因子最大值的统计，作为治理程度的下限。最后，利用土壤侵蚀通用模型(USLE)，确定土壤侵蚀模数，最终得出最大可能土壤侵蚀模数分布图。
具体而言，将大理河流域作为研究区域，分别计算大理河流域2001年至2020年降雨侵蚀因子、水土保持措施因子以及植被覆盖因子分布图，利用地理信息系统软件(GIS)中像元统计工具得出研究区最降雨侵蚀因子、水土保持措施因子以及植被覆盖因子的最大值，进而利用土壤侵蚀通用模型(USLE)得出最大可能土壤侵蚀模数分布图，计算结果如图4所示。
步骤S4，根据现状土壤侵蚀模数和最大可能土壤侵蚀模数，确定土壤侵蚀控制度。
在一些实施例中，可以根据现状土壤侵蚀模数和最大可能土壤侵蚀模数，确定土壤侵蚀控制度。
其中，土壤侵蚀控制度为最大可能土壤侵蚀模数与现状土壤侵蚀模数之间的差值，与最大可能土壤侵蚀模数之比。
作为示例，确定土壤侵蚀控制度对应的公式为：
r＝(TM-TS)/TM
其中，r为土壤侵蚀控制度，无量纲。TS为现状土壤侵蚀模数，单位为t·km-2·a-1。TM为最大可能土壤侵蚀模数，单位为t·km-2·a-1。
需要说明的是，土壤侵蚀控制度应介于0-1之间，其实反映的是对水土保持措施容量的接近程度，越靠近1，表明研究流域的治理程度越高，而越靠近0，表示治理度越低，即偏离理想的治理状态越远，因此，研究区域侵蚀控制度实际上表达了研究区域土壤侵蚀侵蚀调控的潜力，为调整土壤侵蚀治理措施提供了重要依据。
其次，由于土壤侵蚀控制度为最大可能土壤侵蚀模数与现状土壤侵蚀模数之间的差值，与最大可能土壤侵蚀模数之比，因此利用步骤S2确定现状土壤侵蚀模数，并且利用步骤S3确定最大可能土壤侵蚀模数，即可得出土壤侵蚀控制度。
具体而言，将大理河流域作为研究区域，将大理河流域最大可能土壤侵蚀模数与2020年现状土壤侵蚀模数的差值与最大可能土壤侵蚀模数相比，即可得到土壤侵蚀控制度分布图，其值介于0-1之间，反映对水土保持措施容量的接近程度，越靠近1，表明研究流域的治理程度越高，而越靠近0，表示治理度越低，即偏离理想的治理状态越远，进而达到对土壤侵蚀治理潜力的表征，计算结果如图5所示。
需要说明的是，为检验本发明提出用最大可能土壤侵蚀模数代替最小可能土壤侵蚀模数的土壤侵蚀控制度的计算的实用性，发明人将研究区域土壤侵蚀平均值与土壤侵蚀控制度的变化趋势进行对比，说明土壤侵蚀控制度衡量土壤侵蚀治理潜力的实用性，简要介绍如下：
将大理河流域作为研究区域，整理得出大理河流域2001年至2020年土壤侵蚀模数的平均值，并建立一个趋势线，判断土壤侵蚀在此期间土壤侵蚀是趋于严重还是减缓，计算结果如图6所示。计算得出2001年土壤侵蚀控制度并将其与2020年土壤侵蚀控制度进行比较。2020年与2001年在不同控制度区间的百分比如表2所示。
表2
综上，将大理河流域作为研究区域，大理河流域2001年至2020年土壤侵蚀模数呈减缓趋势，2001年土壤侵蚀控制度明显高于2020年。大理河流域是黄土高原土壤侵蚀最强烈的流域之一，土壤侵蚀治理措施较多，2020年土壤侵蚀控制明显低于2001年土壤侵蚀控制度表明土壤侵蚀控制度能够明确反映出土壤侵蚀治理措施的效果。本发明提出利用最大可能土壤侵蚀模数计算土壤侵蚀控制度，弥补了坝地、梯田以及林地的适宜分布区数据难以获取以及最小可能土壤侵蚀难以确定的缺点，不需要详细的水土保持数据即可反映区域土壤侵蚀治理情况，具有较好的推广应用价值。
大理河流域2001年土壤侵蚀控制度空间分布可以如图7所示。
土壤侵蚀是发生在特定时空条件下的土体迁移过程，受到多种自然要素和人类活动的综合影响，会造成一系列的环境问题，其中水土流失是最主要的问题之一。为了遏制水土流失等环境问题加重、改善生态环境，采取了调整土地利用结构、恢复植被、改进耕作方式、在坡面修建梯田以及在沟道修建淤地坝等一系列水土保持措施，而在措施实施之后的土壤环境评价则需要一个量化治理程度的概念，对此许多学者展开研究。关于流域治理程度的表征，目前使用的指标主要是水土流失治理程度(erosion control ratio)，水土保持术语(GB/T20465—2006)中表述为“在某一区域内，(包括流域)水土流失治理措施面积占原有水土流失面积的百分比”。利用实施措施与未实施的面积比实际上仅可以作为水土流失治理过程中的理想结果值，无法真实表示治理措施对具体区域土壤侵蚀的改善程度。而土壤侵蚀控制度通过利用现状土壤侵蚀模数与最小可能土壤侵蚀模数的比值表征流域土壤侵蚀的治理效益，能够进一步体现治理措施对具体区域的动态改善程度以及治理效益的空间差异性，能够为因地制宜实施水土流失治理措施提供参考，是进一步调整流域治理措施的重要依据。
但对于上述的“土壤侵蚀控制度”这一概念，现有研究方法仍存在以下几个问题。首先，坝地、梯田以及林地的适宜分布区难以确定。不同土地利用类型的分布数据可以通过遥感数据获取，但是如何制定适宜分布区的标准以及如何确定适宜区则需要通过实地考察、考虑多方面自然因素来确定；其次，不同土地利用类型的适宜分布区具有空间差异性，而实施水土流失治理措施的区域众多，无法直接将一个区域的适宜区套用至另一个区域，难以进行土壤侵蚀控制度的大规模测算。因此，最小可能土壤侵蚀模数难以确定并且不易推广。
针对现有研究方法需要详细的数据支撑，不易推广应用的问题，本发明首先将最大可能土壤侵蚀模数确定为某一区域在可能发生的最严重水土流失的情况下的土壤侵蚀模数。使用土壤侵蚀通用模型(USLE)计算最大可能土壤侵蚀与现状土壤侵蚀模数，将最大可能土壤侵蚀模数与现状土壤侵蚀模数之间的差值与最大可能土壤侵蚀模数之比确定为土壤侵蚀控制度。其中，最大可能土壤侵蚀模数可以通过长时间序列期间土壤侵蚀影响因子最大值来计算确定，再通过研究区域相关研究加以辅助修正，不仅能够弥补了坝地、梯田以及林地的适宜分布区数据难以获取以及最小可能土壤侵蚀难以确定的缺点，使土壤侵蚀控制度表征土壤治理潜力更具有代表性与推广性，为进一步调整土壤侵蚀治理措施提供重要参考。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于最大潜在侵蚀的土壤侵蚀控制度遥感评估方法，其特征在于，包括以下步骤：
