区域土壤侵蚀的定量评价与影响因子分析毕业论文【附数据】

区域土壤侵蚀的定量评价与影响因子分析毕业论文【附数据】

引用

CSDN

1.

https://blog.csdn.net/checkpaper/article/details/143464157

土壤侵蚀是自然因素和人为因素共同综合作用的结果。自然因素是土壤侵蚀发生、发展的潜在条件，主要包括降雨、地形地貌、植被、土壤等。本研究以通用土壤流失方程系列模型（USLE、RUSLE、CSLE）为基础，利用遥感（RS）、地理信息系统（GIS）和统计学等分析技术，对影响中国土壤侵蚀的各个自然因子进行了详细分析。

降雨侵蚀力因子分析

土壤侵蚀是自然因素和人为因素共同综合作用的结果。自然因素是土壤侵蚀发生、发展的潜在条件，主要包括降雨、地形地貌、植被、土壤等。本研究以通用土壤流失方程系列模型（USLE、RUSLE、CSLE）为基础，利用遥感（RS）、地理信息系统（GIS）和统计学等分析技术，对影响中国土壤侵蚀的各个自然因子进行了详细分析。

• 降雨侵蚀力因子：
• 数据来源：本研究利用1998—2011年的日降雨资料，对中国680多个地面气象站的逐月、月平均、逐年和多年平均降雨侵蚀力进行估算。降雨侵蚀力因子是影响土壤侵蚀的重要自然因素之一，其计算方法通常基于降雨量和降雨强度。
• 空间插值：采用Kriging内插法进行空间插值，生成降雨侵蚀力的空间分布图。Kriging内插法是一种基于统计学的插值方法，能够有效处理空间数据的变异性和不确定性。
• 时间变化特征：采用线性倾向估计、滑动平均、累积距平、变异系数（CV）、趋势系数（r）等方法对降雨侵蚀力的时间变化特征进行分析。结果显示，中国降雨侵蚀力年内年际变化与降雨量、侵蚀性降雨量年内年际变化趋势一致，年内分布均呈单峰型，集中分布在4～10月。
• 长期趋势分析：1998—2011年年降雨侵蚀力R值的全距为22249.32MJ·mm/(ha·h·a)，年降雨侵蚀力呈波动下降的趋势，倾向率为-278.29MJ·mm/(ha·h·10a)。逐年降雨侵蚀力总体变化趋势未通过90%的信度检验水平，其年际间的变化并不显著。1998—2011年间，春、夏、冬三季的降雨侵蚀力均呈下降趋势，而秋季的降雨侵蚀力呈上升趋势。
• 空间分布特征：降雨量与降雨侵蚀力的空间分布具有从东南向西北梯度递减的特点，南方地区则以高值区为中心向外扩展，呈梯度递减分布。这种空间分布特征反映了中国降雨侵蚀力的地域性差异。

土壤可蚀性因子分析

土壤可蚀性因子是影响土壤侵蚀的重要自然因素之一，主要反映土壤在降雨侵蚀作用下的易蚀性。本研究依据中国1:100万土壤图，分析了土壤理化性质的空间分布特征，并利用EPIC模型估算中国土壤可蚀性K值，再用张科利的修正公式进行修正，得到中国土壤可蚀性空间分布图。

• 数据来源：本研究利用中国1:100万土壤图，提取了土壤理化性质的空间分布数据。土壤理化性质包括土壤质地、有机质含量、pH值等，这些性质对土壤可蚀性有重要影响。
• 模型估算：利用EPIC模型估算中国土壤可蚀性K值，并用张科利的修正公式进行修正。EPIC模型是一种基于物理过程的土壤侵蚀模型，能够准确估算土壤可蚀性。
• 空间分布特征：中国土壤可蚀性K值的空间分布变异不大，且具有明显的区域特性。中国土壤可蚀性K值的范围为0.0018—0.089t·ha·h/(ha·MJ·mm)，平均值约为0.0363t·ha·h/(ha·MJ·mm)。中国土壤可蚀性K值主要集中在0.030—0.045t·ha·h/(ha·MJ·mm)之间，其面积占研究区1/2之余。土壤可蚀性高值区主要分布在新疆维吾尔自治区的部分地区、内蒙古高原南部、黄土高原北部、青藏高原北部等地区，而南方地区的K值一般低于均值，只有个别地方稍高。

地形因子分析

地形因子是影响土壤侵蚀的重要自然因素之一，主要包括地形起伏度和地面粗糙度。本研究选用90m×90m SRTM DEM数据，利用邻域窗口分析法提取中国地形起伏度，并对邻域面积与平均地形起伏度进行对数方程拟合，通过统计学检验。同时，利用三角函数中坡度余弦的倒数对中国地面粗糙度进行了计算。

• 地形起伏度：
• 数据来源：选用90m×90m SRTM DEM数据，利用邻域窗口分析法（矩形邻域和圆形邻域）提取中国地形起伏度。通过统计学检验，确定了最佳统计单元大小为11×11和R=6两个尺度。
• 空间分布特征：中国局部的地形起伏度较大，总体上地形较平缓，以中小起伏度为主，微起伏次之。空间上东西、南北差异明显，大、极大起伏明显集中于西部，而平坦、微小起伏及中起伏明显集中于东部。中大起伏多集中分布于南部，而北部的大部分地区平坦，地形起伏较缓和，以微小起伏为主。
• 均值变点分析：均值变点分析法很好地克服了主观因素的影响，是确定最佳统计单元的一种较为理想的方法。通过均值变点分析法，确定了最佳统计单元大小为11×11和R=6两个尺度。
• 地面粗糙度：
• 数据来源：选用90m×90m SRTM DEM数据，利用三角函数中坡度余弦的倒数对中国地面粗糙度进行了计算。
• 空间分布特征：全国地面粗糙度的范围为1—31.4296，平均值约为1.035。东西、南北差异明显，西部天山山脉、青藏高原边缘一带的地面粗糙度较大，明显大于东部地区，而北部大部分地区的地面粗糙度都较小，明显小于南部地区。在盆地、平原地区，地面粗糙度较小，而在天山山脉、横断山脉、秦巴山地等地形较复杂的区域，地面粗糙度较大，这种趋势与地形起伏度特征较相似。

