胡刚
, 宋慧
Hu Gang, Song Hui
中图分类号: S157/TP306
文献标识码: A
文章编号: 1000-0690（2018）04-0610-08
收稿日期: 2017-04-27
修回日期: 2017-08-22
网络出版日期: 2018-04-20
版权声明: 2018 《地理科学》编辑部 本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
作者简介：胡刚（1976-）,男,山东滨州人,博士,副教授,主要从事土壤侵蚀、环境演变、水土资源利用与3S应用研究。E-mail: geo_hug@126.com
展开
摘要
通过RUSLE模型对卧虎山水库流域土壤侵蚀进行全面评价验证和总结。结果表明：① 水库流域平均侵蚀模数为462 t/(km2·a),该数值与通过水库淤积等资料推算评估结果基本一致,表明本研究结果具有较高的可信度;水库流域年均侵蚀量达到2.6×106t,其中高于容许土壤流失量的面积为176 km2,占到流域总面积的31.51%。从不同侵蚀级别来看,占流域面积27.77%的轻度侵蚀,对流域侵蚀总量的贡献率为54.64%; 面积占比3.74%的中度及以上侵蚀,侵蚀量贡献率达到30.94%。② 流域内土壤侵蚀空间差异较大,回归分析发现地形因子是导致各子流域土壤侵蚀模数差异的主要因素;就土地利用类型而言,旱地和农村居民点是流域内的主要侵蚀土地利用类型;流域内土壤侵蚀模数随着坡度增加呈现相应增大趋势,8°~25°坡度段面积比例不仅最大,而且侵蚀量占比最高,是水库流域的主要侵蚀坡度段。
关键词：
Abstract
Soil erosion of the Wohushan Reservoir was calculated based on RUSLE(Revised Universal Soil Loss Equation). The calculated mean soil erosion modulus is 462 t/ km2·a, which is consistent with the data estimated by the deposition from both reservoir and main watercourses. This indicated that the calculation is accurate and the result is reliable. The annual average soil erosion amount is 2.6×106t. According to standards for classification and gradation of soil erosion issued by the ministry of water resources of PR China, the area above soil loss tolerance is about 176 km2, which amounts to 31.51% of total area of the Wohushan Reservoir. With reference to the erosion intensity, the slight erosion area occupies 27.77% of total area in reservoir watershed, but contribute 54.64% of the total load of soil erosion in the Wohushan Reservoir Watershed. while the moderate and above intensity erosion area only occupies 3.74% of the study area and contributes 30.94% of the total load of soil erosion. It was found that there are large spatial differences for soil erosion intensity in the reservoir watershed. Based on hydrological module in arcgis platform, we got 11 sub-basins. Their soil erosion intensity were found to have a consistent change with their geomorphology factors, which indicates that slope length and slope gradient should be the main factors leading to the difference of soil erosion modulus in each sub-basins. Compared the ratio of erosion amount with that of different land uses, it’s found that dry land and rural settlements are the main land use types which suffered serious erosion. The soil erosion intensity increases with the increase of slope gradient. The main erosion slope ranges from 8° to 25°, in which the percentage of area is not only the largest, but also the erosion rate is the highest.
Keywords：
土壤侵蚀模型是进行土壤侵蚀、土地资源合理利用和水土保持规划定量评价的有效工具,其中以USLE（Universal Soil Loss Equation）为代表的经验统计模型,因其结构简单、参数易于获取、计算简便,而得到广泛应用。USLE最初发表于美国农业部农业手册第282号和537号[1, 2],其修订版RUSLE(Revised Universal Soil Loss Equation）于1997年完成[3]。由于USLE/RUSLE 模型的优点明显,自问世以来在世界范围内得到了广泛应用。
中国自20世纪80年引入并开始应用USLE/RUSLE模型,对于指导中国的水土资源评价和土壤侵蚀模型的研发起到了重要作用。如刘宝元等在USLE基础上,根据中国水土流失状况和防治措施进行改进提出了CSLE[4] （Chinese Soil Loss Equation）,并在2010~2012年的第一次全国水利普查水土保持普查中发挥了重要作用。GIS和RS技术的应用,使得模型结果可以以更加直观的图形形式输出,并能分析土壤侵蚀的空间分布特征。
USLE最初设计为坡面尺度土壤流失模型,但现在USLE/RUSLE已经广泛应用于流域尺度土壤侵蚀预测。尽管USLE方程中每一个因子不依赖于某一特定的地理环境,但使用 USLE时也有限制条件：模型的应用条件必须可靠,而且能准确估计模型包括的各个因子[2]。因此,在应用USLE/RUSLE模型计算得出令人信服的结论之前,要经过充分严谨的论证。
在实测资料缺乏地区,模型因子的准确评估与验证相对较为困难,现有USLE模型的应用研究,一般通过计算得到的土壤侵蚀数据来进行验证。如文雅等通过乌陂河流域水土流失实测数据与USLE模型的计算数据对比发现,USLE模拟精度达到83.54%[5]。潘美慧等则根据计算得到中度侵蚀等级的面积占比,通过与前人结论的对比对其结果进行了验证[6]。由于模型涉及因子多,算法复杂,如果直接应用USLE模型而没有验证,计算结果则可能与实际情况存在较大偏差,甚至侵蚀强度数据可以达到不同量级的差别。
本研究以实测资料较少的泰沂山地北麓的卧虎山水库流域为例,在前期对USLE/RUSLE模型LS因子实施算法探讨的基础上,通过RUSLE模型计算与水库淤积实测资料对比,分析模型计算的可靠性,并对水库流域的侵蚀分布特征进行讨论。以期通过土壤侵蚀的量化空间分析,掌握卧虎山水库流域的土壤侵蚀分布特征,研究成果对于水保措施的有效实施进而确保水库正常库容具有重要的实践意义。
卧虎山水库流域位于济南南部山区,所处位置为116.94°~117.34°E,36.33°~36.59°N。该流域地处泰山北麓,处于泰山与黄河之间的山前平原交接地带,地势南高北低,加之渗透型石灰岩结构,使得该区成为闻名天下的济南泉水的重要水源地,同时也是重要的水源涵养生态功能保护区。卧虎山水库是济南市唯一的一座大型水库,流域面积559 km2,上游有串联中型水库一座——锦绣川水库(流域面积166 km2 ),小型水库16座,塘坝42座。水库流域内花岗岩、花岗片麻岩占31%,石灰岩占69%。流域土壤组成主要为粗骨土、棕壤、潮土和褐土。卧虎山水库对泉域岩溶水补给影响总量达2 302×104m3/a,其中对泉流量的影响为1 489.3 m3/a,占天然条件下泉流量的11.8%[7],为济南泉水常年持续喷涌起到积极的作用。
本文主要采用USLE/RUSLE模型进行计算,其模型的基本形式如下：
A=R×K×L×S×C×P (1)
式中, A为土壤流失量, 表示单位面积坡地坡面侵蚀和细沟侵蚀的年平均侵蚀量,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作物与覆盖因子,P为水保措施因子。
降雨侵蚀力是降水及其产生的径流所具有的引起土壤侵蚀的潜在能力,是土壤的水蚀动力[8]。USLE和RUSLE中的R数值不仅量化了雨滴的击溅影响,同时也反映了与降水有关的径流速度和总量[3]。降雨侵蚀力因子R值难以直接测得,一般通过相关降雨参数计算获得,经典的计算方法为Wischmeier公式[2]。伍育鹏等研究认为,年雨量的指数函数形式适合作为估算中国多年平均年降雨侵蚀力的简易计算方法[9]。本研究采用马良[10]等利用多年降水资料计算得到的济南简易降雨侵蚀力公式,即R=0.139Pa1.570进行卧虎山流域降雨侵蚀力的计算。根据卧虎山雨量站1962~2002年降水资料,得到卧虎山流域内多年平均降水量为686.3 mm,进而得出卧虎山流域的降雨侵蚀力因子值。考虑到研究区面积有限,将整个研究区采用统一的降雨侵蚀力R值。
土壤可蚀性反映了土壤被降雨侵蚀力分离、冲蚀和搬运的难易程度[11],是影响土壤侵蚀的内在因素,通常用K因子值来衡量土壤可蚀性。K因子指的是在连续休耕条件下,坡度为9%的坡面上单位降雨侵蚀指数造成的土壤流失率[3]。计算土壤可蚀性K因子值的研究较多,代表性的成果有Wishchmeier等提出的可蚀性诺谟图方法[12]、EPIC模型估算方法[13],以及Shirazi等所建立的公式[14]。
卧虎山流域,除湖泊和水库外,从土壤亚类来讲共有8种,分别为：中性粗骨土、棕壤、棕壤性土、潮土、石灰性褐土、褐土、褐土性土、钙质粗骨土。考虑到该区与同为北方土石山区的河北省,在土壤类型及其属性上存在一定相似性,因此借鉴其土壤K因子值[15],卧虎山水库流域8种土壤的面积和土壤可蚀性K值分别如表1所示。
表1 卧虎山水库流域不同土壤类型面积及其土壤可蚀性K值
Table 1 The area of different soil types and its soil erodibility K value in the Wohushan Reservoir Watershed
| 土壤类别 | 棕壤 | 棕壤性土 | 褐土 | 石灰性褐土 | 褐土性土 | 中性粗骨土 | 钙质粗骨土 | 潮土 |
|---|---|---|---|---|---|---|---|---|
| 面积(km2) | 30.70 | 22.24 | 96.97 | 60.20 | 32.26 | 105.72 | 186.02 | 20.72 |
| K | 0.2402 | 0.2157 | 0.3221 | 0.3496 | 0.2363 | 0.1976 | 0.2293 | 0.3401 |
对于该研究区的地形因子,本研究小组前期曾结合McCool的LS因子参照值[16],对不同LS因子实施算法进行了区域适用性评价[17]。研究结果发现,卧虎山流域LS因子值的最优算法为基于Remortel迭代运算的改进算法,即将Remortel第4版AML程序算法中的坡长指数（m）修改为适用于细沟和细沟间侵蚀之比中等情形下的数值,并根据不同坡度对其进行插值得到。考虑到研究区大于10°的坡面占到流域面积比例达到60.61%的事实,在计算坡度因子时结合刘宝元的陡坡坡度公式[18],采用如下公式计算：
本研究在计算LS因子时,进一步按照坡长指数（m）适用于细沟和细沟间侵蚀比率中等情形,然后设计AML公式对其计算得出。
坡长指数的大小与坡面上细沟侵蚀和细沟间侵蚀的比率
式中,β值因土壤对细沟侵蚀的敏感性强弱而取值有所不同[20]。考虑到本区的土壤、降水、植被、土地利用等情况,本研究取土壤对细沟侵蚀和沟间侵蚀敏感性适中时的β值,其计算如下所示[20]：
式中,θ为坡度。
覆盖和管理因子C是指在一定条件下,耕作农地上的土壤流失量与同等条件下适时翻耕的连续休闲对照地上的土壤流失量之比[8]。它是一个无量纲数,其值变化于0~1 之间。它反映了耕作和管理措施对侵蚀速率的影响,通常用来比较各种管理措施对保护规划的相对影响[21]。C因子及后面的P因子都是侵蚀动力的抑制因子,起着保持水土的作用。虽然C因子的估算有不同方法[22],但不同方法的适用尺度、应用范围不同,而且各有所长且存在各自的不足[22]。本研究中根据相关研究成果[23,24,25],基于前期获得的高精度土地利用/覆盖类型数据,采用直接赋值的方法。
USLE和RUSLE 中土壤保持措施因子P,是指特定水保措施下的土壤流失量,与未实施水保措施之前,相应地块顺坡耕作时的土壤流失量之比值[3]。土壤保持措施主要通过调整水流形态、斜坡坡度和表面流的汇流方向,减少径流量,降低径流速率等作用减轻土壤侵蚀[26]。一般而言水保措施主要有等高耕作、修筑梯田等。无侵蚀的地区取0,而未采取任何保护措施的地区取1。借鉴相关文献[24, 25, 27],结合本区所处土石山区的实际,本研究将各种土地利用类型的P值赋值如表2所示。
表2 卧虎山水库流域不同土地利用类型的C、P因子值
Table 2 The values of C, P factor for different land use in the Wohushan Reservoir Watershed
| 土地利用 类型 | 旱地 | 有林地 | 灌木林 | 疏林地 | 高覆盖度 草地 | 中覆盖度 草地 | 低覆盖 度草地 | 水库 坑塘 | 城镇 用地 | 农村居 民点 | 其它建设 用地 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| C | 0.31 | 0.006 | 0.015 | 0.017 | 0.04 | 0.08 | 0.2 | 0 | 0.2 | 0.2 | 0.22 |
| P | 0.3 | 1 | 0.2 | 0.2 | 0.2 | 0.2 | 0.2 | 0 | 1 | 1 | 1 |
根据以上厘定USLE中的各因子,在地理信息系统平台中进行叠加计算,得到卧虎山流域的最大侵蚀模数为24 687 t/(km2·a),平均为462 t/(km2·a),标准偏差为852 t/(km2·a),其结果如图1所示。
图1 卧虎山水库流域土壤侵蚀分布
Fig.1 The distribution of soil erosion in the Wohushan Reservoir Watershed
目前有关济南南部山区水土流失的实证研究相对有限,而已有基于原型USLE模型计算得到的土壤侵蚀强度数据又差别较大。在实测数据缺少的前提下,根据泥沙淤积资料估算土壤侵蚀强度成为一种有效手段。卧虎山水库1958~1960年建库,建成蓄水后在20世纪90年代之前分别于1965年、1972年和1990年进行过淤积测量,这为其淤积测算及验证提供了条件。
本文验证数据主要来自于王绍江[28]一文,该文曾基于济南南部山区9个代表性控制水库（包括一座中型水库、一座小一型水库和七座小二型水库）调查测量及收集的各水库淤积量、拦沙率和上游泥沙拦截量,根据拦蓄工程的拦沙率和沙量平衡理论,计算得到各水库流域的土壤侵蚀强度数据,并根据各水库流域地形地貌、植被和人类活动等确定加权比重,经计算和调查测算得到济南南部山区青石山区、砂石山区和山麓黄土覆盖区的侵蚀模数分别为288 t/(km2·a)、760 t/(km2·a)和238 t/(km2·a) [28]。根据文中提供的有限实证数据,尚不足以直接计算卧虎山水库流域的土壤侵蚀模数,但根据其对卧虎山水库流域的计算验证,不同岩性区土壤侵蚀强度数据具有很高的可信度和准确度[28]。
对于卧虎山水库流域而言,青石山区和砂石山区面积占比分别为30.96%和69.04%。基于此,结合济南南部山区不同岩性区的侵蚀模数,可以计算得到卧虎山流域多年平均侵蚀模数为434 t/(km2·a)。该数据与本研究根据RUSLE模型计算得到的侵蚀模数462 t/(km2·a)基本一致,考虑到本研究所依据栅格分辨率为30 m,以及现有南部山区的现状,我们认为本研究计算中涉及到的各因子赋值及算法程序可靠,结果准确可信。
卧虎山水库流域平均侵蚀强度462 t/(km2·a),年均侵蚀量为2.6×106t。根据2008年水利部颁布的土壤侵蚀分级分类标准[29]（简称分类标准）,北方土石山区的容许土壤流失强度为200 t/(km2·a),即相当于表3中的微度侵蚀强度。据此,卧虎山水库流域土壤侵蚀（不包括微度侵蚀强度）面积达到176.39 km2,占到流域总面积的31.51%。在轻度及以上侵蚀中,随着侵蚀强度级别的增加,面积和侵蚀量占比逐渐减小。水库流域年均侵蚀量面积占比最大的为轻度侵蚀,其占土壤侵蚀总面积的88%,年均侵蚀量达到1.4×106t,占到流域侵蚀总量的54.64%,是流域侵蚀产沙的主要来源,是流域中亟需治理的主要区域。值得注意的是中度及以上侵蚀强度,其面积占比虽只有3.74%,但其侵蚀量却占到30.94%,是流域中需要重点预防和加强侵蚀治理的重点区域。
表3 卧虎山水库流域侵蚀强度分级
Table 3 Soil erosion intensity grading in the Wohushan Reservoir Watershed
| 级别*[t/ (km2·a)] | 面积 （km2） | 面积百 分比（%） | 侵蚀量 （t） | 侵蚀量百 分比（%） |
|---|---|---|---|---|
| 微度 （<200） | 383.47 | 68.49 | 37528 | 14.42 |
| 轻度 （200~2500） | 155.45 | 27.77 | 142174 | 54.64 |
| 中度 （2500~5000） | 18.26 | 3.26 | 62885 | 24.17 |
| 强烈 （5000~8000） | 2.32 | 0.42 | 14112 | 5.42 |
| 极强烈（8000~15000） | 0.35 | 0.06 | 3426 | 1.32 |
| 剧烈 （>15000） | 0.0036 | 0.00 | 71 | 0.03 |
尽管卧虎山水库流域也称之为三川流域,即锦绣川流域、锦阳川流域和锦云川流域,但如果根据地形地貌来进行流域划分,则会得到多个流域。本文根据GIS平台的水文模块计算并经修正,共得到11个子流域,其中子流域11主要为卧虎山水库水域分布区（图2a中图例11）（图2）。其中图2a图例中的1、2、3分别对应锦绣川流域、锦阳川流域和锦云川流域。
图2 不同子流域划分及其对应相关侵蚀参数
Fig.2 Sub-watershed division of the Wohushan Reservoir and its related erosion parameters digram
水库子流域从侵蚀模数来看都属于轻度侵蚀级别,但各子流域间差别较大(图2b),如侵蚀模数最大的子流域10,其数值达到了1 414 t/(km2·a),是侵蚀模数最小的子流域8的4.04倍之多。从侵蚀模数较高的子流域7、10来看,子流域10现有土地利用类型主要是中覆盖度草地和灌木林,其坡度和坡长因子在所有子流域中最大,LS因子子流域平均值达到20.43。而且子流域7、10都位于水库两侧,不能像水库流域的纵深地带可以建串联水库塘坝进行拦蓄。因此对于该子流域10的有效治理,应以采取工程水保措施减小坡度和坡长作为有效举措。与之对比,子流域7土地利用类型主要是旱地、有林地、中覆盖度草地和其他建设用地,在水保措施方面,一方面可以考虑将占该子流域相当面积比重的旱地退耕还林,另一方面辅以工程措施减小地形因子的影响。
结合各子流域侵蚀模数和地形因子的对比关系,可以看出各子流域侵蚀模数的差异与地形因子LS基本呈现一致变化（图2b）。进一步对两者进行回归分析发现,两者的相关系数达到0.83,在显著性水平a=0.01时,两者呈显著相关。说明对于卧虎山水库流域而言,坡度坡长因子是导致各子流域侵蚀模数差异的主要因素。当然,对于流域中的各流域而言,由于面积相差悬殊,而空间尺度是否有影响尚需进一步讨论。
不同土地利用类型的侵蚀量、侵蚀模数和面积如图3所示。可以看出,除其它建设用地侵蚀模数最大外,从侵蚀面积占比和侵蚀量占比来看,占流域面积31.45%的旱地无疑成为研究区内最大的侵蚀土地利用类型,其侵蚀模数为931 t/(km2·a),年均侵蚀量为所有土地利用类型中最大,达到163 990 t,对流域总侵蚀量的贡献率达到了62.96%;其次为农村居民点,其侵蚀模数达到927 t/(km2·a),流域侵蚀量占比达到19%。与之相比,其他各类土地利用类型的侵蚀量相对有限,侵蚀量在1.4~0.05万t之间,流域侵蚀量占比在5.6%以下。从侵蚀强度来看,不同土地利用类型侵蚀强度相对有限,主要集中于轻度侵蚀级别,但各类土地利用侵蚀强度差异较大,其中其它建设用地侵蚀模数最高,达到1 245 t/(km2·a),这里的建设用地主要指厂矿、大型工业区、采石场等用地以及交通道路及特殊用地等。其它高于容许土壤侵蚀强度的土地利用类型依次为旱地、农村居民点、低覆盖度草地（指覆盖度在5%~20%的天然草地）、城镇用地和中覆盖度草地（主要指覆盖度在20%~50%之间的天然草地和改良草地）。结合各类土地利用类型的面积,综合侵蚀量和侵蚀强度来看,旱地不仅侵蚀量突出,而且侵蚀强度和面积都相对较高,是本区急需进行侵蚀治理的土地利用类型;中覆盖度草地和农村居民点是本区加强预防和治理的重点类型,而对于其他建设用地、低覆盖草地和城镇用地则需要重点关注并预防进一步扩展。
图3 不同土地利用类型的侵蚀相关参数
Fig.3 Erosion-related parameters of different land use types in the Wohushan Reservoir Watershed
在讨论坡度与土壤侵蚀的空间配置关系时,不同学者对于坡度的划分有所不同。本研究根据参考文献[30],将坡度划分为<5°、5°~8°、8°~15°、15°~25°、25°~35°、>35°共6个级别。通过空间叠置分析得到流域内不同坡度条件下的侵蚀相关参数（图4）。可以看出随着坡度的增加,土壤侵蚀模数呈现相应增大的趋势,特别是在坡度超过25°之后,侵蚀强度呈明显加速趋势。不同坡度所占面积百分比和侵蚀量百分比呈现不同的变化（图4）。 5°以下地形尽管所占面积比例达到16.19%,但该地形坡度对侵蚀影响较弱,其所占侵蚀量比例仅有4.92%,对应的土壤侵蚀模数在容许土壤流失量之下[141 t/(km2·a)]。之后随着坡度增大,面积占比虽下降到12.76%,但侵蚀量比例却出现增长趋势,由之前的4.92%增加到9.84%,说明地形在侵蚀中的作用开始显现。在8°~25°面积占比和侵蚀量比例都出现快速增长,整体来看,该坡度范围的面积占比为60.90%,侵蚀量贡献率则达到68.08%,该坡度段面积比例不仅最大,而且侵蚀量占比最高,为水库流域的主要侵蚀坡度段。之后,两者出现双降趋势。尤为需要注意的是坡度大于25°的地形范围,其面积占比尽管最小只有10.2%,但由于平均高达778 t/(km2·a)的侵蚀模数,使得侵蚀量占比达到17.16%,是流域水土保持工作中特别需要重视部分。
图4 不同坡度对应的侵蚀相关参数
Fig.4 The erosion-related parameters for different slope gradient range in the Wohushan Reservoir Watershed
1） 根据RUSLE计算得到的水库流域平均土壤侵蚀模数为462 t/(km2·a),该数据与经泥沙淤积等资料测算并经面积占比计算得到的土壤侵蚀模数434 t/(km2·a)基本一致,说明本研究计算结果准确可靠。
2） 根据RUSLE模型计算得到水库流域年均侵蚀量为2.6×106t,其中高于容许土壤流失量的面积为176 km2,其流域占比为31.51%。从不同侵蚀级别来看,占流域面积27.77%的轻度侵蚀,其侵蚀占比为54.64%;面积占比3.74%中度及以上侵蚀,侵蚀占比达到30.94%。
3） 流域内各子流域土壤侵蚀空间差异较大,分析发现地形因子是导致各子流域土壤侵蚀模数差异的主要因素;就土地利用类型而言,旱地和农村居民点是流域内的主要侵蚀土地利用类型;流域内土壤侵蚀模数随着坡度增加呈现相应增大的趋势,特别是在坡度超过25°之后,侵蚀强度呈明显加速趋势;但就侵蚀量和侵蚀面积比例而言,8°~25°坡度范围,不仅侵蚀面积占比最大,而且侵蚀量贡献最多,是水库流域的主要侵蚀坡度段。
The authors have declared that no competing interests exist.
| [21] |
Predicting soil erosion by water: a guide to conservation planning with the revised universal soil loss equation (RUSLE) [M]. |
| [22] |
USLE/RUSLE中植被覆盖与管理因子研究进展 [J].https://doi.org/10.5846/stxb201306151710 URL [本文引用: 2] 摘要
通用土壤流失方程（USLE）及修正通用土壤流失方程（RUSLE）是世界范围内应用最广泛的土壤侵蚀预报模型，模型中C因子表示植被覆盖和管理措施对土壤侵蚀的作用，是人为控制土壤侵蚀的重要因子。回溯了C因子发展演变历程，依据国内外最新研究成果，系统阐述了不同尺度C因子估算方法。在小区、坡面、小流域尺度上，C因子确定主要依赖于野外实验观测，研究条件的一致性尤其是标准小区的统一是C因子值可比性的前提。流域、区域尺度C因子确定通常需要利用遥感影像，遥感技术的发展促进了流域、区域尺度C因子估算方法的进步，使提取的c因子图更加精细、准确，但是使用遥感数据全面刻画c因子含义仍然是一大挑战，因此仍需加强C因子相关研究。共归纳了10种确定C因子的方法，介绍了不同方法的优缺点及适用条件．提出了我国C因子研究应加强工作，希望为相关领域研究者提供参考。
Study on cover-management factor in USLE and RUSLE: a review .https://doi.org/10.5846/stxb201306151710 URL [本文引用: 2] 摘要
通用土壤流失方程（USLE）及修正通用土壤流失方程（RUSLE）是世界范围内应用最广泛的土壤侵蚀预报模型，模型中C因子表示植被覆盖和管理措施对土壤侵蚀的作用，是人为控制土壤侵蚀的重要因子。回溯了C因子发展演变历程，依据国内外最新研究成果，系统阐述了不同尺度C因子估算方法。在小区、坡面、小流域尺度上，C因子确定主要依赖于野外实验观测，研究条件的一致性尤其是标准小区的统一是C因子值可比性的前提。流域、区域尺度C因子确定通常需要利用遥感影像，遥感技术的发展促进了流域、区域尺度C因子估算方法的进步，使提取的c因子图更加精细、准确，但是使用遥感数据全面刻画c因子含义仍然是一大挑战，因此仍需加强C因子相关研究。共归纳了10种确定C因子的方法，介绍了不同方法的优缺点及适用条件．提出了我国C因子研究应加强工作，希望为相关领域研究者提供参考。
|
| [23] |
基于GIS和USLE的东圳库区土壤侵蚀量预测研究 [J].Study on predicting soil erosion in Dongzhen watersed based on GIS and USLE. Geo-information |
| [24] |
基于GIS和USLE的三江平原土壤侵蚀定量评价 [J].https://doi.org/10.3969/j.issn.1003-7578.2008.09.022 URL [本文引用: 2] 摘要
运用地理信息系统(GIS)结合美国通用水土流失方程 (USLE),根据研究区现状合理选择通用水土流失方程中土壤侵蚀各因子的计算方法,求算出三江平原2005年的土壤侵蚀量分布图,运用GIS的空间分析 功能将研究区坡度、地貌和土地利用状况与土壤侵蚀强度等级分布图进行叠加分析,据此了解了该区域土壤侵蚀现状,土壤侵蚀的坡度和地貌分异特征以及土壤侵蚀 与土地利用的关系.通过该分析以期为该区域的侵蚀防治、开展水土保持等政府宏观决策行为提供科学依据.
Quantitative assessment of soil erosion in Sanjiang Plain based on GIS and USLE .https://doi.org/10.3969/j.issn.1003-7578.2008.09.022 URL [本文引用: 2] 摘要
运用地理信息系统(GIS)结合美国通用水土流失方程 (USLE),根据研究区现状合理选择通用水土流失方程中土壤侵蚀各因子的计算方法,求算出三江平原2005年的土壤侵蚀量分布图,运用GIS的空间分析 功能将研究区坡度、地貌和土地利用状况与土壤侵蚀强度等级分布图进行叠加分析,据此了解了该区域土壤侵蚀现状,土壤侵蚀的坡度和地貌分异特征以及土壤侵蚀 与土地利用的关系.通过该分析以期为该区域的侵蚀防治、开展水土保持等政府宏观决策行为提供科学依据.
|
| [25] |
基于GIS和USLE的九龙江流域土壤侵蚀量预测研究 [J].https://doi.org/10.3321/j.issn:1009-2242.2004.05.019 URL [本文引用: 2] 摘要
Integrated Geographical Information System(GIS) with Universal Soil Loss Equation(USLE),soil losswas predicted and risk areas of soil erosion were identified in Jiulong river watershed. Reasonable methods wereadopted to obtain R, LS , K , C, P factors value. Results showed annual average soil erosion amount was 2 730. 3 t/km~2 and it was in the category of middle degree erosion. The serious eroded area(sediment yield is higher than5 000 t/km~2) only occupied 14. 28% of area, but contributed 41. 74 % of sediments in the watershed , while no orslightly eroded area(sediment yield is lower than 5 000 t/km~2) was 85. 72% of area, but contributed 58. 26% ofsediments. The annual average soil erosion was higher in Chuanchang river, Huashan river, and Yanshi river sub-watersheds. The annual average soil erosion was lower in Longhai and Punan segment in North river sub-water-sheds.
Study on predicting soil erosion in Jiulong River watershed based on GIS and USLE .https://doi.org/10.3321/j.issn:1009-2242.2004.05.019 URL [本文引用: 2] 摘要
Integrated Geographical Information System(GIS) with Universal Soil Loss Equation(USLE),soil losswas predicted and risk areas of soil erosion were identified in Jiulong river watershed. Reasonable methods wereadopted to obtain R, LS , K , C, P factors value. Results showed annual average soil erosion amount was 2 730. 3 t/km~2 and it was in the category of middle degree erosion. The serious eroded area(sediment yield is higher than5 000 t/km~2) only occupied 14. 28% of area, but contributed 41. 74 % of sediments in the watershed , while no orslightly eroded area(sediment yield is lower than 5 000 t/km~2) was 85. 72% of area, but contributed 58. 26% ofsediments. The annual average soil erosion was higher in Chuanchang river, Huashan river, and Yanshi river sub-watersheds. The annual average soil erosion was lower in Longhai and Punan segment in North river sub-water-sheds.
|
| [26] |
东北黑土区土壤侵蚀模型中植被因子C值的研究 [J].C-value in the model of soil erosion in black earth area in the Northeastern China. Journal of |
| [27] |
基于遥感和ULSE模型评价1995-2005年江西土壤侵蚀 [J].
为了定量评价近10年江西省土壤侵蚀的时空变化,采用USLE模型的月模式,耦合1995年的NOAA-AVHRR归一化植被指数(NDVI)和2005年的Terra-MODIS增强型植被指数(EVI),定量评价了江西省1995年和2005年的土壤侵蚀空间分布.研究结果表明: (1)江西省土壤侵蚀主要受地形条件的影响,存在明显的空间差异,强烈侵蚀级别以上的土壤侵蚀主要发生在鄱阳湖流域各子流域的上游;地形平坦的鄱阳湖平原和吉泰盆地,土壤侵蚀强度低;(2)江西省土壤侵蚀在1995~2005年间得到一定程度的改善,年土壤侵蚀总量由1995年的1.494亿t下降为2005年的1.268亿t,全省平均土壤侵蚀模数由894.68t/(km2.a)下降为759.31t/(km2.a);中度以上侵蚀面积由1995年的16 945km2下降为2005年的13 833km2;(3)全省绝大多数县(市、区)的土壤侵蚀强度降低,其中德兴县、玉山县、婺源县、上饶县、浮梁县、横峰县等赣东北5县的平均土壤侵蚀模数下降最为显著;但也有少量县(市区)的土壤侵蚀呈进一步扩大趋势,主要有井冈山市、永新县、莲花县、瑞昌县、广昌县和永丰县.
|
| [1] |
Predicting rainfall-erosion losses from cropland east of the Rocky Mountains-guide for selection of practices for soil and water conservation [M]. |
| [2] |
Predicting rainfall erosion losses —A guide to conservation planning. Agriculture Handbook No. 537 [M]. |
| [3] |
Predicting soil erosion by water: a guide to conservation planning with the revised universal soil loss equation (RUSLE) [M]. |
| [4] |
An empirical soil loss equation. Vol II Process of soil erosion and its environment effects [C]. |
| [27] |
Evaluating soil erosion in Jiangxi Province with USLE model and remote sensing technology during 1995-2005 .
为了定量评价近10年江西省土壤侵蚀的时空变化,采用USLE模型的月模式,耦合1995年的NOAA-AVHRR归一化植被指数(NDVI)和2005年的Terra-MODIS增强型植被指数(EVI),定量评价了江西省1995年和2005年的土壤侵蚀空间分布.研究结果表明: (1)江西省土壤侵蚀主要受地形条件的影响,存在明显的空间差异,强烈侵蚀级别以上的土壤侵蚀主要发生在鄱阳湖流域各子流域的上游;地形平坦的鄱阳湖平原和吉泰盆地,土壤侵蚀强度低;(2)江西省土壤侵蚀在1995~2005年间得到一定程度的改善,年土壤侵蚀总量由1995年的1.494亿t下降为2005年的1.268亿t,全省平均土壤侵蚀模数由894.68t/(km2.a)下降为759.31t/(km2.a);中度以上侵蚀面积由1995年的16 945km2下降为2005年的13 833km2;(3)全省绝大多数县(市、区)的土壤侵蚀强度降低,其中德兴县、玉山县、婺源县、上饶县、浮梁县、横峰县等赣东北5县的平均土壤侵蚀模数下降最为显著;但也有少量县(市区)的土壤侵蚀呈进一步扩大趋势,主要有井冈山市、永新县、莲花县、瑞昌县、广昌县和永丰县.
|
| [28] |
济南市南部山丘区土壤侵蚀模数测算与分析 [J]. |
| [5] |
基于USLE的广东省山区土壤侵蚀量估算及特征分析 [J].
基于通用土壤流失方程(universal soil loss equation,USLE)、遥感和ArcGIS空间分析技术,通过合理选择USLE模型中各土壤侵蚀因子的计算方法,对广东省山区土壤侵蚀量进行了估算,并对山区土壤侵蚀随土地利用类型、土壤类型、坡度及海拔高度的分布特征进行了分析。结果表明,广东省山区2000年土壤侵蚀总量为1.23×108 t,年均侵蚀模数为1 080t/(km2·a),侵蚀强度为轻度。不同土地利用类型中,旱地的侵蚀强度最高,达2 055t/(km2·a),林地和草地的侵蚀模数较小,分别为908和932t/(km2·a)。不同坡度等级的土壤侵蚀特征表现为坡度越陡,侵蚀强度越大。不同海拔高度的侵蚀特征表现为在0~1 600m高度,侵蚀强度随海拔高度的升高而增大;海拔高于1 600m时,侵蚀强度随海拔高度的升高而下降。
Assessment and feature analysis of sil erosion in mountainous area of Guangdong Province based on USLE .
基于通用土壤流失方程(universal soil loss equation,USLE)、遥感和ArcGIS空间分析技术,通过合理选择USLE模型中各土壤侵蚀因子的计算方法,对广东省山区土壤侵蚀量进行了估算,并对山区土壤侵蚀随土地利用类型、土壤类型、坡度及海拔高度的分布特征进行了分析。结果表明,广东省山区2000年土壤侵蚀总量为1.23×108 t,年均侵蚀模数为1 080t/(km2·a),侵蚀强度为轻度。不同土地利用类型中,旱地的侵蚀强度最高,达2 055t/(km2·a),林地和草地的侵蚀模数较小,分别为908和932t/(km2·a)。不同坡度等级的土壤侵蚀特征表现为坡度越陡,侵蚀强度越大。不同海拔高度的侵蚀特征表现为在0~1 600m高度,侵蚀强度随海拔高度的升高而增大;海拔高于1 600m时,侵蚀强度随海拔高度的升高而下降。
|
| [28] |
Estimation and analysis of soil erosion modulus in the hilly area of Southern Jinan . |
| [29] |
|
| [6] |
基于USLE的东江流域土壤侵蚀量估算 [J].https://doi.org/10.11849/zrzyxb.2010.12.016 URL Magsci [本文引用: 1] 摘要
基于通用土壤流失方程(USLE),运用遥感和地理信息技术,对东江流域年均土壤侵蚀量进行估算。结果表明:东江流域年均土壤侵蚀总量为16.2×10<sup>8</sup> t,土壤侵蚀模数为18.73 t/(hm<sup>2</sup>·a),侵蚀强度属轻度。占流域面积94.62%的区域土壤侵蚀强度在中度以下,对流域土壤侵蚀量的贡献率为9.94%,而占流域面积仅5.38%的中度以上侵蚀区域对流域土壤侵蚀量的贡献率达90.06%。流域土壤侵蚀空间差异性大,分析土壤侵蚀与土地利用类型和坡度之间的关系表明:裸地和灌草地为区内主要侵蚀地带,土壤侵蚀模数随着坡度的递增呈先增加后减小的趋势,5°~25°为区内主要土壤侵蚀坡度段。通过以上研究分析以期为构建东江流域水生态功能分区指标体系提供科学依据。
Estimating soil erosion in the Dongjiang River basin based on USLE .https://doi.org/10.11849/zrzyxb.2010.12.016 URL Magsci [本文引用: 1] 摘要
基于通用土壤流失方程(USLE),运用遥感和地理信息技术,对东江流域年均土壤侵蚀量进行估算。结果表明:东江流域年均土壤侵蚀总量为16.2×10<sup>8</sup> t,土壤侵蚀模数为18.73 t/(hm<sup>2</sup>·a),侵蚀强度属轻度。占流域面积94.62%的区域土壤侵蚀强度在中度以下,对流域土壤侵蚀量的贡献率为9.94%,而占流域面积仅5.38%的中度以上侵蚀区域对流域土壤侵蚀量的贡献率达90.06%。流域土壤侵蚀空间差异性大,分析土壤侵蚀与土地利用类型和坡度之间的关系表明:裸地和灌草地为区内主要侵蚀地带,土壤侵蚀模数随着坡度的递增呈先增加后减小的趋势,5°~25°为区内主要土壤侵蚀坡度段。通过以上研究分析以期为构建东江流域水生态功能分区指标体系提供科学依据。
|
| [29] |
|
| [30] |
|
| [7] |
卧虎山水库对济南泉水影响的定量分析 [J].https://doi.org/10.3969/j.issn.1004-6933.2012.01.016 URL [本文引用: 1] 摘要
分析计算了卧虎山水库建成运行后对其下游济南泉域岩溶水补给量的 影响,包括河道水文特征变化对地下水补给量的影响、水库灌区农业灌溉对地下水补给量的影响、利用水库放水进行人工回灌对地下水的影响；进一步分析计算了卧 虎山水库对济南泉水流量的影响程度:在不考虑其他因素的情况下,卧虎山水库的拦蓄运行使四大泉群的泉流量削减了11.8％.
Quantitative analysis of influence of Wohushan Reservoir on Jinan karst spring basin .https://doi.org/10.3969/j.issn.1004-6933.2012.01.016 URL [本文引用: 1] 摘要
分析计算了卧虎山水库建成运行后对其下游济南泉域岩溶水补给量的 影响,包括河道水文特征变化对地下水补给量的影响、水库灌区农业灌溉对地下水补给量的影响、利用水库放水进行人工回灌对地下水的影响；进一步分析计算了卧 虎山水库对济南泉水流量的影响程度:在不考虑其他因素的情况下,卧虎山水库的拦蓄运行使四大泉群的泉流量削减了11.8％.