获取数字高程模型数据、归一化植被指数数据、土地利用数据、土壤数据和降雨数据；
根据数字高程模型数据、归一化植被指数数据、土地利用数据、土壤数据和降雨数据，确定现状土壤侵蚀模数；
确定最大可能土壤侵蚀模数；
根据现状土壤侵蚀模数和最大可能土壤侵蚀模数，确定土壤侵蚀控制度。
2.根据权利要求1所述的一种基于最大潜在侵蚀的土壤侵蚀控制度遥感评估方法，其特征在于，所述根据数字高程模型数据、归一化植被指数数据、土地利用数据、土壤数据和降雨数据，确定现状土壤侵蚀模数，包括：
根据数字高程模型数据、归一化植被指数数据、土地利用数据、土壤数据和降雨数据，确定降雨侵蚀力因子、土壤可蚀性因子、坡长因子、坡度因子、植被与作物管理因子和土壤保持措施因子；
根据降雨侵蚀力因子、土壤可蚀性因子、坡长因子、坡度因子、植被与作物管理因子和土壤保持措施因子，确定现状土壤侵蚀模数。
3.根据权利要求2所述的一种基于最大潜在侵蚀的土壤侵蚀控制度遥感评估方法，其特征在于，所述确定现状土壤侵蚀模数对应的公式为：
TS＝R·K·L·S·C·P
其中，TS为现状土壤侵蚀模数；R为降雨侵蚀力因子；K为土壤可蚀性因子；L为坡长因子；S为坡度因子；C为植被与作物管理因子；P为土壤保持措施因子。
4.根据权利要求1所述的一种基于最大潜在侵蚀的土壤侵蚀控制度遥感评估方法，其特征在于，所述确定最大可能土壤侵蚀模数，包括：
获取预设时间段内的降雨侵蚀因子、水土保持措施因子以及植被覆盖因子，并对这些因子进行各因子最大值的统计，根据统计结果，利用通用土壤流失模型确定最大可能土壤侵蚀模数。
5.根据权利要求1所述的一种基于最大潜在侵蚀的土壤侵蚀控制度遥感评估方法，其特征在于，所述确定土壤侵蚀控制度对应的公式为：
r＝(TM-TS)/TM
其中，r为土壤侵蚀控制度；TS为现状土壤侵蚀模数；TM为最大可能土壤侵蚀模数。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310515156.2A CN116522653A (zh) | 2023-05-06 | 2023-05-06 | 一种基于最大潜在侵蚀的土壤侵蚀控制度遥感评估方法 |
| US18/513,654 US20240369359A1 (en) | 2023-05-06 | 2023-11-20 | Remote sensing assessment method for soil erosion control degree based on maximum erosion potential |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310515156.2A CN116522653A (zh) | 2023-05-06 | 2023-05-06 | 一种基于最大潜在侵蚀的土壤侵蚀控制度遥感评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116522653A true CN116522653A (zh) | 2023-08-01 |
Family
ID=87393803
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310515156.2A Pending CN116522653A (zh) | 2023-05-06 | 2023-05-06 | 一种基于最大潜在侵蚀的土壤侵蚀控制度遥感评估方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20240369359A1 (zh) |
| CN (1) | CN116522653A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117151430A (zh) * | 2023-10-30 | 2023-12-01 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种小流域水土保持治理优先度遥感评估方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11775906B2 (en) * | 2020-10-30 | 2023-10-03 | Cibo Technologies, Inc. | Method and system for verification of carbon footprint in agricultural parcels |
| US11790410B2 (en) * | 2021-07-28 | 2023-10-17 | Downforce Technologies Limited | System and method for natural capital measurement |
| CA3230474A1 (en) * | 2021-08-31 | 2023-03-09 | Eleanor Elizabeth Campbell | Systems and methods for ecosystem credit recommendations |
-
2023
- 2023-05-06 CN CN202310515156.2A patent/CN116522653A/zh active Pending
- 2023-11-20 US US18/513,654 patent/US20240369359A1/en not_active Abandoned
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117151430A (zh) * | 2023-10-30 | 2023-12-01 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种小流域水土保持治理优先度遥感评估方法 |
