基于RUSLE模型的土壤侵蝕評(píng)價(jià)

呂寒 徐麗萍 陳其軍

呂 寒，徐麗萍，陳其軍. 基于RUSLE模型的土壤侵蝕評(píng)價(jià)——以南京市六合區(qū)為例［J］. 湖北農(nóng)業(yè)科學(xué)，2024，63（2）：156-161，239．

摘要：以江蘇省南京市六合區(qū)程橋街道為研究區(qū)域，根據(jù)水利部相關(guān)標(biāo)準(zhǔn)，采用理論算法、模型建立與現(xiàn)場應(yīng)用相結(jié)合的研究思路，對(duì)研究區(qū)內(nèi)土壤侵蝕強(qiáng)度進(jìn)行評(píng)價(jià)過程研究。對(duì)現(xiàn)有的DEM生成方法和土地利用分類方法進(jìn)行一定的優(yōu)化，利用多源遙感影響數(shù)據(jù)提取土壤侵蝕的監(jiān)測要素，基于RUSLE模型，估算研究區(qū)內(nèi)土壤侵蝕強(qiáng)度。將現(xiàn)場實(shí)際應(yīng)用結(jié)果與現(xiàn)行方法進(jìn)行對(duì)比分析，驗(yàn)證了理論、算法的有效性及客觀性。

關(guān)鍵詞：土壤侵蝕； RUSLE模型； DEM； 土地分類； 南京市六合區(qū)

中圖分類號(hào)：S157；P208? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：0439-8114（2024）02-0156-06

DOI：10.14088/j.cnki.issn0439-8114.2024.02.025 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

The soil erosion evaluation based on RUSLE Model：?A case study of Liuhe District， Nanjing City

LYU Han1， XU Li-ping2， CHEN Qi-jun2

（1.Jiangsu Land Development and Consolidation Center，Nanjing? 210017，China；2.Nanjing Liuhe District Farming Preservation Station，Nanjing? 211500，China）

Abstract： Taking Chengqiao Street， Liuhe District， Nanjing City， Jiangsu Province， as the research area， the evaluation process of soil erosion intensity in the research area was studied by combining theoretical algorithm， model building and field application according to the relevant standards of the Ministry of Water Resources. The existing DEM generation method and land use classification method were optimized to some extent， and the monitoring elements of soil erosion were extracted by using multi-source remote sensing impact data， and the soil erosion intensity in the study area was estimated based on the RUSLE model. The results of practical application in the field were compared and analyzed with the existing methods to verify the validity and objectivity of the theories and algorithms.

Key words： soil erosion； RUSLE model； DEM； land classification； Liuhe District， Nanjing City

中國作為全球人口眾多的農(nóng)業(yè)大國之一，面臨嚴(yán)重的水土流失問題，該問題已成為限制中國社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展的重要環(huán)境挑戰(zhàn)^［1，2］。土壤侵蝕廣泛分布，危害深遠(yuǎn)，主要受氣候、土壤、地形等自然因素以及不合理的人類開發(fā)活動(dòng)等多種因素的影響。這導(dǎo)致土地的持續(xù)退化、水資源的污染以及巨大的經(jīng)濟(jì)損失。因此，研究土壤侵蝕的成因，探討自然因素和人為活動(dòng)對(duì)其影響的方式，以及建立土壤侵蝕的預(yù)測模型，以實(shí)現(xiàn)對(duì)水土流失情況的監(jiān)測，并評(píng)估不同水土保持措施對(duì)土壤流失的影響程度，是國內(nèi)外學(xué)者關(guān)注的核心研究領(lǐng)域^［3-6］。

隨著科學(xué)技術(shù)的迅速發(fā)展，土壤侵蝕領(lǐng)域的理論、計(jì)算模型、監(jiān)測技術(shù)以及遙感（Remote sensing，RS）和地理信息系統(tǒng)（Geographic information systems，GIS）技術(shù)已經(jīng)顯著提高了土壤侵蝕強(qiáng)度評(píng)估的效率和準(zhǔn)確性。RS和GIS技術(shù)的融合為土壤侵蝕強(qiáng)度的估測和評(píng)估提供了一種科學(xué)有效的方法，已成為全球研究土壤侵蝕問題廣泛采用的科學(xué)技術(shù)手段，為土壤侵蝕強(qiáng)度的評(píng)估和預(yù)測提供了便捷、迅速和準(zhǔn)確的途徑。然而，在中國土壤侵蝕調(diào)查方法雖然具備許多優(yōu)點(diǎn)，但仍然存在一些問題。其中包括基于中低分辨率的數(shù)字高程模型（Digital elevation model，DEM）提取坡度時(shí)，容易引起坡度信息的損失，從而難以滿足土壤侵蝕評(píng)估的要求。此外，對(duì)遙感影像進(jìn)行分割后，區(qū)分地物類別的具體性質(zhì)變得較為困難，降低了土壤侵蝕評(píng)估精度。本研究選取江蘇省六合區(qū)程橋街道作為研究區(qū)域，遵循水利部的相關(guān)標(biāo)準(zhǔn)，采用了理論模型的構(gòu)建、算法的開發(fā)以及現(xiàn)場實(shí)際應(yīng)用等方法，對(duì)研究區(qū)域內(nèi)的土壤侵蝕強(qiáng)度進(jìn)行了評(píng)價(jià)。本研究對(duì)現(xiàn)有的數(shù)字高程模型DEM生成方法和遙感影像解譯方法進(jìn)行改進(jìn)，以提取土壤侵蝕監(jiān)測要素，基于RUSLE模型，估算研究區(qū)域的土壤侵蝕強(qiáng)度，并通過與現(xiàn)行方法的現(xiàn)場實(shí)際應(yīng)用結(jié)果進(jìn)行比較分析，驗(yàn)證所提出的理論和算法的有效性和客觀性，以期為研究區(qū)域的水土流失防治提供有益的參考。

1 研究區(qū)概況

研究區(qū)所在的程橋街道位于蘇皖兩省交界，南京市北郊，六合區(qū)西鄰，地處東經(jīng)118°42′—118°44′，北緯32°24′—32°26′，西接安徽省，北鄰竹鎮(zhèn)鎮(zhèn)，東依馬鞍街道，南靠龍池街道，區(qū)域總面積122.4 km²，距六合城8 km，距南京市區(qū)25 km。戶籍人口4.6 萬人，轄2個(gè)社區(qū)居民委員會(huì)、6個(gè)社區(qū)村民委員會(huì)。程橋街道位置信息如圖1所示。

程橋街道交通發(fā)達(dá)，寧淮高速公路穿越全境，高速公路有寧連高速、繞越高速，一級(jí)公路有中部干線、西部干線、西部干線連接線，此外還有揚(yáng)滁線等。從大橋和二橋經(jīng)雍六高速、江北大道可快捷到達(dá)。

程橋街道北部以丘陵山地為主，南部、西部沿皂河、滁河區(qū)域以平原圩區(qū)為主。街道東北側(cè)有盤山、小磨盤山、寶塔山等微丘，風(fēng)光秀麗。周邊有滁河、皂河、傅灣水庫、唐婁水庫、山湖水庫等，水系豐富。西部干線、中部干線是連接鎮(zhèn)區(qū)與周邊山水資源的主要路徑。街道內(nèi)水系發(fā)達(dá)，滁河、黃術(shù)橋河、皂河、程橋撇洪河、內(nèi)滁河等為主干水系，構(gòu)建鎮(zhèn)區(qū)生態(tài)水網(wǎng)格局。鎮(zhèn)區(qū)南部為大片滁河濕地，生態(tài)條件極為優(yōu)越。

該地區(qū)的氣候溫和，降雨充沛，陽光充足，為植被生長提供了良好的條件。然而，由于長期的農(nóng)業(yè)生產(chǎn)活動(dòng)，原生的自然植被幾乎消失殆盡，被大多數(shù)以水稻、小麥、油菜等為主的人工植被所取代。少數(shù)殘存的自然植被包括蘆葦、蒲草、茅草等。

