论文部分内容阅读
摘 要：本文根据DEM数据构建了研究区域的土壤流失模型，并利用遥感技术来获取土壤流失研究中的R因子、K因子等六个因子，利用土壤流失量模型分析计算该区域土壤流失量，并取得了比较满意的成果。
关键字：DEM；土壤流失；因子；遥感
1.前言
1.1 DEM概述和应用
数字高程模型(DigitalElevationModel，DEM)是表示地形空间分布的一个三维向量系列{x，y，z}，其中(x，y)表示平面坐标，表示相应点的高程，它是以离散分布的平面点上的高程数据来模拟连续分布的地形表面。数字高程模型是一个具有光谱特征的连续的栅格图像数据，在坡度分析、坡向分析、高程分带、地形阴影、彩色地势、地形校正处理、栅格等高线、视域分析、三维浮雕、高度转换等地形分析中，都是以DEM为基础进行的，是地理数据库中最为重要的空间信息资料和赖以进行地形分析的核心数据系统。
由于DEM描述的是地面高程信息，它在例如测绘、水文、氣象、地貌、地质、土壤、工程建设、通讯、气象、军事等国民经济和国防建设以及人文和自然科学领域有着广泛的应用。DEM数据转换为等高线图、坡度图、断面图、晕渲图以及与数字正射影像 (DigitalOrthphotoMaP，DOM)复合形成景观图等各种专题图产品，由DEM还可进一步产生坡度、坡向、沟谷、山脊、地表粗糙度等多个地形要素，构成数字地面模型 (DigitalTerrainModel，DTM)数据。利用这些地表信息与植被、土壤、人文要素的相关性，建立不同的地学应用模型。
1.2 地形分析的概述
1.2.1 数字地形简介
数字地形分析是以数字高程数据为基础来推导二维或三维地形特征以及确定流域、集水区、水流路径等，计算地形基本属性、提取地形特征以及分析地形结构等处理。数字地形分析为以地貌、土壤、生态、水文以及其他需要地形数据作为基础的各种科学研究和工程应用提供了技术支撑。
1.2.2 基本地形因子及相关参数
地形基本属性主要指的是地面上点的形态指数，它的计算是数字地形分析的基础。从地形分析的复杂性角度，可以将地形分析分为基本地形因子(包括坡度、坡向、粗糙度等)的计算和复杂地形分析(包括可视性分析、地形特征提取和流域特征分析等)两部分；从DEM导出的地形特征参数也可划分为原生特征和次生特征两类；从应用到水文分析的角度上，地形相关的指数可大致分为两个层面，第一个是地形基本属性的计算，其中包括坡度、坡向、水平曲率、垂直曲率、汇流面积、径流长度等17个参数，而第二个层面与具体应用有着紧密关联，例如水流侵蚀等。
2.方法及步骤
2.1 数据准备
本文在DEM的基础上利用ArcGIS软件以及Envi4.2软件对奥地利南部地区的土壤流失进行分析研究。
数据：本文用到的TM影像是于1987年3月21日（192-27）获取的landsat5影像。该影像以试验区南部的“Hohe Tauern”地区为中心。河流Salzach由西向东流淌。城镇“zell am see”位于两个山谷的交叉地带附近。
2.2 数据的预处理与分析
土壤流失的调查方法主要有工程实验法、定性遥感法和基于地理信息系统（GIS）的遥感定量法。在此采用遥感定量法。
遥感图像的几何纠正是指消除图像的几何变形，并把图像归入某个地面坐标系的过程。几何纠正是应用遥感图像的关键一步，直接影响遥感图像的分析应用。本试验采用二次多项式进行纠正。利用多项式纠正图像的过程包括确定多项式次数，选择地面控制点（GCP），求解多项式参数，精度评定，确定输出图像边界，像素变换和灰度重采样。
下图为对图像进行过滤处理后得到的图像。
图2.2-1 过滤处理后的图像
打开DEM数据，通过DEM等高线的叠合看到等高线分布图，如图所示：
图2.2-2 等高线分布图
通过查看该DEM的地形剖面廓线，可以大致的了解该研究区域的地形走向，如东西向、南北向的高程变化程度。如下图所示为x方向的高程变化值。
图2.2-3 高程值变化图
从以上的数据分析可以看出，此地区最高海拔为2889m，最低海拔为501m。下图为在ArcGIS中打开的tif格式的该地区的DEM图的属性值。
图2.2-4 试验区DEM属性图
2.3 土壤流失模型研究
作为定量调查方法的核心，土壤侵蚀定量模型基本上可以分为经验统计模型、概念模型及物理模型三类，在此我们用目前在实际应用效果较好的USLE模型基础上加以改进后进行分析计算。
USLE系列模型的数学表达式为：A=R*K*L*S*C*P
式中A——年土壤侵蚀量，R——降雨侵蚀力因子，K——土壤可蚀性因子，L——坡长因子，S——坡度因子，C——耕作管理植被覆盖因子，P——侵蚀控制措施因子。
研究主要涉及该方程中的6个影响因子的指标量化过程。
（1）R因子。降雨侵蚀力因子R是一项评价降雨引起的土壤分离和搬运的动力指标。
（2）K因子。土壤可蚀性因子K值，是一项评价土壤被降雨侵蚀力分离、冲蚀和搬运难易程度的指标，也是USLE及其修正模型中的一项重要因子值。K因子反映了土壤对侵蚀的敏感性及降水所产生的径流量与径流速率的大小。K因子反映了土壤对侵蚀的敏感性及降水所产生的径流量与径流速率的大小。本文根据不同的成土母质分级，赋予不同的K值。
（3）L和S因子。坡长和坡度因子作为侵蚀动力的加速因子，表示在其他条件均相同的情况下，某一给定坡度和坡长的坡面上土壤流失量与标准径流小区典型坡面土壤流失量的比值。考虑到USLE方程提出时对小区的定义，我们试将L和S因子用坡度因子L来代替。坡度因子由DEM数据中提取。
（4）C因子。C因子值要受到诸如植被、作物轮作顺序、生产力水平、生长季长短、栽培措施、作物残余物管理等众多因素的控制，这就使得对C因子值的直接计算往往难于进行。大量的研究表明，在所有的土壤侵蚀因子中，地表覆盖状况对侵蚀量的影响最大。通常的做法是对特定覆盖类型进行估计。也就是说，C因子值主要与植被覆盖和土地利用类型有关。 （5）P因子。侵蚀控制措施因子P考虑一些土地处理措施，如平整、压实、控制性结构物对于控制侵蚀的效果。其值规定为：在农耕地上采用水土保持措施与未经任何保护措施的地块上的水土流失量的比值。流域内的水土保持措施主要有等高带状耕作、等高沟垄耕作和修筑梯。
2.4 提取各项影响因子
2.4.1 提取L和S因子
首先进行地形建模：我们利用DEM数据可以很容易的得到我们需要的坡度因子。
之后得到获取到有关地形的各种测量值，如：slope，aspect，shaded等等。例：下圖即为坡度图（slope）。
2.4.1-1 坡度图
由此我们得到了地形因子，如坡度坡向等。
2.4.2 获取植被覆盖率C因子
由此我们选择进行决策树分类，首先选择ndvi>0.3分类，之后选择slope<20进行再分类，b4<20以4波段亮度值<20（将非植被中的水体分类出来），另外再以坡向0 总体流程，即考虑土壤流失的影响因素有：山坡的坡度，坡向（阴坡，阳坡由于阳光的照射不同，因此风化的程度不同，其植被覆盖率也不很相同）
在此，我们通过slope<20，ndvi<0.3来作为有水土流失的分界点，从而不再这个分界点以内的区域我们就假定容易造成山体滑坡，水土流失等等。通过研究区域的植被覆盖率来反演该地区的水土流失情况。并结合该地区的年均降水量以及年内最大降雨量来预测该地区的水土流失情况。
2.4.3 获取R因子
由于与选择区域有关系，我们决定选择该研究区域的几个站点的雨量资料及测站位置用线性橡皮板变换进行插值生成了研究区域的降雨分布图，并进行相应量化。
3. 数确定及水水土流失模数分级
考虑到土壤侵蚀量与径流量W成正相关，在继承了USLE方程的基础上，将模型进行了进一步的改进M-USLE，即将径流量引入到研究模型中。这样最终得到M-USLE方程：
A=F*R*K*L*C*P*W
式中A为土壤侵蚀量，F为调整系数，W为径流量。
在Envi中执行M-USLE模型后，就得到了土壤侵蚀量图，在属性表中，做相应的运算，可知研究区域总的土壤流失量，侵蚀模数。根据水利部土壤侵蚀强度分级标准进行分级，即可得到该研究区域的水土流失模式。
4. 应用M-USLE模型分析水土流失变化
通用土壤流失方程USLE经过半个多世纪的不断发展、应用和完善，已成为进行土地资源管理和保护的一个实用且相对准确的技术工具。但归根到底，它仍是一个经验方程，难以表达土壤侵蚀的机理过程，因此在许多方面具有局限性。本文尝试引入调整系数和径流量，将修正的通用土壤流失方程应用于该研究区域的水流域土壤流失变化研究。
5. 结论
通过对研究区域的地理因子进行构建模型，利用遥感技术来获取水土流失研究中的相关因子进行分析计算区域水土流失量，可以取得比较满意的成果，但限于影像获取的途径的影响，以及获取有关水文的资料有限。利用遥感技术获取信息的精度及方式还有待提高。
参考文献
[1] Xiaojuan Li, Xiaomeng Liu, Deyong Hu, Zhimeng Luo, ENVI remote sensing image processing tutorial[M], China environmental science press0020 2007.2(In Chinese)
关键字：DEM；土壤流失；因子；遥感
1.前言
1.1 DEM概述和应用
数字高程模型(DigitalElevationModel，DEM)是表示地形空间分布的一个三维向量系列{x，y，z}，其中(x，y)表示平面坐标，表示相应点的高程，它是以离散分布的平面点上的高程数据来模拟连续分布的地形表面。数字高程模型是一个具有光谱特征的连续的栅格图像数据，在坡度分析、坡向分析、高程分带、地形阴影、彩色地势、地形校正处理、栅格等高线、视域分析、三维浮雕、高度转换等地形分析中，都是以DEM为基础进行的，是地理数据库中最为重要的空间信息资料和赖以进行地形分析的核心数据系统。
由于DEM描述的是地面高程信息，它在例如测绘、水文、氣象、地貌、地质、土壤、工程建设、通讯、气象、军事等国民经济和国防建设以及人文和自然科学领域有着广泛的应用。DEM数据转换为等高线图、坡度图、断面图、晕渲图以及与数字正射影像 (DigitalOrthphotoMaP，DOM)复合形成景观图等各种专题图产品，由DEM还可进一步产生坡度、坡向、沟谷、山脊、地表粗糙度等多个地形要素，构成数字地面模型 (DigitalTerrainModel，DTM)数据。利用这些地表信息与植被、土壤、人文要素的相关性，建立不同的地学应用模型。
1.2 地形分析的概述
1.2.1 数字地形简介
数字地形分析是以数字高程数据为基础来推导二维或三维地形特征以及确定流域、集水区、水流路径等，计算地形基本属性、提取地形特征以及分析地形结构等处理。数字地形分析为以地貌、土壤、生态、水文以及其他需要地形数据作为基础的各种科学研究和工程应用提供了技术支撑。
1.2.2 基本地形因子及相关参数
地形基本属性主要指的是地面上点的形态指数，它的计算是数字地形分析的基础。从地形分析的复杂性角度，可以将地形分析分为基本地形因子(包括坡度、坡向、粗糙度等)的计算和复杂地形分析(包括可视性分析、地形特征提取和流域特征分析等)两部分；从DEM导出的地形特征参数也可划分为原生特征和次生特征两类；从应用到水文分析的角度上，地形相关的指数可大致分为两个层面，第一个是地形基本属性的计算，其中包括坡度、坡向、水平曲率、垂直曲率、汇流面积、径流长度等17个参数，而第二个层面与具体应用有着紧密关联，例如水流侵蚀等。
2.方法及步骤
2.1 数据准备
本文在DEM的基础上利用ArcGIS软件以及Envi4.2软件对奥地利南部地区的土壤流失进行分析研究。
数据：本文用到的TM影像是于1987年3月21日（192-27）获取的landsat5影像。该影像以试验区南部的“Hohe Tauern”地区为中心。河流Salzach由西向东流淌。城镇“zell am see”位于两个山谷的交叉地带附近。
2.2 数据的预处理与分析
土壤流失的调查方法主要有工程实验法、定性遥感法和基于地理信息系统（GIS）的遥感定量法。在此采用遥感定量法。
遥感图像的几何纠正是指消除图像的几何变形，并把图像归入某个地面坐标系的过程。几何纠正是应用遥感图像的关键一步，直接影响遥感图像的分析应用。本试验采用二次多项式进行纠正。利用多项式纠正图像的过程包括确定多项式次数，选择地面控制点（GCP），求解多项式参数，精度评定，确定输出图像边界，像素变换和灰度重采样。
下图为对图像进行过滤处理后得到的图像。
图2.2-1 过滤处理后的图像
打开DEM数据，通过DEM等高线的叠合看到等高线分布图，如图所示：
图2.2-2 等高线分布图
通过查看该DEM的地形剖面廓线，可以大致的了解该研究区域的地形走向，如东西向、南北向的高程变化程度。如下图所示为x方向的高程变化值。
图2.2-3 高程值变化图
从以上的数据分析可以看出，此地区最高海拔为2889m，最低海拔为501m。下图为在ArcGIS中打开的tif格式的该地区的DEM图的属性值。
图2.2-4 试验区DEM属性图
2.3 土壤流失模型研究
作为定量调查方法的核心，土壤侵蚀定量模型基本上可以分为经验统计模型、概念模型及物理模型三类，在此我们用目前在实际应用效果较好的USLE模型基础上加以改进后进行分析计算。
USLE系列模型的数学表达式为：A=R*K*L*S*C*P
式中A——年土壤侵蚀量，R——降雨侵蚀力因子，K——土壤可蚀性因子，L——坡长因子，S——坡度因子，C——耕作管理植被覆盖因子，P——侵蚀控制措施因子。
研究主要涉及该方程中的6个影响因子的指标量化过程。
（1）R因子。降雨侵蚀力因子R是一项评价降雨引起的土壤分离和搬运的动力指标。
（2）K因子。土壤可蚀性因子K值，是一项评价土壤被降雨侵蚀力分离、冲蚀和搬运难易程度的指标，也是USLE及其修正模型中的一项重要因子值。K因子反映了土壤对侵蚀的敏感性及降水所产生的径流量与径流速率的大小。K因子反映了土壤对侵蚀的敏感性及降水所产生的径流量与径流速率的大小。本文根据不同的成土母质分级，赋予不同的K值。
（3）L和S因子。坡长和坡度因子作为侵蚀动力的加速因子，表示在其他条件均相同的情况下，某一给定坡度和坡长的坡面上土壤流失量与标准径流小区典型坡面土壤流失量的比值。考虑到USLE方程提出时对小区的定义，我们试将L和S因子用坡度因子L来代替。坡度因子由DEM数据中提取。
（4）C因子。C因子值要受到诸如植被、作物轮作顺序、生产力水平、生长季长短、栽培措施、作物残余物管理等众多因素的控制，这就使得对C因子值的直接计算往往难于进行。大量的研究表明，在所有的土壤侵蚀因子中，地表覆盖状况对侵蚀量的影响最大。通常的做法是对特定覆盖类型进行估计。也就是说，C因子值主要与植被覆盖和土地利用类型有关。 （5）P因子。侵蚀控制措施因子P考虑一些土地处理措施，如平整、压实、控制性结构物对于控制侵蚀的效果。其值规定为：在农耕地上采用水土保持措施与未经任何保护措施的地块上的水土流失量的比值。流域内的水土保持措施主要有等高带状耕作、等高沟垄耕作和修筑梯。
2.4 提取各项影响因子
2.4.1 提取L和S因子
首先进行地形建模：我们利用DEM数据可以很容易的得到我们需要的坡度因子。
之后得到获取到有关地形的各种测量值，如：slope，aspect，shaded等等。例：下圖即为坡度图（slope）。
2.4.1-1 坡度图
由此我们得到了地形因子，如坡度坡向等。
2.4.2 获取植被覆盖率C因子
由此我们选择进行决策树分类，首先选择ndvi>0.3分类，之后选择slope<20进行再分类，b4<20以4波段亮度值<20（将非植被中的水体分类出来），另外再以坡向0
在此，我们通过slope<20，ndvi<0.3来作为有水土流失的分界点，从而不再这个分界点以内的区域我们就假定容易造成山体滑坡，水土流失等等。通过研究区域的植被覆盖率来反演该地区的水土流失情况。并结合该地区的年均降水量以及年内最大降雨量来预测该地区的水土流失情况。
2.4.3 获取R因子
由于与选择区域有关系，我们决定选择该研究区域的几个站点的雨量资料及测站位置用线性橡皮板变换进行插值生成了研究区域的降雨分布图，并进行相应量化。
3. 数确定及水水土流失模数分级
考虑到土壤侵蚀量与径流量W成正相关，在继承了USLE方程的基础上，将模型进行了进一步的改进M-USLE，即将径流量引入到研究模型中。这样最终得到M-USLE方程：
A=F*R*K*L*C*P*W
式中A为土壤侵蚀量，F为调整系数，W为径流量。
在Envi中执行M-USLE模型后，就得到了土壤侵蚀量图，在属性表中，做相应的运算，可知研究区域总的土壤流失量，侵蚀模数。根据水利部土壤侵蚀强度分级标准进行分级，即可得到该研究区域的水土流失模式。
4. 应用M-USLE模型分析水土流失变化
通用土壤流失方程USLE经过半个多世纪的不断发展、应用和完善，已成为进行土地资源管理和保护的一个实用且相对准确的技术工具。但归根到底，它仍是一个经验方程，难以表达土壤侵蚀的机理过程，因此在许多方面具有局限性。本文尝试引入调整系数和径流量，将修正的通用土壤流失方程应用于该研究区域的水流域土壤流失变化研究。
5. 结论
通过对研究区域的地理因子进行构建模型，利用遥感技术来获取水土流失研究中的相关因子进行分析计算区域水土流失量，可以取得比较满意的成果，但限于影像获取的途径的影响，以及获取有关水文的资料有限。利用遥感技术获取信息的精度及方式还有待提高。
参考文献
[1] Xiaojuan Li, Xiaomeng Liu, Deyong Hu, Zhimeng Luo, ENVI remote sensing image processing tutorial[M], China environmental science press0020 2007.2(In Chinese)