| CN117151430B (zh) * | 2023-10-30 | 2024-01-30 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种小流域水土保持治理优先度遥感评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20240369359A1 (en) | 2024-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhao et al. | Assessing sediment connectivity and soil erosion by water in a representative catchment on the Loess Plateau, China | |
| Zhang et al. | Effects of topographic factors on runoff and soil loss in Southwest China | |
| Gao et al. | Capacity of soil loss control in the Loess Plateau based on soil erosion control degree | |
| Lu et al. | Effect of urbanisation on extreme precipitation based on nonstationary models in the Yangtze River Delta metropolitan region | |
| CN108960599B (zh) | 基于反演算法的输电线路暴雨灾害精细化预测方法及系统 | |
| Li et al. | Spatial–temporal evolution of soil erosion in a typical mountainous karst basin in SW China, based on GIS and RUSLE | |
| Qiao et al. | Assessing current and future soil erosion under changing land use based on InVEST and FLUS models in the Yihe River Basin, North China | |
| CN112329257B (zh) | 适用于山区小流域暴雨山洪洪水预报预警的水文模型分段筛选方法 | |
| CN105009768B (zh) | 一种流域尺度氮素化肥最大允许投入量的确定方法 | |
| CN103942408A (zh) | 黄土高原中尺度流域年侵蚀产沙模型计算方法 | |
| Li et al. | The synergistic effects of afforestation and the construction of check‐dams on sediment trapping: Four decades of evolution on the Loess Plateau, China | |
| CN108986413A (zh) | 一种基于多源信息数据的冰湖灾害监测与预警方法 | |
| Fan et al. | Impact of C factor of USLE technique on the accuracy of soil erosion modeling in elevated mountainous area (case study: the Tibetan plateau) | |
| Zhang et al. | Understanding the influencing factors (precipitation variation, land use changes and check dams) and mechanisms controlling changes in the sediment load of a typical Loess watershed, China | |
| Cao et al. | Evaluation of monthly-scale soil erosion spatio-temporal dynamics and identification of their driving factors in Northeast China | |
| CN117494419A (zh) | 一种多模型耦合的流域水土流失遥感监测方法 | |
| CN116522653A (zh) | 一种基于最大潜在侵蚀的土壤侵蚀控制度遥感评估方法 | |
| CN117648793A (zh) | 基于rusle模型的流域土壤侵蚀分析系统 | |
| CN116297550A (zh) | 一种利用表层土壤水分监测农业干旱的方法 | |
| CN115828786A (zh) | 一种次洪过程中淤地坝系减沙量的计算方法 | |
| CN114528672A (zh) | 基于3s技术的城市水文站网布设方法及系统 | |
| CN114565657B (zh) | 基于边缘梯度和方向纹理提取遥感影像中河宽方法 | |
| CN115620129A (zh) | 一种土壤水蚀保持量的监测方法、系统和电子设备 | |
| Wen et al. | Coastal erosion monitoring and hazard degree assessment at Penglai Sandy Coast based on remote sensing | |
| Zhen | The national census for soil erosion and dynamic analysis in China |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |