导读:本文包含了土壤可蚀性因子论文开题报告文献综述及选题提纲参考文献，主要关键词:土壤可蚀性因子,观测数据,裸地小区,农地小区
土壤可蚀性因子论文文献综述
杨欣,郭乾坤,王爱娟,刘宝元,张蒙娜[1]（2019）在《基于小区实测数据的不同类型土壤可蚀性因子计算》一文中研究指出[目的]对不同类型土壤可蚀性因子进行计算,为土壤侵蚀定量评价、水土流失动态监测提供科学依据。[方法]通过收集全国范围野外径流小区实测资料,采用一定的数据遴选标准,利用小区法计算我国主要土壤的K值;同时考虑实测值评价Wischmeier和EPIC K值估算公式在我国的适用性。[结果]我国主要土壤的K值范围分布在0.0008～0.0705 (t·hm~2·h)/(hm~2·MJ·mm)之间。黑土、黄绵土和褐土的K值较大,红壤和紫色土因子值较小。全国范围内,公式估算得到的K值与实测值存在较大误差;修订后的Wischmeier公式估算东北黑土区K值精度相对较高。[结论]基于全国实测站点数据和文献数据,计算出修正到标准小区的K值,K值空间变化幅度较大,大体呈现出从北向南减小的趋势。为获得比较准确的K值,建立相关经验公式需进一步加强监测点管理和长序列观测数据的积累。(本文来源于《水土保持通报》期刊2019年04期）
李肖,唐鹏,林杰,张阳,朱茜[2]（2019）在《应用~(137)Cs示踪法估算淮北土石山区土壤可蚀性因子K值》一文中研究指出选取淮北土石山区——赣榆区为研究区,通过径流小区法和~(137)Cs核素示踪技术修订EPIC模型,并利用克里金插值技术获取赣榆区土壤可蚀性因子(K值)的空间分布图。结果表明:EPIC模型不能直接应用于淮北土石山区K值的估算,估算值在耕地上波动较大;修订EPIC模型估算K值与实测K值的相对偏差为5.4%,精度较高,适用于淮北土石山区K值的估算;赣榆区K值主要分布在0.032～0.041 t·h·MJ~(-1)·mm~(-1)。4种土类K值平均值:棕壤类为0.034 t·h·MJ~(-1)·mm~(-1),潮土类为0.037 t·h·MJ~(-1)·mm~(-1),砂姜黑土类为0.037 t·h·MJ~(-1)·mm~(-1),盐土类为0.039 t·h·MJ~(-1)·mm~(-1)。(本文来源于《东北林业大学学报》期刊2019年06期）
周秋文,罗雅雪,张思琪,岳彩雯[3]（2017）在《喀斯特地区土壤可蚀性因子空间估算研究进展》一文中研究指出虽然USLE系列经验模型在喀斯特地区的适用性问题存在争议,但是仍然被广泛应用。该系列模型若要在喀斯特地区取得较好的计算效果,土壤可蚀性因子空间估算是关键之一。随着数字土壤制图方法研究取得显着进展,土壤可蚀性因子空间估算方法推陈出新。已有研究中,直接针对喀斯特地区土壤可蚀性因子空间估算较少,急需开展相关研究。未来需要建立典型喀斯特地区土壤可蚀性因子与环境要素协同关系知识库,从而识别出对土壤可蚀性因子值有明显表征作用的协同因子。采取多种指标进行多维对比,选择适宜喀斯特地区土壤可蚀性因子空间估算方法,获取较高精度的典型喀斯特地区土壤可蚀性因子图,是今后喀斯特地区土壤可蚀性因子空间估算的重要研究方向。(本文来源于《贵州师范大学学报(自然科学版)》期刊2017年06期）
邹丛荣[4]（2017）在《沂蒙山区沂源县土壤可蚀性因子（K）研究》一文中研究指出土壤可蚀性反映了土壤在雨滴击溅、径流冲刷等作用下,被分散、搬运的难易程度。土壤可蚀性因子(K值)是表征土壤可蚀性大小的重要指标,是评价土壤侵蚀敏感程度和构建土壤侵蚀预报模型的必要参数,可为区域水土流失监测提供技术支撑。本文以沂蒙山国家级重点治理区沂源县为研究对象,通过野外调查、室内实验和径流小区观测等手段,分析了影响土壤可蚀性因子(K值)的土壤类型、质地、颗粒分形、有机质等特征;采用标准径流小区法、数学公式法(诺谟公式和EPIC方程)计算K值,建立标准径流小区实测值与数学公式法估算值线性回归方程,获得K值修正诺谟公式;基于修正诺谟公式,采用地统计学中变异函数和普通克里格方法进行空间插值,获得沂源县K值空间分布。主要结论如下:(1)分析了影响土壤可蚀性因子(K)的主要因子特征沂源县面积1635.80 km2,以棕壤和褐土为主。棕壤土类面积717.85 km2,占43.88%;主要分布在花岗岩区。褐土土类面积886.87 km2,占54.22%;主要分布在沿沂河两岸的石灰岩区。土壤质地偏粗,以砂土和壤土为主。