当前位置: 首页 > news >正文

【案例教程】基于RWEQ模型的土壤风蚀模数估算及其变化归因分析实践技术

 土壤风蚀是一个全球性的环境问题。中国是世界上受土壤风蚀危害最严重的国家之一,土壤风蚀是中国干旱、半干旱及部分湿润地区土地荒漠化的首要过程。中国风蚀荒漠化面积达160.74×104km2,占国土总面积的16.7%,严重影响这些地区的资源开发和社会经济持续稳定发展。自20世纪80年代以来,土壤风蚀作为沙漠化的首要环节而得到前所未有的重视,相继开展了大量的实验研究工作,揭示了各种因素对风蚀过程的影响,尤其是人为因素对风蚀的加剧作用,并提出了不同地区的风蚀防治措施。中国西部山区生态脆弱,水土流失现象较为严重,威胁着国家的生态安全,当地风蚀模数的估算工作对维护其生态环境可持续发展具有一定意义。

         土壤侵蚀模型的构建能够更好地探寻侵蚀的原因,以便对土壤侵蚀进行一系列预测工作,减轻其对生态环境的影响。由于侵蚀过程较为复杂,因此建模需要充分考虑各项因素,例如气象、水文、地质环境、土壤条件等。修正的土壤风蚀方程(revised wind erosion equation,RWEQ)被广泛应用于土壤风蚀预报。该模型由美国农业部(USDA)农业研究服务(Agricultural Research Service)组织开发,它是一个基于过程模拟的经验性模型。RWEQ模型能够成功模拟田间管理措施、不同作物轮作对风蚀量的影响。

本内容将结合案例讲解RWEQ模型的运行及相关的归因分析。先介绍RWEQ模型的基本原理及数据需求,再介绍ArcGIS基本功能,结合案例讲解RWEQ模型中区域地理空间数据库构建的方法和各个参量提取的原理与方法,最后结合三江源地区应用典型案例进行综合讲解风蚀模数估算、制图及归因分析

【原文链接】:基于RWEQ模型的土壤风蚀模数估算及其变化归因分析实践技术https://mp.weixin.qq.com/s?__biz=MzU5NTkyMzcxNw==&mid=2247534111&idx=4&sn=3223f93e963bd348ad7f9138c8ea1823&chksm=fe688075c91f0963417550b7ad11e80685d0bd4a9a9bc2963dfc5628368d8bebd08f8714e1c6&token=1245295760&lang=zh_CN#rd



【方式】:视频教程+支持永久回看+答疑群长期辅助+全套课件资料

【内容介绍】:

第一章、理论基础 :

1、土壤侵蚀的基本原理

  • 土壤侵蚀:在水力、风力、冻融、重力等外营力作用下,土壤、土壤母质被破坏、剥蚀、转运和沉积的全部过程。
  • 土壤侵蚀的分类:水力侵蚀、重力侵蚀、冻融侵蚀和风力侵蚀等。
  • 土壤侵蚀的危害及原因:中国山地丘陵面积广,地形起伏大,地面组成物质疏松深厚,降雨强度大,垦殖历史久,植被覆盖率低等,都是引起土壤侵蚀的重要因素。多种因素的不同组合,决定着土壤侵蚀的类型、程度、区域分布以及潜在危险的大小等。

2、土壤风蚀模型

  • 土壤风蚀发生的机理
  • 土壤风蚀的影响因子:1)风速;2)地表土壤物理特性;3)地表覆盖及粗糙度状况.
  • 土壤风蚀评估模型:
  • 风蚀方程模型(Wind Erosion Equation, WEQ)
  • 风蚀方程模型(WEQ)由Woodruff和Siddoway在1965年提出,旨在分析田间地表情况和田间管理措施对侵蚀速率的影响,进而有效防治农田的风力侵蚀。WEQ用于预报美国的农田的年风蚀量(kg/ha-1)。
  • WEQ 是第一个用于估算田间年风蚀量的模型,其中包含5组11个变量:气候因子、土壤可蚀性、土壤表面粗糙度、田块长度、以及作物残留物。其中土壤可蚀性与气候因子是最重要的因变量。
  • WEQ可用下式表示:E=f(I,K,C,L,V)
  • 其中,E为年风蚀量( t / acre, 1 acre= 4046 .86m2) ; f为函数关系;Ⅰ为土壤可蚀性( t / acre) ; K为土壤糙度因子; C为气候因子; L为田块裸露长度( ft, 1 ft =30 .48 cm); V为植被因子。
  • 修正风蚀方程模型(Revised Wind Erosion Equation, RWEQ)