2 方法

2.1 DEM網(wǎng)格生成方法

數(shù)字高程模型（Digital elevation model，DEM）是一種用于表示地形變化的數(shù)據(jù)儲(chǔ)存方法，它基于柵格和地形特征的自身性質(zhì)^［7］。在空間插值方法中，以等高線和高程點(diǎn)為約束的方法被廣泛使用。其關(guān)鍵在于構(gòu)建不規(guī)則三角形網(wǎng)格，該網(wǎng)格由多個(gè)相互連接的不規(guī)則三角形構(gòu)成，這些三角形的幾何形狀和大小由地形特征點(diǎn)的位置和密度所決定，以消除平面數(shù)據(jù)的冗余性并準(zhǔn)確描述地形。然而，等高線數(shù)據(jù)通常缺乏地貌特征點(diǎn)和特征線的信息，因此在等高線曲線較大的地方或山頂?shù)葏^(qū)域，可能會(huì)出現(xiàn)所謂的“平三角”現(xiàn)象，即3個(gè)三角形頂點(diǎn)的高度相同，這可能影響DEM的生成質(zhì)量。為克服這一問題，本研究提出了一種基于Delaunay網(wǎng)格和距離函數(shù)的構(gòu)建方法，可以有效地生成不規(guī)則的三角形網(wǎng)格，從而解決了“平三角”的問題。

傳統(tǒng)的種子填充方法通常使用規(guī)則的圖元進(jìn)行填充生成。然而，在本研究中，采用了圓形作為填充的種子，這些圓形可以相切，或者根據(jù)指定的距離進(jìn)行生成。每個(gè)種子都按照指定的半徑生成，并根據(jù)它們的位置關(guān)系逐步向外生成。在不同種子之間的間隙區(qū)域，通過生成新的種子來填充，填充方式可以由操作人員進(jìn)行人為指定。具體步驟如下。

1）初始種子可以在區(qū)域的中心位置生成，用戶需要提供初始種子信息參數(shù)，每個(gè)種子信息參數(shù)需要包括位置坐標(biāo)、編號(hào)、高程信息等。如圖2a所示，一旦初始種子生成，可以根據(jù)初始種子的位置信息和位置矢量關(guān)系來生成后續(xù)種子的位置。假設(shè)Φ表示初始種子的位置；r表示用戶指定的種子尺寸。

種子中第一與第二個(gè)顆粒的位置矢量（d）表示如下。

d₁=p-n?r+L，d₂=p+n?r+L?（1）

式中，n為任意單位矢量；L為距離函數(shù)；p表示種子的坐標(biāo)位置。

2）為了確保種子填充的密集性，在設(shè)置距離函數(shù)時(shí)，需要明確距離函數(shù)的范圍。通常，將其設(shè)置為2R

3）在種子生成過程中，需要不斷向初始種子的外側(cè)擴(kuò)展。為了提高計(jì)算效率，在持續(xù)生成種子的過程中，將種子與新生成外側(cè)種子的區(qū)域進(jìn)行新種子的生成，直到無法填充為止。然后，通過連接最外側(cè)種子的外側(cè)邊緣來形成新的封閉邊界，在本研究中將其稱為前進(jìn)邊線。對(duì)于之前的前進(jìn)邊界上的種子，通過連接它們的內(nèi)側(cè)邊緣來形成另一個(gè)封閉邊界，在本研究中將其稱為后置邊線。在持續(xù)生成種子的過程中，同一圈的種子可以分別作為前進(jìn)邊界和后置邊界，這會(huì)導(dǎo)致一個(gè)重疊區(qū)域的存在，如圖2c所示。這個(gè)重疊區(qū)域可以進(jìn)行多次填充，從而克服了復(fù)雜形狀區(qū)域充填時(shí)的困難，同時(shí)實(shí)現(xiàn)了重復(fù)充填。種子的半徑越大，填充閾值越小，填充的空間越大，但計(jì)算效率相對(duì)較低。

4）在生成種子之后，使用種子的顆粒和位置作為參考點(diǎn)，構(gòu)建Delaunay三角網(wǎng)格，如圖2d所示。在本研究中，采用了一種將種子中心相連的方式來生成三角網(wǎng)格。然而，在處理邊界處的三角網(wǎng)格劃分時(shí)，采用了相對(duì)簡單的方法。對(duì)邊界上的兩個(gè)點(diǎn)中心連線，引出中心垂直線，并在與邊界線相交的位置插入特征點(diǎn)，這些特征點(diǎn)用作Delaunay三角網(wǎng)格生成的參考點(diǎn)。

2.2 高分辨率遙感影像信息解譯

土地利用是土壤流失監(jiān)測的關(guān)鍵項(xiàng)目，可利用高分辨率衛(wèi)星圖像來分析土地利用信息，采用了結(jié)合特征選擇算法與決策樹算法的影像解譯方法。特征選擇階段采用最大相關(guān)性最小冗余法（mRMR）結(jié)合支持向量機(jī)（SVM）來選擇重要特征。為了評(píng)估特征子集的性能，使用十折交叉驗(yàn)證法作為評(píng)價(jià)函數(shù)，通過構(gòu)建決策樹并挖掘分類規(guī)則，能夠快速解譯高分辨率遙感影像中的地物信息。

