植被格局特征對大理河流域侵蝕產沙的響應

李斌斌，李占斌，郝仲勇，楊勝利，黃俊雄

?

植被格局特征對大理河流域侵蝕產沙的響應

李斌斌1,4，李占斌2※，郝仲勇1,3，楊勝利1,3，黃俊雄1

（1. 北京市水科學技術研究院，北京 100048；2. 西安理工大學西北水資源與環境生態教育部重點實驗室，西安710048； 3. 北京市非常規水資源開發利用與節水工程技術研究中心，北京 100048；4. 北京林業大學水土保持學院，北京，100083）

為了進一步研究植被覆蓋FBM（fractional brownian motion）分形維數在不同流域中對植被覆蓋特征的綜合效果及作為固定參數代替現有的植被量化指標在實際的水文、土壤侵蝕等預測模型中的應用，該文通過對大理河流域上中下游青陽岔、李家河和曹坪3個水文站控制流域的降雨、徑流和產沙等資料的全面綜合分析，以次降雨徑流侵蝕功率作為侵蝕外營力輸入，通過對站控流域地貌特征FBM分形維數、植被景觀格局FBM分形維數和NDVI植被指數作為描述下墊面特征，以地理信息系統（GIS）為平臺，利用GIS和RS技術，構建大理河流域侵蝕產沙量多元線性回歸模型，并通過2組不同參數預測結果對比，結果表明：以植被格局分形維數為植被量化參數的模型輸沙模數模擬值與實測值之間的相對誤差和絕對誤差比以NDVI為植被量化參數的小；在38場次暴雨洪水中，基于植被格局分形維數為植被量化參數的模型次暴雨輸沙模數模擬值與實測值之間的相對誤差小于10%、20%、50%的分別占總場次的34.21%、55.26%、86.85%；38場次暴雨輸沙模數的模擬值和實測值之間的平均相對誤差為25.19%，其中模擬值與實測值絕對誤差小于300 t/km2有31場，植被格局FBM分形維數可以更好反映植被覆蓋與水土流失之間的關系，并且分析得到植被格局分形維數與土壤侵蝕強度之間呈負相關關系，決定系數為0.506 6，即土壤侵蝕強度隨著植被格局FBM分析維數的增大呈減小趨勢，說明植被格局FBM分形維數對土壤侵蝕強度的影響較大。

植被；侵蝕；地理信息系統；分形理論；水土流失

0 引 言

植被是陸地生態系統的重要組成部分[1-3]，如何選擇恰當的植被覆蓋量化指標并能表達地表物質遷移過程中的植被作用、特別是篩選能全面準確地反映下墊面植被特征的植被覆蓋參數是目前研究植被與地表物質遷移關系的重要問題[4-6]。分形理論被譽為“大自然的幾何”[7-9]，目前分形理論大多集中在地形地貌特征量化等方面的研究[10-11]，將分形理論應用于植被格局空間分布特征分析的相關研究成果還很少[14-15]，特別是將分形理論深入到像元尺度上進行植被格局的分析研究更少[16-17]。目前基于NDVI植被格局與水土流失之間的關系，特別是對于流域植被格局分形維數與流域侵蝕產沙特征關系[18-20]，植被格局分形維數與土壤侵蝕強度之間的關系還未有相關的研究報道。

植被覆蓋度是全球及區域氣候數值模型中的重要參數，也是描述生態系統的重要基礎數據。傳統的植被覆蓋度沒有考慮植被空間的分布特征和內部異質性，不能完全表達植被的覆蓋特征的復雜性。對植被覆蓋數量進行特征量化的研究，從最初的植被覆蓋度到大量基于遙感影像的植被指數都有大量的研究[21-22]，尤其是歸一化植被指數（normalized difference vegetation index，NDVI）方面的研究，NDVI與植被蓋度等量化植物生長狀況的指標有很好的相關性，并且計算簡單，是目前用來表征地表植被狀況的重要指標[23-24]。水土流失是否嚴重可以通過植被覆蓋度的高低間接反映和分析[25]；對于植被格局開展研究對于水土保持治理和規劃有很大的指導和應用價值[26-28]。目前對NDVI植被指數進行地表植被覆蓋度的量化研究相對較多[29]，NDVI植被指數是所選研究流域的一個平均值，僅用單一的NDVI值不能完全反映流域內各像元點的空間分布特征，也不能完全表達某一區域上的植被覆蓋特征[30]。流域內植被覆蓋FBM（fractional brownian motion）分形的標度的不變性特征是客觀存在的，可以用FBM分維數來表述植被覆蓋空間分布的復雜性。

本文以地理信息系統(GIS)為平臺，開展了不同下墊面特征侵蝕產沙關系研究，構建以NDVI植被指數和植被格局分形維數作為量化參數的大理河流域次暴雨侵蝕產沙模型，對比分析植被格局FBM分形維數與NDVI植被指數在綜合量化流域植被參數方面的優劣，為下墊面植被特征綜合量化指標的篩選提供一種新的思路和方法。

1 研究區概況

大理河流域位于陜北毛烏素沙漠邊緣，發源于靖邊，干流全長170 km，流域面積3 906 km2，流域出口水文站為綏德站，集水面積3 893 km2。大理河流域地形地貌主要為丘陵溝壑區地貌和黃土梁峁丘陵溝壑地貌。大理河流域海拔900～1 700 m；屬大陸性季風氣候區；多年平均降水量439.8 mm，多年平均氣溫7.8～9.6 ℃；植被主要為干旱草原和落葉闊葉林的過渡帶，植被覆蓋度較低，植被空間分布不均勻。

大理河流域內共有水文站4個，分別為青陽岔站、李家河站、曹坪站和綏德站。其中青陽岔站以上主要為河源區，控制面積為662 km2，占綏德站以上控制面積的17%，多年平均來水量占綏德站以上來水量的17.4%，多年平均來沙量占12.4%。李家河站控制區以上為黃土丘陵溝壑區，控制面積807 km2，占綏德站以上控制面積的20.7%，多年平均來水量占綏德站以上來水量的18.9%，多年平均來沙量占16.5%。曹坪站控制面積187 km2，占綏德水以上控制面積的4.8%，多年平均來水量占綏德站以上來水量的5.1%，多年平均來沙量占3.5%。青陽岔站至綏德站之間為黃土峁狀丘陵溝壑區。

2 流域侵蝕產沙量模型

本文結合前文研究成果，進一步探討植被覆蓋、植被格局與水土流失之間的關系以及植被格局分形維數在水文、土壤侵蝕等模型中的應用。研究選取了大理河上、中、下游的青陽岔、李家河和曹坪3個水文站控制流域為對象，分別選取降雨侵蝕因子(徑流侵蝕功率)、地形地貌因子（地貌特征FBM分形維數）、植被覆蓋因子（NDVI植被指數）和植被格局分形維數FBM，建立大理河流域降雨侵蝕產沙與地貌、植被、景觀格局之間的耦合關系模型。探討以降雨侵蝕因子、流域地貌特征FBM分形維數、均值化NDVI植被指數、植被格局FBM分形維數作為水土流失預報模型下墊面特征量化指標體系的可行性和實用性。

2.1 參數選取

2.1.1 徑流侵蝕功率

本次研究將流域次暴雨洪水的徑流深和洪峰流量模數的乘積QH作為表征次暴雨條件下天然降雨和流域下墊面對流域侵蝕產沙綜合作用的指標，并令

式中為徑流侵蝕功率，m4/(s×km2)，為徑流深，mm，Q為洪峰流量模數，m3/(s×km2)。

徑流侵蝕功率與徑流深、洪峰流量和徑流總量等徑流特征單一量化指標相比，該指標對徑流侵蝕力的刻畫不僅更具綜合性，而且從做功角度表達了其深刻的物理內涵。因此本文結合課題組研究成果，利用大理河流域青陽岔站、李家河站、曹坪站1990、1995、1999和2002年汛期實測的38場次暴雨洪水徑流泥沙資料，根據魯克新等[12-14]研究的徑流徑流侵蝕功率計算方法，計算得到的3個水文站38場次暴雨徑流侵蝕功率，見表1。

表1 次暴雨降雨徑流侵蝕功率計算結果

2.1.2 流域地貌特征FBM分形維數

不同的地形地貌特征，對流域侵蝕產沙的強度、方式和過程等具有重要影響，傳統的流域地貌量化參數包括坡度、坡長、溝壑密度、流域高差、地形起伏度和土壤侵蝕面等。沈中原等[13]在其研究成果中，重點研究了流域地貌特征FBM分形維數與傳統地形地貌相關參數的關系，通過研究表明地貌特征FBM分形維數可以綜合量化指標來表征流域地貌特征，通過計算分別得到曹坪站、青陽岔站、李家河站以上流域的地貌特征FBM分形維數，3個控制站的地貌分形維數分別為2.495 3、2.476 5和2.489 1。具體計算結果見表2。

