CN105115883B - 土壤水蚀量的检测方法和装置 - Google Patents
土壤水蚀量的检测方法和装置 Download PDFInfo
- Publication number
- CN105115883B CN105115883B CN201510536719.1A CN201510536719A CN105115883B CN 105115883 B CN105115883 B CN 105115883B CN 201510536719 A CN201510536719 A CN 201510536719A CN 105115883 B CN105115883 B CN 105115883B
- Authority
- CN
- China
- Prior art keywords
- factor
- objective area
- region
- flow path
- earth
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本发明提供了一种土壤水蚀量的检测方法和装置。其中方法包括:分别确定目标地区对应的降雨侵蚀力因子、土壤可蚀性因子、地表径流路径因子、地表粗糙因子和地表覆盖因子;依据所述降雨侵蚀力因子、所述土壤可蚀性因子、所述地表径流路径因子、所述地表粗糙因子和所述地表覆盖因子检测所述目标地区的土壤水蚀量。通过本发明,实现了低成本、动态、快速地检测土壤水蚀量,方便生成实时土壤水蚀分布图,降低了土壤水蚀量的检测成本,提高了土壤水蚀量的检测精度,并且并非基于某种特定地形进行检测,因此通用性较高。
Description
技术领域
本发明涉及土壤侵蚀和空间信息提取技术领域,特别是涉及一种土壤水蚀量的检测方法和装置。
背景技术
土壤水蚀,是指土壤及其母质、岩石等受水力作用造成的侵蚀。土壤水蚀的定量研究一直是水土保持的热点和难点,国内外专家均做了大量的研究工作,并从坡面、流域和区域等多尺度模拟了土壤水蚀量。
但是,现有的土壤水蚀量的检测方法均无法较精确地检测土壤水蚀量。例如利用美国通用土壤流失修正方程进行土壤水蚀量检测的方法,该方法仅是基于美国缓坡地区建立起来的,针对其他地区的地形并不适用;并且进行不同地区土壤水蚀的预测时,产生较大的误差。
因此,现有技术的土壤水蚀量检测方法通用性差,检测得到的土壤水蚀量准确性低。
发明内容
本发明提供一种土壤水蚀量的检测方法和装置,以解决现有技术的土壤水蚀量检测方法通用性差,检测得到的土壤水蚀量准确性低的问题。
为了解决上述问题,本发明公开了一种土壤水蚀量的检测方法,包括:
分别确定目标地区对应的降雨侵蚀力因子、土壤可蚀性因子、地表径流路径因子、地表粗糙因子和地表覆盖因子;
依据所述降雨侵蚀力因子、所述土壤可蚀性因子、所述地表径流路径因子、所述地表粗糙因子和所述地表覆盖因子检测所述目标地区的土壤水蚀量。
为了解决上述问题,本发明公开了一种土壤水蚀量的检测装置,包括:
确定模块,用于分别确定目标地区对应的降雨侵蚀力因子、土壤可蚀性因子、地表径流路径因子、地表粗糙因子和地表覆盖因子;
检测模块,用于依据所述降雨侵蚀力因子、所述土壤可蚀性因子、所述地表径流路径因子、所述地表粗糙因子和所述地表覆盖因子,检测所述目标地区的土壤水蚀量。
与现有技术相比,本发明包括以下优点:
本发明中,首先分别确定目标地区对应的降雨侵蚀力因子、土壤可蚀性因子、地表径流路径因子、地表粗糙因子和地表覆盖因子;然后,依据降雨侵蚀力因子、土壤可蚀性因子、地表径流路径因子、地表粗糙因子和地表覆盖因子检测目标地区的土壤水蚀量。其中,地表径流路径因子是沟壑的延伸,是水蚀加速的因素,它较直观地反映了目标地区的土壤水蚀轮廓,通过提取地表径流路径因子,避免了采用坡长因子时,计算出的坡长是径流线坡长,而实测坡长是理想化的坡长,两者存在较大差异的问题,并且坡长因子是一个二维信息,而地表径流路径因子集成的是空间三维信息,更能真实地模拟土壤水蚀情况;地表粗糙因子是综合考虑到人为和自然因素导致地表形态变化等,其相对于水土保持因子可以直接运用雷达数字表面模型(Digital Surface Model,DSM)计算,更易进行量化;地表覆盖因子在植被覆盖因子的基础上耦合了土地利用类型因子,有利于提高估算土壤水蚀量的精度。通过本发明,实现了低成本、动态、快速地检测土壤水蚀量,方便生成实时土壤水蚀分布图,降低了土壤水蚀量的检测成本,提高了土壤水蚀量的检测精度,并且并非基于某种特定地形进行检测,因此通用性较高。
附图说明
图1是本发明实施例一的一种土壤水蚀量的检测方法的步骤流程图;
图2是本发明实施例二的一种土壤水蚀量的检测方法的步骤流程图;
图3是本发明实施例二的一种确定地表覆盖因子的示意图;
图4是本发明实施例二的一种土壤水蚀量的检测模型的示意图;
图5是本发明实施例三的一种土壤水蚀量的检测装置的结构框图;
图6是本发明实施例四的一种土壤水蚀量的检测装置的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
参照图1,示出了本发明实施例一的一种土壤水蚀量的检测方法的步骤流程图。
本实施例的土壤水蚀量的检测方法可以包括以下步骤:
步骤101,分别确定目标地区对应的降雨侵蚀力因子、土壤可蚀性因子、地表径流路径因子、地表粗糙因子和地表覆盖因子。
其中,目标地区是指需要被检测土壤水蚀量的地区,该目标地区可以为县级地区、市级地区、省级地区、国家级地区等,本领域技术人员可以根据实际情况进行目标地区的确定,本实施例对此并不加以限制。
其中,降雨侵蚀力因子是指降雨导致土壤侵蚀发生的潜在能力,是降雨特性的函数,它取决于雨滴降落速率和雨滴大小分布等降雨特征;土壤可蚀性因子是指土壤可蚀性的定量评价指标,其反映了土壤抵抗径流冲刷的能力;地表径流路径因子是指土壤水蚀的轮廓,反映目标地区的土壤水蚀物理过程;地表粗糙因子是指反映地表起伏变化与侵蚀强度的指标,其反映人为或自然因素导致的地表形态变化;地表覆盖因子是指反映了土地利用和植被覆盖情况的指标。对于确定各个因子的具体过程,将在下面的实施例二中详细说明。
步骤102,依据所述降雨侵蚀力因子、所述土壤可蚀性因子、所述地表径流路径因子、所述地表粗糙因子和所述地表覆盖因子检测所述目标地区的土壤水蚀量。
上述降雨侵蚀力因子、所述土壤可蚀性因子、所述地表径流路径因子、所述地表粗糙因子和所述地表覆盖因子与土壤水蚀相关,能够反映土壤水蚀的情况,因此通过上述五个因子即可检测所述目标地区的土壤水蚀量。对于检测土壤水蚀量的具体过程,将在下面的实施例二中详细说明。
本实施例中,首先分别确定目标地区对应的降雨侵蚀力因子、土壤可蚀性因子、地表径流路径因子、地表粗糙因子和地表覆盖因子;然后,依据降雨侵蚀力因子、土壤可蚀性因子、地表径流路径因子、地表粗糙因子和地表覆盖因子检测目标地区的土壤水蚀量。其中,地表径流路径因子是沟壑的延伸,是水蚀加速的因素,它较直观地反映了目标地区的土壤水蚀轮廓,通过提取地表径流路径因子,避免了采用坡长因子时,计算出的坡长是径流线坡长,而实测坡长是理想化的坡长,两者存在较大差异的问题,并且坡长因子是一个二维信息,而地表径流路径因子集成的是空间三维信息,更能真实地模拟土壤水蚀情况;地表粗糙因子是综合考虑到人为和自然因素导致地表形态变化等,其相对于水土保持因子可以直接运用DSM计算,更易进行量化;地表覆盖因子在植被覆盖因子的基础上耦合了土地利用类型因子,有利于提高估算土壤水蚀量的精度。通过本实施例,实现了低成本、动态、快速地检测土壤水蚀量,方便生成实时土壤水蚀分布图,降低了土壤水蚀量的检测成本,提高了土壤水蚀量的检测精度,并且并非基于某种特定地形进行检测,因此通用性较高。
实施例二
参照图2,示出了本发明实施例二的一种土壤水蚀量的检测方法的步骤流程图。
本实施例的土壤水蚀量的检测方法可以包括以下步骤:
步骤201,确定目标地区对应的降雨侵蚀力因子。
本实施例中,确定的是目标地区对应的次降雨侵蚀力因子,即一次降雨对应的降雨侵蚀力因子,因此可以针对目标地区的每次降雨,分别计算本次降雨对应的降雨侵蚀力因子。
优选地,该步骤201可以包括:
子步骤a1,针对所述目标地区的每次降雨,分别采集本次降雨的总动能、以及本次降雨过程中降雨量超过设定雨量阈值的预设时间段内的总降雨强度;
子步骤a2,依据所述总动能与所述总降雨强度确定所述目标地区的本次降雨对应的降雨侵蚀力因子。
本实施例中,该子步骤a2具体为将所述总动能与所述总降雨强度的乘积确定为所述目标地区的本次降雨对应的降雨侵蚀力因子。
本实施例在有降雨数据的地区采用降雨数据,无降雨数据的地区采用TRMM(Tropical Rainfall Measuring Mission,热带降雨测量)和卫星云数据,10km降雨格点数据与经纬度、高程进行空间插值,开发插值模型动态计算。本实施例中,用R表示本次降雨对应的降雨侵蚀力因子(单位为MJ﹒mm﹒hm-2﹒h-1),则R的计算公式如下:
R=It×E
其中,E表示本次降雨的总动能(单位为MJ﹒hm-2),It表示本次降雨过程中降雨量超过设定雨量阈值的时间段t内的总降雨强度(单位为mm﹒h-1),t表示预设时间段。
可以将本次降雨过程分为n个时段(例如,本次降雨过程为5个小时,则可以将其分为10个时段,每个时段为半个小时,等等),E表示将各个时段的单位降雨动能与该时段雨量的乘积按时段进行累加,E可以表示如下:
因此,R还可以表示为如下公式:
ei=0.29[1-0.72exp(-0.05ii)]
其中,ei为每一时段的单位降雨动能(单位为MJ﹒hm-2﹒mm-1);Pri为每一时段的降雨量(单位为mm),ii为断点雨强,(单位为mm﹒h-1),i=1,2,…,n,exp表示以自然常数e为底的指数函数。
其中,对于上述设定雨量阈值和预设时间段的具体数值,本领域技术人员根据实际经验选取任意适用的数值即可,本实施例对具体的数值并不加以限制。例如,可以选用本次降雨过程中降雨量最大的30min,则R=I30×E,对于其他数值参考处理即可。
经过上述过程,即可计算出目标地区的每次降雨各自对应的降雨侵蚀力因子,还可以进一步依据每次降雨各自对应的降雨侵蚀力因子计算目标地区的年降雨侵蚀力因子、月降雨侵蚀力因子、日降雨侵蚀力因子等,年月日降雨侵蚀力分别是各个时间段内所有次降雨侵蚀力的总和;也可以进一步计算多年平均年降雨侵蚀力因子,多年平均年降雨侵蚀力是将每年的年降雨侵蚀力按年求平均即可。
优选地,考虑到由于并非每次降雨都能够引起土壤侵蚀,因此还可以依据侵蚀性降雨标准进行处理。侵蚀性降雨,是指能够引起土壤侵蚀的降雨。首先可以获取目标地区的侵蚀性降雨标准,该侵蚀性降雨标准可以包括侵蚀性降雨的基本雨量标准、一般雨量标准、瞬时雨率标准、暴雨基本雨量标准等,对于侵蚀性降雨标准的获取,本领域技术人员根据实际经验进行相关处理即可,本实施例在此不再详细论述。因此,本实施例中对于降雨侵蚀力因子的计算还可以根据目标地区的侵蚀性降雨标准,对于小于侵蚀性降雨标准的降雨舍弃,仅计算大于侵蚀性降雨标准的次降雨侵蚀力因子。建立侵蚀性降雨标准,是为了区分发生和不发生侵蚀的降雨事件,从而大大减少计算降雨侵蚀力因子的工作量,并提高土壤侵蚀检测的精度。
步骤202,确定目标地区对应的土壤可蚀性因子。
优选地,该步骤202可以包括:
确定目标地区对应的土壤可蚀性因子的步骤,包括:
子步骤b1,采集所述目标地区的砂粒含量、粉粒含量、黏粒含量和有机质含量;
子步骤b2,依据所述砂粒含量、所述粉粒含量、所述黏粒含量和所述有机质含量确定所述目标地区对应的土壤可蚀性因子。
根据土壤可蚀性因子对于具体某一种土壤应该为一个相对稳定的数值,不随其它条件的变化而变化的原则。本实施例的土壤类型应不低于目标地区的土属级别,土壤可蚀性因子依据土壤类型结合地面分析数据进行,用K表示目标地区对应的土壤可蚀性因子(单位为t﹒h﹒MJ-1﹒mm-1),则K的计算公式如下:
K={0.2+0.3exp[-0.0256Sd(1-Si/100)]}
×[Si/(Cl+Si)]0.3
×{1-0.25Co/[Co+exp(3.72-2.95Co)]}
×{1-0.7Sn/[Sn+exp(-5.51+22.9Sn)]}
其中,Sn的计算公式如下:
Sn=1-Sd/100
式中,Sd为砂粒含量(%),Si为粉粒含量(%),Cl为黏粒含量(%),CCo为有机质含量(%)。若无资料,则K可以取平均值0.0434t﹒h﹒MJ-1﹒mm-1。
上述降雨侵蚀力因子和土壤可蚀性因子主要涉及到气象、水文等数据的获取,对于具体的获取方法,本领域技术人员根据实际经验进行相关处理即可,本实施例在此不再详细论述。
步骤203,确定目标地区对应的地表径流路径因子。
优选地,该步骤203可以包括:
子步骤c1,提取所述目标地区中包括的多条地表径流路径;
本实施例中,可以基于DEM(Digital Elevation Model,数字高程模型)提取目标地区中包括的多条地表径流路径。DEM是用一组有序数值阵列形式表示地面高程的一种实体地面模型,是DTM(Digital Terrain Model,数字地形模型)的一个分支,其它各种地形特征值均可由此派生,一般认为,DTM是描述包括高程在内的各种地貌因子,如坡度、坡向、坡度变化率等因子在内的线性和非线性组合的空间分布,其中DEM是零阶单纯的单项数字地貌模型,其他如坡度、坡向及坡度变化率等地貌特性可在DEM的基础上派生。
该子步骤c1可以包括:
c11,无洼地DEM生成;
c11包括:c111、水流方向的提取;c112、洼地计算(洼地计算包括洼地提取和洼地深度计算);c113、洼地填充。
c12,汇流累计量计算;
c12包括:c121、基于无洼地DEM生成水流方向图;c122、计算汇流累积量数据。
c13,水流长度计算;
c13包括:c131、顺流计算的水流长度;c132、溯流计算的水流长度。
c14,河道提取;
c14包括:c141、河网的生成;c142、河道(Stream Link)的生成;c143、河网分级。
c15,流域分割。
c15包括:c151、流域盆地的确定;c152、集水流域的生成。
通过上述子步骤c11~c15即可得出目标地区的地表径流路径,本实施例中可以直接将得出的地表径流路径作为上述多条地表径流路径;还可以根据设定的长度阈值,选取其中长度大于长度阈值的地表径流路径作为上述多条地表径流路径,其中对于长度阈值的具体数值,本领域技术人员根据实际经验选取任意合适的数值即可,例如可以选取长度阈值为100米、150米、200米等,本实施例对此并不加以限制。
子步骤c2,采集所述多条地表径流路径的总长度、以及所述目标地区的曲面面积,依据所述总长度和所述曲面面积确定所述目标地区对应的地表径流路径因子。
该子步骤c2可以包括:
子步骤c21,计算所述总长度与所述曲面面积的第一比值;
子步骤c22,获取设定的地表径流路径因子与第一比值的对应关系;
子步骤c23,从所述对应关系中查找与所述第一比值对应的地表径流路径因子,将查找到的地表径流路径因子确定为所述目标地区对应的地表径流路径因子。
对于上述地表径流路径因子与第一比值的对应关系,本领域技术人员可以根据历史经验数据进行设置,也可以根据模拟实验的结果进行设置,还可以根据已有的相关模型对相关数据分析的结果进行设置,本实施例对此并不加以限制。
对于上述地表径流路径因子,为了使土壤水蚀量的检测更加准确,可以每年进行一次敏感度分析,以保证地表径流路径因子的更新。
步骤204,确定目标地区对应的地表粗糙因子。
优选地,该步骤204可以包括:
子步骤d1,确定所述目标地区中包括的各地表类型的区域,并分别确定所述各地表类型的区域各自对应的地表粗糙因子;
本实施例中,地表粗糙度可以采用雷达数字表面模型计算。DSM是指包含了地表建筑物、桥梁和树木等高度的地面高程模型,其是在DEM的基础上,进一步涵盖了除地面以外的其它地表信息的高程。DSM相比DEM能够更真实地表达地面起伏信息。
地表类型可根据地表粗糙度进行等级划分,主要分为4类:无建筑类型(A类),是指近海海面、海岛、海岸、湖岸及沙漠等;建筑稀疏类型(B类),是指空旷田野、乡村、丛林、丘陵及房屋比较稀疏的中小城镇和大城市郊区;建筑中等类型(C类),是指有密集建筑群的城市市区;建筑密集类型(D类),是指有密集建筑物且有大量高层建筑的大城市市区。首先可以确定目标地区中包括的各地表类型的区域,即包括哪种或哪几种地表类型的区域。
针对各地表类型的区域,可以分别确定其各自对应的地表粗糙因子,该过程可以包括:
子步骤d11,采集所述目标地区的曲面面积和投影面积;
子步骤d12,依据所述曲面面积和所述投影面积确定所述各地表类型的区域各自对应的地表粗糙因子。
该子步骤d12可以包括:计算所述曲面面积和所述投影面积的第二比值;获取所述各地表类型的区域各自对应的粗糙度系数,将所述第二比值与本地表类型的区域对应的粗糙度系数的乘积作为本地表类型的区域对应的地表粗糙因子。例如,目标地区中包括A类、B类、C类和D类这四类地表类型的区域,其中A类区域对应的粗糙度系数为a1,B类区域对应的粗糙度系数为b1,C类区域对应的粗糙度系数为c1,D类区域对应的粗糙度系数为d1,曲面面积和投影面积的第二比值为Ra,则A类区域对应的地表粗糙因子为a1×Ra,B类区域对应的地表粗糙因子为b1×Ra,C类区域对应的地表粗糙因子为c1×Ra,D类区域对应的地表粗糙因子为d1×Ra。本领域技术人员还可以针对各地表类型的区域各自对应的地表粗糙因子选取任意合适的经验值,例如,可以选取A类区域对应的地表粗糙因子取0.12,B类区域对应的地表粗糙因子取0.16,C类区域对应的地表粗糙因子为0.22,D类区域对应的地表粗糙因子取0.3,等等,本实施例对具体的数值并不加以限制。
子步骤d2,依据所述各地表类型的区域各自对应的地表粗糙因子确定所述目标地区对应的地表粗糙因子。
该子步骤d2可以包括:
子步骤d21,确定所述各地表类型的区域各自在所述目标地区中所占的比例;
其中,对于各地表类型的区域各自在所述目标地区中所占的比例,可以依据各地表类型的区域的曲面面积在目标地区的曲面面积中所占的比例计算,也可以依据各地表类型的区域的投影面积在目标地区的投影面积中所占的比例计算,还可以依据其他方式计算,本实施例对此并不加以限制。
子步骤d22,依据所述各地表类型的区域各自对应的地表粗糙因子,以及所述各地表类型的区域各自在所述目标地区中所占的比例,确定所述目标地区对应的地表粗糙因子。
具体地,针对各地表类型的区域,分别计算本地表类型的区域对应的地表粗糙因子,与本地表类型的区域在目标地区中所占的比例的乘积;计算各地表类型的区域对应的乘积的总和,将该总和作为目标地区对应的地表粗糙因子。如子步骤d12中的举例,如果其中A类区域在目标地区中所占的比例为a2,B类区域在目标地区中所占的比例为b2,C类区域在目标地区中所占的比例为c2,D类区域在目标地区中所占的比例为d2,用P表示目标地区对应的地表粗糙因子,则
P=a1×Ra×a2+b1×Ra×b2+c1×Ra×c2+d1×Ra×d2
对于上述地表粗糙因子,为了使土壤水蚀量的检测更加准确,可以每年进行一次分析,以保证地表粗糙因子的更新,当然,如有较大变动,也可实时提取。
步骤205,确定目标地区对应的地表覆盖因子C。
优选地,该步骤205可以包括:
