邢先雙, 董明明, 郭 靜, 孟 琳, 張 玉, 趙登良, 龐海威, 邊 振

(1.山東省水文中心, 山東 濟(jì)南 250002; 2.濰坊市水文中心, 山東 濰坊 266071; 3.濟(jì)南大學(xué) 水利與環(huán)境學(xué)院, 山東 濟(jì)南 250022)

土壤侵蝕對(duì)生態(tài)系統(tǒng)的影響日益引起人們的重視。長(zhǎng)期以來(lái)，對(duì)土壤侵蝕產(chǎn)生泥沙及泥沙運(yùn)移的定量研究一直是相關(guān)學(xué)者的研究重點(diǎn)[1]。遙感技術(shù)作為開(kāi)展大范圍、長(zhǎng)時(shí)間序列土壤侵蝕研究的重要技術(shù)手段，在中國(guó)土壤侵蝕研究中發(fā)揮了巨大作用[2]。

目前，中國(guó)水土流失遙感監(jiān)測(cè)方法主要有綜合評(píng)判法和中國(guó)土壤流失方程(CSLE， Chinese Soil Loss Equation)模型法[3]。CSLE充分考慮了中國(guó)的土壤流失特征，對(duì)模型中的各個(gè)變量都進(jìn)行了適合中國(guó)自然地理狀況的系統(tǒng)性研究[4]，因此，相比于美國(guó)通用土壤侵蝕模型(USLE, universal soil loss equation)[5]和修正后的美國(guó)通用土壤侵蝕模型(RUSLE, revised universal soil loss equation)[6]，CSLE更適用于中國(guó)的水土流失狀況的評(píng)估。近些年，隨著遙感技術(shù)、地理信息系統(tǒng)技術(shù)、全球定位系統(tǒng)技術(shù)的日漸成熟，ArcGIS 10.7平臺(tái)被廣泛應(yīng)用于土壤侵蝕因子的監(jiān)測(cè)，將土壤侵蝕模型與ArcGIS 10.7平臺(tái)結(jié)合的研究也越來(lái)越多。

利用多源遙感數(shù)據(jù)的優(yōu)勢(shì)，有助于解決長(zhǎng)時(shí)間序列內(nèi)高分辨率植被覆蓋信息獲取、提高土壤侵蝕因子監(jiān)測(cè)的準(zhǔn)確性[7]，解決了傳統(tǒng)水土流失動(dòng)態(tài)監(jiān)測(cè)主要采用中低分辨率遙感數(shù)據(jù)，其精度難以滿(mǎn)足當(dāng)前水土流失監(jiān)測(cè)與治理需要的問(wèn)題。本文在前人研究的基礎(chǔ)上，將無(wú)人機(jī)低空遙感數(shù)據(jù)融入模型計(jì)算中，對(duì)CSLE模型中的植被覆蓋與生物措施因子和地形地貌因子進(jìn)行參數(shù)優(yōu)化及精度檢驗(yàn)，并使用優(yōu)化后的模型與國(guó)家監(jiān)測(cè)的結(jié)果進(jìn)行擬合分析，驗(yàn)證優(yōu)化后模型的可行性，優(yōu)化模型方法對(duì)同類(lèi)或相似地區(qū)開(kāi)展水土流失動(dòng)態(tài)監(jiān)測(cè)和水土保持工作有重要的意義。

1 研究區(qū)概況

郝峪小流域位于山東省淄博市博山區(qū)池上鎮(zhèn)西池村(118°05′29″—118°08′06″E，36°19′52″—36°21′23″N)，屬小清河支流淄河上游源頭區(qū)，總面積14.4 km2，在全國(guó)水土保持區(qū)劃中屬于北方土石山區(qū)(北方山地丘陵區(qū))—泰沂及膠東山地丘陵區(qū)—魯中南低山丘陵土壤保持區(qū)。研究區(qū)海拔高度范圍在350～657 m之間，相對(duì)高差307 m，地勢(shì)東南高西北低，整體向西北傾斜。

