【论文答辩】基于USLE模型的长汀县水土流失遥感动态监测
福建省长汀县河田盆地区近35年来地表裸土变化的遥感时空分析
福建省长汀县河田盆地区近35年来地表裸土变化的遥感时空分析徐涵秋【摘要】福建省长汀县河田盆地区是中国南方最典型的红壤水土流失区之一,当地人民和各级政府一直为治理该区的水土流失进行着不懈的努力.利用遥感技术对该区1976年以来地表裸土分布的时空变化进行了分析,基于所提出的双重遥感指数法对该区的裸土信息进行提取,查明了该区地表裸土分布的时空变化情况.研究表明,该区近35年的治理已大大减轻了地表的裸露程度,地表裸土面积从1976年的159.17 km2锐减到2010年的51.98 km2.在3个不同的观察时间段里,裸土面积的变化呈现逐次减少、减速加快的趋势,客观地反映了该区水土流失治理的3个重要历史时期和政策所产生的效应.【期刊名称】《生态学报》【年(卷),期】2013(033)010【总页数】9页(P2945-2953)【关键词】水土流失;不透水面指数;裸土指数;长汀县;河田;遥感【作者】徐涵秋【作者单位】福州大学环境与资源学院,福州大学遥感信息工程研究所,福建省水土流失遥感监测评估与灾害防治重点实验,福州350108【正文语种】中文水土流失是当今世界面临的一个严峻问题，严重的水土流失已造成了生态环境的急剧退化，其诱发的各种灾害已给人民群众的生产生活带来了极大的危害。
我国是世界上水土流失最严重的国家之一，水土流失的胁迫已造成许多地区的人民群众背井离乡，另觅他乡。
即便是在全国森林覆盖率第一名的福建省，水土流失现象也相当普遍。
而地处福建西部的长汀县，更是以其严重的水土流失而成为中国南方红壤地区的典型水土流失区，一直倍受各界的关注。
水土流失在地表上的典型表现就是大面积的土壤直接裸露地表。
因此，无论是水土流失治理或治理成效评价，其关键的第一步就是要快速准确地判断地表土壤裸露区，定量分析其时空变化。
当前，卫星遥感对地观测系统以其快速、实时、大面积观测的特点在水土流失调查中有着无可比拟的优势，其所获得的数据是各级政府开展水土流失治理工作的决策依据，遥感技术已成为水土流失治理和评价不可或缺的高新技术［1］。
论文范文：国内水土流失定量测评——基于遥感与GIS技术
论文范文：国内水土流失定量测评——基于遥感与GIS技术第一章绪论1.1 研究背景和意义当前，水土流失是全球范围内发生最广泛、危害最严重的生态环境问题之一，严重威胁着人类的生存与发展。
据估算全球的水土流失面积约为16.43×106km2，占地表总面积的10.95%（李占斌2005）。
其中，中国是世界上水土流失最为严重的国家之一，也是世界上的人口和农业大国，国土面积约为960 万km2，其中，山区、丘陵区约占国土面积的2/3，也是我国水土流失的主要地区（冯绳武1989；秦天枝2009）。
水土流失在我国的危害已达到十分严重的程度，虽在一定程度上有所治理，但流失面积还在扩大，可以说“治理赶不上破坏”。
根据2002 年全国水土流失公告，全国水土流失面积356万km2(不包括冻融侵蚀面积)，约占国土总面积的37.1%，其中水力侵蚀面积165 万km2，风力侵蚀面积191 万km2（陈雷2002；秦天枝2009；中华人民共和国水利部2002）。
它不仅造成土地资源的破坏、粮食减产、降低土壤肥力、淤积库容和湖泊、导致农业生产环境恶化、生态平衡失调、水旱灾害频繁，而且影响各业生产的发展（彭珂珊2000a，2000b，2001；王占礼2000a，2000b；张俊飚2001）。
水土流失是我国的头号环境问题（李运学等2002），是我国土地资源遭受的最常见的地质灾害，其中以黄土高原地区最为严重（秦天枝2009）。
调查结果表明，我国土壤侵蚀从面积和强度上都是由东到西逐渐递增，土壤侵蚀分布存在集中连片的特点（李运学等2002；赵晓丽等2002）。
我国水土流失不仅面积大、范围广，且其类型多样、成因复杂，是一个十分复杂的自然地理现象。
地形起伏不平、坡陡沟多、多暴雨、降水集中、植被稀少、土质疏松等，是水土流失发生的自然原因，也是其发生和发展的潜在条件。
国内学者（彭珂珊2000a，2000b，2001；史更申1994；王占礼2000a，2000b；张俊飚2001）以水土流失较为严重的黄土高原地区、长江流域部分地区为例进行分析，影响土壤侵蚀的自然因素主要包括降雨、地形地貌、植被、土壤等，而人为因素包括土地利用方式不合理、滥垦滥伐、过度放牧、陡坡开荒、毁林毁草、工程建设的影响等，它是加速土壤侵蚀的催化剂。
应用RUSLE模型的长汀县水土流失风险空间分析
应用RUSLE模型的长汀县水土流失风险空间分析梁娟珠;张青;傅水龙【摘要】Based on revised universal soil loss equation (RUSLE)model,taking Changting County as the research area,geographic information system (GIS) and remote sensing (RS) technologies were used to estimate the soil and water erosion by calculating the influence factors,and the distribution map of the erosion risk was generated.The spatial overlap analysis of the main factors of soil and water erosion was carried out,and the spatial correlation analysis between the comprehensive evaluation results of soil and water erosion risk with the slope,vegetation coverage and land use layer was carried out.The results show that:there are more middle and high risk areas of water and soil erosion in the study area.Hetian,Sanzhou and Cewu three towns are the most serious situation.The risk of soil erosion has a bound regional characteristic,the risk of soil erosion and vegetation cover have strict negative correlation,but the risk of soil erosion and slope have not strict positive correlation.%以修正的通用水土流失方程(RUSLE)为理论基础,以长汀县为研究区,利用地理信息系统(GIS)与遥感(RS)技术,在计算各影响因子的基础上估算水土流失,生成流失风险等级分布图.对水土流失的主要因素进行空间叠加分析,并将研究区水土流失风险综合评估结果与坡度、植被覆盖度及土地利用图层进行空间相关分析.结果表明:研究区水土流失中、高风险区分布仍较多,其中,河田、三洲、策武3乡镇形势最为严峻;水土流失风险呈现出一定的地域性特点,与植被覆盖度有严格的负相关关系,但与坡度并无严格的正相关关系.【期刊名称】《华侨大学学报（自然科学版）》【年(卷),期】2017(038)006【总页数】6页(P836-841)【关键词】水土流失;空间分析;修正的通用水土流失方程;长汀县【作者】梁娟珠;张青;傅水龙【作者单位】福州大学空间数据挖掘和信息共享教育部重点实验室,福建福州350002;福州大学福建省空间信息工程研究中心,福建福州350002;福州大学空间数据挖掘和信息共享教育部重点实验室,福建福州350002;福州大学福建省空间信息工程研究中心,福建福州350002;福州大学空间数据挖掘和信息共享教育部重点实验室,福建福州350002;福州大学福建省空间信息工程研究中心,福建福州350002【正文语种】中文【中图分类】S157.1;TP7;P208(256)水土流失是威胁人类生存与发展的重要环境问题之一[1],它可以使土层变薄、肥力降低，造成土地“砂石化”，使之永远失去农业价值.同时，土壤侵蚀使大量泥沙进入河道，造成河床淤积，加剧洪涝灾害的发生，严重威胁着人类社会的生存与发展[2].水土流失的严重危害受到各国政府及学术界的关注[3-4]，20世纪60年代，Wischmeier等[5]基于大量小区观测资料和人工模拟降雨试验资料，提出了通用水土流失方程(universal soil loss equation，USLE)；1992年，美国农业部农业研究局针对USLE模型的缺陷推出了修正通用水土流失方程(revised universal soil loss equation,RUSLE)[6-7].RUSLE的基础理论承袭于USLE，但大部分因子利用新技术重新评估，各因子之间不再相互独立而是彼此关联影响，因而RUSLE有更高的评估精度和更强的实用性.同时，RUSLE模型形式简单，参数易获取及各因子均含物理意义.因此，被广泛应用于水土流失评估.卜兆宏等[8]根据实测数据对USLE模型进行参数本地化调校，得到了适合我国本土的USLE模型，并提出了运用遥感技术快速评估水土流失的方法，该研究成果在我国福建、江西、山东等地区得到推广应用.