植被覆盖度因子分析

植被覆盖度因子是影响土壤侵蚀的重要自然因素之一，主要反映植被对土壤的保护作用。本研究选用1998年4月至2008年7月372景逐旬的SPOT-4/VEGETATION数据（S10），利用MVC法、一元线性回归分析法和差值法分析陕西省和中国近10a来植被的整体变化趋势、年内年际间的变化幅度及其空间分布情况。

• 数据来源：选用1998年4月至2008年7月372景逐旬的SPOT-4/VEGETATION数据（S10），提取植被覆盖度数据。
• 变化趋势：陕西省和中国植被覆盖度整体都呈波动上升的趋势，其年际变化趋势大致相同，年内变化呈很强的季节性，春、夏季植被覆盖度呈增加趋势，秋、冬季植被覆盖度呈减少趋势。
• 空间分布特征：陕西各地区植被覆盖度变化明显，陕北北部地区植被覆盖度显著增加，特别是在榆林市的东南部和延安市北部地区。桥山、黄龙山林区和秦巴山地林区高度植被覆盖度（＞60%）增加10%～20%。我国植被覆盖空间分布呈现出东北–西南向延伸、东南–西北向更替的规律，东半部地区植被覆盖状况较好；而在半干旱和半湿润区域分界线以西，植被覆盖度较低，尤其在荒漠地带，基本无植被覆盖。

中国水土流失定量评价

本研究利用USLE模型和土壤侵蚀因子栅格图集，结合ArcGIS软件的栅格计算器，对中国1998年和2007年两个时期的土壤侵蚀模数进行了计算，编制了两个时期的土壤侵蚀强度分级图，并对不同侵蚀类型区土壤侵蚀强度的动态变化进行了分析。

• 数据来源：依据水利部标准（SL190—2007），利用坡度和植被覆盖度两个指标对中国水土流失进行定性评价，编制1998—2007年中国土壤侵蚀强度图。
• 评价方法：利用USLE模型和土壤侵蚀因子栅格图集，结合ArcGIS软件的栅格计算器，计算中国1998年和2007年两个时期的土壤侵蚀模数。USLE模型是一种广泛应用于土壤侵蚀定量评价的经典模型，能够综合考虑降雨侵蚀力、土壤可蚀性、地形因子、植被覆盖度等因素。
• 空间分布特征：1998—2007年不同土壤侵蚀强度的空间分布与变化趋势大体一致，空间上东西差异明显。土壤侵蚀强度以微度侵蚀为主，轻度侵蚀、中度侵蚀次之。
• 动态变化：1998年和2007年两个时期各侵蚀类型区的最大侵蚀模数和平均侵蚀模数相差都很大。从1998年到2007年，土壤侵蚀程度在减弱，2007年北方土石山区的最大侵蚀模数和西北黄土高原区的平均侵蚀模数较1998年有所增加，而其他各侵蚀类型区的年总侵蚀量是减少的。

import numpy as np
import rasterio
from rasterio.enums import Resampling
import matplotlib.pyplot as plt

# 读取DEM数据
dem_file = 'path_to_dem_image.tif'
dem = rasterio.open(dem_file).read(1)

# 读取降雨侵蚀力数据
rs_file = 'path_to_rainfall_erosivity_image.tif'
rs = rasterio.open(rs_file).read(1)

# 读取土壤可蚀性数据
soil_file = 'path_to_soil_erosivity_image.tif'
soil = rasterio.open(soil_file).read(1)

# 读取植被覆盖度数据
veg_file = 'path_to_vegetation_cover_image.tif'
veg = rasterio.open(veg_file).read(1)

# 计算坡度
def calculate_slope(dem):
    from scipy.ndimage import sobel, generic_gradient_magnitude
    slope = generic_gradient_magnitude(dem, sobel)
    return slope

# 计算坡长因子
def calculate_length_factor(slope):
    length_factor = (52.3 / (1 + 6.25 * slope**1.3))
    return length_factor

# 计算植被覆盖度因子
def calculate_cover_factor(veg):
    cover_factor = 0.97 - 0.04 * veg
    return cover_factor

# 计算土壤侵蚀模数
def calculate_erosion_modulus(rs, soil, slope, veg):
    length_factor = calculate_length_factor(slope)
    cover_factor = calculate_cover_factor(veg)
    erosion_modulus = rs * soil * slope * length_factor * cover_factor
    return erosion_modulus

# 应用算法
slope = calculate_slope(dem)
erosion_modulus = calculate_erosion_modulus(rs, soil, slope, veg)

# 可视化结果
fig, ax = plt.subplots(1, 2, figsize=(12, 6))
ax[0].imshow(dem, cmap='terrain')
ax[0].set_title('DEM')
ax[1].imshow(erosion_modulus, cmap='Reds')
ax[1].set_title('Erosion Modulus')
plt.show()