研究區(qū)屬暖溫帶半濕潤(rùn)大陸性季風(fēng)氣候，多年平均降水量715.1 mm，最大降水量1 332.7 mm(1964年)，最小降水量331.7 mm(1989年)，年平均蒸發(fā)量為1 201.4 mm，多年平均氣溫12.7 ℃，最高氣溫42 ℃，最低氣溫-21.8 ℃；年平均日照時(shí)數(shù)2 607 h；主導(dǎo)風(fēng)向以南、西風(fēng)為主，平均風(fēng)速3.2 m/s。研究區(qū)上游頂部為片麻巖及黑云二長(zhǎng)混合花崗巖，左半流域?yàn)楦鞣N陰影混合巖，右半流域?yàn)楹谠菩遍L(zhǎng)石片麻巖，流域內(nèi)無(wú)斷層、裂隙漏水現(xiàn)象。由此母質(zhì)發(fā)育形成的土壤以褐土和棕壤為主。研究區(qū)植被覆蓋較好，喬木有刺槐、楊樹(shù)、側(cè)柏、花椒、板栗、桃樹(shù)、蘋(píng)果樹(shù)等，灌木黃荊、酸棗等，草本有黃草、白背草、刺猬皮等，植被覆蓋率達(dá)90%。

2 研究方法

2.1 數(shù)據(jù)的獲取與處理

(1) 遙感數(shù)據(jù)(2019年)。主要包括用于解譯土地利用的GF-1衛(wèi)星影像(分辨率2 m)；用于計(jì)算歸一化植被指數(shù)(NDVI)的Landsat系列影像(分辨率30 m)；用于對(duì)土地利用解譯核查、植被覆蓋度精確計(jì)算的研究區(qū)內(nèi)無(wú)人機(jī)航拍數(shù)據(jù)(優(yōu)于0.1 m)。遙感影像坐標(biāo)及投影標(biāo)準(zhǔn)：CGCS 2000國(guó)家大地坐標(biāo)系，1985國(guó)家高程基準(zhǔn)，投影方式為正軸等面積割圓錐投影(Albers投影)。

(2) 土地利用解譯與核查。土地利用解譯采用室內(nèi)人工目視解譯與野外調(diào)查相結(jié)合的方式進(jìn)行?；谒@取的高分辨率(優(yōu)于2 m)遙感數(shù)據(jù)，結(jié)合ArcGIS 10.7平臺(tái)對(duì)研究區(qū)土地利用類(lèi)型進(jìn)行目視解譯，結(jié)合航拍數(shù)據(jù)進(jìn)行修改、核查，確保解譯精度。解譯研究區(qū)2019年土地利用類(lèi)型總圖斑數(shù)為119個(gè)，野外調(diào)查圖斑數(shù)為15個(gè)，占總圖斑數(shù)的12.61%。土地利用圖斑的解譯屬性及邊界吻合正確率為95.97%。

(3) 水土流失數(shù)據(jù)。淄博郝峪小流域控制站2019年產(chǎn)流產(chǎn)沙資料與國(guó)家水土流失動(dòng)態(tài)監(jiān)測(cè)成果中研究區(qū)2019年土壤侵蝕模數(shù)與各因子?xùn)鸥駭?shù)據(jù)。

(4) DEM數(shù)據(jù)。在地理空間數(shù)據(jù)云網(wǎng)站(http:∥www.gscloud.cn/)獲取研究區(qū)30 m分辨率DEM數(shù)據(jù)，進(jìn)行檢查、裁剪、重采樣等處理，作為坡度、坡長(zhǎng)數(shù)據(jù)獲取以及水土保持措施解譯和土壤侵蝕綜合分析的基礎(chǔ)。在流域內(nèi)選取兩處調(diào)查樣區(qū)(圖1)，利用搭載多光譜相機(jī)的無(wú)人機(jī)獲取了樣區(qū)的DSM數(shù)據(jù)。

圖1 郝峪小流域無(wú)人機(jī)拍攝位置示意圖

2.2 土壤侵蝕模型CSLE計(jì)算方法

在《2019年度水土流失動(dòng)態(tài)監(jiān)測(cè)技術(shù)指南》的指導(dǎo)下，利用已獲取的研究區(qū)基礎(chǔ)數(shù)據(jù)，基于ArcGIS 10.7平臺(tái)，引入中國(guó)土壤侵蝕模型CSLE對(duì)研究區(qū)土壤侵蝕進(jìn)行測(cè)算，計(jì)算模型為：

