本文发表于《中国水土保持科学》2024年第22卷第4期“水土保持科学与工程”栏目。
水土流失研究中通常以大范围区域数据为主导, 探究小范围山地地区精细化表达, 这对评价小范围山地地区水土流失情况具有重大现实意义。利用无人机数据生成高精度的数字高程模型(DEM)与三维模型, 基于DEM数据计算多个地形因子, 结合相关性分析、聚类分析实现地形因子的分类, 再使用变异系数法和主成分分析法实现地形因子的筛选与确权并建立地形复杂度模型; 随后, 在地形复杂度模型中引入常数偏移量, 并进行归一化处理, 得到水土流失风险评价因子模型; 最后, 将其与三维模型和实地踏勘数据进行验证分析。
研究区位于云南省楚雄州禄丰市恐龙谷东北缘。E 101°38′06″~102°24′34″,N 24°51′33″~25°30′45″。最高海拔2200 m,最低海拔1302 m。恐龙谷整体呈环状地形东西跨度约为4 km,南北跨度约为5 km。在该测区范围内地形复杂多样且较为崎岖,主要由山地和峡谷组成。另外测区内地形地貌以红色砂岩、石灰岩为主,土壤沙化严重,裸土裸岩分布广泛,水土流失较为严重。楚雄州水土流失情况具体见云南省水利厅《2021年云南省水土保持公报》。
研究区
云南省楚雄州2020与2021年水土流失面积
试验成功构建一种基于地形复杂度模型构建的水土流失风险评价因子模型,突破以往大范围区域数据主导的限制,为小范围山地水土流失问题提供更为精细化的量化工具。
1) 根据以上方法得到,TCD、PLC、SLO和PRC在水土流失风险评价因子模型中的系数分别是0.338、2.633、1.933和0.206。
2) 在水土流失风险评价因子模型结果中,中风险区的比例最大,分布较为分散,极高风险区比例很小,主要分布在研究区南部以及西北部。整个研究区主要以中低风险为主。
3) 在模型验证方面,F1与F2区域地形变化大,植被覆盖率低,并且土壤沙化比较严重,其实际水土流失风险程度较高,与模型相吻合。F3地区种植有农作物,且地形平坦,其水土流失情况非常轻,与该地区处于极低风险区相对应。
该研究的应用前景体现在提供一种更为细致刻画小范围山地水土流失问题的方法。然而,也要认识到研究的局限性,就是只考虑到通过地形因子来对水土流失情况进行分析,未来的工作可以考虑结合其他环境因素,如气候和植被,以提高模型的普适性。但值得注意的是,在研究小范围区域水土流失情况时,尽量要保证数据精度足够高。另外,对不同地域的模型验证和改进也是未来研究的重要方向。
水土流失风险指数分级
水土流失风险评价因子模型分级图
三维模型和实地探勘资料验证
魏休耘, 甘淑, 袁希平, 李绕波. 基于地形复杂度的山区水土流失风险评价[J]. 中国水土保持科学, 2024, 22(4): 25-33. DOI: 10.16843/j.sswc.2023136.
WEI Xiuyun, GAN Shu, YUAN Xiping, LI Raobo. Terrain complexity-based assessment of soil and water loss risk in mountainous regions[J]. Science of Soil and Water Conservation, 2024, 22(4): 25-33. DOI: 10.16843/j.sswc.2023136.
长按二维码关注我们 ▶▶▶
转载、投稿、咨询。
邮箱:sbxh035@263.net