<br />
基于遥感和GIS的宣化县水土流失定量空间特征分析

doi:10.6046/gtzyyg.2010.02.23

全文: PDF(1117 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

以遥感和GIS技术为支撑，利用通用的土壤流失方程（USLE）的修正模型（RUSLE）定量评估宣化县2000年的水土流失量和土壤侵蚀强度，并对宣化县水土流失空间分布特征进行了分析。结果表明，宣化县2000年土壤侵蚀 (轻度侵蚀以上)面积为982.85 km2，占宣化县总面积的39.25%，平均土壤侵蚀模数为13.92 t/hm2•a，属于轻度侵蚀；坡度越大，极强度及剧烈侵蚀越有可能发生，从整体来看，15°～25°是侵蚀比例最大的坡度带。宣化县土壤侵蚀主要集中于灌草地和旱地两种土地类型，两者土壤侵蚀面积占宣化县2000年总土壤侵蚀面积的93.897%。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章

关键词 ：海岸线, 遥感, 演变趋势及稳定性

Abstract：

Supported by remote sensing and GIS technology, the authors quantitatively evaluated the volume of soil

loss and the soil loss intensity in Xuanhua County in 2000 on the basis of RUSLE model, and made a characteristic

analysis of the spatial distribution of soil loss in this county. The results show that the soil erosion area (with

the erosion stronger than mild erosion) of Xuanhua County in 2000 was 982.85 km2, accounting for 39.25% of the

total area of Xuanhua County. The average soil erosion modulus was 13.92 t•hm-2•a-1, belonging to mild erosion. The

steeper the slope, the more probably the strongest erosion happened. On the whole, the slope belt of 15°～25° was

the belt subjected to the largest proportion of eroson. Soil erosion in Xuanhua County is mainly concentrated on

the irrigation grassland and the dry land, and the soil erosion area of these two land types in Xuanhua County

accounted for 93.897% of the total soil erosion area in 2000.

Key words： Coastline Remote sensing Evolutionary trend and stability

出版日期: 2010-06-29

引用本文:

姬翠翠, 李晓松, 曾源, 闫娜娜, 武文波, 吴炳方.
基于遥感和GIS的宣化县水土流失定量空间特征分析[J]. 国土资源遥感, 2010, 22(2): 107-112.
JI Cui-Cui, LI Xiao-Song, ZENG Yuan, YAN Na-Na, WU Wen-Bo, WU Bing-Fang. The Ration Spatial Distribution of Soil Loss Based on Remote Sensing and GIS in Xuanhua County. REMOTE SENSING FOR LAND & RESOURCES, 2010, 22(2): 107-112.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2010.02.23 或 https://www.gtzyyg.com/CN/Y2010/V22/I2/107

[1]	刘文, 王猛, 宋班, 余天彬, 黄细超, 江煜, 孙渝江. 基于光学遥感技术的冰崩隐患遥感调查及链式结构研究——以西藏自治区藏东南地区为例[J]. 自然资源遥感, 2022, 34(1): 265-276.
[2]	王茜, 任广利. 高光谱遥感异常信息在阿尔金索拉克地区铜金矿找矿工作中的应用[J]. 自然资源遥感, 2022, 34(1): 277-285.
[3]	吕品, 熊丽媛, 徐争强, 周学铖. 基于FME的矿山遥感监测矢量数据图属一致性检查方法[J]. 自然资源遥感, 2022, 34(1): 293-298.
[4]	张大明, 张学勇, 李璐, 刘华勇. 一种超像素上Parzen窗密度估计的遥感图像分割方法[J]. 自然资源遥感, 2022, 34(1): 53-60.
[5]	薛白, 王懿哲, 刘书含, 岳明宇, 王艺颖, 赵世湖. 基于孪生注意力网络的高分辨率遥感影像变化检测[J]. 自然资源遥感, 2022, 34(1): 61-66.
[6]	宋仁波, 朱瑜馨, 郭仁杰, 赵鹏飞, 赵珂馨, 朱洁, 陈颖. 基于多源数据集成的城市建筑物三维建模方法[J]. 自然资源遥感, 2022, 34(1): 93-105.
[7]	李伟光, 侯美亭. 植被遥感时间序列数据重建方法简述及示例分析[J]. 自然资源遥感, 2022, 34(1): 1-9.
[8]	丁波, 李伟, 胡克. 基于同期光学与微波遥感的茅尾海及其入海口水体悬浮物反演[J]. 自然资源遥感, 2022, 34(1): 10-17.
[9]	高琪, 王玉珍, 冯春晖, 马自强, 柳维扬, 彭杰, 季彦桢. 基于改进型光谱指数的荒漠土壤水分遥感反演[J]. 自然资源遥感, 2022, 34(1): 142-150.
[10]	张秦瑞, 赵良军, 林国军, 万虹麟. 改进遥感生态指数的宜宾市三江汇合区生态环境评价[J]. 自然资源遥感, 2022, 34(1): 230-237.
[11]	贺鹏, 童立强, 郭兆成, 涂杰楠, 王根厚. 基于地形起伏度的冰湖溃决隐患研究——以希夏邦马峰东部为例[J]. 自然资源遥感, 2022, 34(1): 257-264.
[12]	于新莉, 宋妍, 杨淼, 黄磊, 张艳杰. 结合空间约束的卷积神经网络多模型多尺度船企场景识别[J]. 自然资源遥感, 2021, 33(4): 72-81.
[13]	李轶鲲, 杨洋, 杨树文, 王子浩. 耦合模糊C均值聚类和贝叶斯网络的遥感影像后验概率空间变化向量分析[J]. 自然资源遥感, 2021, 33(4): 82-88.
[14]	艾璐, 孙淑怡, 李书光, 马红章. 光学与SAR遥感协同反演土壤水分研究进展[J]. 自然资源遥感, 2021, 33(4): 10-18.
[15]	李特雅, 宋妍, 于新莉, 周圆锈. 卫星热红外温度反演钢铁企业炼钢月产量估算模型[J]. 自然资源遥感, 2021, 33(4): 121-129.