A=R·K·L·S·B·E·T

(1)

式中：A表示土壤侵蝕模數(shù)〔t/(hm2·a)〕;R表示降雨侵蝕力因子〔(MJ·mm)/(hm2·h·a〕;K表示土壤可蝕性因子〔(t·h)/(MJ·mm)〕;LS表示坡長(zhǎng)坡度因子,無(wú)量綱;B表示植被覆蓋于生物措施因子,無(wú)量綱;E表示水土保持工程措施因子,無(wú)量綱;T表示耕作措施因子,無(wú)量綱。

2.2.1 地形地貌因子LS地形地貌因子包括坡長(zhǎng)因子和坡度因子，表征的是地形對(duì)坡面土壤侵蝕速率的控制程度。采用符素華等[8]提出的公式計(jì)算坡度、坡長(zhǎng)因子，計(jì)算公式分別為：

坡長(zhǎng)因子計(jì)算公式：

(2)

式中：λ為坡長(zhǎng)(m);m為坡長(zhǎng)指數(shù),隨坡度而變。

(3)

坡度因子計(jì)算公式：

(4)

式中：S為坡度因子(無(wú)量綱);θ為坡度(°)。

2.2.2 植被覆蓋與生物措施因子B植被蓋率指植物群落總體或各個(gè)體的地上部分的垂直投影面積與樣方面積之比的百分?jǐn)?shù)。一切形式的植被覆蓋，均可不同程度地抑制水土流失[9]?；贚andsat系列中分辨率多光譜影像(包括藍(lán)、綠、紅和近紅外4個(gè)波段)及無(wú)人機(jī)低空遙感數(shù)據(jù)，根據(jù)土地利用類(lèi)型，結(jié)合24個(gè)半月降雨侵蝕力因子比例計(jì)算B因子。園地、林地和草地采用公式計(jì)算，其余土地利用類(lèi)型直接查表1進(jìn)行賦值。

(1) 園地、林地B因子計(jì)算公式：

(5)

(6)

式中：WRi為第i個(gè)半月降雨侵蝕力占全年侵蝕力比例,取值范圍為0～1; SLRi為第i個(gè)半月園地、林地和草地的土壤流失比例,無(wú)量綱,取值范圍為0～1。

(2) 灌木林地SLRi計(jì)算公式：

(7)

(8)

(9)

式中：NDVI為歸一化植被指數(shù); NIR為近紅外波段的反射率;R為可見(jiàn)光紅波波段的反射率; FVC為基于NDVI計(jì)算的植被覆蓋度,取值范圍為0～1。

(3) 果園、有林地和其他林地SLRi計(jì)算公式：

SLRi=0.444 68×e-3.200 96×GD-

0.040 99×eFVC(1-GD)+0.025

(10)

2.2.3 其他因子(R，K，E，T因子) 為研究L，S，B因子優(yōu)化后對(duì)模型計(jì)算結(jié)果的影響，本研究的R，K，E，T因子與國(guó)家水土流失動(dòng)態(tài)監(jiān)測(cè)成果中的柵格數(shù)據(jù)保持一致，利用研究區(qū)邊界裁剪后代入公式進(jìn)行計(jì)算。

