土壤侵蚀模型进展.docVIP

土壤侵蚀模型进展 摘 要 土壤侵蚀及其模型的研究，长期以来一直是国内外学者研究的重点。土壤侵蚀模型作为了解土壤侵蚀过程与强度，掌握土地资源发展动态，指导人们合理利用土地资源，管理和维持人类长期生存环境的重要技术工具，受到世界各国的普遍重视；本文总结了中国土壤侵蚀模型的主要成果，对经验统计模型、物理成因模型、国外模型在我国的应用方面作了介绍；在总结和评价中国土壤侵蚀模型的基础上，提出近年来，人们对土壤水蚀形成过程及其模拟进行了广泛研究，并针对不同研究对象与目的，建立了土壤水蚀的经验预报模型、物理过程模型和分布式模型。在对国内外一些主要的土壤水蚀模型进行评述的基础上，讨论土壤侵蚀模型研究与GIS技术和BP神经网络理论结合的发展趋势，同时结合土壤水蚀模型的开发和应用情况，提出了土壤侵蚀预报模型研究亟待解决的一些问题和我国土壤侵蚀预报模型研究的设想。文中概述了土壤侵蚀模型的发展历程，分析了土壤侵蚀模型研究存在的问题，指出了未来的研究方向。 关键词 土壤侵蚀模型 研究进展 发展方向 土壤侵蚀是指土壤或成土母质在外力（水、风）作用下被破坏剥蚀、搬运和沉积的过程。土壤及其母质在水力、风力、冻融或重力等外营力作用下，被破坏、剥蚀、搬运和沉积的过程。广泛应用的“水土流失”一词是指在水力作用下，土壤表层及其母质被剥蚀、冲刷搬运而流失的过程。1、T）因子，但是该模型与US LE类似,缺乏对物理过程的考虑,对陡坡地特有的浅沟侵蚀考虑不够。 1.2小流域宏观产沙模型 尹国康等认为，气象—水文因素和包括人类活动影响在内的地表物理性质因素，是控制土壤侵蚀的2个重要方面。因此，降雨和径流、流域面积、流域地面沟壑密度、流域高差比、地面沟壑切割深度、流域植被与治理度、地面岩石抗蚀性等因素，是选择指标的主要对象，通过分析筛选和回归计算[3]，提出小流域宏观产沙模型： Msa/ Mwa = 31182 I0183 式中：Msa为年产沙模数；Mwa为年径流模数；I为流域地表综合特性指标，I = R015h D012h Rp- 018Rs- 315，式中Rh为流域高差比，Dh为地面崎岖度，Rp为淤地坝等治理措施的有效面积与流域总面积之比，Rs为地面组成物质的抗蚀性和渗透性。 1.3未治理流域暴雨产沙预报模型 江忠善[1]等根据陕北、晋西、陇东南黄土丘陵区沟道小流域实测资料,建立了未治理流域的暴雨产沙预报模型： Ms = 0137M1115J KP 式中：Ms为一次暴雨的流域产沙模数；M为一次暴雨的洪量模数；J为流域平均坡度; K为土壤可蚀性因子，以黄土中沙粒和粉粒占总量的比例表示；P为植被作用系数(作物被覆与裸露情况相对照的径流小区侵蚀量比例)。该模型能反映小流域动力、地形、土壤、植被等因素对流域产沙的综合影响，适用于黄土丘陵区没有或者很少开展水土保持工作的流域产沙计算；但由于没有考虑水土保持因子，不能用于流域水土保持治理的减沙效益评价。 2、USLE／RUSLEDe Roo建立了LISEM(Limberg Soil Erosion Model)模型[10]。LISEM模型较详细地考虑了土壤侵蚀产沙的各个环节，能较好地模拟土壤侵蚀发生过程，并与GIS连接[11]。 我国学者也研究了GIS与遥感技术在土壤侵蚀模型中的应用。胡良军等以GIS为工具，提取沟壑密度G、汛期降雨量 P、大于0.125 mm风干土水稳性团粒含量 S、植被盖度C和坡耕地面积比M等5个参数[11] ，建立了黄土高原区域水土流失评价模型： L = 305 210 P0.17887G1.19945M0.101898S – 0.109616e- 0.100144C 应用 GIS可以方便地进行参数输入，也可将模型的计算结果描述土壤侵蚀空间分布差异，同时用户可用GIS模型中的数据分析工具[14]，根据所需目的进行数据分析和查询。这些优点使得GIS与土壤侵蚀分布模型的结合，成为当前侵蚀模型研究发展的一个重要方向。 3.2 BP神经网络模型在土壤侵蚀模型中的应用 随着计算机技术的发展，计算机神经网络技术也广泛应用于土壤侵蚀预报中。尚金成等讨论了多层神经元网络能以任意精度逼近非线性模型的能力，以及其自学习自适应特性，对于水文系统的径流预报进行了探讨[15]，提出了一种基于多层神经元网络的自适应径流预报模型。张科利等通过实体模型的计算及结果分析表明，作为一种方法，神经网络理论用来预报土壤流失是可行的。张小峰等应用BP神经网络模型的基本原理，以流域降水条件为基本因子，建立了流域产流产沙BP网络预报模型，该模型能用于定量分析流域人类活动对产流产沙的影响。神经网络模型在土壤侵蚀中的应用，为侵蚀产沙预报提供