修正的风蚀方程 (revised wind erosion equation, RWEQ)是一种以较高时空分辨率对区域土壤风蚀状况进行长时间序列估算, 从而有效预测风蚀量的模型, 可以为土地沙化防治提供依据 。

第二章:

1、ArcGIS软件介绍及安装、常用功能介绍 

  • ArcGIS版本介绍,安装;
  • ArcGIS软件界面,常用功能介绍;
  • ArcGIS工作空间环境设置

2、ArcGIS空间分析与制图 

  • ArcGIS如何定义坐标系
  • ArcGIS空间分析

ArcGIS软件的空间分析工具箱中,提供了大量的栅格数据处理工具,其中对栅格数据进行平滑处理的工具在去除图像上的椒盐噪音的处理中有非常重要的作用 

  1. 提取分析:按属性或空间位置提取、按像元值提取;
  2. 地图代数地图代数语言规则
  3. 局部分析:栅格数据叠合分析、像元统计分级、频数取值
  4. 邻域分析:邻域形状、邻域统计类型、点统计;
  5. 区域分析:分区几何统计、分区统计、面积制表、区域直方图
  6. 插值分析:反距离权重法、自然邻域法、趋势面法、样条函数法、克里金法;
  7. 采样与重采样:渔网分析、随机点采样、重分类、查找表等;
  •  ArcGIS版面设计 
  1. ArcGIS基础地图服务使用:配置地图服务器;在线地图添加与使用
  2. 地图、鹰眼图、范围指示器、格网、表格、图表等的制作与设计。
  3. 过去踩过的那些坑—常见错误和使用注意事项等

第三章:RWEQ模型数据支持

  • 矢量数据的获取与预处理
  1. 矢量数据的认识
  2. 矢量数据创建、转换、编辑
  • 栅格数据的获取与预处理
  1. 栅格数据的认识
  2. 栅格数据的输入、输出及转换
  3. 空间分辨率的认识
  4. 栅格数据重采样
  •  基于Python的文本数据的获取与处理
  1. Python开发环境搭建
  2. Python代码库的安装与讲解
  3. 对*.txt文件进行读写操作
  4. 数据的合并
  5. 文本数据转栅格
  6. 栅格数据转文本
  7. 一维矩阵的转换
  8. 批量数据投影定义与转换
  • NetCDF数据的获取与处理
  1. NC数据的认识与读取
  2. ArcGIS模型构建器的组成
  3. ArcGIS新建工具箱与自定义工具

四章、RWEQ模型参量提取 :

  • 气候因子WF提取 

    风速、气温、降雨、日照辐射以及雪盖天数等气候状况都会影响土壤风蚀模数, 其共同组成了气候因子。

    气候因子WF表征了在考虑降雨、温度、日照及雪盖等因素的条件下风力对土壤颗粒的搬运能力,其表达式如下:

式中,WF为气象因子(kg/m);WE为风场强度因子(m3/ s3),由监测风速μ2(m /s)、起沙风速μ1(假定为5 m/ s)和观察周期天数 Nd 计算得到;ρ 为空气 密度(kg /m3 ),由海拔高度 EL(km)和绝对温度 T(K) 计算得到;g 为重力加速度(m/s2);S为土壤湿度因子(无量纲);R为降雨量(mm);I为灌溉量(mm);Rd为降雨次数和(或)灌溉天数;ETP为地表潜在相对蒸发量(mm),由太阳辐射SR(cal /cm2 )和平均温度 DT(℃)计算得到;SD为雪覆盖因子(无量纲);P为计算时段内积雪覆盖深度(Hsnow)大于25.4 mm的概率。 

  •  土壤可蚀性因子EF提取

土壤可蚀性是指土壤对侵蚀的敏感性。对于不同的机械组成和理化性质的土壤种类,粒度越小,有机质含量越低,其土壤可蚀性越大,越容易被侵蚀;反之粒度越粗,有机质含量越高,其可蚀性越小,越不容易被侵蚀。

  • 土壤结皮因子SCF提取

土壤结皮是指某些低等生物与土表相互作用或降水滴溅在土表上形成的微层,一般按产生机理可分为生物性结皮和物理性结皮。其中,生物性结皮有利于抵抗土壤风蚀;物理性结皮易碎,反而加速了土壤被风蚀的过程。 

  •  植被覆盖度因子C提取 

不同的植被有着不同的根系,也就有不同的固水固沙能力。植被覆盖度因子表示一定植被覆盖条件下,对土壤风蚀的抑制作用大小。 依据研究区LUCC分类图,将植被分为林地、灌木、草地、农田、裸地5个植被类型,根据不同的系数计算各植被覆盖度因子。

式中,ai为不同植被类型的系数,其中,林地为 -0.153 5,灌木为 -0.092 1,草地为 -0.151 1,农田为-0.043 8,裸地为-0.076 8;SC为植被覆盖度(无量纲),由NDVI 数据集计算得到。 

  • 地表粗糙度因子K’提取

地表粗糙度是指由地形引起的土地表面粗糙程度对土壤风蚀的影响

式中,Kr 为因地形起伏产生的地形粗糙度长度 (cm);Crr 为随机糙度因子,取 0;ΔH为距离L范围内的海拔高程差(m),根据不同的起伏地形情况,L 具有不同的值。

  • 土壤风蚀量的计算

SL为土壤风蚀量(thm-2a-1);Qmax为风沙最大转移量(kg/m);S为关键地块长度(m);z为下风向最大风蚀出现距离(m);WF为气候因子(kg/m);K’为地表粗糙度因子;EF为土壤可蚀性因子;SCF为土壤结皮因子;C为植被覆盖因子。 

第四章、归因分析:

  • 三江源土壤风蚀量空间分布分析

土壤风蚀强度变化是诸多要素共同作用的结果,气象因子、下垫面粗糙度、植被覆盖、土壤含水量等因素制约着土壤风蚀强度的差异,土地利用、覆盖变化是影响土壤风蚀的重要因子。

将结合根据研究区土地利用、覆盖变化信息的提取与分析及其他相关研究成果,统计分析研究区空间分布特征,为土壤风蚀防治措施方面进行深入分析。

  • 相关性分析

 已有研究表明,在多个因素空间分布的相关性研究中,格网法是一种简单且有效的研究方法。利用ArcGIS渔网工具在研究区域创建一定大小的格网,进行分割地图、采样分析、划分研究单元等。通过格网法分别建立三江源地区植被等因子与潜在风蚀量尧实际风蚀量和防风固沙量的散点图,并对散点图

进行最优函数拟合,探讨其在空间分布上的相关性。

  • 通径分析

 以三江源地区2015年年土壤风蚀量为因变量,以气候因子和植被覆盖度等因子为自变量进行通径分析,量化分析各个因子的直接和间接作用的共同贡献。

  • 因子探测分析--地理探测器

 风蚀量的空间分布并非由某单一地理、气候或人文因素导致,其形成与多种因素的共同作用密不可分,因此对其作用贡献较大的因素将决定其实际的空间分布规律。地理探测器模型(GDM)是基于空间分化理论和地理信息系统(GIS)空间分析技术提出的。它通常用于研究影响空间层次异质性的因素及其潜在机制。

  1. 因子探测器

因子探测器可评估某一影响因素对风蚀量的贡献程度,具体公式如下:

 

其中,D为某一影响因子,H为风蚀量,Q为影响因子对风蚀量的贡献度,取值范围是[0-1],N、σ2为样本量及其方差,h为样本层数,L为影响因子分类数。当Q值越大时,表明该影响风蚀量的贡献度越大。 