2.3 模型評(píng)價(jià)方法

為使CSLE模型更適合魯中山區(qū)實(shí)際情況，本研究從提高原始數(shù)據(jù)空間分辨率角度，利用無(wú)人機(jī)正射影像與傾斜攝影技術(shù)，對(duì)模型中的地形地貌因子和植被覆蓋與生物措施因子進(jìn)行了參數(shù)優(yōu)化，并進(jìn)行優(yōu)化精度驗(yàn)證。采用的因子優(yōu)化及驗(yàn)證方法為： ①擬合優(yōu)度統(tǒng)計(jì)分析?；赟PSS分析平臺(tái)，使用相關(guān)性分析工具，確定兩組數(shù)據(jù)擬合曲線(xiàn)，并得出擬合優(yōu)度的統(tǒng)計(jì)量：確定系數(shù)R2。R2衡量的是回歸方程整體的擬合程度，表達(dá)的是變量之間的總體關(guān)系其取值范圍為：0～1，越接近1說(shuō)明模型的效率越高[10]。本研究使用該方法對(duì)CSLE模型中的植被覆蓋度進(jìn)行了擬合分析，優(yōu)化了模型中的植被覆蓋與生物措施因子。 ②直方圖匹配規(guī)則。在本研究所選取數(shù)據(jù)的時(shí)間內(nèi)，流域的地形地貌可以認(rèn)為是不變的，因此可以使用直方圖匹配方法對(duì)CSLE模型中參數(shù)地形地貌因子(LS)優(yōu)化結(jié)果進(jìn)行評(píng)價(jià)。直方圖指的是LS因子分布中每一因子值與其出現(xiàn)頻數(shù)的統(tǒng)計(jì)關(guān)系，用橫坐標(biāo)表示研究區(qū)的LS因子值，縱坐標(biāo)表示頻數(shù)。

對(duì)于像地形地貌因子這樣客觀(guān)不變的參數(shù)，其因子值的統(tǒng)計(jì)分布差異是由于研究人員所選取的研究方法導(dǎo)致。相關(guān)研究表明，基于不同分辨率的地形數(shù)據(jù)所提取的LS因子分布差異較大，地形數(shù)據(jù)的空間分辨率越高，LS因子值越精確[11]。在此研究基礎(chǔ)上，通過(guò)無(wú)人機(jī)航攝獲取的高程數(shù)據(jù)提取的高分辨率地形地貌因子LShigh可對(duì)基于30 m分辨率DEM數(shù)據(jù)提取的LSmedium進(jìn)行修正。

表1 非園地、林地、草地的B因子賦值

基于ArcGIS 10.7平臺(tái)，提取LShigh和LSmedium的因子值累計(jì)頻率，根據(jù)直方圖匹配規(guī)則，即從累計(jì)頻率曲線(xiàn)中指定任意因子值LSh，查看其對(duì)應(yīng)的LShigh的累計(jì)頻率，然后查看LSmedium中對(duì)應(yīng)頻率值的因子值LSm，當(dāng)無(wú)法得到對(duì)應(yīng)的頻率值時(shí)，使用差分法計(jì)算得到LSm。用LSh替換修正LSm，即可得到修正后的，LSmedium修正，并得到參數(shù)修正的擬合曲線(xiàn)。通過(guò)對(duì)比分析尺度轉(zhuǎn)換前后的LS因子值頻率曲線(xiàn)的直方圖相似度(HS)，間接驗(yàn)證尺度轉(zhuǎn)換模型的精度。用兩組數(shù)據(jù)的累計(jì)頻率直方圖面積差相對(duì)指數(shù)表示直方圖相似度，其計(jì)算公式為：

(11)

式中：Shigh表示LShigh的累計(jì)頻率分布曲線(xiàn)面積；Smedium表示LSmedium的累計(jì)頻率分布曲線(xiàn)的面積,可以通過(guò)微積分算得。HS值域?yàn)閇0,1],HS值越接近1,兩組數(shù)據(jù)的相似度越高。

3 結(jié)果與分析

3.1 土壤侵蝕模型因子的計(jì)算與優(yōu)化結(jié)果

3.1.1 地形地貌因子 為提高山東省水土保持動(dòng)態(tài)監(jiān)測(cè)項(xiàng)目中的模型計(jì)算精度，本研究以具有完整水文資料的魯中山區(qū)淄博市郝峪小流域?yàn)檠芯繀^(qū)，利用ASTER GDEM數(shù)據(jù)(空間分辨率30 m)，結(jié)合ArcGIS 10.7平臺(tái)中的水文分析工具提取并計(jì)算得出基于中分辨率數(shù)據(jù)的研究區(qū)地形地貌因子并重采樣為10 m分辨率，記為L(zhǎng)Smedium。利用無(wú)人機(jī)對(duì)研究區(qū)中兩個(gè)有代表性地形的區(qū)域進(jìn)行傾斜攝影，提取DSM數(shù)據(jù)(空間分辨率優(yōu)于0.1 m)(圖2)。通過(guò)點(diǎn)云數(shù)據(jù)濾波處理，獲取地面點(diǎn)后編輯得到的DSM消除了樹(shù)木和建筑對(duì)地形的影響，可作為高分辨率的DEM數(shù)據(jù)。相同方法計(jì)算LS因子并重采樣為10 m分辨率，得出高分辨率數(shù)據(jù)的地形地貌因子LShigh。

