基于因子算法组合优选的不同地理分区土壤水蚀估算方法技术

本发明专利技术涉及基于因子算法组合优选的不同地理分区土壤水蚀估算方法，在多源遥感数据支持下，通过RUSLE模型解构的五个因子和因子算法之间影响机制，选择多种经典算法，建立因子算法清单，将各因子算法相互排列组合，使用直接验证方法筛选最优算法组合，得到土壤水蚀模数，建立不同地理分区土壤水蚀模数时空分布。采用本发明专利技术方法能够通过水蚀模型优选实现大区域尺度的土壤水蚀模数估算，具有一定的普适性，弥补了其他大尺度土壤水蚀算法针对性不强、适用性较低的短板，大区域尺度土壤水蚀模拟能力提高对可持续农业促进和土地退化监测等可持续发展目标实现有着重要意义。等可持续发展目标实现有着重要意义。等可持续发展目标实现有着重要意义。

【技术实现步骤摘要】
基于因子算法组合优选的不同地理分区土壤水蚀估算方法


[0001]本专利技术涉及GIS和水土保持领域，具体涉及基于因子算法组合优选的不同地理分区土壤水蚀估算方法。

技术介绍

[0002]土壤侵蚀分为水蚀和风蚀。水蚀研究主要通过田间试验和模型模拟展开，田间试验是在自然或模拟降水条件下，利用原位观测或者核素示踪技术实现高精度模拟和溯源(张加琼等,2018)。水蚀模型分为以WEPP(Water Erosion Prediction Project)为代表的物理模型和以RUSLE(The Revised Universal Soil Loss Equation)为代表的经验模型(Ghosal and Bhattacharya,2020；Wang et al.,2019)。其中，田间试验成本高，无法估算大区域尺度土壤水蚀模数；经验模型具有数据获取相对简单、可操作性强的特点，适用于长时间大区域的土壤水蚀模拟(Xu et al.,2013)，尤其RUSLE模型在土壤水蚀研究中具有更广泛的应用(Ma et al.,2021)。
[0003]近年来，随着遥感技术在气象、植被和土地利用等方面应用成熟，大区域尺度土壤水蚀模拟也逐步展开。Borrelli等(2017)通过改进RUSLE模型，估算了2001
‑
2012年全球土壤水蚀模数，发现水蚀总量增加了2.5％；Borrelli等(2020)在此模型基础上通过情景模拟预测了未来土壤水蚀率，认为气候变暖会导致全球水蚀增加30
‑
66％。滕洪芬(2017)利用RUSLE模型估算了2003
‑
2014年全国土壤水蚀量，预测2050年我国东南地区土壤水蚀量会显著增加。Ma等(2021)利用文献荟萃发现1980s以来全球半干旱地区的水蚀增加了7.4％，干旱地区风蚀增加了3.2％。
[0004]在水蚀模型优化方面，当下研究通常针对模型中的单一因子进行优化，例如Naipal等(2015)根据美国的气候特征，建立了不同气候区域的降雨侵蚀力因子计算方法；Qin等(2016)通过优选空间插值方法，估算了中国降雨侵蚀力因子；张鹏宇等(2016)和王彬等(2012)在各自的研究区对比了不同土壤可蚀性因子计算方法。目前已报道的研究仅仅针对单一因子的适用性进行了优化，而并未发现各因子算法之间的相互作用，即改变其中某一因子的算法，可能影响另一种因子算法的计算效果。单因子优化和多因子组合的优化思路存在差异，单因子优化只需要证明该因子的优化方法更加适用于所在研究区域；而多因子组合优化需要理解其复杂的变化机理。尤其我国幅员辽阔，各个地理分区气候、地貌和农业活动等差异导致土壤水蚀驱动机制不同，RUSLE模型中各因子不存在适用于全国尺度的统一算法。

技术实现思路

[0005]本专利技术的目的在于提供一种基于因子算法组合优选的不同地理分区土壤水蚀估算方法，可以利用多源遥感数据产品模拟大区域尺度土壤水蚀时空分布。
[0006]为达成上述目的，本专利技术所采用的技术方案如下：
[0007]基于因子算法组合优选的不同地理分区土壤水蚀估算方法，包括：
[0008]获取降水、植被、地形、土壤和土地利用的遥感数据产品，建立多源遥感数据集；
[0009]对修正的水土流失通用模型(Revised Universal Soil Loss Equation，RUSLE)的五个结构因子降雨侵蚀力因子R、土壤可蚀性因子K、地形因子LS、植被覆盖管理因子C和水土保持措施因子P根据地理分区自然条件选取经典算法，建立各因子的算法清单；
[0010]利用多源遥感数据集结合不同因子算法的组合建立多个RUSLE模型，使用与土壤侵蚀直接相关的验证数据计算各模型精度，根据模型精度确定各地理分区的最优RUSLE模型对应的因子算法组合方式，得到不同地理分区最优算法组合，确定为对应地理分区最优土壤水蚀估算模型
[0011]作为一种优选的实施方式，对于大区域尺度研究，地形和土壤的遥感数据使用一期数据；降水数据时间分辨率不低于日值；植被数据时间分辨率不低于月值；土地利用数据时间分辨率不低于一年。大尺度研究中，地形和土壤的时间变化可以忽略，使用一期数据即可。
[0012]进一步的，在空间分辨率方面，各数据的投影坐标系、地理坐标系和空间分辨率需保持一致，以便于之后的计算。
[0013]作为一种优选的实施方式，对R、K、C三个因子根据地理分区自然条件选取经典算法，建立各因子的算法清单；对LS因子选用初始算法；对P因子根据土地利用方式赋值得到。进一步的，通过收集地理资料汇总不同地理分区的P因子赋值清单，根据应用次数最多的原则确定P因子值。
[0014]RUSLE模型是上世纪在美国开发得到，在世界各地应用推广时，其包含的各个因子在不同区域适用性存在差异，而且各个因子之间会相互影响，某些因子算法还涵盖了其他因子的影响在内，尤其是R、K和C三个因子，相互之间影响严重，因此主要针对R、K和C三个因子进行算法组合筛选。由于地形存在较高的通用性，LS因子目前大多研究还使用RUSLE模型中的初始算法。另外，P因子为水土保持措施因子，常规研究通过土地利用赋值得到，由于我国幅员辽阔，东北、华北、西北、华东、华中、华南和西南七大地理分区的耕作方式存在差异，因此通过文献整理，收集并汇总不同地理分区的P因子赋值清单，根据应用次数最多的原则确定P因子值。
[0015]作为一种优选的实施方式，所述验证数据选用水文监测站测量得到的输沙量以及输沙模数。验证数据需是直接观测数据，不能是模拟数据，尤其注意排除目前大尺度土壤侵蚀研究中的合理性判断或者间接验证方式，需排除的验证数据和方案包括但不限于：各类公开发布的土壤侵蚀模拟结果、径流泥沙模拟结果、土壤侵蚀等级图等。
[0016]作为一种优选的实施方式，验证方法以三级流域分区为基础。由于不同等级的流域分区与水文观测站点位置与控制流域面积的对应关系存在差异，故本研究仅在公开的三级流域分区的基础上进行验证。其次计算水文观测站点测量得到的输沙量与三级流域内计算出的土壤水蚀模数的总和的相关性作为组合优选的判断指标。因为土壤水蚀在观测站点尺度上最为直观的反应为年输沙量，因此利用年输沙量作为验证数据。
[0017]作为一种优选的实施方式，所述地理分区为东北、华北、西北、华东、华中、华南和西南七大地理分区。
[0018]作为一种优选的实施方式，所述方法还包括：根据获取的各地理分区最优土壤水蚀估算模型，建立各地理分区土壤水蚀模数时空分布格局
[0019]现有技术在使用RUSLE模型进行土壤水蚀计算时，对于不同的地理分区，通常是针对地理分区的特性对单个因子的计算方法进行优化，以单因子优化后的组合作为最优因子组合获取对应地理分区的土壤水蚀估算模型，而申请人在利用RUSLE模型进行土壤侵蚀研究时发现，可能由于各因子算法开发时包含其它因子信息，而且各因子之间存在相互影响(土壤侵蚀受到降水、植被、土壤、地形和土地利用等多种因子影响，各因子之间还存在相互本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于因子算法组合优选的不同地理分区土壤水蚀估算方法，其特征在于，包括：获取降水、植被、地形、土壤和土地利用的遥感数据产品，建立多源遥感数据集；对修正的水土流失通用模型RUSLE的五个结构因子降雨侵蚀力因子R、土壤可蚀性因子K、地形因子LS、植被覆盖管理因子C和水土保持措施因子P根据地理分区自然条件选取经典算法，建立各因子的算法清单；利用多源遥感数据集结合不同因子算法的组合建立多个RUSLE模型，使用与土壤侵蚀直接相关的验证数据计算各模型精度，根据模型精度确定各地理分区的最优RUSLE模型对应的因子算法组合方式，得到不同地理分区最优算法组合，确定为对应地理分区最优土壤水蚀估算模型。2.根据权利要求1所述的方法，其特征在于，对于大区域尺度研究，地形和土壤的遥感数据使用一期数据；降水数据时间分辨率不低于日值；植被数据时间分辨率不低于月值；土地利用数据时间分辨率不低于一年。3.根据权利要求1或2所述的方法，其特征在于，各数据的投影坐标系、地理坐标系和空间分辨率保持一致。4.根据权利要求1所述的方法，其特征在于，对R、K、C三个因子根据地理分区自然条件选取经典算法，建立各因子的算法清单；对LS因子选用...

【专利技术属性】
技术研发人员：熊俊峰，吴瀚逸，侯渲，郭佳炜，林晨，马荣华，
申请(专利权)人：中国科学院南京地理与湖泊研究所，
类型：发明
国别省市：