|
| [8] |
|
| [9] |
国内外降雨侵蚀力简易计算方法的比较 [J].https://doi.org/10.3321/j.issn:1009-2242.2001.03.009 URL [本文引用: 1] 摘要
降雨是引起土壤侵蚀的主要动力，用EI30指标度量。计算EI30时，需要降雨过程资料，而且计算繁琐和费时，为此，很多学者采用常规降雨资料计算降雨侵蚀力的简易算法。它们往往利用区域资料经验拟合求得，如要推广使用，需要进行验证。利用我国10个气象站降雨过程和常规降雨资料，通过对国内外9种比较有代表性的多年平均年降雨侵蚀力简易计算方法的比较，建议采用年雨量的指数函数形式作为估算我国多年平均年降雨侵分蚀力的简易计算方法。为保证计算结果的区域稳定性，应分不同区域进行拟合。
Comparison of different methods for estimating average annual rainfall erosivity .https://doi.org/10.3321/j.issn:1009-2242.2001.03.009 URL [本文引用: 1] 摘要
降雨是引起土壤侵蚀的主要动力，用EI30指标度量。计算EI30时，需要降雨过程资料，而且计算繁琐和费时，为此，很多学者采用常规降雨资料计算降雨侵蚀力的简易算法。它们往往利用区域资料经验拟合求得，如要推广使用，需要进行验证。利用我国10个气象站降雨过程和常规降雨资料，通过对国内外9种比较有代表性的多年平均年降雨侵蚀力简易计算方法的比较，建议采用年雨量的指数函数形式作为估算我国多年平均年降雨侵分蚀力的简易计算方法。为保证计算结果的区域稳定性，应分不同区域进行拟合。
|
| [10] |
山东省降雨侵蚀力空间分布特征及简易方程的研究 [J].
研究基于山东省境内22个气象站1951-2008年间日降雨资料,计算了该省多年降雨侵蚀力因子R值,运用径向基函数空间插值法,分析了该省降雨侵蚀力的空间分布特征,同时借助年降雨量与年降雨侵蚀力之间的数量关系,建立并验证了山东省年降雨侵蚀力的简易经验方程.
Spatial characteristics and simplified empirical models of annual rainfall erosivity in Shandong Province .
研究基于山东省境内22个气象站1951-2008年间日降雨资料,计算了该省多年降雨侵蚀力因子R值,运用径向基函数空间插值法,分析了该省降雨侵蚀力的空间分布特征,同时借助年降雨量与年降雨侵蚀力之间的数量关系,建立并验证了山东省年降雨侵蚀力的简易经验方程.
|
| [11] |
基于小流域尺度的土壤可蚀性K值空间变异 [J].https://doi.org/10.3321/j.issn:1000-0933.2008.05.036 URL Magsci [本文引用: 1] 摘要
采用传统统计学和地统计学相结合的方法，以邓下小流域为研究区，利用EPIC模型中土壤可蚀性K值算法，研究了小流域尺度下土壤可蚀性K值空间变异特征及不同植被类型对其影响。结果表明：(1)研究区K值的变化范围为0.1498 ~04981，均值为0.3316，变异系数为22.11%，小流域土壤可蚀性存在中等程度的空间变异性。(2) 研究区土壤可蚀性K值总体分布趋势是从西北向东南增大，条带状分布明显，K值较高处以“岛状”嵌于小流域中南部。北部森林覆盖区土壤抗侵蚀能力较强，中南部耕作种植及居住生活区土壤抵抗侵蚀能力较弱。(3)研究区8种不同植被类型除旱耕地外，K值垂直变异特征均是K0~20cm＜K20~40cm＜K40~60cm，土壤可蚀性随土壤垂直剖面深度增大而增大，土壤表层(0~20cm)抗侵蚀性能力最强。8种不同植被类型土壤表层K值(K0~20cm)的大小顺序为：休闲地 >茶园 >旱耕地 >草地 >阔叶林 >灌木林 >针叶林 >毛竹林。
Spatial variability of soil erodibility at a catchment scale in China .https://doi.org/10.3321/j.issn:1000-0933.2008.05.036 URL Magsci [本文引用: 1] 摘要
采用传统统计学和地统计学相结合的方法，以邓下小流域为研究区，利用EPIC模型中土壤可蚀性K值算法，研究了小流域尺度下土壤可蚀性K值空间变异特征及不同植被类型对其影响。结果表明：(1)研究区K值的变化范围为0.1498 ~04981，均值为0.3316，变异系数为22.11%，小流域土壤可蚀性存在中等程度的空间变异性。(2) 研究区土壤可蚀性K值总体分布趋势是从西北向东南增大，条带状分布明显，K值较高处以“岛状”嵌于小流域中南部。北部森林覆盖区土壤抗侵蚀能力较强，中南部耕作种植及居住生活区土壤抵抗侵蚀能力较弱。(3)研究区8种不同植被类型除旱耕地外，K值垂直变异特征均是K0~20cm＜K20~40cm＜K40~60cm，土壤可蚀性随土壤垂直剖面深度增大而增大，土壤表层(0~20cm)抗侵蚀性能力最强。8种不同植被类型土壤表层K值(K0~20cm)的大小顺序为：休闲地 >茶园 >旱耕地 >草地 >阔叶林 >灌木林 >针叶林 >毛竹林。
|
| [12] |
Soil erodibility nomograph for farmland and construction sites [J].https://doi.org/10.2307/3896643 URL [本文引用: 1] 摘要
A NEW SOIL PARTICLE-SIZE PARAMETER WAS FOUND AND USED TO DERIVE A CONVENIENT ERODIBILITY EQUATION THAT IS VALID FOR EXPOSED SUBSOILS AS WELL AS FARMLAND. A SIMPLE NOMOGRAPH PROVIDES QUICK SOLUTIONS TO THE EQUATION. ONLY FIVE SOIL PARAMETERS NEED TO BE KNOWN: PERCENT SILT, PERCENT SAND, ORGANIC MATTER CONTENT, STRUCTURE, AND PERMEABILITY. THE NEW WORKING TOOL OPENS THE DOOR TO SEVERAL NEW CONSIDERATIONS IN SEDIMENT- CONTROL PLANNING. /AUTHOR/
|
| [13] |
EPIC-erosion/productivity impact calculator: 2. User manual [M]. |
| [14] |
A unifying quantitative analysis of soil texture: Improvement of precision and extension of scale [J]. |
| [15] |
基于土壤粒径分布模型的河北省土壤可蚀性研究 [J].https://doi.org/10.3321/j.issn:0578-1752.2004.11.011 URL Magsci [本文引用: 1] 摘要
利用河北省第二次土壤普查成果 中的土壤质地组成、土壤图及相应的理化性质属性资料,在验证双参数修正经验逻辑生长模型准确性的基础上,将卡庆斯基土壤质地分类系统转换为美国制;并采用 公式法计算该省土壤可蚀性K值,编制具有准确几何位置可与地形图配准的土壤可蚀性K值空间分布图。同时,计算得出该省土壤可蚀性K值在0.25～0.4之 间的易蚀性和较易蚀性土壤面积占总土地面积的58.6%。探讨了土壤可蚀性K值和K值图的应用。
Study on the soil erodibility based on the soil particle-size distribution in Hebei Province .https://doi.org/10.3321/j.issn:0578-1752.2004.11.011 URL Magsci [本文引用: 1] 摘要
利用河北省第二次土壤普查成果 中的土壤质地组成、土壤图及相应的理化性质属性资料,在验证双参数修正经验逻辑生长模型准确性的基础上,将卡庆斯基土壤质地分类系统转换为美国制;并采用 公式法计算该省土壤可蚀性K值,编制具有准确几何位置可与地形图配准的土壤可蚀性K值空间分布图。同时,计算得出该省土壤可蚀性K值在0.25～0.4之 间的易蚀性和较易蚀性土壤面积占总土地面积的58.6%。探讨了土壤可蚀性K值和K值图的应用。
|
| [16] |
Slope Length and Steepness Factors (LS),Chapter [M] |
| [17] |
卧虎山水库不同算法LS因子值适用性分析 [J].https://doi.org/10.3724/SP.J.1084.2010.00199 URL Magsci [本文引用: 1] 摘要
factor. Several different factor algorithms from the previous studies were briefly summarized in this article and their applicability was evaluated in Wohushan reservoir basin. According to the Agriculture Handbook No. 703 and 537 of US Agriculture Department, the -values in McCool's table are the same as the algorithms in USLE/RUSLE. Although there is some regional heterogeneity in the specific regional applications for calculations, the difference is very limited within a certain slope length and slope gradient. Based on these reasons, the -values from McCools are primarily preferred as the reference value. There are four basic algorithms which were Remortal, Moore, Desmet and B hner used to be compared with reference value. In addition, two revised algorithms, i.e. the improved iterative Remortal algorithm and complex algorithm, were presented. The slope-length exponent (m) in the former algorithm was revised from low rill/interrill ratio class to moderate class. The complex algorithm was composed of L-factor and S-factor from different research, of which the latter was from the above mentioned improved algorithm of Remortel and S-factor was made up of S algorithm from McCool and that of Liu BY. In this article, the values of the six above algorithms were compared with that of McCools by RMSE (the Root Mean Square Error), the correlation coefficient and the slope of the regression equation. The results indicated that, other than the improved algorithm of Remortel and the complex algorithm, the -value obtained by different algorithms are all less than that of reference value. It is also found that the optimal algorithm in the study area is the improved iterative algorithm of Remortel, followed by both the AML program of factor from RUSLE Version 4 of Remortel and the complex algorithm. The B枚hner's algorithm could also be used in this area. However, the algorithms from Moore and Desmet were recommended not to use in the study area because of their relatively higher RMSEs and relatively poor correlation coefficients.