在無(wú)人機(jī)傾斜攝影區(qū)域選取100個(gè)像元，利用ArcGIS 10.7工具將整個(gè)研究區(qū)及選取的100個(gè)像元的坡度進(jìn)行分級(jí)，結(jié)合耕地和園林草的坡度分級(jí)將坡度分為8組(表2)。從表2可以看出，研究區(qū)和所選的100個(gè)像元坡度都以 8°～15°和15°～25°為主，坡度在0°～2°和>35°時(shí)最少。同樣，將整個(gè)研究區(qū)和選取的100個(gè)像元的LS因子分成8組(表3)。從表3可以看出，研究區(qū)和所選的100個(gè)像元中LS因子值都以10～20，20～30為主，LS值在70～80時(shí)最少。由此可以說(shuō)明所選取的100個(gè)像元值具有代表性，可進(jìn)行尺度轉(zhuǎn)換。

表2 研究區(qū)及所選數(shù)據(jù)坡度的像元數(shù)目分布

圖2 地理空間數(shù)據(jù)云提取的DEM以及無(wú)人機(jī)遙感影像提取的DSM數(shù)據(jù)

表3 研究區(qū)及所選數(shù)據(jù)LS因子的像元數(shù)目分布

將提取LSmedium和LShigh值進(jìn)行相關(guān)曲線(xiàn)繪制，建立中分辨率與高分辨率地形地貌因子的尺度轉(zhuǎn)換公式，使用該公式對(duì)整個(gè)項(xiàng)目區(qū)LS因子進(jìn)行修正，得到修正的研究區(qū)LSmedium修正。

(12)

利用直方圖匹配規(guī)則，設(shè)置修正步長(zhǎng)選取為0.1，繪制LSmedium和LSmedium修正曲線(xiàn)(圖3)。

尺度轉(zhuǎn)換前后，通過(guò)LS的分布頻率和累計(jì)分布頻率圖(圖3)分析表明，LSmedium經(jīng)過(guò)尺度轉(zhuǎn)換后生成的LSmedium修正頻率曲線(xiàn)與LShigh比較接近，這表明兩組數(shù)據(jù)的統(tǒng)計(jì)分布非常相似，研究區(qū)在LS因子值小于30的區(qū)域，LS因子值呈現(xiàn)錯(cuò)位分布，研究區(qū)大于30的區(qū)域，二者分布幾乎重合，這說(shuō)明LS因子尺度轉(zhuǎn)換模型有一定效果。

圖3 研究區(qū)LS因子尺度轉(zhuǎn)換前后頻率及累計(jì)頻率分布

經(jīng)計(jì)算，尺度轉(zhuǎn)換后的LS因子值頻率曲線(xiàn)相似度為0.91，這表明兩組因子值的相似度較高，尺度轉(zhuǎn)換后的LS因子可以用來(lái)計(jì)算研究區(qū)的土壤侵蝕。選取無(wú)人機(jī)傾斜攝影范圍內(nèi)不同高程梯度共30個(gè)像元的LSmedium修正值與無(wú)人機(jī)傾斜攝影提取的DSM數(shù)據(jù)進(jìn)行擬合分析，線(xiàn)性相關(guān)曲線(xiàn)R2為0.697 1。進(jìn)一步運(yùn)用統(tǒng)計(jì)分布和直方圖相似度進(jìn)行精度驗(yàn)證。統(tǒng)計(jì)分布是指統(tǒng)計(jì)分析LS因子轉(zhuǎn)換前后的平均值、標(biāo)準(zhǔn)差、最大值和最小值以及頻率和累計(jì)頻率曲線(xiàn)圖。LShigh和LSmedium以及LSmedium修正的頻率曲線(xiàn)圖(圖3)表明，LSmedium頻率曲線(xiàn)峰值較小，且峰值附近頻率高，數(shù)據(jù)較集中于12～25之間。LShigh和LSmedium修正頻率曲線(xiàn)特征相似，峰值較LSmedium有所增大，且數(shù)值分布更加均勻。統(tǒng)計(jì)結(jié)果(表4)表明，修正后的LSmedium修正平均值、標(biāo)準(zhǔn)差相較LSmedium與LShigh更加接近，LSmedium修正整體較中分辨率的LSmedium增大4.6%，標(biāo)準(zhǔn)差較LSmedium增大8.5%。以上頻率特征的差異主要是由于中分辨率DEM數(shù)據(jù)由于空間分辨率較低，局部高程差異被消除，高程變化趨于平滑，高程變幅也有所減小，導(dǎo)致坡度、坡長(zhǎng)因子值和空間變幅整體小于實(shí)際數(shù)據(jù)。而無(wú)人機(jī)DSM數(shù)據(jù)由于空間分辨率有較大提高，能較精確的反映細(xì)微的地形差異，因此基于無(wú)人機(jī)的DSM計(jì)算的LS因子LShigh和修正后的LSmedium修正能夠更準(zhǔn)確地反映實(shí)際地形地貌信息，其精度較LSmedium有所提高。