2.2.1 mRMR-SVM特征選擇算法和決策樹 借鑒數(shù)據(jù)挖掘思想，應(yīng)用mRMR并結(jié)合SVM特征選擇算法，選定使用于影像分類的特征，構(gòu)建決策樹，獲取分類規(guī)則。

1）最大相關(guān)最小冗余選擇算法。最大相關(guān)性最小冗余法（mRMR）為當(dāng)前特征選擇的主流算法^［8］。根據(jù)互信息所選取的特性，這個(gè)子集S必須與c具有最大的關(guān)聯(lián)度。通常采用最大關(guān)聯(lián)判據(jù)進(jìn)行選擇，如式2所示。

式中，S是特征集S包含的特征數(shù)量；x_i是分類特征；c是分類的目標(biāo)類別；I是分類特征與類間的互信息；D是特征集S與分類c的相關(guān)性。利用極大關(guān)聯(lián)判據(jù)選取的屬性特性與對(duì)象類型具有較強(qiáng)的關(guān)聯(lián)性，但各特征間的冗余程度較高。通過添加最小兀余條件來排除最大相關(guān)準(zhǔn)則選取的子集中冗余度較高的特征。

式中，x_j是分類特征；R是集合S中所有特征冗余；由此，最大相關(guān)最小兀余定義表示如下。

max?（D，R），?=D-R?（4）

式中，[?]為所選特征集和分類目標(biāo)的相關(guān)性與冗余度的信息差，本研究選用的特征標(biāo)準(zhǔn)是相關(guān)性大且兀余度小，表示所選特征集和分類目標(biāo)的相關(guān)性大且兀余度小。

2）基于向量機(jī)的特征選擇方法。支持向量機(jī)（Support vector machine，SVM）的基本原理是通過一個(gè)超平面來分隔高維空間中的兩種點(diǎn)，使得兩種點(diǎn)之間的距離最大化^［9］。SVM不僅適用于線性可分問題，還可以推廣到更高維空間，因此能夠處理復(fù)雜的分類任務(wù)。該算法具有強(qiáng)大的泛化和學(xué)習(xí)能力，能夠有效解決模型過度擬合的問題，因?yàn)樗谧钚』Y(jié)構(gòu)風(fēng)險(xiǎn)，以尋找模型復(fù)雜性和風(fēng)險(xiǎn)之間的最佳平衡點(diǎn)。

當(dāng)前，SVM被廣泛用于特征選擇，可以通過mRMR算法計(jì)算出與類別相關(guān)性最大的特征并去除冗余特征，然后將SVM算法應(yīng)用于特征選擇，以確定對(duì)分類起主要作用的屬性。

基于SVM思想的特征選擇方法主要基于前向（Forward）和后向（Backward）2種特征子集生成策略。鑒于SVM-forward算法在時(shí)間效率上相對(duì)更高，因此本研究采用SVM-forward算法作為第二步的特征選擇方法。

3）決策樹。決策樹（Decision trees，DTs）作為一種新興的土地覆蓋分類技術(shù)，在處理多波段影像時(shí)，其準(zhǔn)確性較傳統(tǒng)方法如最大似然法和神經(jīng)網(wǎng)絡(luò)法要高。決策樹的優(yōu)點(diǎn)在于它能夠同時(shí)分析不同尺度下的觀測數(shù)據(jù)，且不對(duì)數(shù)據(jù)的頻譜做出任何假設(shè)，使其在不同類別的分類任務(wù)中表現(xiàn)出色。此外，與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)方法相比，決策樹具有更高的處理速度和更短的計(jì)算時(shí)間。決策樹的構(gòu)建主要涉及根據(jù)一種或多種特征對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行反復(fù)分割。一旦基于訓(xùn)練數(shù)據(jù)生成了一組層次化規(guī)則或分支，這些規(guī)則可以適用于整個(gè)影像，從而生成高精度的地圖，為后續(xù)的空間分析提供支持。

2.2.2 土地利用信息特征選擇

1）特征構(gòu)建。在影像特征的選擇方面，主要從光譜、形狀和紋理3個(gè)角度進(jìn)行分析。遙感影像的主要特點(diǎn)之一是地物具有特殊的光譜反射和輻射特性，這些特性在影像的像素值中得以體現(xiàn)。此外，影像像素值中還包含了其他衍生物特性的信息。紋理則表示一片地區(qū)內(nèi)的像素值在空間上的一致性，通過統(tǒng)計(jì)方法來描述，例如灰度共生矩陣等。這些特征的提取對(duì)影像的分類和檢索具有重要意義，可以提高分類準(zhǔn)確性。在本研究中，選取15個(gè)光譜特征、5個(gè)形狀特征和30個(gè)紋理特征作為候選特征參數(shù)。

2）特征選擇。在特征選擇方面，采用基于mRMR（最大相關(guān)性最小冗余）與支持向量機(jī)相結(jié)合的方法。該方法通過十折交叉驗(yàn)證對(duì)候選特征子集進(jìn)行性能評(píng)估，以找到適合于研究區(qū)的特征子集。具體而言，將樣本劃分為20個(gè)組，每組中有16個(gè)樣本用于學(xué)習(xí)，4個(gè)樣本用于測試，以統(tǒng)計(jì)分類錯(cuò)誤。通過進(jìn)行10次誤差平均，對(duì)該方法的性能進(jìn)行評(píng)估。最后，利用決策樹進(jìn)行分類，得到誤差結(jié)果，如圖3所示。

由統(tǒng)計(jì)交叉驗(yàn)證誤差（圖3）可知，當(dāng)特征數(shù)目為15時(shí)，誤差最小，為5.698%。在此選擇這15個(gè)特征數(shù)目作為分類特征子集。15個(gè)特征包含了光譜特征中的波段比（綠波段、紅波段、紅外波段）、標(biāo)準(zhǔn)差（藍(lán)波段、紅外波段）、均值（藍(lán)波段、綠波段）、亮度、NDVI；形狀特征中的形狀指數(shù)、密度、長寬比；紋理特征中的平均值（90°、135°）二階矩、對(duì)比度（O°）。表明3類特征在影像的分類中均發(fā)揮了重要作用。

3 土壤侵蝕度評(píng)價(jià)

進(jìn)行工程應(yīng)用是理論研究的最終目的，也是最為簡便易行的理論驗(yàn)證評(píng)價(jià)方法，可以直觀地提出理論的功能性和實(shí)用性。因此，采用上述優(yōu)化方法對(duì)研究區(qū)域進(jìn)行土壤評(píng)價(jià)研究，采用基于種子生成法的DEM生成方法和基于RS土壤侵蝕信息估算方法，提取RUSLE模型中所需的因子，對(duì)研究區(qū)域進(jìn)行土壤侵蝕評(píng)價(jià)。

3.1 基于RUSLE模型的土壤侵蝕量估算

采用中國土壤流失方程RUSLE，利用軟件ArcGIS對(duì)程橋街道土壤侵蝕強(qiáng)度進(jìn)行計(jì)算評(píng)價(jià)，如表1所示，評(píng)價(jià)每個(gè)柵格的土壤侵蝕強(qiáng)度。

根據(jù)土壤侵蝕強(qiáng)度分級(jí)標(biāo)準(zhǔn)，生成研究區(qū)土壤侵蝕強(qiáng)度分布，如圖4所示，并與采用現(xiàn)行方法生成的土壤侵蝕強(qiáng)度分布進(jìn)行對(duì)比。

基于種子生成法與現(xiàn)行方法計(jì)算的土壤侵蝕強(qiáng)度等級(jí)結(jié)果明顯不同，如圖5所示，說明坡度提取的精確性對(duì)土壤侵蝕強(qiáng)度的評(píng)價(jià)具有較大的影響，與現(xiàn)行方法計(jì)算結(jié)果相比，改進(jìn)方法得出的土壤侵蝕強(qiáng)度等級(jí)更為劇烈。在微度侵蝕等級(jí)范圍內(nèi)，改進(jìn)方法計(jì)算結(jié)果與現(xiàn)行方法相比，所占面積較小，降低了15.93個(gè)百分點(diǎn)；在輕度、中度和強(qiáng)烈侵蝕強(qiáng)度范圍內(nèi)，計(jì)算結(jié)果相似；在極強(qiáng)烈和劇烈侵蝕強(qiáng)度范圍內(nèi)，改進(jìn)方法計(jì)算結(jié)果分別比現(xiàn)行方法提高了3.42、8.73個(gè)百分點(diǎn)。此外，用該方法所得到的土壤侵蝕強(qiáng)度分級(jí)比現(xiàn)有的土壤侵蝕強(qiáng)度分級(jí)更具優(yōu)勢(shì)，由于水土流失的因子包括地形、植被覆蓋度等，都在逐漸發(fā)生改變，極少數(shù)發(fā)生顯著的變異，因此，評(píng)估的結(jié)果也是連續(xù)的。在現(xiàn)有的土壤侵蝕強(qiáng)度等級(jí)評(píng)價(jià)中，存在著成片、均勻的特征，基于種子生成法的土壤侵蝕等級(jí)評(píng)價(jià)無此特征，因此，基于種子生成法與土壤侵蝕學(xué)、地圖學(xué)的規(guī)律更為接近。

3.2 結(jié)果對(duì)比分析

本研究使用野外實(shí)地調(diào)查數(shù)據(jù)對(duì)RUSLE模型計(jì)算的水土流失結(jié)果進(jìn)行驗(yàn)證。野外調(diào)查過程中，記錄15個(gè)點(diǎn)的坐標(biāo)和水土流失狀況，結(jié)果如圖6所示。在坐標(biāo)點(diǎn)布設(shè)監(jiān)測釘，在自然降雨后，量測監(jiān)測釘?shù)耐饴堕L度，根據(jù)驗(yàn)證結(jié)果判定所選用方法的可行性和準(zhǔn)確性。對(duì)于每個(gè)坐標(biāo)點(diǎn)，監(jiān)測釘在布置時(shí)，按照2 m×2 m的范圍布設(shè)，成品字形或梅花形均勻分布于樣地上，每個(gè)坐標(biāo)點(diǎn)布設(shè)25個(gè)監(jiān)測釘，針插深度要大于坡地土壤可能的侵蝕深度，地面要露頭，便于標(biāo)記或?qū)ふ摇?/p>

在自然降雨后，量測監(jiān)測釘?shù)耐饴堕L度，結(jié)合降雨量，推算出各監(jiān)測釘?shù)哪炅魇Ш穸龋鶕?jù)中國水利部頒布的土壤侵蝕分類分級(jí)標(biāo)準(zhǔn)，判定該點(diǎn)所處位置的土壤侵蝕強(qiáng)度級(jí)別。每次大暴雨過后，觀測頂帽距地面的高度，計(jì)算土壤侵蝕深度和土壤侵蝕量。計(jì)算公式如下。

A=ZS/1 000×cosθ?（5）

式中，A為土壤侵蝕量；Z為平均侵蝕深度（mm）；S為侵蝕面積（m²）；θ為坡度。

每個(gè)坐標(biāo)點(diǎn)共記錄了6組數(shù)據(jù)，對(duì)每個(gè)坐標(biāo)點(diǎn)的監(jiān)測釘數(shù)據(jù)匯總，估算出侵蝕深度，即可估算該坐標(biāo)點(diǎn)的侵蝕量，對(duì)比《土壤侵蝕分類分級(jí)標(biāo)準(zhǔn)》（SL190—2007）中給出的土壤侵蝕等級(jí)劃分標(biāo)準(zhǔn)，可劃分該坐標(biāo)點(diǎn)的土壤侵蝕強(qiáng)度。因數(shù)據(jù)較多，本研究列出部分監(jiān)測數(shù)據(jù)，如表2所示，其中，土壤容重根據(jù)實(shí)驗(yàn)室測定得出，列出了部分坐標(biāo)點(diǎn)的土壤侵蝕監(jiān)測情況及估算結(jié)果。

以觀測點(diǎn)的實(shí)測數(shù)據(jù)為判別標(biāo)準(zhǔn)，對(duì)15個(gè)觀測點(diǎn)的照片進(jìn)行判讀核對(duì)。由表3的驗(yàn)證結(jié)果判別可以看出，2種方法的判別精度都在80.0%以上，符合精度要求，該方法具有可行性，結(jié)果具有可信性。但基于種子生成法在極強(qiáng)烈和劇烈評(píng)估方面更具優(yōu)勢(shì)，進(jìn)而提高了坡度提取的精度。

4 小結(jié)

對(duì)土壤侵蝕強(qiáng)度評(píng)價(jià)過程進(jìn)行了系統(tǒng)研究，根據(jù)理論方法，描述區(qū)域內(nèi)土壤侵蝕強(qiáng)度等級(jí)分布，為水土流失治理工作提供一定的科學(xué)依據(jù)。通過現(xiàn)場實(shí)際應(yīng)用對(duì)所提出的理論進(jìn)行應(yīng)用，并與現(xiàn)行方法對(duì)比分析，驗(yàn)證了理論、算法的有效性及客觀性，得出主要結(jié)論如下。

1）提出了一種基于Delaunay網(wǎng)格與距離函數(shù)的種子生成方法。該算法的核心思想是在給定區(qū)域內(nèi)生成初始種子，然后通過前進(jìn)邊界生成外部種子，并使用顆粒填充間隙。利用距離函數(shù)計(jì)算所有顆粒的中心坐標(biāo)，生成Delaunay網(wǎng)格。將該算法編寫成運(yùn)行模塊，并嵌入到ArcGIS軟件中，以便進(jìn)行實(shí)際應(yīng)用。

2）采用面向?qū)ο蟮姆诸惙椒ǎY(jié)合mRMR特征選擇算法和SVM算法來選擇特征變量，然后利用決策樹對(duì)高分辨率遙感影像進(jìn)行解譯。在影像分割后，提取了50個(gè)分類特征，經(jīng)過優(yōu)化后，篩選了15個(gè)最相關(guān)的特征，然后構(gòu)建了決策樹以獲取分類規(guī)則，從而實(shí)現(xiàn)了影像的解譯。

3）使用上述方法對(duì)江蘇省南京市六合區(qū)程橋街道的土壤侵蝕強(qiáng)度進(jìn)行評(píng)價(jià)。通過這一方法，能夠?qū)ρ芯繀^(qū)內(nèi)的土壤侵蝕強(qiáng)度進(jìn)行評(píng)估。將2種不同的土壤侵蝕強(qiáng)度評(píng)估結(jié)果與野外實(shí)地調(diào)查數(shù)據(jù)對(duì)比分析，結(jié)果顯示，2種方法的分類精度均在80%以上，滿足了精度要求，證明了該方法的可行性，并且結(jié)果具有可信度。

參考文獻(xiàn)：

［1］ 喻 攀.基于GIS和RS的開江縣土壤侵蝕評(píng)價(jià)［D］.成都：四川農(nóng)業(yè)大學(xué)，2015.

［2］ 宮留留.基于遙感和GIS的縣級(jí)土壤侵蝕信息提取研究［D］.武漢：湖北大學(xué)，2016.

［3］ 孫長安.國內(nèi)外應(yīng)用“3S”技術(shù)開展水土流失監(jiān)測的發(fā)展?fàn)顩r［J］.中國水土保持，2008（6）：54-57.

［4］ YANG Q K，JUPP D，LI R，et al. Re-scaling lower resolution slope by histogram matching［A］.ZHOU Q，LEES B，TANG G.Advances in digital terrain analysis［M］.Berlin，Heidelberg：Springer，2008.193-210.

［5］ 湯國安，趙牡丹，李天文，等.DEM提取黃土高原地面坡度的不確定性［J］.地理學(xué)報(bào)，2003，58（6）：824-830.

［6］ 劉新華，楊勤科，湯國安.中國地形起伏度的提取及在水土流失定量評(píng)價(jià)中的應(yīng)用［J］.水土保持通報(bào)，2001（1）：57-59，62.

［7］ 宋華平，郭 鑫，李晉川.基于改進(jìn)種子填充算法的地物快速填充應(yīng)用研究［J］.城市勘測，2013（4）：49-52.

［8］ 陳 巧，陳永富.應(yīng)用高分辨率衛(wèi)星影像監(jiān)測退耕地植被的覆蓋度［J］.林業(yè)科學(xué)，2006（S1）：5-9.

［9］ 陳 燕，齊清文.達(dá)拉特旗土地利用及水土保持措施現(xiàn)狀遙感調(diào)查與制圖［J］.水土保持學(xué)報(bào)，2003（6）：137-139.

收稿日期：2023-09-26

基金項(xiàng)目：南京市六合區(qū)補(bǔ)充耕地培肥示范區(qū)項(xiàng)目

作者簡介：呂 寒（1978-），女，江蘇南京人，高級(jí)工程師，主要從事土地質(zhì)量管理研究和工程工作，（電話）13951635202（電子信箱）

306316250@qq.com。