  • 交互作用探测器

交互探测器可评估两种影响因子交互作用时对研究区风蚀量的贡献程度,以便更准确分析实际多影响因子共同作用下的贡献度。 

  • 基于R的地理探测器实现:
  1. 自变量和因变量数据制备;
  2. 地理探测器运行准备;
  3. R软件及程序包的安装、基本设置等;
  4. 地理探测器运行代码解析;
  5. 因子探测器结果分析与可视化;
  6. 交互探测器结果与可视化;

五章、RWEQ模型相关的SCI论文撰写技巧 :

  • 科技论文结构
  • 引言
  1. 科学问题是否清楚?
  2. 逻辑推理是否严密?
  3. 文献综述的写作技巧
  4. 引言写作的示例
  • 摘要和结论
  1. 英文摘要的写作要求
  2. 摘要的五要素
  3. 如何构建一篇SCI论文的总结摘要
  4. 摘要和结论的区别
  5. 数据来源与预处理
  6. 模型因子提取方法
  • 讨论
  1. 讨论的写作要点
  2. 讨论撰写中的常见问题
  3. 论文投稿技巧分析
  4. SCI论文案例分析

 

 

 

 

相关文章:

【案例教程】基于RWEQ模型的土壤风蚀模数估算及其变化归因分析实践技术

土壤风蚀是一个全球性的环境问题。中国是世界上受土壤风蚀危害最严重的国家之一,土壤风蚀是中国干旱、半干旱及部分湿润地区土地荒漠化的首要过程。中国风蚀荒漠化面积达160.74104km2,占国土总面积的16.7%,严重影响这些地区的资源开发和社会经…...

Twitter推荐算法总架构和算法说明

Twitter推荐算法总架构: 这个推荐架构的作用是生成在用户首页上显示的推文列表 步骤: 1、从不同的推荐来源中获取最好的推文,这个过程被称为候选来源。 2、使用机器学习模型对每条推文进行排名。 3、应用启发式方法和过滤器,例如…...

1.C语言题目---指针类(基础)

1. 小端,低地址存低字节,高地址存高字节 大端,低地址存高字节,高地址存低字节 人类读写数据习惯是大端字节序 比如说数字12345678在寄存器大端存储顺序如下: 在寄存器小端存储顺序如下: 假设,a变量的地址为0x64,则a变量在内存中的模型为: 0…...

【算法与数据结构】关于排序的问题思考

文章目录引言不断的插入值,并保证序列是递增的。Python中sort()和sorted()的区别是啥?sorted 函数如何使用?问题: 如何返回排序之后的索引问题:排序的稳定性问题,寻找第K大的元素的算法。引出一个算法题&am…...

行为型模式-命令模式

行为型模式-命令模式命令模式(Command)解决命令执行问题描述适用环境优点:缺点:违反原则:代码实现命令模式(Command) 解决命令执行问题 描述 将一个请求封装为一个对象,并定义该对…...

SHELL综合练习1

文章目录1、编写函数,实现打印绿色OK和红色FAILED 判断是否有参数,存在为Ok,不存在为FAILED2、 编写函数,实现判断是否无位置参数,如无参数,提示错误3、编写函数实现两个数字做为参数,返回最大值…...

ROS开发之如何使用发布者、订阅者和话题消息?

文章目录0、引言1、创建发布者(velocity发布者 →geometry话题消息→turtlesim订阅者)2、创建订阅者(turtlesim发布者→turtlesim话题消息→pose订阅者)3、自定义话题消息4、使用自定义话题消息(person发布者→自定义话…...

基于Java+Springboot+vue高校资源共享交流平台设计和实现

博主介绍:✌全网粉丝20W,csdn特邀作者、博客专家、CSDN新星计划导师、java领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和毕业项目实战✌ 🍅文末获取源码联系🍅 👇🏻 精彩专…...

收藏! 38个Python数据科研库

通用的数据科学库,即那些可能被数据科学领域的从业人员用于广义的,非神经网络的,非研究性工作的库: 数据-用于数据管理,处理和其他处理的库 数学-虽然许多库都执行数学任务,但这个小型库却专门这样做 机…...