表4 尺度轉(zhuǎn)換前后LS因子值統(tǒng)計(jì)結(jié)果

3.1.2 植被覆蓋因子與生物措施因子 基于不同分辨率的遙感數(shù)據(jù)提取的植被覆蓋度會(huì)有較大的差異，相較于Landsat系列衛(wèi)星影像，搭載多光譜相機(jī)的無(wú)人機(jī)平臺(tái)可以提取更為精確的植被覆蓋數(shù)據(jù)。但是后者的耗時(shí)較大，成本較高，所以本研究于植物充分生長(zhǎng)且云量相對(duì)較少的9月，在研究區(qū)選取兩個(gè)樣地進(jìn)行無(wú)人機(jī)影像采集，經(jīng)處理計(jì)算后生成分辨率為0.1 m的無(wú)人機(jī)正射影像。

基于Landsat影像提取的24期植被覆蓋度柵格數(shù)據(jù)中有兩期與無(wú)人機(jī)正射影像的時(shí)相接近。使用柵格計(jì)算器對(duì)兩期植被覆蓋度柵格數(shù)據(jù)求均值并重采樣后得到分辨率為10 m的中分辨率覆蓋度柵格數(shù)據(jù)FVCmedium。使用Creat Fishnet工具創(chuàng)建與FVCmedium像元邊界完全重合的解譯網(wǎng)格(大小為10 m×10 m)。使用Zonal工具分區(qū)統(tǒng)計(jì)各10 m×10 m網(wǎng)格內(nèi)植被覆蓋度，得到10 m分辨率高精度植被覆蓋度柵格數(shù)據(jù) FVCUVA?；诓蓸涌臻g分布均勻和各土地利用類(lèi)型柵格數(shù)占柵格總數(shù)比例一致的原則，選取1 000個(gè)采樣點(diǎn)，使用ArcGIS 10.7中Sample工具提取FVCUVA及對(duì)應(yīng)的FVCmedium像元值，共采集1 000個(gè)數(shù)值對(duì)。各土地利用類(lèi)型采樣點(diǎn)選取情況詳見(jiàn)表5。

表5 各土地利用類(lèi)型柵格數(shù)據(jù)采樣比例

對(duì)兩組柵格數(shù)據(jù)進(jìn)行擬合分析，不同函數(shù)關(guān)系下的相關(guān)系數(shù)(表6)表明，F(xiàn)VCUVA和 FVCmedium呈現(xiàn)較好的相關(guān)性，各類(lèi)函數(shù)的R2范圍在0.565 2～0.686 8之間，選擇R2最大的冪函數(shù)作為植被覆蓋度的尺度轉(zhuǎn)換模型，其表達(dá)式為：

(13)

式中：FVChigh為FVCUVA與FVCmedium最優(yōu)擬合方程計(jì)算后的優(yōu)化后植被覆蓋度柵格數(shù)據(jù),FVCmedium為同時(shí)相中分辨率影像計(jì)算的植被覆蓋度。