The applicability of LS factor value from different algorithms in Wohushan Reservior Basin .https://doi.org/10.3724/SP.J.1084.2010.00199 URL Magsci [本文引用: 1] 摘要
factor. Several different factor algorithms from the previous studies were briefly summarized in this article and their applicability was evaluated in Wohushan reservoir basin. According to the Agriculture Handbook No. 703 and 537 of US Agriculture Department, the -values in McCool's table are the same as the algorithms in USLE/RUSLE. Although there is some regional heterogeneity in the specific regional applications for calculations, the difference is very limited within a certain slope length and slope gradient. Based on these reasons, the -values from McCools are primarily preferred as the reference value. There are four basic algorithms which were Remortal, Moore, Desmet and B hner used to be compared with reference value. In addition, two revised algorithms, i.e. the improved iterative Remortal algorithm and complex algorithm, were presented. The slope-length exponent (m) in the former algorithm was revised from low rill/interrill ratio class to moderate class. The complex algorithm was composed of L-factor and S-factor from different research, of which the latter was from the above mentioned improved algorithm of Remortel and S-factor was made up of S algorithm from McCool and that of Liu BY. In this article, the values of the six above algorithms were compared with that of McCools by RMSE (the Root Mean Square Error), the correlation coefficient and the slope of the regression equation. The results indicated that, other than the improved algorithm of Remortel and the complex algorithm, the -value obtained by different algorithms are all less than that of reference value. It is also found that the optimal algorithm in the study area is the improved iterative algorithm of Remortel, followed by both the AML program of factor from RUSLE Version 4 of Remortel and the complex algorithm. The B枚hner's algorithm could also be used in this area. However, the algorithms from Moore and Desmet were recommended not to use in the study area because of their relatively higher RMSEs and relatively poor correlation coefficients.
|
| [18] |
Slope gradient effects on soil loss for steep slopes [J].https://doi.org/10.2136/sssaj2000.6451759x URL [本文引用: 1] 摘要
Data for assessing the effects of slope gradient on soil erosion for the case of steep slopes are limited. Widely used relationships are based primarily on data that were collected on slopes up to approximately 25%. These relationships show a reasonable degree of uniformity in soil loss estimates on slopes within that range, but are quite different when extrapolated beyond the range of the measured data. In this study, soil loss data from natural runoff plots at three locations on the loess plateau in China were used to assess the effect of slope gradient on soil loss for slopes ranging from 9 to 55% steepness. Plot size at each location was 5 m wide by 20 m long, and the soils were silt loams or silty-clay loam. The results indicated that for these plots, soil loss was linearly related to the sine of the slope angle according to the equation: S = 21.91 sinq 0.96, where q is the slope angle and S is the slope steepness factor normalized to 9%. This relationship was assessed in terms of the limited existing experimental data for rainfall erosion on steep gradients and found to be reasonable for data collected on longer plots, but somewhat different than the data from shorter plot studies. The results of this study would indicate a lesser soil loss at high slopes than does the relationship used in the Universal Soil Loss Equation, but a greater soil loss than predicted by the Revised Universal Soil Loss Equation for steep slopes.
|
| [19] |
A runoff erosivity factor and variable slope length exponents for soil loss estimates [J].https://doi.org/10.13031/2013.35628 URL [本文引用: 1] 摘要
ABSTRACT A runoff erosivity term was developed for the Universal Soil-Loss Equation (USLE) from analysis of an erosion equation derived from basic erosion principles. The analysis also suggested how the slope length exponent of the USLE varies with runoff, soil erodibility, slope steepness and length, and erosion control practice. The findings should improve USLE soil-loss estimates for specific events and time periods.
|
| [20] |
Revised slope length factor for the universal soil loss equation [J].https://doi.org/10.13031/2013.30576 URL [本文引用: 2] 摘要
ABSTRACT An analysis based on theoretical considerations and data interpretation was used in developing revised relationships for the slope length exponent for the Universal Soil Loss Equation. The analysis was based on the ratio of rill to interrill erosion and resulted in a general relationship between the slope length exponent and slope steepness. Parameters in the relationship are changed depending upon whether the ratio of rill to interrill erosion is expected to be low, moderate or high. Such conditions might be representative of rangeland or no-till seeding, normal seedbed conditions or highly disturbed conditions, respectively. For thawing soil conditions where rill erosion is dominant, an exponent value of 0.5 is recommended..
|
| [30] |
|
/
| 〈 |
|
〉 |