随着遥感(RS)与地理信息系统(GIS)技术在水土流失中的应用，水土流失的研究已突破了小区或坡面尺度的限制，区域尺度的水土流失研究成为可能[9-13].我国南方红壤区水土流失严重，而福建省长汀县是南方丘陵水土流失的典型，是福建省水土流失最严重的区域.本文选取福建省长汀县为研究对象，利用GIS,RS技术，对福建省长汀县的水土流失风险分布与影响因素加以分析.1.1 研究区概况福建省长汀县位于25°18′40″N～26°02′05″N,116°00′45″E～116°39′20″E，地处福建省西南部，属亚热带季风气候，降雨量充沛，土壤抗蚀力差，年平均气温17.5～18.8 ℃，年平均降水量1 737 mm，年日照时数1 924.6 h.研究区地势东、西、北3面高，中、南部低，自北向南倾斜，地形破碎，以纵横交错、岭谷相间的低山为主.低山、丘陵占全县总面积的71.11%.县内土壤多为花岗岩发育而来的红壤，抗蚀性差，且人为破坏严重.1.2 研究资料研究采用的数据有实测、地形图、专题图、遥感影像4类数据.实测数据包括研究区13个气象站点2005-2013年的降雨数据；用于提取降雨侵蚀力因子.研究区1∶5万土壤类型图，用于提取土壤可蚀性因子.地形图数据为1∶1万地形图，用于提取坡度坡长因子.专题图数据为研究区1∶5万行政区划图和2013年1∶1万土地利用类型图，行政区划图用于确定研究区乡镇边界和研究结果的统计，土地利用类型图用于提取水保措施因子.遥感数据为2007，2010，2013年研究区2.5 m 分辨率的ALOS遥感影像，用于提取植被覆盖因子.RUSLE模型为A=R·K·L·S·C·P，其中：A表示水土流失的评估值；R表示降雨的侵蚀力测量值；K表示土壤的可蚀性评估值；LS表示地形影响的评估值；C表示植被作用的评估值；P表示水保措施作用的评估值.2.1 降雨侵蚀力因子RR因子是降雨对土壤分离和搬运作用的评价指标，是RUSLE模型中的主导因子，是降雨侵蚀力的定量测度值.根据研究区的实际情况，在前人研究的基础上[14-16]，提出针对研究区的R值新提取法.将每日降雨量划分成10个等级(一级为日雨量lt;20 mm，十级为日雨量≥100 mm，二至九级分别为日雨量20～30,30～40,…,90～100 mm)，并统计每月各等级降雨量之和.以各月降雨量之和为自变量,以经典法R=∑E·I60计算的月降雨侵蚀力为因变量，利用SPSS软件做多元回归分析，获取Coefficients，标准误差，tStat，P-value等相关参数，从而得到R值新简易算法,即式(1)中:Ri为第i月的降雨侵蚀力R值；χ1 表示一个月中日降雨量在13～20 mm 之间的总和；χ10表示日雨量大于100 mm的总和；χ2～χ9分别表示一个月中日降雨量在20～30,30～40,…,90～100 mm之间的总和.年降雨侵蚀力为各月R之和.经计算，模型的相关参数十分接近(如R2均在 0.87 以上)，其中，在以13 mm为日侵蚀性降雨标准下得到的回归模型各项参数均为最优(R2=0.877，Plt;0.05，达到显著水平)，这比周伏建等[15]提出的福建区简易模型(许多学者将其用于福建省长汀地区)的精度(R2≈0.69，相关系数r仅为0.828)有很大提高.2.2 土壤可蚀性因子KK因子反映土壤产生水土流失的敏感性和降水产生径流量与径流速率的大小.影响K值的因素很多，一般情况下，土壤类型不同产生的侵蚀率也不同.研究区的土壤主要有黄壤、红壤、水稻土和紫色土等，其中，水稻土多起源于红壤、黄壤和紫色土.为了更好地求取K值，文中根据吕喜玺等[17]研究的成果，结合研究区土壤的实际情况，对不同土壤类型进行赋值，得到不同土壤类型的K值，如表1所示.2.3 坡度坡长因子LSLS因子为水土流失的加速因子，用于定量测度地形特征对水土流失的作用.LS的计算关键在于坡度和坡长的提取.在大尺度区域上坡度坡长很难进行实测，因此,一般通过数字高程模型(DEM)进行提取.关于坡度，ArcGIS平台已有很成熟的工具可以进行提取.关于坡长，快速法与直接法[18-19]是现有文献中针对USLE和RUSLE 模型提出的两个较有代表性的研究成果，前者将每个点沿垂直方向到山脊线的水平距离作为近似该点的坡长，精度较低；后者将每个格网单元到汇流起点的最大累计水流长度作为该格网的坡长，比较贴近实际，精度较高.因此,应用ArcGIS平台提取坡度,直接法提取坡长,然后,选用陈明华等[20]针对福建省长汀县提出的LS公式.坡度坡长因子(L)为L=(τ/20)0.41，坡度因子(S)为S=(θ/10)0.78.2.4 植被覆盖因子C福建省长汀县降雨年内变化差异较大，呈很强的季节性，因此,仅凭单期遥感影像估算C值存在一定误差.为了尽量减小这种误差，C值的计算采用多期影像，并充分考虑降雨的年内分布，给予适当权重[18]，其计算公式为n.上式中：Pi,Ci分别为第i个时间段的降雨量和植被覆盖度因子C值；Cyear，Pyear分别为年降雨量和年植被覆盖度因子C值.实际在计算时，由于受到卫星成像条件限制，很难获得一年中多个时段的影.2.5 水保措施因子P根据福建省长汀县的农事活动和土地利用情况，参考研究成果[19-20]，得出一组较适合于研究区的P值：居民地为0，水体为0，高密度植被为0.20，耕地为0.45，低密度植被为0.5,以及建设用地为1.0.3.1 水土流失强度以上计算的各水土流失影响因子，由于数据源各不相同，所以得出的各因子图层存在空间尺度上的差异.为了进行RUSLE的水土流失侵蚀模数计算，首先，将各图层转换为统一坐标，以及重采样成统一像元大小；然后，将以上获取的6个因子图层进行叠加相乘，得到各个像元的英制单位水土流失量图；其次，将所得结果乘以系数224.2，进行单位转换，得到公制单位为t·(km2·a) -1的各像元年水土流失量图；最后，根据水利部批准的SL 190-2007《土壤侵蚀分级分类标准》进行分级统计，得到研究区水土流失强度分布图，如图1所示.3.2 水土流失风险由于RUSLE模型的计算结果是对区域水土流失的定量化评估，同时，考虑到RUSLE应用对象及其尺度的差异，对计算结果进行定性化分级，侵蚀模数分别为0～5，5～10，10～25，gt;25 t·hm2·a-1时，水土流失风险等级分别为很低，低，中，高.水土流失的风险等级分布图,如图2所示.反映研究区不同空间位置上未来水土流失发生的概率高低.通过对不同风险等级的坡度、植被覆盖度的统计分析研究区水土流失风险的分布规律.由图2可知：研究区发生大面积水土流失的风险性高，中、高级风险区面积巨大(达1 404.752 4 km2，占总面积比率0.453 1)，高级风险区占总面积比率0.279 0，而很低级风险区占的比率不及三分之一；水土流失中、高风险区主要位于中部、东南和东北部，其中,中部集中了过半高级风险区.河田、三洲是研究区水土流失风险性最大的乡镇，高级风险覆盖大半个乡镇(三洲几乎整个乡)，很低、低、中级风险区分布较少.同时，这两个乡镇也是水土流失最严重的区域，存在大面积强烈及以上的水土流失；濯田、涂坊、南山、策武、新桥是水土流失风险性次之的乡镇，以高级风险分布为主，且中度及以上流失面积较大；这些乡镇植被覆盖较低，土地开发、破坏大，是福建省长汀县水土流失风险性大的主要原因.4.1 坡度与水土流失风险性的关系坡度作为RUSLE的重要参数，是影响水土流失风险性高低的主要因子之一.当其他因子相对不变时，水土流失的风险性随着坡度的增加而上升.通过研究坡度与水土流失风险性的关系,可加强对水土流失机理的理解和对研究区水土流失风险性空间分布规律的分析,为后续的坡改梯、建排水沟、封山育林等水保措施的选择提供数据支持.为分析研究区不同坡度下的水土流失风险性情况，运用ARCINFO软件的空间分析功能，将坡度等级分布图与水土流失风险等级(η)图进行叠置分析，从而得到不同风险等级的各坡度区统计,如表2所示.由表2可知：研究区0°～35°坡度范围内属于水土流失高风险区域；中级风险区过半分布于20°～45°的坡度范围内；而很低、低级风险区则分布于50°以上的区域；4个等级的风险区在各个坡度区上都有或多或少的分布，呈现一种交叉镶嵌的复杂状态.因此，未来研究区水土流失的治理应以坡度在0°～45°区间的中、高水土流失风险区为主，同时，应适当关注其他区间的中、高风险地区.在其他因素相对不变的情况下，坡越陡，降雨产生的坡面径流越大，水土流失总动能也越大，从而在坡度越陡的地区产生水土流失的风险性也就越高.但从研究区坡度分布上看，水土流失风险性并没有随坡度等级的增加而显著增强：除了很低、低风险区主要分布于低、中坡度区外，高级风险区也主要分布于低、中坡度区(0°～35°)，而非高坡度区.这表明研究区水土流失的风险性因受其他因素的重要影响，使坡度对其影响的潜在规律不明显.4.2 植被覆盖度与水土流失风险性的关系分析针对研究区水土流失风险分布状况，将植被覆盖度进行分级统计，共分为5级，并计算整个研究区和不同风险等级的水土流失区中各植被覆盖等级所占的比率(δ)，如表3所示.由表3可知：研究区的居民地、建设用地、水域的植被覆盖度在0～0.2之间，其属于水土流失低风险区；在0～0.4植被覆盖度区间比低、中等级拥有较高的比例，该风险等级水土流失的其余区域，由于山林较多，植被保护较好，因此，植被覆盖度基本上都在60%以上，且大多在80%以上；低级水土流失区的植被覆盖度99%以上都集中在0.8～1.0区间，是植被覆盖度最好的水土流失风险等级，该区域也大多是山林地带，土地开发利用少，植被保护较好；中风险等级水土流失区的植被覆盖度99%以上，集中于0.6～1.0区间，且基本上集中于0.8～1.0区间，也是植被覆盖度非常好的区域，该区域也多处山林地带，植被保护较好，但由于地形陡峭的主要原因，使得风险等级较高；高风险等级水土流失区，是植被覆盖最差的流失区，60%以上的植被覆盖度不足58%，80%以上的不足14%，该区域是人类活动影响最强烈的地带，土地开发利用大，植被破坏严重，从而导致水土流失极易发生.整体而言，除了高风险等级水土流失区的不同植被覆盖度等级分布比较均匀外(平均植被覆盖度在0.6～0.7区间)，其余等级水土流失区的90%以上都集中于0.8～1.0的植被覆盖度区间(平均植被覆盖度都在80%以上).一般情况下，当其他因素相对不变时，植被覆盖度越高，水土流失的风险性越低，但上述分析可知，在很低、低、中3个风险等级区间中，影响水土流失风险性的主要因子除了植被之外，还受其他因子的重要影响，从而导致植被覆盖度与水土流失的一般规律性不明显；同时，高风险等级水土流失区植被覆盖度最差，而高风险区也是研究区水土流失最严重的区域，中度及以上的水土流失主要集中于此，故植被覆盖度是高风险等级水土流失区形成的极重要因素.福建省长汀县水土流失中、高风险区分布仍较多，未来防治任务依然艰巨.河田、三洲、策武等3乡镇存在较大面积的中、高水土流失风险区，濯田、涂坊、南山、大同及新桥等乡镇的中、高风险分布也较为突出.福建省长汀县水土流失风险呈现出一定的地域性特点，与植被覆盖度有较为严格的负相关关系，但与坡度无严格的正相关关系，且不同风险区形成的主导因素也存在一定的差异性.不合理的人类活动是造成研究区水土流失风险较高的主要原因，在提高植被覆盖度的同时尽量减少不合理的人类活动是研究区未来水土流失防治努力的方向，人类活动强度大的中、高风险区(如河流沿岸、道路两旁、坡耕地集中区、土地资源开采区、土地开发建设区以及居民地或建设用地周围的低植被覆盖区)是水土流失防治的重点目标.【相关文献】[1] MITRA B,SCOTT H D,DIXON J C,et al.Application of fuzzy logic to the prediction of soil erosion in a large watershed[J].Geoderma,1988,86(3/4):183-209.[2] 李秀霞,倪晋仁.土壤侵蚀及其影响因素空间相关性分析[J].地理科学进展,2009,28(3):161-162.[3] 汪东川,卢玉东.国外土壤侵蚀模型发展概述[J].中国水土保持科学,2004,2(2):35-40.[4] COOK M F.The natural and controlling variables of the water erosion process[J].Soil Science Society of America Journal,1936，1(C):60-64.[5] WISCHMEIER W H,SMITH D D.Predicting rainfall-erosion losses from cropland and east of the Rocky Mountains[M].Washington D C：US Department of Agriculture,1965:282-291.[6] 陈云明,刘国彬,郑粉莉,等.RUSLE侵蚀模型的应用及进展[J].水土保持研究,2004,11(4):80-83.DOI:10.3969/j.issn.1005-3409.2004.04.017.[7] RENARD K G,FOSTER R,WEESIES G A,et al.Predicting rainfall erosion by water: A guide to conservation planning with the revised universal soil loss equation (RUSLE)[J].USDA Agriculture Handbook,1997,703:1-367.[8] 卜兆宏,孙金庄,周伏建,等.水土流失定量遥感方法及其应用的研究[J].土壤学报,1997,34(3):235-245.DOI:10.3321/j.issn:0564-3929.1997.03.002.[9] 汤丽洁,舒畅.基于GIS和RS的巢湖流域水土流失评估[J].水土保持通报,2013,33(1):305-308.[10] 刘波,王培法,余江峰,等.基于GIS和RS的长清区南部山区水土流失研究[J].遥感信息,2009(6):15-19.DOI:10.3969/j.issn.1000-3177.2009.06.004.[11] 陈燕红,潘文斌,蔡芫镔.基于RS/GIS和RUSLE的流域土壤侵蚀定量研究: 以福建省吉溪流域为例[J].地质灾害与环境保护,2007,18(3):5-10.[12] 刘淼,胡远满,徐崇刚.基于GIS、RS和RUSLE的林区土壤侵蚀定量研究: 以大兴安岭呼中地区为例[J].水土保持研究,2004,11(3):21-24.[13] 周斌,杨柏林,洪业汤,等.基于GIS的岩溶地区水土流失遥感定量监测研究: 以贵州省(原)安顺市为例[J].矿物学报,2000(1):13-21.[14] 黄炎和,卢程隆,郑添发,等.闽东南降雨侵蚀力指标R值的研究[J].水土保持学报,1992,6(4):1-5.DOI:10.3321/j.issn:1009-2242.1992.04.004.[15] 周伏建,陈明华,林福兴,等.福建省天然降雨雨滴特征的研究[J].水土保持学报,1995,9(1):8-12.DOI:10.3321/j.issn:1009-2242.1995.01.001.[16] 周伏建,陈明华,林福兴,等.福建省降雨侵蚀力指标R值[J].水土保持学报,1995,9(1):13-18.DOI:10.3321/j.issn:1009-2242.1995.01.003.[17] 吕喜玺,沈荣明.土壤可蚀性因子K值的初步研究[J].水土保持学报,1992,6(1):63-70.DOI:10.3321/j.issn:1009-2242.1992.01.005.[18] 陈明华，周伏建，黄炎和，等.坡度和坡长对土壤侵蚀的影响[J].水土保持学报，1995,9(1)：31-36.DOI:10.3321/j.issn:1009-2242.1995.01.012.[19] 杨冉冉,徐涵秋,林娜,等.基于RUSLE的福建省长汀县河田盆地区土壤侵蚀定量研究[J].生态学报,2013,33(10):2974-2982.[20] 黄金良,洪华生,张珞平,等.基于GIS和USLE的九龙江流域土壤侵蚀量预测研究[J].水土保持学报,2004,18(5):75-79.DOI:10.3321/j.issn:1009-2242.2004.05.019.。
水土流失治理下长汀县河田镇及其周边地区植被变化分析
and 2021. Then the vegetation coverage was graded, and the change characteristics of vegetation coverage in Hetian
town in 19 years was quantitatively analyzed by using the landscape pattern index. The results show that: (1) the vegetation cover in Hetian town and its surrounding areas presents a gradual change trend from low vegetation cover to me-
第 33 卷第 2 期
2021 年 6 月
亚热带水土保持
Subtropical Soil and Water Conservation
Vol. 33 №2
Jun. 2021
水土流失治理下长汀县河田镇及其
周边地区植被变化分析
杨辰丛海
( 福建师范大学地理科学学院 福建 福州 350007)
摘 要 以长汀县河田镇及其周边地区为研究对象,基于混合像元分解模型法,获得 2002 年、2007 年、2014 年、
被低山丘陵所环绕,平均海拔高度约 390m
[11]
。 河田
镇原有地带性优势植被为常绿阔叶林,人为破坏后退
化为侵蚀劣地。 在封山育林、种植水保林草等综合治
· 10·
裸地及纯植被的 NDVI 阈值进行划分,分别取累计频
率为 0. 5% 及 99. 5% 作 为 纯 裸 地 及 纯 植 被 NDVI
211141470_基于Landsat遥感影像的水体动态监测——以宿州市、淮北市为例
空变化分布图
空变化分布图
由 统 计 可 得 2005 年、2013 年 和 2021 年 研 究 区 水 体 时空分布相对 2000 年分别增加了 133.151 km2、194.445 km2 和 229.030 km2，其中 2013—2021 年间水体时空分布 变化最大。为确定水域面积的时空扩张趋势，使用标准差椭 圆和平均中心工具对数据进行处理结果如图 5 所示。可知 各期水体的标准差椭圆的扁率均大于 0.45，说明水域分布 具有很强的方向性和聚集性，主要集中在淮北市的杜集区、 相山区、烈山区、萧县和宿州市的埇桥区；在 2000—2005 年间研究区内水域向西北方向扩张，2013—2021 年水域逐 渐向东扩张。
74
科技视界
Science & Technology Vision
Copyright©博看网. All Rights Reserved.