FVChigh和FVCmedium的冪函數(shù)關(guān)系分布散點(diǎn)圖如圖4所示。

表6 FVChigh和FVCmedium擬合分析

圖4 FVChigh和FVCmedium柵格數(shù)值分布

利用上文公式對(duì)基于中分辨率的FVC進(jìn)行修正，得到研究區(qū)高分辨率植被覆蓋度FVChigh。在無(wú)人機(jī)拍攝區(qū)域有林地和果園根據(jù)覆蓋度梯度抽取100個(gè)像元進(jìn)行修正后植被覆蓋度與正射影像覆蓋度FVCUVA擬合分析(圖5)，R2為0.718 7，表明優(yōu)化后的植被覆蓋度FVChigh更接近實(shí)際植被覆蓋度。

3.2 基于多源遙感的水土流失監(jiān)測(cè)結(jié)果與分析

利用ArcGIS 10.7平臺(tái)將郝峪小流域的土壤侵蝕數(shù)據(jù)從山東省土壤侵蝕數(shù)據(jù)提取出，再通過(guò)優(yōu)化后的模型計(jì)算出郝峪小流域的土壤侵蝕強(qiáng)度，結(jié)合《2019年度水土流失動(dòng)態(tài)監(jiān)測(cè)技術(shù)指南》中對(duì)土壤侵蝕量的分級(jí)標(biāo)準(zhǔn)，利用重分類(lèi)工具進(jìn)行侵蝕強(qiáng)度分級(jí)(圖6)。

圖5 郝峪小流域FVChigh和FVCUVA擬合分析

圖6 郝峪小流域原侵蝕強(qiáng)度和優(yōu)化后侵蝕強(qiáng)度等級(jí)分布

利用ArcGIS 10.7平臺(tái)的分區(qū)統(tǒng)計(jì)工具對(duì)國(guó)家監(jiān)測(cè)和優(yōu)化后的的土壤侵蝕強(qiáng)度進(jìn)行面積統(tǒng)計(jì)，結(jié)果詳見(jiàn)表7。從表7可以看出，優(yōu)化LS因子和B因子后的模型計(jì)算所得水土流失面積較國(guó)家監(jiān)測(cè)的水土流失面積增加0.85 km2，且全部為輕度侵蝕。為更好地驗(yàn)證優(yōu)化后模型的可行性，隨機(jī)從國(guó)家監(jiān)測(cè)的土壤侵蝕數(shù)據(jù)和優(yōu)化模型后的土壤侵蝕數(shù)據(jù)中提取100組數(shù)據(jù)進(jìn)行擬合分析(圖7)，R2為0.700 3，說(shuō)明優(yōu)化后的土壤侵蝕數(shù)據(jù)與國(guó)家監(jiān)測(cè)的土壤侵蝕數(shù)據(jù)具有良好的相關(guān)性，同時(shí)又存在一定差異。由線(xiàn)性擬合方程可知，優(yōu)化模型因子后，侵蝕模數(shù)變化范圍有所減小，優(yōu)化模型因子后的土壤侵蝕模數(shù)計(jì)算結(jié)果，在較小值區(qū)域大于國(guó)家監(jiān)測(cè)數(shù)據(jù)，即國(guó)家監(jiān)測(cè)成果中侵蝕模數(shù)小于947.53 t/(hm2·a)的區(qū)域經(jīng)優(yōu)化計(jì)算后，數(shù)值有所增大；反之在侵蝕模數(shù)值較大區(qū)域，優(yōu)化計(jì)算結(jié)果小于國(guó)家監(jiān)測(cè)成果。

表7 國(guó)家監(jiān)測(cè)數(shù)據(jù)與優(yōu)化模型后土壤侵蝕強(qiáng)度面積分析

魯中山區(qū)中度及以上侵蝕主要發(fā)生在灌木林地和旱地。原始數(shù)據(jù)空間分辨率的提高，使植被覆蓋度較中分辨率數(shù)據(jù)計(jì)算結(jié)果有所增大，減小B因子值；而地形因子計(jì)算中能夠更好地識(shí)別梯田區(qū)域從而減小LS因子值。輕度和微度侵蝕主要發(fā)生在有林地，為植被覆蓋度較高區(qū)域，優(yōu)化后的B因子有所增大，導(dǎo)致侵蝕模數(shù)和輕度侵蝕強(qiáng)度面積的增加。同時(shí)由于微度和輕度侵蝕面積(合計(jì)14.41 km2)占研究區(qū)總面積(14.44 km2)的99.79%，因此微度和輕度侵蝕間相互轉(zhuǎn)移的概率最大，且侵蝕模數(shù)在某一閾值范圍內(nèi)，對(duì)應(yīng)的侵蝕強(qiáng)度不會(huì)發(fā)生變化，由實(shí)際計(jì)算結(jié)果統(tǒng)計(jì)可知，中度及以上侵蝕區(qū)域內(nèi)的土壤侵蝕模數(shù)有所變化，但侵蝕強(qiáng)度未發(fā)生變化。

經(jīng)過(guò)現(xiàn)場(chǎng)調(diào)查發(fā)現(xiàn)，研究區(qū)近年來(lái)旅游業(yè)發(fā)展和生態(tài)建設(shè)效果良好，不同坡面、坡度與土地利用類(lèi)型區(qū)水土流失狀況差異不大，與優(yōu)化后變化特征一致，但仍缺乏定量資料，驗(yàn)證優(yōu)化后模型的計(jì)算精度。

圖7 優(yōu)化模型后的數(shù)據(jù)與國(guó)家監(jiān)測(cè)數(shù)據(jù)的相關(guān)分析

4 結(jié) 論

(1) 本研究基于多元遙感數(shù)據(jù)，通過(guò)無(wú)人機(jī)高分辨率影像與中分辨率數(shù)據(jù)的擬合分析與精度驗(yàn)證，從空間分辨率的提高方面，提高了DEM和FVC解譯精度。利用直方圖匹配規(guī)則，實(shí)現(xiàn)了LS因子的尺度轉(zhuǎn)換，驗(yàn)證結(jié)果表明，LS因子頻率曲線(xiàn)相似度為0.91，可以進(jìn)行研究區(qū)的土壤侵蝕模型計(jì)算。對(duì)多源遙感數(shù)據(jù)植被覆蓋度提取的尺度轉(zhuǎn)換進(jìn)行了探討，得出R2為0.686 8的冪函數(shù)轉(zhuǎn)換模型。

(2) 對(duì)CSLE模型中因子進(jìn)行優(yōu)化的基礎(chǔ)上計(jì)算了研究區(qū)土壤侵蝕強(qiáng)度，并與該區(qū)域國(guó)家監(jiān)測(cè)土壤侵蝕數(shù)據(jù)進(jìn)行了對(duì)比分析。結(jié)果表明，優(yōu)化模型因子后的研究區(qū)侵蝕模數(shù)空間異質(zhì)性有所減小，輕度侵蝕面積有所增加，中度及以上侵蝕面積未變化，但侵蝕模數(shù)總體減小，這與LS因子和B因子優(yōu)化后數(shù)值變化特征一致，說(shuō)明模型因子的優(yōu)化對(duì)監(jiān)測(cè)結(jié)果具有顯著影響，但對(duì)侵蝕模數(shù)計(jì)算精度的提高是否具有顯著作用，仍需從土壤侵蝕機(jī)理上結(jié)合進(jìn)一步試驗(yàn)研究加以驗(yàn)證。

(3) 不同空間分辨率的遙感數(shù)據(jù)源對(duì)土壤侵蝕的各因子計(jì)算均會(huì)造成一定的影響，優(yōu)化后的LS因子和B因子更加接近無(wú)人機(jī)DSM數(shù)據(jù)處理的LS值和正射影像下的植被覆蓋情況，即以上因子精度均有所提高，繼而有助于提高模型計(jì)算結(jié)果精度，使得基于優(yōu)化后因子計(jì)算的土壤侵蝕模數(shù)更符合當(dāng)?shù)貙?shí)際情況。但本研究目前僅對(duì)地形地貌因子以及植被覆蓋與生物措施因子進(jìn)行了尺度轉(zhuǎn)換和精度提升，對(duì)其他因子如何利用高分辨率數(shù)據(jù)源進(jìn)行優(yōu)化，并提高土壤侵蝕模型計(jì)算精度仍需進(jìn)一步探討。