子步骤e1,确定所述目标地区中包括的各土地利用类型的区域,并分别确定所述各土地利用类型的区域各自对应的地表覆盖因子。
本实施例中,地表覆盖因子可以利用遥感数据提取、分类和赋值。地表覆盖因子是根据地面覆盖状况不同而反映地表对土壤侵蚀影响的因素,与土地利用类型、植被覆盖度密切相关。其中,土地利用类型可以包括非植被覆盖类型(包括不透水地物(含裸岩)、水域、沙漠等)和植被覆盖类型(包括耕地、林地、草地、园地等),反映土地利用和植被覆盖情况。首先可以确定目标地区中包括的各土地利用类型的区域,即包括哪种或哪几种土地利用类型的区域。土地利用类型的确定,可以采用高分预处理后的多光谱和全色数据,对影像进行多尺度分割,根据总结的各类地物特征,分别设定每个土地利用类型对应的特征参数阈值区间,特征参数位于某一土地利用类型对应的特征参数阈值区间内的区域即为该土地利用类型。
针对各土地利用类型的区域,可以分别确定其各自对应的地表覆盖因子,该过程可以包括:
子步骤e11,将非植被覆盖类型的区域对应的地表覆盖因子赋值为0;
子步骤e12,采集植被覆盖类型的区域对应的植被覆盖度;
植被覆盖度算法采用混合像元二分模型法,通过建立每个像元的植被覆盖度和全植被覆盖、纯土壤覆盖之间的关系模型来计算植被覆盖度。它假定通过遥感传感器所观测到的信息可以表达为绿色植被部分所贡献的信息和由无植被覆盖(裸土)部分所贡献的信息两部分组成。即:
S=FcSveg+(1-Fc)Ssoil
式中,S表示为遥感传感器所观测得到的信息,它所得到的信息是由Sveg表示为绿色植被所贡献信息和Ssoil表示为土壤成分所贡献信息两部分组成的,且S,Sveg,Ssoil三者为线性组合关系,Sveg和Ssoil这两部分的权重分别为它们在像元中的面积比例关系,即Fc和1-Fc。
对公式进行变换,可以得到植被覆盖度的计算公式:
Fc=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)
NDVI=(Pr-Pn)/(Pr+Pn)
其中,NDVI表示本土地利用类型的区域对应的各像元的NDVI值,NDVIsoil表示本土地利用类型的区域对应的纯裸土的植被归一化指数,NDVIveg表示本土地利用类型的区域对应的纯植被覆盖的植被归一化指数,Pr表示近红外波段反射率,Pn表示红外波段发射率,这些数据均可通过遥感数据获得。
子步骤e13,依据所述植被覆盖度确定所述植被覆盖类型的区域对应的地表覆盖因子。
本实施例中,可以依据植被覆盖度确定植被覆盖类型的区域对应的地表覆盖因子,因此可依据植被覆盖类型的区域对应的植被覆盖度因子得到地表覆盖因子,即各植被覆盖类型的区域对应的地表覆盖因子等于其对应的植被覆盖度因子。用Q表示植被覆盖度因子,用f表示植被覆盖度,则:
Q=1,f=0
Q=0.6508-0.3436lgf,0<f≤78.3%
Q=0,f>78.3%
本实施例中,首先通过遥感提取技术,提取不透水地物、水域、沙漠等不产生土壤水蚀或者土壤水蚀微量的土地利用类型,采用直接赋值的方法,令C=0,在植被覆盖区域根据植被覆盖度来得到地表覆盖因子。
子步骤e2,依据所述各土地利用类型的区域各自对应的地表覆盖因子确定所述目标地区对应的地表覆盖因子。
该子步骤e2可以包括:
子步骤e21,确定所述植被覆盖类型的区域在所述目标地区中所占的比例;
其中,对于植被覆盖类型的区域在所述目标地区中所占的比例,可以依据植被覆盖类型的区域的曲面面积在目标地区的曲面面积中所占的比例计算,也可以依据植被覆盖类型的区域的投影面积在目标地区的投影面积中所占的比例计算,还可以依据其他方式计算,本实施例对此并不加以限制。
子步骤e22,依据所述植被覆盖类型的区域对应的地表覆盖因子,以及所述植被覆盖类型的区域在所述目标地区中所占的比例,确定所述目标地区对应的地表覆盖因子。
具体地,针对植被覆盖类型的区域,分别计算植被覆盖类型的区域对应的地表覆盖因子,与植被覆盖类型的区域在目标地区中所占的比例的乘积,将该乘积作为目标地区对应的地表覆盖因子。
例如,目标地区中包括不透水地物类区域、水域类区域、沙漠类区域和植被覆盖类区域四种,其中,不透水地物类区域对应的地表覆盖因子为0,水域类区域对应的地表覆盖因子为0,沙漠类区域对应的地表覆盖因子为0,植被覆盖类区域对应的地表覆盖因子为Q,植被覆盖类区域在目标地区中所占的比例为s,用C表示目标地区对应的地表覆盖因子,则:
C=Q×s
需要说明的是,对于上述地表覆盖因子,由于遥感数据获取的植被覆盖度是某时刻的数据,可能不能代表一年的植被覆盖情况,因此可以分不同季节进行植被覆盖度计算,各个季节对应的植被覆盖度。
参照图3,示出了本发明实施例二的一种确定地表覆盖因子的示意图。由图3可知,目标地区包括不透水地物、水域、沙漠和植被覆盖区四种区域,其中植被覆盖区还包括耕地、林地、草地和园地四种覆盖区,地表覆盖因子基于不透水地物、水域、沙漠和植被覆盖区四种区域各自对应的地表覆盖因子计算,对于其中的不透水地物、水域、沙漠区域可以采用经验值确定对应的地表覆盖因子,其中的植被覆盖区可以依据耕地、林地、草地和园地四种覆盖区得到对应的植被指数,并依据植被指数得到植被覆盖度,进而确定植被覆盖区对应的地表覆盖因子。
上述地表径流路径因子、地表粗糙因子和地表覆盖因子主要涉及到地理信息系统和遥感等数据的获取,对于具体的获取方法,本领域技术人员根据实际经验进行相关处理即可,本实施例在此不再详细论述。
需要说明的是,步骤201~步骤205并不限定于上述执行顺序,其中的各个步骤可以按照任意可能的顺序执行,也可以并行执行,本实施例对此并不加以限制。
步骤206,依据所述降雨侵蚀力因子、所述土壤可蚀性因子、所述地表径流路径因子、所述地表粗糙因子和所述地表覆盖因子,检测所述目标地区的土壤水蚀量。
该步骤206可以包括:
子步骤f1,依据所述降雨侵蚀力因子、所述土壤可蚀性因子、所述地表径流路径因子、所述地表粗糙因子和所述地表覆盖因子,生成如下土壤水蚀量检测模型:
M=R×K×H×P×C
其中,M为土壤水蚀量,R为降雨侵蚀力因子,K为土壤可蚀性因子,H为地表径流路径因子,P为地表粗糙因子,C为地表覆盖因子;
子步骤f2,采用所述土壤水蚀量检测模型检测所述目标地区的土壤水蚀量。
参照图4,示出了本发明实施例二的一种土壤水蚀量的检测模型的示意图。图4中,水蚀空间模型(也即土壤水蚀量的检测模型)依据降雨侵蚀力因子、土壤可蚀性因子、地表径流路径因子、地表粗糙因子和地表覆盖因子得到,其中,降雨侵蚀力因子通过次降雨数据计算,土壤可蚀性因子通过土壤类型和质地计算,地表径流路径因子通过DEM提取计算,地表粗糙因子通过遥感数据计算,地表覆盖因子通过DSM提取计算。对于各个因子的计算过程,参照上述的相关描述即可,本实施例在此不再详细论述。
本实施例中,各因子的获取分别是采用遥感和地理信息系统技术进行地理信息的提取与定量表达以及利用国家发布的气象、水文数据进行由点到面的尺度转换,以求达到节约人力成本、减少因人为因素造成的误差和实现土壤水蚀的动态监测。本实施例抛弃了坡长因子、坡度因子、植被覆盖因子和水土保持措施因子,而采用地表径流路径因子、地表覆盖因子和地表粗糙因子来模拟土壤水蚀量,经过因子的转换,土壤水蚀空间模型改变了建立在缓坡基础上,在进行次降雨土壤水蚀检测时存在较大偏差的局面,各因子采用地理信息系统和遥感等空间技术进行提取,减少了大量的野外调查工作,不但节约了人工成本,还减少了因为人为因素造成的误差,可以提高模型的模拟精度,其遥感数据或其它空间数据的更新能够实现土壤水蚀估算的实时动态化,可以具体到每一场降雨的土壤水蚀量,快速生成实时土壤水蚀强度分布图,最后,通过各种因子的空间属性耦合,建立一个估算土壤水蚀量的空间技术模型。通过本实施例,实现了低成本、动态、快速地检测土壤水蚀量,方便生成实时土壤水蚀分布图,降低土壤水蚀监测成本,进一步提高土壤水蚀模型的估算精度。
对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
实施例三:
参照图5,示出了本发明实施例三的一种土壤水蚀量的检测装置的结构框图。
本实施例的土壤水蚀量的检测装置可以包括以下模块:
确定模块501,用于分别确定目标地区对应的降雨侵蚀力因子、土壤可蚀性因子、地表径流路径因子、地表粗糙因子和地表覆盖因子;
检测模块502,用于依据所述降雨侵蚀力因子、所述土壤可蚀性因子、所述地表径流路径因子、所述地表粗糙因子和所述地表覆盖因子,检测所述目标地区的土壤水蚀量。
本实施例中,首先分别确定目标地区对应的降雨侵蚀力因子、土壤可蚀性因子、地表径流路径因子、地表粗糙因子和地表覆盖因子;然后,依据降雨侵蚀力因子、土壤可蚀性因子、地表径流路径因子、地表粗糙因子和地表覆盖因子检测目标地区的土壤水蚀量。其中,地表径流路径因子是沟壑的延伸,是水蚀加速的因素,它较直观地反映了目标地区的土壤水蚀轮廓,通过提取地表径流路径因子,避免了采用坡长因子时,计算出的坡长是径流线坡长,而实测坡长是理想化的坡长,两者存在较大差异的问题,并且坡长因子是一个二维信息,而地表径流路径因子集成的是空间三维信息,更能真实地模拟土壤水蚀情况;地表粗糙因子是综合考虑到人为和自然因素导致地表形态变化等,其相对于水土保持因子可以直接运用DSM计算,更易进行量化;地表覆盖因子在植被覆盖因子的基础上耦合了土地利用类型因子,有利于提高估算土壤水蚀量的精度。通过本实施例,实现了低成本、动态、快速地检测土壤水蚀量,方便生成实时土壤水蚀分布图,降低了土壤水蚀量的检测成本,提高了土壤水蚀量的检测精度,并且并非基于某种特定地形进行检测,因此通用性较高。
实施例四:
参照图6,示出了本发明实施例四的一种土壤水蚀量的检测装置的结构框图。
本实施例的土壤水蚀量的检测装置可以包括以下模块:
确定模块601,用于分别确定目标地区对应的降雨侵蚀力因子、土壤可蚀性因子、地表径流路径因子、地表粗糙因子和地表覆盖因子;
检测模块602,用于依据所述降雨侵蚀力因子、所述土壤可蚀性因子、所述地表径流路径因子、所述地表粗糙因子和所述地表覆盖因子,检测所述目标地区的土壤水蚀量。
优选地,确定模块601可以包括以下子模块:
第一确定子模块6011,用于针对所述目标地区的每次降雨,分别采集本次降雨的总动能、以及本次降雨过程中降雨量超过设定雨量阈值的预设时间段内的总降雨强度,依据所述总动能与所述总降雨强度确定所述目标地区的本次降雨对应的降雨侵蚀力因子;
第二确定子模块6012,用于采集所述目标地区的砂粒含量、粉粒含量、黏粒含量和有机质含量,依据所述砂粒含量、所述粉粒含量、所述黏粒含量和所述有机质含量确定所述目标地区对应的土壤可蚀性因子;
第三确定子模块6013,用于提取所述目标地区中包括的多条地表径流路径;采集所述多条地表径流路径的总长度、以及所述目标地区的曲面面积,依据所述总长度和所述曲面面积确定所述目标地区对应的地表径流路径因子;
第四确定子模块6014,用于确定所述目标地区中包括的各地表类型的区域,并分别确定所述各地表类型的区域各自对应的地表粗糙因子;依据所述各地表类型的区域各自对应的地表粗糙因子确定所述目标地区对应的地表粗糙因子;
第五确定子模块6015,用于确定所述目标地区中包括的各土地利用类型的区域,并分别确定所述各土地利用类型的区域各自对应的地表覆盖因子;依据所述各土地利用类型的区域各自对应的地表覆盖因子确定所述目标地区对应的地表覆盖因子。
优选地,检测模块602可以包括以下子模块:
生成子模块6021,用于依据所述降雨侵蚀力因子、所述土壤可蚀性因子、所述地表径流路径因子、所述地表粗糙因子和所述地表覆盖因子,生成如下土壤水蚀量检测模型:
M=R×K×H×P×C
其中,M为土壤水蚀量,R为降雨侵蚀力因子,K为土壤可蚀性因子,H为地表径流路径因子,P为地表粗糙因子,C为地表覆盖因子;
检测子模块6022,用于采用所述土壤水蚀量检测模型检测所述目标地区的土壤水蚀量。
优选地,第三确定子模块6013可以包括:
比值计算子单元,用于计算所述总长度与所述曲面面积的第一比值;
关系获取子单元,用于获取设定的地表径流路径因子与第一比值的对应关系;
查找确定子单元,用于从所述对应关系中查找与所述第一比值对应的地表径流路径因子,将查找到的地表径流路径因子确定为所述目标地区对应的地表径流路径因子。
优选地,第四确定子模块6014可以包括:
第一区域确定子单元,用于采集所述目标地区的曲面面积和投影面积;依据所述曲面面积和所述投影面积确定所述各地表类型的区域各自对应的地表粗糙因子;
第一比例确定子单元,用于确定所述各地表类型的区域各自在所述目标地区中所占的比例;依据所述各地表类型的区域各自对应的地表粗糙因子,以及所述各地表类型的区域各自在所述目标地区中所占的比例,确定所述目标地区对应的地表粗糙因子。
优选地,所述土地利用类型包括植被覆盖类型和非植被覆盖类型,第五确定子模块6015可以包括:
第二区域确定子单元,用于将非植被覆盖类型的区域对应的地表覆盖因子赋值为0;采集所述植被覆盖类型的区域对应的植被覆盖度;依据所述植被覆盖类型的区域对应的植被覆盖度确定所述植被覆盖类型的区域对应的地表覆盖因子;
第二比例确定子单元,用于确定所述植被覆盖类型的区域在所述目标地区中所占的比例;依据所述植被覆盖类型的区域对应的地表覆盖因子,以及所述植被覆盖类型的区域在所述目标地区中所占的比例,确定所述目标地区对应的地表覆盖因子。
通过本实施例,实现了低成本、动态、快速地检测土壤水蚀量,方便生成实时土壤水蚀分布图,降低了土壤水蚀量的检测成本,提高了土壤水蚀量的检测精度,并且并非基于某种特定地形进行检测,因此通用性较高。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种土壤水蚀量的检测方法和装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种土壤水蚀量的检测方法,其特征在于,包括:
分别确定目标地区对应的降雨侵蚀力因子、土壤可蚀性因子、地表径流路径因子、地表粗糙因子和地表覆盖因子;
其中,确定目标地区对应的地表径流路径因子的步骤,包括:提取所述目标地区中包括的多条地表径流路径;采集所述多条地表径流路径的总长度、以及所述目标地区的曲面面积,依据所述总长度和所述曲面面积确定所述目标地区对应的地表径流路径因子;所述依据所述总长度和所述曲面面积确定所述目标地区对应的地表径流路径因子的步骤,包括:计算所述总长度与所述曲面面积的第一比值;获取设定的地表径流路径因子与第一比值的对应关系;从所述对应关系中查找与所述第一比值对应的地表径流路径因子,将查找到的地表径流路径因子确定为所述目标地区对应的地表径流路径因子;
确定目标地区对应的地表粗糙因子的步骤,包括:确定所述目标地区中包括的各地表类型的区域,并分别确定所述各地表类型的区域各自对应的地表粗糙因子;依据所述各地表类型的区域各自对应的地表粗糙因子确定所述目标地区对应的地表粗糙因子;
确定目标地区对应的地表覆盖因子的步骤,包括:确定所述目标地区中包括的各土地利用类型的区域,并分别确定所述各土地利用类型的区域各自对应的地表覆盖因子;依据所述各土地利用类型的区域各自对应的地表覆盖因子确定所述目标地区对应的地表覆盖因子;
依据所述降雨侵蚀力因子、所述土壤可蚀性因子、所述地表径流路径因子、所述地表粗糙因子和所述地表覆盖因子检测所述目标地区的土壤水蚀量。
2.根据权利要求1所述的方法,其特征在于,
确定目标地区对应的降雨侵蚀力因子的步骤,包括:
针对所述目标地区的每次降雨,分别采集本次降雨的总动能、以及本次降雨过程中降雨量超过设定雨量阈值的预设时间段内的总降雨强度,依据所述总动能与所述总降雨强度确定所述目标地区的本次降雨对应的降雨侵蚀力因子;
确定目标地区对应的土壤可蚀性因子的步骤,包括:
采集所述目标地区的砂粒含量、粉粒含量、黏粒含量和有机质含量,依据所述砂粒含量、所述粉粒含量、所述黏粒含量和所述有机质含量确定所述目标地区对应的土壤可蚀性因子。
3.根据权利要求1所述的方法,其特征在于,所述依据所述降雨侵蚀力因子、所述土壤可蚀性因子、所述地表径流路径因子、所述地表粗糙因子和所述地表覆盖因子,检测所述目标地区的土壤水蚀量的步骤,包括:
依据所述降雨侵蚀力因子、所述土壤可蚀性因子、所述地表径流路径因子、所述地表粗糙因子和所述地表覆盖因子,生成如下土壤水蚀量检测模型:
M=R×K×H×P×C
其中,M为土壤水蚀量,R为降雨侵蚀力因子,K为土壤可蚀性因子,H为地表径流路径因子,P为地表粗糙因子,C为地表覆盖因子;
采用所述土壤水蚀量检测模型检测所述目标地区的土壤水蚀量。
4.根据权利要求1所述的方法,其特征在于,
所述分别确定所述各地表类型的区域各自对应的地表粗糙因子的步骤,包括:
采集所述目标地区的曲面面积和投影面积;
依据所述曲面面积和所述投影面积确定所述各地表类型的区域各自对应的地表粗糙因子;
所述依据所述各地表类型的区域各自对应的地表粗糙因子确定所述目标地区对应的地表粗糙因子的步骤,包括:
确定所述各地表类型的区域各自在所述目标地区中所占的比例;
依据所述各地表类型的区域各自对应的地表粗糙因子,以及所述各地表类型的区域各自在所述目标地区中所占的比例,确定所述目标地区对应的地表粗糙因子。
5.根据权利要求1所述的方法,其特征在于,所述土地利用类型包括植被覆盖类型和非植被覆盖类型;
所述分别确定所述各土地利用类型的区域各自对应的地表覆盖因子的步骤,包括:
将非植被覆盖类型的区域对应的地表覆盖因子赋值为0;
采集植被覆盖类型的区域对应的植被覆盖度,依据所述植被覆盖度确定所述植被覆盖类型的区域对应的地表覆盖因子;
所述依据所述各土地利用类型的区域各自对应的地表覆盖因子确定所述目标地区对应的地表覆盖因子的步骤,包括:
确定所述植被覆盖类型的区域在所述目标地区中所占的比例;
依据所述植被覆盖类型的区域对应的地表覆盖因子,以及所述植被覆盖类型的区域在所述目标地区中所占的比例,确定所述目标地区对应的地表覆盖因子。
6.一种土壤水蚀量的检测装置,其特征在于,包括:
确定模块,用于分别确定目标地区对应的降雨侵蚀力因子、土壤可蚀性因子、地表径流路径因子、地表粗糙因子和地表覆盖因子;
其中,确定目标地区对应的地表径流路径因子的步骤,包括:提取所述目标地区中包括的多条地表径流路径;采集所述多条地表径流路径的总长度、以及所述目标地区的曲面面积,依据所述总长度和所述曲面面积确定所述目标地区对应的地表径流路径因子;所述依据所述总长度和所述曲面面积确定所述目标地区对应的地表径流路径因子的步骤,包括:计算所述总长度与所述曲面面积的第一比值;获取设定的地表径流路径因子与第一比值的对应关系;从所述对应关系中查找与所述第一比值对应的地表径流路径因子,将查找到的地表径流路径因子确定为所述目标地区对应的地表径流路径因子;
确定目标地区对应的地表粗糙因子的步骤,包括:确定所述目标地区中包括的各地表类型的区域,并分别确定所述各地表类型的区域各自对应的地表粗糙因子;依据所述各地表类型的区域各自对应的地表粗糙因子确定所述目标地区对应的地表粗糙因子;
确定目标地区对应的地表覆盖因子的步骤,包括:确定所述目标地区中包括的各土地利用类型的区域,并分别确定所述各土地利用类型的区域各自对应的地表覆盖因子;依据所述各土地利用类型的区域各自对应的地表覆盖因子确定所述目标地区对应的地表覆盖因子;