资源与环境 I
Resources and environment
息。在 ENVI5.3 工具中选择 Region of Interest （ROI） Tool，利用 New ROI-Add NewThreshold Rule 调整阈值， 经实验确定各时期最佳阈值（m）分别为 -0.2、0、-0.1、0。（3） 二值化。用决策树将提取到的水体和非水体区域进行二值 化处理，在波段运算中输入公式 b1 GT m，得到二值化图 像。（4）结果输出。利用 Majority Analysis 将变换核中 占主要地位的像元类别替换中心像元的类别，剔除小图斑， 输出各时期水体信息。（5）统计分析。利用 ArcGIS 统计 各时期的水体面积。
图3 2000—2021年水体时 空变化分布图
图4 各年份水域叠加 分布图
长汀县水土保持监测实践与探讨
，
３２ 中尺度流 域水 文监测 点 ． ２０ ０ ２年在河 田赤 岭 （ 江 上游 控 制 面 积 ７ ７ｍ２ 汀 工作。 为及 时 掌握全 县 水土流 失变 化趋 势 ， 科学 评 价水 土 流失 治理 成效 ， 为水 土保持 生 态环 境 建设 提供 科学 依 据 ，００年经 县机构 编制 委员 会办公 室批 准成 立 了 ２０ 长 汀县 水保 监测 站 ， 测全 县各 水 土流 失类 型 区的水 监 土 流失及 其 防治 情况 。本 文对 我 县 水 土保 持监 测 的 网点 布设 、 监测 内容 和技术 方 法进行探 讨 。
１ 监测 目标 对 全县 范 围 内水 土 流 失 状 况及 防 治情 况 进 行全 面监 测 ， 点对 各 项 目区 水 土 流失 治理 措 施 的 生 态 、 重
社 会 和经济 效益 进行 监测 评价 ， 布监 测成 果 并提 出 公 防 治建议 。 ２ 监 测原 则 为保证 监测成果 的科学性 和 系统 性 ， 监测 工作 应 遵循层次性 、 连续性 、 系统性及代表性原则 ， 即做到宏 观监 测和微 观 监 测 相结 合 ， 续定 位 观 测 、 期 性 普 连 周 查 和临 时性监 测相 结合 ， 应用 多学 科 如水 文 、 象 、 气 社 会经济相结合 ， 普查与典型调查 相结合 ， 科学地开展 监测 工作 。 ３ 监测点 布设 ３ １ 水 土保 持 监测 站 ． ２０ ００年成 立 县水保 监测 站 ， 县水 土保持 站合 署 与 办公 ， 负责遥感监测及常规监测数据 的观测采集、 分 析 汇总 ， 提交 年度 监测 报告 。
和濯 田曾坊 （ 江 流域 控 制 面 积 １８０ｋ ） 布设 １ 汀 ７ ｍ 各 个水 文控 制 点 ， 测 汀 江 河 径 流 泥 沙 的 动 态 变 化 趋 监 势。 ３ ３ 小 流域水 蚀控 制点 ． ２０ 及 ２０ ０２ ０３年分别 在朱溪 河 上游 游 屋圳 小 流 域 （ 重点治理区， 流域面积 ９５ｋ ２及高陂段小流域（ ． ｍ） 对 照， 流域 面积 ９０ｋ ２的 出 口断 面各 设 １ 水 蚀控 制 ． ｍ ） 个 站， 监测小 流域 范 围内坡面 及沟 道径 流 泥 沙 的动态 变 化 趋势 。 ３４ 水土流 失治 理效益 典型 监测 点 ． 以 ２０ ００年 以来 水 土保 持 项 目区为 重 点 ， 据 不 根 同水 土流 失 治 理 措施 设 立 ２ ｍ×２ ｍ 的 固定 监 测 样 ０ ０ 地及 径 流小 区 ， 至今 已设 立 固定 样 地 １８ ， 流观 １个 径 测小 区 ２ 个 ， 象观测 哨 １ ， 测 不 同年 度 各 治理 ９ 气 个 监 措施效益 （ 气候 变化 、 面 径 流 泥 沙 、 草 生 长 量 、 小 坡 林 生物 多样性 、 土壤 养分等 ） 。 ３ ５ 工 程侵蚀监 测点 ． ２０ 年 以来先 后在 河 田南 搬 铁路 边 坡 及 河 田下 ０３ 坑稀土矿 区各设有 １ 个侵蚀监测点 ， 应用沉沙池 、 标 桩法对 工程 扰动地 表 的土壤侵 蚀进 行调查 评 估 。 ４ 监测 内容 与方 法 ４ １ 监 测 内容 ． ４ １１ 水 土流失 面积 、 度 、 布及 土壤 侵蚀 量 。 ．． 强 分 ４ １２ 水土流失危害调查。①地力下 降情况 ； ．． ②水 库 、 床淤 积量 ； 损坏农 田数量 。 河 ③ ４ １３ 水 土 保持 措 施 数 量 、 量 及 实施 进 度 。① 封 ．． 质 禁治理 的面积 、 被类 型 、 长状况 等 ； 马 尾松 低效 植 生 ② 林改 造治理 的面 积 、 生长 状 况 等 ； 种 植 生 态 林 草 的 ③