SpringBoot过滤器获取Bean-请求重复可读-获取请求体数据-用户IP归属地获取

文章目录一.获取Bean二. Request重复可读三. 过滤器获取Body请求体数据四.用户ip获取一.获取Bean 网上一些论调说Filter无法注入Bean的原因是加载顺序: listener—>filter—>servlet导致的.我不赞同. 原因:默认机制下,在SpringBoot应用启动时,IOC…...

有哪些特别小众而有趣的编程语言呢?

相对较小众的编程语言,还要有趣?发表一些个人看法,如果不对大家口味,大家轻喷,留情留情。 Rust:Rust是一种系统编程语言,致力于提供高性能、可靠性和安全性。Rust具有内存安全和线程安全的特性&…...

vue中使用高德

首先我们要申请高德地图的key,当前升级过后高德地图使用也需要加上安全秘钥 注册账号 访问高德地图开发平台根据实际情况填写就可以🍜(实名认证的时候选择个人就可以,如果是企业级的项目,可能会涉及人员变动&#xf…...

React class组件和hooks setState异步更新数据详解

一、 class组件setState详解 1.class组件setState异步更新数据详解 class Father extends React.Component{state {num:0}addHandler () > { this.setState({num: 100})console.log(state中的值,this.state.num)}render() { return (<div><button onClick{this…...

ToBeWritten之嵌入式操作系统

也许每个人出生的时候都以为这世界都是为他一个人而存在的&#xff0c;当他发现自己错的时候&#xff0c;他便开始长大 少走了弯路&#xff0c;也就错过了风景&#xff0c;无论如何&#xff0c;感谢经历 转移发布平台通知&#xff1a;将不再在CSDN博客发布新文章&#xff0c;敬…...

git 实际开发中使用-解决问题

前言 git代码版本管理工具&#xff0c;打破常规的物理传输&#xff0c;更新&#xff0c;合并&#xff0c;回滚提高了开发效率和可追溯性。 网上的资料会把所有的命令都很全也很多&#xff0c;导致对刚刚了解的同学不友好&#xff0c;很难实际使用。 每个人都有自己使用git的习…...

新星计划·2023-第1期 - Python赛道报名入口 -〖你就是下一个新星〗

↓↓↓报名方式&#xff1a;&#xff08;下滑到本页面底部&#xff09;重要提醒&#xff1a;这里是 新星计划2023-第1期 - Python赛道报名入口&#xff0c;一经报名&#xff0c;不可更换。报名入口点击此处跳转 一、新星计划 新星计划是一个以发掘潜力新人、培养优质博主为目…...

Android LowMemoryKiller概述

Agenda Low memory killer 概述 内核空间LMK ULMK‐vmpressure ULMK‐PSI Low memory killer 概述 lowmemorykiller的作用就是当内存比较紧张的时候去及时杀掉一些对用户来说不那么重要的进程&#xff0c;回收内存&#xff0c;保证手机的正常运行。安卓平台lowmemorykiller机…...

特殊操作流——案例:游戏次数

需求&#xff1a;请求程序实现猜数字小游戏只能试玩三次&#xff0c;如果还想玩&#xff0c;提示&#xff1a;游戏已经结束&#xff0c;想玩请充值&#xff08;www.itcast.cn&#xff09; 思路&#xff1a; 写一个游戏类&#xff0c;里面有一个猜数字的小游戏 写一个测试类&am…...

git clone connect to gitlab sign in token弹窗让我输入用户名和密码

系列文章目录 文章目录系列文章目录前言前言 当我使用git bash输入命令&#xff1a;git clone https://gitlab.freedesktop.org/raqm/raqm.git libraqm 弹窗 ASUSLAPTOP-0R30I78P MINGW64 /e/krita-dev $ git clone https://gitlab.freedesktop.org/raqm/raqm.git libraqm C…...

【Blender】如何在Blender中添加HDRI环境贴图

​ 什么是HDRI环境贴图 环境贴图或HDRI贴图是在Blender中照亮3D场景并实现逼真效果的最有效和最快捷的方法之一。 HDRIs本质上是现实世界照明的快照&#xff0c;其中包含高动态范围成像&#xff08;HDRI&#xff09;的准确照明细节。HDRI是一个包含亮度信息&#xff08;从暗…...

前端监控指的是什么?

前端监控分为三个方面&#xff1a; 异常监控&#xff08;监控前端页面的报错&#xff09;性能监控&#xff08;监控页面的性能&#xff09;用户行为监控&#xff08;监控用户的行为&#xff0c;计算PV、UV、在线时间等、数据监控即我们常说的埋点 例子1 在后端突然上线了某个需…...

.net core 面试题 2023

文章目录1. 什么是 ASP.net core2. .net 术语3. 托管资源 和 非托管资源4. GC 和 垃圾回收5. .net中所有类的基类6. 如何实现对象的深拷贝7. 依赖注入&#xff0c;为什么使用依赖注入8. IOC容器的注入方法9. ASP.net core 中 服务生命周期10. scoped的 service 可以注入到 sing…...

和ChatGPT关于Swing music的一场对话(上篇)

什么是 Swing Music &#xff1f; Swing Music 是一款漂亮的自托管音乐播放器&#xff0c;适用于您的本地音频文件。就像一个更酷的 Spotify …但带上你自己的音乐。 第一次在 reddit 上看到 Swing Music&#xff0c;就被其 UI 吸引了 但源码站点的releases 中只有 windows 和 …...

java版工程项目管理系统源码 Spring Cloud+Spring Boot+Mybatis+Vue+ElementUI+前后端分离 功能清单

ava版工程项目管理系统 Spring CloudSpring BootMybatisVueElementUI前后端分离 功能清单如下&#xff1a; 首页 工作台&#xff1a;待办工作、消息通知、预警信息&#xff0c;点击可进入相应的列表 项目进度图表&#xff1a;选择&#xff08;总体或单个&#xff09;项目显示1…...

debian 10 扩展分区容量

debian 10 扩展分区容量1、扩展分区原因2、添加一块磁盘3、命令记录3.1、新增加的磁盘是/dev/sdb3.2、使用磁盘/dev/sdb 创建物理卷3.3、 把物理卷/dev/sdb加入到卷组debian-vg中3.4、查看物理卷、逻辑卷3.5、扩展逻辑卷/tmp3.6、逻辑卷组debian-vg 空余空间被用掉10g 还剩90g可…...

【无功优化】基于改进遗传算法的电力系统无功优化研究【IEEE30节点】(Matlab代码实现)

&#x1f4a5;&#x1f4a5;&#x1f49e;&#x1f49e;欢迎来到本博客❤️❤️&#x1f4a5;&#x1f4a5; &#x1f3c6;博主优势&#xff1a;&#x1f31e;&#x1f31e;&#x1f31e;博客内容尽量做到思维缜密&#xff0c;逻辑清晰&#xff0c;为了方便读者。 ⛳️座右铭&a…...

LeetCode 218. 天际线问题

城市的 天际线 是从远处观看该城市中所有建筑物形成的轮廓的外部轮廓。给你所有建筑物的位置和高度&#xff0c;请返回 由这些建筑物形成的 天际线 。 每个建筑物的几何信息由数组 buildings 表示&#xff0c;其中三元组 buildings[i] [lefti, righti, heighti] 表示&#xf…...

Logstash:使用自定义正则表达式模式

有时 Logstash Grok 没有我们需要的模式。 幸运的是我们有正则表达式库&#xff1a;Oniguruma。在很多时候&#xff0c;如果 Logstash 所提供的正则表达不能满足我们的需求&#xff0c;我们选用定制自己的表达式。 定义 Logstash 是一种服务器端数据处理管道&#xff0c;可同时…...

常见的一致性问题及解决

什么是一致性 一致性问题主要是因为分布式系统中的多个节点之间可能存在网络延迟、故障等原因导致的。具体而言&#xff0c;分布式系统中的数据一致性问题可以分为以下几种类型&#xff1a; 强一致性&#xff1a;指在任何时间点&#xff0c;所有节点中的数据都是一致的。这种…...

vue下载文件

注意请求时加入&#xff1a;responseType: bloburl&#xff1a;写全了&#xff0c;因为前后端端口号不同downloadImage(imgUrl) {let formData new FormData();formData.append(fileName, this.getFilename(imgUrl)); // 用于后端下载文件的路径axios.post(http://localhost:8…...