检测模块,用于依据所述降雨侵蚀力因子、所述土壤可蚀性因子、所述地表径流路径因子、所述地表粗糙因子和所述地表覆盖因子,检测所述目标地区的土壤水蚀量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510536719.1A CN105115883B (zh) | 2015-08-27 | 2015-08-27 | 土壤水蚀量的检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510536719.1A CN105115883B (zh) | 2015-08-27 | 2015-08-27 | 土壤水蚀量的检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105115883A CN105115883A (zh) | 2015-12-02 |
CN105115883B true CN105115883B (zh) | 2018-05-22 |
Family
ID=54663923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510536719.1A Active CN105115883B (zh) | 2015-08-27 | 2015-08-27 | 土壤水蚀量的检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105115883B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107589063B (zh) * | 2017-09-11 | 2020-01-21 | 江西师范大学 | 一种动态大气腐蚀区域地图数据处理方法、装置及系统 |
CN107860703B (zh) * | 2017-11-02 | 2019-04-16 | 北京师范大学 | 基于室外降雨模拟和室内土壤测试的土壤侵蚀特性分析方法 |
CN109753916B (zh) * | 2018-12-28 | 2021-05-04 | 厦门理工学院 | 一种归一化差分植被指数尺度转换模型构建方法及装置 |
CN113870423A (zh) * | 2020-06-30 | 2021-12-31 | 中国自然资源航空物探遥感中心 | 地表信息分析方法、装置及存储介质 |
CN112129345A (zh) * | 2020-09-14 | 2020-12-25 | 安徽军松现代农业科技有限公司 | 一种基于数据采集的土壤监测的环境监测系统 |
CN113011993B (zh) * | 2021-03-19 | 2024-03-12 | 中国水利水电科学研究院 | 基于标准数据的农业污染源入水体负荷量测算方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334309A (zh) * | 2008-07-18 | 2008-12-31 | 广东省生态环境与土壤研究所 | 一种细沟侵蚀量测量方法及其测定仪 |
CN101893543A (zh) * | 2010-06-29 | 2010-11-24 | 云南省农业科学院热区生态农业研究所 | 一种在冲沟内长期定位测定土壤侵蚀的方法 |
CN102034001A (zh) * | 2010-12-16 | 2011-04-27 | 南京大学 | 一种以栅格为模拟单元的分布式水文模型设计方法 |
CN102661842A (zh) * | 2012-04-19 | 2012-09-12 | 北京地拓科技发展有限公司 | 一种定量估算年土壤风蚀量的方法及装置 |
-
2015
- 2015-08-27 CN CN201510536719.1A patent/CN105115883B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334309A (zh) * | 2008-07-18 | 2008-12-31 | 广东省生态环境与土壤研究所 | 一种细沟侵蚀量测量方法及其测定仪 |
CN101893543A (zh) * | 2010-06-29 | 2010-11-24 | 云南省农业科学院热区生态农业研究所 | 一种在冲沟内长期定位测定土壤侵蚀的方法 |
CN102034001A (zh) * | 2010-12-16 | 2011-04-27 | 南京大学 | 一种以栅格为模拟单元的分布式水文模型设计方法 |
CN102661842A (zh) * | 2012-04-19 | 2012-09-12 | 北京地拓科技发展有限公司 | 一种定量估算年土壤风蚀量的方法及装置 |
Non-Patent Citations (3)
Title |
---|
"TRMM数据应用于降雨量和降雨侵蚀力估算的适宜性研究";王晓云 等;《干旱区资源与环境》;20150131;第29卷(第1期);第129-133页 * |
"广西岩溶地区土壤侵蚀变化遥感监测";王珊 等;《中国水土保持》;20121231(第3期);第32-34页 * |
"辽宁省细河流域土壤侵蚀监测方法对比研究";徐静 等;《水土保持通报》;20110430;第31卷(第2期);第103-107页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105115883A (zh) | 2015-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105115883B (zh) | 土壤水蚀量的检测方法和装置 | |
Munar et al. | Coupling large-scale hydrological and hydrodynamic modeling: Toward a better comprehension of watershed-shallow lake processes | |
Roy et al. | Calibration and validation of HEC-HMS model for a river basin in Eastern India | |