基于遥感和PSR模型的水土流失区生态环境评价
基于遥感和PSR模型的水土流失区生态环境评价陈光【摘要】以2004年、2010年、2016年长汀县的遥感影像为数据源,探索长汀县生态环境质量时空分布规律,并采用PSR模型选取7个关键因子对长汀生态环境质量进行分级评价.研究表明:3期的长汀县生态环境质量等级均以较安全、理想安全为主,分别占了总面积的82.79％、90.24％、92.31％.2004～ 2016年等级为很不安全、不安全的区域从6.25％下降到1.35％,且向临界安全、较安全转化明显;等级为临界安全转为较安全的区域面积、较安全转化为理想安全的面积相对较大,分别为235.28 km2、317.83 km2.总体看来,长汀县水土流失治理效果显著.【期刊名称】《林业勘察设计》【年(卷),期】2017(037)004【总页数】5页(P10-14)【关键词】遥感;PSR模型;水土流失;生态评价【作者】陈光【作者单位】福建省林业勘察设计院,福建福州350002【正文语种】中文【中图分类】TP79;Q948水土流失导致生态环境质量下降的同时，也给人们的生产生活带来了严重的影响，因此，适时对水土流失区的生态环境进行监测显得尤为重要[1-2]。
目前，相关文献根据其研究目的不同，在生态环境评价指标的选取和体系的构建方面各有侧重，但针对水土流失区的生态环境质量评价研究较少。
徐涵秋[3]等基于遥感技术，选取绿度、湿度、干度、热度四大生态要素构建遥感生态指数对南方水土流失区进行生态变化评估。
王红岩[4]等基于RS和GIS技术，选取植被覆盖度、地形起伏度及土地利用类型三个因子对水土流失区的敏感性进行评价及动态监测。
可见，将遥感技术运用在水土流失区生态环境评价上，不但能够快速监测，节省人力与物力，还能对生态环境质量的时空变化进行研究。
压力—状态—响应(PSR，Pressure-State-Response)模型最早是由联合国经济合作组织(OECD)提出，其中，压力表征人类对生态环境的作用力；状态是指特定时间段生态环境的状态；响应是指对生态环境变化进行补救的措施。
基于遥感影像的福建省长汀县级植被覆盖变化监测及分析
driving factors of the vegetation cover change are analyzed based on the classification results. 【 Result】 The classification
摘要:【 目的】 通过长期遥感监测的方法,研究我国东南部降雨充沛、土壤易被侵蚀的红壤区县级植被覆盖变化
及其驱动因素。 【 方法】 以福建长汀县为研究区,借助 2013—2015 年高分辨率(1 ~ 1. 5 m) 的 Google Earth 影像和
2015 年 7 月实地调查数据结果为分类蓝本及先验知识,利用 1976—2014 年 8 期 Landsat MSS / TM 数据和专家分
easily. 【Method】 Taking Changting County of Fujian as the research area, with the help of Google Earth image of high
resolution (1-1. 5 m) from 2013 to 2015 and the result of field investigation in July 2015 for classified blueprint and prior
第 43 卷 第 3 期
2019 年 5 月
南京林业大学学报( 自然 科 学 版 )
Journal of Nanjing Forestry University ( Natural Sciences Edition)