表2 各水文站控制流域地貌特征FBM分形維數計算結果

2.1.3 NDVI植被指數

作者在基于歸一化植被指數的流域植被覆蓋分形維數[10]中利用移動窗口法建立類似于數字高程數據組織結構的植被分布模型DVM。并且分別提取計算得到了各流域的NDVI值。

NDVI植被指數是植被生長狀態以及植被空間分布密度的最佳指示因子，與植被分布密度呈線性相關。NDVI植被指數能較好的反映綠色植物生長狀況和分布，可以宏觀地反映地面綠色植物的生物量和覆蓋度等植被定量特征。本研究采用各期遙感資料分辨率均為30 m× 30 m，時間均為每年的8～10月份。對遙感影像進行幾何精度校正、大氣效應糾正和角度效應糾正等預處理，分別以1990、1995、1999、2002年曹坪站、青陽岔站、李家河站控制斷面以上流域的NDVI植被指數作為地表植被覆蓋量化因子。由于1990年資料受云層的影響，其中青陽岔河、李家河的NDVI無法獲取，具體NDVI植被指數統計表見表3。

表3 NDVI植被指數統計結果

2.1.4 植被格局FBM分形維數

像元NDVI值是計算流域植被覆蓋FBM分形維數的依據，每個小流域內均值化NDVI是小流域植被覆蓋總體狀況的平均數量表達。利用李斌斌等[10-11]基于歸一化植被指數的流域植被覆蓋分形維數研究中建立的植被分布數字柵格模型，計算了曹格坪站、青陽岔站、李家河站控制斷面以上各年的植被格局FBM分形維數，計算結果見表4。

表4 植被格局FBM分形維數計算結果

2.2 流域侵蝕產沙量模型構建

流域侵蝕產沙與下墊面關系密切，不同的下墊面、不同的植被格局對侵蝕產沙的作用也不同。本文結合3個水文站汛期徑流侵蝕產沙過程資料，利用SPSS軟件選取不同的參數進行多元線性回歸對流域侵蝕產沙進行預測分析。探討降雨侵蝕因子、地貌特征FBM分形維數、植被覆蓋因子（NDVI植被指數）以及植被格局因子（植被格局FBM分形維數）對流域侵蝕產沙的作用。并將NDVI和植被格局分形維數作為參數分別與降雨侵蝕因子(徑流侵蝕功率)、地形地貌因子相結合進行預測的結果與實測數據進行對比分析。

為了比較分析植被格局FBM分形維數和NDVI植被指數在表征植被覆蓋綜合量化指標方面的優劣。本研究共設置2組不同參數組合進行對比分析，第1組1選取降雨侵蝕因子(徑流侵蝕功率)、地形地貌因子（地貌特征FBM分形維數）、植被覆蓋因子（NDVI植被指數）作為預測流域侵蝕產沙的因子；第2組2選取降雨侵蝕因子(徑流侵蝕功率)、地形地貌因子（地貌特征FBM分形維數）、植被格局分形維數FBM作為預測流域侵蝕產沙的因子。通過對模型各參數相關分析、模型計算結果匯總、系數的確定，利用SPSS軟件構建流域次暴雨侵蝕產沙量多元線性回歸模型，植被格局與降流域侵蝕產沙之間的耦合關系模型（1和2）如下：

3 結果與分析

3.1 植被格局分形維數與流域土壤侵蝕強度關系

在ArcGIS平臺下，將大理河流域的DEM與2000年水利部水土保持監測中心公布的全國第二次遙感普查土壤侵蝕圖（1∶10萬）進行疊加，生成大理河流域土壤侵蝕強度圖，詳見圖1。

圖1 大理河流域土壤侵蝕強度圖

為了進一步定量研究大理河各級子流域侵蝕狀況，本研究賦予各類侵蝕強度量化指標，對于微度侵蝕選取中間值500 t/km2×a，輕度、中度、強度和極強度選取區間平均數，劇烈侵蝕根據大理河以往研究成果取值為 20 000 t/km2×a，具體量化指標見表5。

表5 大理河流域侵蝕強度量化指標

利用侵蝕面積與侵蝕強度量化指標相乘累加求和，再除以各研究子流域面積，計算得到各研究子流域的土壤侵蝕強度量化值，利用植被格局布朗運動分形維數計算模型，分別計算得到大理河流域各子流域的植被格局FBM分形維數，在直角坐標系中點繪土壤侵蝕強度量化值與植被格局FBM分形維數之間的散點圖，見圖2。

從圖2可以看出，植被格局FBM分形維數與土壤侵蝕模數之間存在著顯著負相關，決定系數為0.506 6，即土壤侵蝕強度隨著植被格局FBM分析維數的增大呈減小趨勢，說明植被格局FBM分形維數對土壤侵蝕強度的影響較大。

植被覆蓋度高相應的空間格局規整，植被格局分形維數越接近3，植被覆蓋分布越均勻，產生的水土流失的危害越小，對應的土壤侵蝕強度也較小，土壤侵蝕強度隨著植被格局FBM分析維數的增大呈減小趨勢。因此植被格局分形維數也可以作為判斷水土流失嚴重與否的參考指標。

圖2 植被格局FBM分形維數與土壤侵蝕強度關系圖

3.2 大理河流域不同下墊面次降雨徑流泥沙響應關系

利用不同計算參數分別構建的預測模型，分別針對不同組合進行預測計算，計算結果如圖3所示。從圖3中可以看出，以植被格局分形維數作為下面墊植被參數進行次暴雨輸沙模數模擬計算結果和實測值吻合度更高。

圖3 38場降雨輸沙模數預測值與實際值的對比圖

對2組計算模擬值分別與實測值進行相對誤差分析，得到相對誤差結果見圖4，從圖4a中可以看出，在38場次暴雨洪水中，基于以NDVI為植被參數的量化模型次暴雨輸沙模數模擬值和實測值之間的相對誤差小于10%的場次有8場，占總樣本的21.0%；相對誤差小于20%的場次共17場，占樣本的44.73%；相對誤差小于50%的場次共23場，占樣本的60.53%；38場次暴雨輸沙模數模擬值和實測值之間的平均相對誤差為44.44%。

從圖4b中可以看出，在38場次暴雨洪水中，以植被格局分形維數為植被量化參數的模型次暴雨輸沙模數模擬值與實測值之間的相對誤差小于10%的場次有13場，占總場次的34.21%；相對誤差小于20%的場次共21場，占總場次的55.26%；相對誤差小于50%的場次共32場，占總場次的86.85%；38場次暴雨輸沙模數的模擬值和實測值之間的平均相對誤差為25.19%。

從圖4中可以看出，與NDVI為參數的模型的計算結果相比，以植被格局分形維數為植被量化參數的模型輸沙模數模擬值與實測值之間的相對誤差較小，即以降雨侵蝕因子(徑流侵蝕功率)、地形地貌因子（地貌特征FBM分形維數）、植被格局FBM分形維數作為流域次暴雨侵蝕產沙模型因子的模擬值與實測值之間吻合度更好；基于植被格局分形維數為模型參數因子的輸沙模數模擬值與實測值之間的相對誤差隨著輸沙模數實測值的增大而減小。當輸沙模數實測值小于500 t/km2時，模擬值與實測值之間的相對誤差較大，另外相對誤差隨著輸沙模數實測值的增大而減小。

圖4 兩組模擬值與實測值的相對誤差圖

基于以NDVI為植被參數和植被格局分形維數為植被參數與徑流侵蝕功率、地形地貌參數等所建立的模型次暴雨輸沙模數模擬值與實測值之間的絕對誤差結果見圖5。從圖5可以看出，基于植被格局分形維數表征植被覆蓋量化參數的模型計算得到的大理河流域次暴雨輸沙模數模擬值與實測值之間的絕對誤差較小。

從圖5a對于各場降雨的絕對誤差而言，輸沙模數大致介于0到2 000 t/km2之間的27場降雨的絕對誤差值小于300 t/km有16場，降雨的絕對誤差小于100 t/km2有6場，有12場降雨的絕對誤差小于200 t/km2。在實際輸沙模數大于2 000 t/km2之間的11場降雨中，有3場降雨的絕對誤差大于600 t/km2，有8場降雨的絕對誤差介于300～600 t/km2。

從圖5b中可以看出，對于各場降雨的絕對誤差而言，輸沙模數大致介于0到2 000 t/km2之間的27場降雨的絕對誤差值小于300 t/km2有24場，降雨的絕對誤差小于100 t/km2有13場，有20場降雨的絕對誤差小于200 t/km2。在實際輸沙模數大于2 000 t/km2之間的11場降雨中，有1場降雨的絕對誤差大于600 t/km2，有3場降雨的絕對誤差介于300～600 t/km2，有7場降雨的絕對誤差小于300 t/km2。

以植被格局FBM分形維數作為流域下墊面植被格局描述參數，構建降雨因子、地貌因子與植被格局與降雨侵蝕產沙之間的多元線型回歸模型，模擬數值與實測數據絕對誤差小于300 t/km2有31場，說明將植被格局分形維數作為下墊面植被綜合量化參數是可行的，并且計算出來的結果是可靠的。

圖5 大理河流域次暴雨輸沙模數模擬值與實測值的絕對誤差分析

通過上述對比，將植被格局FBM分形維數作為綜合參數來預測流域次暴雨輸沙模數的結果要優于以NDVI植被指數為參數的計算結果。

4 結論與討論

分別以NDVI為植被參數和以植被格局分形維數為植被參數等建立的模型的決定系數分別為0.792、0.799，模型次暴雨輸沙模數平均相對誤差分別為44.44%、25.19%；土壤侵蝕強度隨著植被格局FBM分析維數的增大呈減小趨勢，植被格局FBM分形維數優于NDVI植被指數反映植被特征，與流域NDVI植被指數相比，植被格局FBM分形維數精度更高，更能全面準確地反映下墊面植被特征與流域水土流失之間的關系。

相比較傳統的植被覆蓋數量指標，植被格局分形維數作為植被量化指標綜合不僅考慮了植被空間的分布特征和內部異質性，而且可以表征植被的覆蓋特征的復雜性，以流域地貌特征FBM分形維數作為流域地貌特征綜合量化指標，以植被格局FBM分形維數作為流域下墊面植被格局描述參數，反映流域綜合下墊面指標對侵蝕產沙影響是合理和可行的；與降雨、徑流和地形地貌等相關參數結合起來可以更全面表征流域下墊面特征，并且可以建立較完整的綜合下墊面指標體系，為較高預報精度的黃土高原小流域侵蝕產沙預報模型奠定了科學理論依據。

本研究以大理河流域為例，考慮了流域地形地貌、降雨徑流、植被格局等下墊面特征對侵蝕產沙影響，接下來將在更大范圍尺度和其他流域對研究結果進行分析計算和應用。今后將進一步研究植被覆蓋FBM分形維數在不同尺度、不同流域中作為植被量化參數在實際土壤侵蝕等預測模型中的應用。

[1] 鄭江坤，李靜苑，秦偉，等. 川北紫色土小流域植被建設的水土保持效應[J]. 農業工程學報，2017，33(2)：141－147. Zheng Jiangkun, Li Jingyuan, Qin Wei, et al. Effects of vegetation construction on soil and water conservation in small watershed of purplish soil region, northern Sichuan[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(2): 141－147. (in Chinese with English abstract)

[2] 魏鳳娟，李江風，劉艷中，等．湖北縣域土地整治新增耕地的時空特征及其影響因素分析．農業工程學報[J], 2014, 14(30):267-276

Wei Fengjuan, Li Jiangfeng, Liu Yanzhong, et al. Spatial-temporal characteristics and impact factors of newly increased farmland by land consolidation in Hubei province at county level[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(14): 267－276. (in Chinese with English abstract)

[3] 許青云，楊貴軍，龍慧靈，等. 基于MODIS NDVI多年時序數據的農作物種植識別[J]. 農業工程學報，2014，30(11)：134－144. Xu Qingyun, Yang Guijun, Long Huiling, et al. Crop information identification based on MODIS NDVI time- series data[J]. 2014, 30(11): 134－144. (in Chinese with English abstract)

[4] 劉琳，姚波. 基于NDVI象元二分法的植被覆蓋變化監測. [J]. 農業工程學報，2010，26(13)：230－234. Liu Lin, Yao Bo, Monitoring vegetation–cover changes based on NDVI dimidiate pixel model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(13): 230－234. (in Chinese with English abstract)

[5] Surfleet C G, Skaugset A E, McDonnell J J. Uncertainty assessment of forest road modeling with the Distributed Hydrology Soil Vegetation Model[J]. Canadian Journal of Forest Research-Revue Canadienne De Recherche Forestiere, 2010, 40(7): 1397－1409.

[6] 楊閆君，占玉林，田慶久，等. 基于GF-1/WFVNDVI時間序列數據的作物分類[J]. 農業工程學報，2015，24(31)： 155－161. Yang Yanjun, Zhan Yulin, Tian Qingjiu, et al. Crop classification based on GF-1/WFVNDVI time series[J] Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 24(31): 155－161. (in Chinese with English abstract)

[7] 馬克明，祖元剛. 植被格局的分形特征[J]. 植物生態學報，2000，24(1)：111－117. Ma Keming, Zu Yuangang. Fractal properties of vegetation pattern[J]. Acta Phytecological Sinica, 2000, 24(1): 111－117. (in Chinese with English abstract)

[8] 鄒濤，漆德寧，張冬英，等. WorldView-1衛星植被全色圖像分形維數的計算方法[J]. 計算機系統應用，2012，21(7)：222－224. Zou Tao, Qi Dening，Zhang Dongying，et al. Computing fractal dimension of the worldview-1 panchromatic vegetation image[J]. Computer Systems & Applications, 2012, 21(7): 222－224. (in Chinese with English abstract)

[9] 謝花林. 典型農牧交錯區土地利用變化驅動力分析[J]. 農業工程學報，2008，24(10)：56－62. Xie Hualin. Driving force analysis of land use changes in the typical farming-pastoral ecotone[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2008, 24(10): 56－62. (in Chinese with English abstract)

[10] 李斌斌，李占斌，宇濤，等. 基于歸一化植被指數的流域植被覆蓋分形維數研究[J]. 農業工程學報，2014，30(15)：239－247. Li Binbin, Li Zhanbin, Yu Tao, et al. Research on fractal dimension of vegetation cover based on normalized difference vegetation index in watershed scale[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(15): 239－247. (in Chinese with English abstract)

[11] 李斌斌，李占斌，李鵬. 基于GIS與RS的大理河流域植被格局分形維數時空變化特征[J]. 農業工程學報，2015，31(12)：173－178. Li Binbin, Li Zhanbin, Li Peng. Spatial and temporal variation characteristics of vegetation cover fractal dimension in Dali River watershed based on GIS and RS[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015,31(12): 173－178. (in Chinese with English abstract)

[12] 魯克新，李占斌，鞠花. 徑流侵蝕功率理論在不同尺度坡面侵蝕產沙中的應用[J]. 水資源與水工程學報，2009，20(4)：70－73. Lu Kexin, Li Zhanbin, Ju Hua. Application of runoff erosion power in the calculation of soil erosion and sediment yield on Hillslopes[J].Journal of Water Resources &Water Engineering 2009, 20(4): 70－73. (in Chinese with English abstract)

[13] 沈中原，李占斌，武金慧，等. 流域地貌形態分形布朗運動(FBM)分維數研究[J]，西安建筑科技大學學報（自然科學版），2007，39(5)：711－715. Shen Zhongyuan, Li Zhanbin, Wu Jinhui, et al. Research on the FBM characters of watershed topographic feature[J]. Journal of Xi￠an University of Architecture & Technology: Natural Science Edition, 2007, 39(5): 711－715. (in Chinese with English abstract)

[14] 張利，陳亞恒，門明新，等. 基于GIS 的區域生態連接度評價方法及應用[J]. 農業工程學報，2014，30(8)：218－226.Zhang Li, Chen Yaheng, Men Mingxin, et al. Assessing method for regional ecological connectivity and its applicationbased on GIS[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(8): 218－226. (in Chinese with English abstract)

[15] Deng Y, Chen X, Chuvieco E, et al. Multi-scale linkages between topographic attributes and vegetation indices in a mountainouslandscape[J]. Remote Sensing of Environment, 2007, 111, 122–134.

[16] Franklin J, Woodcock, Warbington R. Digital vegetation maps of forest lands in California: Integrating satellite imagery, GIS modeling, and field data in support of resource management[J]. Photogrammetric Engineering and Remote Sensing, 2000, 66, 1209－1217.

[17] 張宏鳴，楊勤科，李銳，等. 基于GIS和多流向算法的流域坡度與坡長估算[J]. 農業工程學報，2012，28(10)： 159－164. Zhang Hongming, Yang Qinke, Li Rui, et al. Estimation methods of slope gradient and slope length in watershed based on GIS and multiple flow direction algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(10): 159－164. (in Chinese with English abstract)

[18] 閆建梅，何聯君，何丙輝，等. 川中丘陵區不同治理模式對土壤微團聚體分形特征的影響[J]. 中國生態農業學報，2014，22(11)：1294－1300. Yan Jianmei, He Lianjun, He Binghui, et al. Effects of different governance patterns of smallwatershed on fractal features of soil micro-aggregates in the hilly areas of central Sichuan Basin[J]. Journal of Chinese Ecological Agriculture, 2014, 22(11): 1294－1300. (in Chinese with English abstract)

[19] 顏亮，周廣勝，張峰，等. 內蒙古荒漠草原植被蓋度的空間異質性動態分析[J]. 生態學報，2012，32(13)：4017－4024.Yan Liang, Zhou Guangsheng, Zhang Feng, et al. Spatial heterogeneity of vegetation coverage and its temporal dynamics in desert steppe, Inner Mongolia[J]. Acta Ecologica Sinica, 2012, 32(13): 4017－4024. (in Chinese with English abstract)

[20] 付貴全，徐先英，徐夢莎，等. 民勤綠洲邊緣2種生境紅砂種群分形特征及影響因素[J]. 生態學報，2016，36(18)：5768－5776. Fu Guiquan, Xu Xianying, Xu MengSha, et al. A study of fractal properties of spatial distribution of Reaumuria soongorica population and its influencing factors in Minqin Oasis Fringe[J]. Acta Ecological Sinica. 2016, 36(18): 5768－5776. (in Chinese with English abstract)

[21] Hafzullah Aksoy, Erdem Unal, Sevket Cokgor, et al, Ebru Eris. A rainfall simulator for laboratory-scale assessment of rainfall-runoff-sediment transport processes over a two- dimensional flume[J]. Catena, 2012, 98: 63－72.

[22] Cuo L, Lettenmaier D P, Mattheussen B V, et al. Hydrologic prediction for urban watersheds with the Distributed Hydrology- Soil-Vegetation Model[J]. Hydrological Processes, 2008, 22 (21): 4205－4213.

[23] 沈中原. 黃土高原流域土壤侵蝕下墊面特征及其對水土流失的作用研究[D]. 西安：西安理工大學，2009.

Shen Zhongyuan. Study on the Characteristics of Soil Erosion Underlying Surface in Watershed and Its Effect on with Soil and Water Loss on Loess Plateau[D]. Xi’an :Xi’an University of Technology, 2009.

[24] 王正興，劉闖，Huete Alfredo. 植被指數研究進展：從AVHRR-NDVI到MODIS-EVI[J]. 生態學報，2003，23(5)：979－987. Wang Zhengxing, Liu Chuang, Huete Alfredo. From AVHRR-NDVI to MODIS-EVI: Advances in vegetation index research[J]. Acta Ecologica sinica, 2003, 23(5): 979－987. (in Chinese with English abstract)

[25] Tucker C J. Red and photographic infrared linear combinations for monitoring vegetation[J]. Remote sensing of Environment, 1979, 8(2): 127－150.

[26] Barbosa H A, Huete A R, Baethgen W E. A 20-year study of NDVI variability over the northeast region of Brazil[J]. Journal of Arid Environments, 2006, 37(2): 288－307.

[27] 魏鳳娟，李江風，劉艷中，等. 湖北縣域土地整治新增耕地的時空特征及其影響因素分析[J]. 農業工程學報，2014，14(30)：267－276 Wei Fengjuan, Li Jiangfeng, Liu Yanzhong, et al. Spatial- temporal characteristics and impact factors of newly increased farmland by land consolidation in Hubei province at county level[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(14): 267－276. (in Chinese with English abstract)

[28] 張宏鳴，楊勤科，李銳，等. 基于GIS和多流向算法的流域坡度與坡長估算[J]. 農業工程學報，2012，28(10)： 159－164. Zhang Hongming, Yang Qinke, Li Rui, et al. Estimation methods of slope gradient and slope length in watershed based on GIS and multiple flow direction algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(10): 159－164. (in Chinese with English abstract)

[29] 許青云，楊貴軍，龍慧靈，等. 基于MODIS NDVI多年時序數據的農作物種植識別[J]. 農業工程學報，2014，30(11)：134－144. Xu Qingyun, Yang Guijun, Long Huiling, et al. Crop information identification based on MODIS NDVI time- series data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(11): 134－144. (in Chinese with English abstract)

[30] 王海軍，靳曉華，李海龍，等. 基于GIS和RS的中國西北NDVI變化特征及其與氣候變化的耦合性[J]. 農業工程學報，2010，26(11)：194－203. Wang Haijun, Jin Xiaohua, Li Hailong, etal. NDVI variation and coupling analysis with climate change in northwest of China based on GIS and RS[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(11): 194－203. (in Chinese with English abstract)

李斌斌，李占斌，郝仲勇，楊勝利，黃俊雄.植被格局特征對大理河流域侵蝕產沙的響應[J]. 農業工程學報，2017，33(19)：171－178. doi：10.11975/j.issn.1002-6819.2017.19.022 http://www.tcsae.org

Li Binbin, Li Zhanbin, Hao Zhongyong, Yang Shengli, Huang Junxiong. Response of vegetation pattern characteristics to sediment yield in Dali River Basin[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(19): 171－178. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.19.022 http://www.tcsae.org

Response of vegetation pattern characteristics to sediment yield in Dali River Basin

Li Binbin1,4, Li Zhanbin2※, Hao Zhongyong1,3, Yang Shengli1,3, Huang Junxiong1

(1.100048,; 2.710048,; 3.100048,; 4.100083,)

Landform, land cover and landscape pattern are important underlying surface conditions for basin erosion and the dominating factors for regional water and soil erosion. It is essential to study the law of water and soil loss in Loess Plateau area to find out how to quantize the features of basin underlying surface in a scientific and rational manner, establish a underlying surface indicator system suitable for describing the erosion environment of the Loess Plateau area, and study the interaction and coupling mechanism between various quantitative parameters and sediment generation arising from watershed erosion. By applying multi-disciplinary cross theory knowledge, combining GIS (geographic information system) and RS (remote sensing) technology, and taking Dalihe Watershed of Loess Plateau in north Shaanxi as the study area, this paper studied the relationship between the fractal dimension of vegetation distribution pattern and water and soil loss. The paper established a Brownian motion fractal dimension calculation model for the vegetation pattern of Dalihe Watershed based on NDVI (normalized difference vegetation index); the model illuminated the space distribution characteristics of NDVI of Dalihe Watershed. An erosion sediment yield model was also established for Dalihe Watershed, and the comparative study was performed on the advantages and disadvantages of the fractional Brownian motion (FBM) fractal dimension of vegetation pattern and the vegetation index NDVI in respect of comprehensive quantization of watershed vegetation parameters. The phase relation between fractal dimension of vegetation pattern and soil erosion intensity was analyzed, and the opinion that water and soil conservation for Dalihe Watershed should focus on small watersheds and the control measures thereof was proposed. In order to further study the general effects of FBM fractal dimension of vegetation coverage on vegetation coverage characteristics in different watersheds, and the application of fractal dimension in hydrology, soil erosion and other prediction models as a fixed parameter, substituting the existing quantitative indicator of vegetation, the paper established a multivariate linear regression model of erosion sediment yield for Dalihe Watershed through comprehensive analysis of the precipitation, runoff, sediment yield and other data of the watersheds monitored by such 3 hydrologic stations as Qingyangcha, Lijiahe and Caogeping, which are located at the upstream, middle reach and downstream of Dalihe Watershed respectively. The secondary rainfall runoff erosion power was set as the aggressive external force input, the FBM fractal dimension of geomorphologic characteristics in watershed controlled by station, the FBM fractal dimension of vegetation landscape pattern, and the vegetation index NDVI were used to describe the underlying surface features; the GIS was adopted as the platform, and the predicting outcomes of 2 groups of different parameters were compared and analyzed. The results show that: With fractal dimension of vegetation pattern as vegetation quantization parameter, both the relative error and absolute error between the simulation value of sediment transport module of the model and the measured value are smaller than that with NDVI as vegetation quantization parameter. Among 38 storm floods, 13 of them present that the relative error between the simulated value and measured value is lower than 10% with fractal dimension of vegetation pattern as vegetation quantization parameter in the rainstorm-sediment transport module of the model, accounting for 34.21% of the total; 21 of them present a relative error lower than 20%, accounting for 55.26% of the total; 32 of them present a relative error lower than 50%, accounting for 86.85% of the total; in the above 38 storm floods, the average relative error between the simulated value and measured value is 25.19%, including 31 storm floods showing an absolute error of lower than 300 t/km2between the simulated value and measured value. FBM fractal dimension of vegetation pattern can better reflect the relationship between vegetation coverage and water and soil loss. In addition, the analysis shows that fractal dimension of vegetation pattern presents a negative correlation with soil erosion intensity and the correlation coefficient is 0.506 6. It indicates that soil erosion intensity shows downtrend along with the increasing of FBM fractal dimension of vegetation pattern, which means that FBM fractal dimension of vegetation pattern significantly affects soil erosion intensity.

vegetation; erosion; geographic information system; fractal dimension; soil and water loss

10.11975/j.issn.1002-6819.2017.19.022

TP79; Q948

A

1002-6819(2017)-19-0171-08

2017-05-08

2017-08-22

科技部項目京津冀耗水管理與資源節水技術研發示范（2016YFC0401403）；北京市科技計劃項目都市農業用水監測評價和管理平臺研究與示范（D151100004115004）；國家自然科學基金“黃土高原生態建設的生態-水文過程響應機理研究”（41330858）；國家自然科學基金“基于能量過程的坡溝系統侵蝕產沙過程調控與模擬”（41471226）；北京市博士后工作經費資助項目

李斌斌，博士，主要從事水文水資源、土壤侵蝕與水土保持等方面的研究。Email：154223338@qq.com

※通信作者：李占斌，博士，研究員，博士生導師，主要從事水文水資源、土壤侵蝕與水土保持等方面的研究工作。Email：zbli@xaut.edu.cn