Melesse et al. | Storm runoff prediction based on a spatially distributed travel time method utilizing remote sensing and GIS 1 | |
Sashikkumar et al. | GIS based groundwater modeling study to assess the effect of artificial recharge: A case study from Kodaganar river basin, Dindigul district, Tamil Nadu | |
Vanacker et al. | Spatial variation of suspended sediment concentrations in a tropical Andean river system: The Paute River, southern Ecuador | |
Pachri et al. | Development of water management modeling by using GIS in Chirchik river basin, Uzbekistan | |
Aduah et al. | Assessing suitability of the ACRU hydrological model in a rainforest catchment in Ghana, West Africa | |
Desclaux et al. | Suitability of a lumped rainfall–runoff model for flashy tropical watersheds in New Caledonia | |
Saleh Al-Khafaji et al. | Effect of DEM and land cover resolutions on simulated runoff of Adhaim Watershed by SWAT model | |
Gharib et al. | Evaluation of ModClark model for simulating rainfall-runoff in Tangrah watershed, Iran. | |
Medeiros et al. | A Random Forest model based on lidar and field measurements for parameterizing surface roughness in coastal modeling | |
Thameemul Hajaj et al. | A semi-distributed flood forecasting model for the Nagavali River using space inputs | |
Liu et al. | Vegetation mapping for regional ecological research and management: a case of the Loess Plateau in China | |
Gelebo et al. | A spatial-temporal assessment of groundwater development in response to soil erosion | |
Daide et al. | Beht watershed (Morocco) rainfall-runoff simulation with the HEC-HMS hydrological model | |
Aga | Effect of land cover change on water balance components in Gilgel Abay catchment using swat model | |
Daide et al. | Application of the HEC-HMS hydrological model in the Beht watershed (Morocco) | |
Malekani et al. | Application of GIS in modeling Zilberchai Basin runoff | |
Amin et al. | Calculation and validation of actual evapotranspiration from satellite derived indices with observed data in delineated agro-climatic zones of Punjab using remote sensing and GIS techniques | |
Dey et al. | Blue and green water re-distribution dependency on precipitation datasets for a tropical Indian River basin | |
Ferede et al. | Implications of uncontrolled water withdrawal and climate change on the water supply and demand gap in the Lake Tana sub-basin | |
Bitew et al. | Effect of land use land cover change on stream flow in Azuari watershed of the Upper Blue Nile Basin, Ethiopia | |
Singh et al. | Mapping and prediction of surface run-off using SCS-CN method | |
Ranjan et al. | Effect of land use land cover changes on hydrological response of Punpun River basin |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |