天山北坡中段山区植被覆盖管理措施因子的时空格局动态变化

植被覆盖管理措施因子(Vegetation cover and management factor,以下简称C因子)是评估植被因素抵抗土壤侵蚀的能力及准确估算土壤侵蚀模数的重要参数,而区域尺度C因子高质量时间序列的准确估算和空间特征对于土壤侵蚀预测、水土保持规划尤为重要。为研究天山北坡中段山区C因子时空动态,采用线性光谱混合模型(Linear Spectral Mixture Model,LSMM)、像元二分模型、增强型自适应反射率时空融合模型(Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model,ESTARFM)等方法计算C因子,定量分析2000—2018年研究区C因子的时空格局特征,并对不同土地利用类型的C因子进行分析。结果表明,时间上,2000—2018年C因子总体呈现先上升后下降的趋势,不同时段C因子值不同,表现为秋季>春季>夏季、旱季>雨季。空间上,南部高山区(海拔>3000 m)的C因子值较高,北部中低山丘陵区(2000 m<海拔<3000 m)的C因子值较低。C因子值的分布与土地利用类型关系密切,表现为裸土地>其他林地>采矿用地>内陆滩涂>其他草地>农村宅基地>灌木林地>旱地>天然牧草地>风景名胜设施用地>水浇地>人工牧草地>乔木林地。本研究探究C因子遥感定量估算方法,分析不同土地利用格局对C因子的影响,为开展大尺度C因子的准确估算及不同土地利用格局水土保持效益的综合评价提供了参考。

基于叶面积指数的植被覆盖管理措施因子C的遥感定量估算

以植被结构因子——叶面积指数(LAI)取代长期以来用于水土保持定量评价的植被覆盖度,通过遥感技术反演植被结构因子LAI,构建研究区LAI与植被覆盖管理措施因子C量化耦合模型,并进行模型精度验证。结果表明:基于LAI模拟的土壤侵蚀模数为455.89t·km-2a-1,属于微度侵蚀,与径流小区野外观测结果一致。本文提出的LAI取代植被覆盖度作为水土保持定量估算与评价指标是可行的。

基于无人机遥感的植被覆盖与管理因子计算

[目的]研究传统遥感的混合像元分解法在无人机遥感中的应用,提出小区域尺度的植被覆盖与管理因子(C因子)快速估算方法。[方法]借助无人机航拍获取南京江宁谷里地区土地利用情况的遥感影像,采用面向对象分类法提取各类型用地的地物盖度,基于混合像元分解的C因子模型计算了研究区C值,通过与已有研究成果的分析比较,评价该方法的准确性。[结果]对象分类结果(植被、裸地和非光合地物)总正确率都在95%以上,基于混合像元分解的C因子模型估算南京江宁谷里地区的林地、耕地和草地的C值分别为0.057,0.176,0.043,结果与已有研究成果接近。[结论]利用无人机遥感进行C因子估算是可行的,且相较于传统的径流小区实测法,更为高效便捷。

土壤侵蚀预报模型中的植被覆盖与管理因子研究进展

植被覆盖和土地管理措施是土壤侵蚀的主要抑制因素之一 .通用土壤流失方程 (USLE)中的植被覆盖与田间管理因子 (C)是评价这种抑制作用的有效指标 ,并被广泛采用和深入研究 .我国在这方面的研究还不能满足土壤侵蚀预报和水土保持规划的要求 .在系统回顾该因子的研究历史的基础上 ,介绍了USLE和RUSLE中C因子估计方法及其不断改进和完善的过程 ,并概述了中国的覆盖与田间管理因子的研究进展 .此外 ,总结国内在 (C)因子估计值以及植被覆盖度、地面覆盖物和植被根系对土壤侵蚀的影响等方面研究成果 ,分析了目前我国覆盖与田间管理因子研究中存在的 3个方面问题 。

重庆市坡耕地植被覆盖与管理因子C值计算与分析

植被覆盖与管理因子C值是评价植被因素抵抗土壤侵蚀能力及准确估算土壤侵蚀模数的重要参数,利用天然降雨径流小区径流泥沙观测资料,对重庆市坡耕地不同土地利用方式植被覆盖与管理因子C值变化及影响因素进行研究。结果表明:(1)在相同降雨侵蚀力条件下,坡耕地不同土地利用方式的水土保持效应差异很大,表现为:横坡植物篱耕地>横坡耕地>顺坡耕地>清耕休闲地,坡耕地表层植被盖度最差且降雨侵蚀力较大的时段为土壤侵蚀危险期,在该时段内采取相应的保护措施可有效控制水土流失。(2)基于实测侵蚀量的C值估算方法最为适宜重庆市坡耕地不同土地利用方式的C值计算,重庆地区小麦年C值为0.434 5,甘薯年C值为0.386 4,小麦/甘薯年C值为0.403 7,C值不同表明不同农作物对耕地土壤的防护作用不同,合理选择农作物种类对防治水土流失有明显的作用。(3)基于重庆市坡耕地不同土地利用方式植被盖度与C值的年内变化特征,该地区坡耕地水土流失防治应从提高地表植被覆盖度出发,优化种植模式,兼顾水土保持措施布置,实现坡耕地可持续利用。

USLE／RUSLE中植被覆盖与管理因子研究进展

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因子研究应加强的工作,希望为相关领域研究者提供参考。

闽西红壤区植被覆盖及管理因子与水土流失强度关系分析

以福建省西部的武平县中山镇为例,运用RS和GIS等相关技术软件提取土地利用、坡度、植被覆盖度、经营管理措施等信息,通过GIS空间叠加分析,获取当地水土流失斑的强度分布特征。研究发现:当地水土流失强度分布特征除了与当地植被覆盖度有关,更与植被后期管理经营密切相关;在一些高植被覆盖度地区如马尾松林地、水源涵养林地等区域,由于经营管理不当也分布相当程度的水土流失。

河龙区间植物措施因子定量计算

为解决区域植物措施(B)因子的计算问题,以河龙区间为研究区,通过计算半月降雨侵蚀力确定了主要侵蚀性降雨季,应用MODIS NDVI产品提取了半月植被覆盖度,得到侵蚀性降雨季植被覆盖度。根据已有研究成果,结合土地利用,计算了区域B因子,应用小区观测数据对植被覆盖度反演结果进行了检验。结果表明:反演与实测的植被覆盖度季节变化曲线变化趋势、值域范围基本一致。7—8月为主要侵蚀性降雨季,平均植被覆盖度达到57.23%,B因子平均值为0.345。年均降雨量与植被覆盖度成正比关系,与B因子成反比。该文采用的植物措施因子计算方法为区域土壤侵蚀监测提供参考。

USLE/RUSLE模型中植被覆盖管理因子的遥感定量估算研究进展

通用土壤流失方程(USLE)及其后续修正方程(RUSLE)是区域土壤侵蚀风险评估和水土保持规划的有效工具.植被覆盖管理因子作为USLE和RUSLE的重要参数之一,其合理估算对土壤侵蚀的准确预测尤为重要.基于野外实地调查和测量的传统估算法费时、费力且费用高,无法满足宏观尺度上植被覆盖管理因子的快速提取.近年来,遥感技术的发展为大尺度植被覆盖管理因子获取提供了丰富的数据和方法.本文基于国内外相关研究成果,综述了植被覆盖管理因子遥感定量估算方法的研究进展,评述了各类方法的优劣,以期为进一步开展大尺度植被覆盖管理因子的定量估算及拓展现有研究思路提供借鉴.

浙江省水土流失动态监测中农村建设用地B因子赋值研究

农村建设用地的植被覆盖与生物措施因子即B因子,在使用中国土壤流失方程模型进行区域水土流失动态监测中具有非常关键的作用。按照浙江省水土保持三级区划,在区划范围内随机选择县(市、区)和自然村作为样本,采用高精度无人机遥感影像,详细调查并解译了农村建设用地地块内部的土地利用构成,依据相同的技术路线和赋值方法,重新计算整个地块的B因子,根据自然村的位置分区、海拔、地形和面积分布情况等不同维度因素,探讨不同的农村建设用地B因子值的分组统计方法,分析不同因素可能对B因子值的影响。结果表明:3个因素均不会对B因子值产生较为明显的影响,影响更大的还是农村建设用地内部的地物结构,这是后续新农村建设和水土流失防治工作中需要重点关注的方向;修订浙江省B因子值为0.016,较全国标准化赋值0.025减少36%,采用修订后的数据计算,2021年的农村建设用地水土流失面积将减少14%。

水保生态修复的若干科学问题

根据我国水土流失情况,分析研究了水土保持生态修复的潜力、驱动因子、布局、技术措施及标准、生态系统健康评价、环境效应等一系列问题。从县南沟流域和纸房沟流域治理效果分析对比中得出,在黄土丘陵区,生态环境破坏没有从根本上破坏该区植被演替的基础,只要保护措施得力,完全有可能依靠自然力恢复当地植物群落。通过对11条小流域治理效果分析得出,要达到治理目的,植被覆盖率必须恢复到43%以上。

云南省金沙江流域土壤流失方程研究

云南金沙江流域是长江中上游水土流失最严重的区域。本项研究以“通用土壤流失方程”(USLE)为蓝本,运用小区实验等手段,综合分析了各个侵蚀因子,建立了云南金沙江流域土壤流失方程A=R·K·LS·c·P,并确定了方程中诸因子的求算方法和数值,以及该流域土壤允许流失量,为方程的应用提供了基本的技术数据。同时,还进行了方程的检验,方程计算值与小区实测值的相对误差在6.3％以下,表明该方程在实际应用中是可靠的。该方程的建立,可为云南金沙江流域预测预报土壤侵蚀,制定土地合理利用规划方案、水土保持措施和土地生态安全格局提供了一套可靠的科学方法和依据。

基于改进RUSLE模型的西南土石山区水土流失评价——以湖南省龙山县为例

本文基于Landsat遥感影像,引入归一化山地植被指数(NDMVI),改进RUSLE模型中的植被管理因子C,得到改进的RUSLE模型,并利用其对湖南省龙山县2000~2020年的土壤侵蚀进行估算,旨在快速、科学地评价研究区水土流失变化情况,为以龙山县为代表的西南土石山区水土流失治理提供科学依据。2000年的NDMVI数值范围较均一化植被指数(NDVI)增加了0.3158,2020年的NDMVI数值较NDVI增加了0.2076,增加幅度均较大,这说明NDMVI区分地物的能力更强,具有较强地消除复杂地形影响的能力。通过影像对比,可以看出NDMVI区分地物的能力要优于NDVI,提取城镇用地、水体等地物的精度更高,尤其在地形起伏地区以及山坡的阴影地区,能更好地反演植被覆盖管理因子。基于山地植被指数修正的植被覆盖管理因子C可以更准确地区分地物,尤其是在地形起伏和山坡阴影地区。该方法能有效地运用于西南土石山区的水土流失监测和评价,实现动态变化的快速定量监测。

基于GIS的河南省土壤侵蚀定量评估研究

在RUSLE经验模型的基础上结合"3S"技术对河南省土壤侵蚀现状进行研究。结合河南省当地的地貌特征,根据我省相关的观测资料,计算土壤侵蚀的各因子值,建立适合本省的土壤侵蚀预报模型;应用GIS不仅可以方便地进行参数输入,还可以按照计算结果描述土壤侵蚀空间分布差异,同时用户可用GIS模块中的数据分析工具,根据所需目的进行数据分析、查询和图形输出。遥感影像作为数据源为侵蚀因子提供基础数据,同时还可以从遥感影像中直接判读土壤侵蚀类型。首先找出土壤侵蚀模型所需要的适合河南省的降水侵蚀力因子、土壤可蚀性因子、地形因子、植被覆盖与水土保持措施因子并栅格化之后,在ARCGIS的Raster Calculator模块里根据其土壤流失预测公式获得河南省土壤侵蚀强度分布图,再根据sl190-96的分级标准(表)进行分级,获得河南省土壤侵蚀强度等级分布图,河南省内各地土壤侵蚀情况即可一目了然,为政府决策提供了科学参考,为今后的研究提供了理论依据。

国家林业重点生态工程社会经济效益监测报告

2004年对天然林资源保护、退耕还林和京津风沙源工程进行社会经济效益监测结果显示，工程自1998年相继启动以来，进展顺利，各项政策措施得到落实，产生了显著的生态、经济和社会效益。工程区的森林资源下降趋势得到有效遏制，森林植被快速恢复，林业用地面积、有林地面积、森林蓄积量、森林覆盖率等均有不同程度提高；沙化土地治理面积增加，水土流失面积减少；工程区产业结构得到调整，多元化发展态势逐步形成；地方经济发展，农民收入明显提高。报告针对所存在的制度性障碍、政策缺位、资金安排缺项或不足、返贫等问题，提出了建立新型林业经营管理体制，弥补缺位政策，调整工程预算项目，修正资金配套方案，保持政策的连续性，科学看待林农间种等相关政策性建议。