砂土面积649.22 km2,占39.69%;主要分布在大张庄镇、南鲁山北部一带,具有土质贫瘠,不保肥不保水等特点;壤土面积338.13km2,占20.67%;主要分布沿沂河两边,其耕性和肥力较好。土壤颗粒以砂粒和粉粒为主,分别占52.28%、41.26%,均属于中等强度变异。土壤颗粒分形维数D分布在1.9729~2.7706之间,平均值2.6034,变异系数5.50%,属于弱变异性。土壤有机质含量均值18.19 g/Kg,最大值37.66 g/Kg,最小值5.95 g/Kg,变幅31.71 g/Kg,变异系数35.13%,属于中等强度变异。不同土壤类型有机质含量表现为:褐土性土>棕壤>淋溶褐土>潮褐土>棕壤性土>褐土>潮棕壤>潮土;不同土地利用有机质含量表现为:草地>灌木林地>有林地>果园>旱地,均属于中等强度变异。(2)计算了土壤可蚀性因子(K)并进行了修正标准径流小区法计算径流小区土属K值:临朐县辛庄酸性岩棕壤性土0.019,蒙阴县前城子钙质岩褐土性土0.028,泰安市药乡基性岩棕壤性土0.037。诺谟公式法估算研究区内土属K值:酸性岩棕壤性土0.018、钙质岩褐土性土0.025、基性岩棕壤性土0.036。EPIC方程估算研究区内土属K值:酸性岩棕壤性土0.028、钙质岩褐土性土0.031、基性岩棕壤性土0.047。通过标准径流小区法实测K值与数学公式法估算K值线性回归分析,获得标准径流小区修正EPIC方程和修正诺谟公式。通过误差分析法确定修正诺谟公式更适合沂源县K值预测。标准径流小区修正EPIC方程:标准径流小区修正诺谟公式:K=0.9838×[2.1×10~(-4)M~(1.14)(12-OM)+3.25(S-2)+2.5(P-3)]/100+0.0021(3)估算了沂源县土壤可蚀性因子K值并完成空间制图根据修正诺谟公式估算沂源县K值,均值为0.0308,最小值0.0032,最大值0.0969,极差范围0.0937,变异系数57.47%,属于中等程度变异。K值与砂粒含量呈显着负相关;与粉粒含量呈显着性正相关性;与黏粒含量、分形维数成正相关关系,而与有机质含量相关不明显。砂粒含量越高,分形维数越小,K值就越低;粉粒和黏粒含量越高,分形维数越大,K值也就越高。采用地统计学中变异函数和普通克里格方法进行K值空间插值,均值为0.0389。土类级别的土壤类型K值中,棕壤0.0313、褐土0.0423、潮土0.0477及裸岩0.0284。亚类级别的土壤类型K均值在0.0283~0.0478之间,其中淋溶褐土(0.0478)和潮土(0.0477)的K值较高,棕壤性土(0.0283)和裸岩(0.0284)K值较小。全县K值总体是以中间高,两侧递减条状分布;造成K值空间变异分布的主要原因是土壤类型、母质、地形、有机质含量等因素引起的,而且土地利用方式也会影响K值的空间变异。土壤K值―高值‖主要分布在高丘陵和低山地貌类型,人为活动多,质地以粉壤土和粉土为主,土地利用以旱梯田和果园为主,有机质含量不高,但分形维数大,K值较高,抗蚀能力弱。土壤K值―低值‖主要分布在低山地貌类型,土壤类型以棕壤性土为主,质地以砂土和砂壤土为主,有机质分布不均匀,分形维数偏小,K值较低,抗蚀能力强。(本文来源于《南京林业大学》期刊2017-06-01）
王秋霞,张勇,丁树文,叶馨阳,刘丹露[5]（2016）在《花岗岩崩岗区土壤可蚀性因子估算及其空间变化特征》一文中研究指出土壤可蚀性K值是土壤侵蚀模型的必要参数,研究花岗岩崩岗区土壤可蚀性K值有助于宏观判断和定量分析崩岗区土壤侵蚀的空间变化特征。采集湖北通城花岗岩典型崩岗淋溶层、淀积层、母质层土壤,运用5种土壤可蚀性K值估算方法分析各层土壤可蚀性差异,通过室内人工模拟降雨实验验证花岗岩风化土可蚀性K值的有效性及5种估算方法的灵敏度。结果表明:花岗岩风化土的各层土壤可蚀性差异显着,母质层平均K值最大,是淋溶层的1.20倍,淀积层的1.03倍,且各层土壤的稳定含沙率和各粒径流失量差异显着;诺莫法估算的各层土壤的可蚀性K值与40 min每层土的稳定含沙率之比最接近,诺莫法估算各层土壤可蚀性K值的灵敏度最高,为修正诺莫的1.5倍,EPIC模型法的6倍。因此,针对南方花岗岩风化土可采用诺莫法准确评价土壤可蚀性K值。通过估算崩岗不同层次土壤的可蚀性K值及其空间变化特征,对针对性地研究崩岗形成机制及其治理具有一定指导意义。(本文来源于《中国水土保持科学》期刊2016年04期）
孙佳佳,王志刚[6]（2016）在《土壤可蚀性因子制图及其不确定性研究进展》一文中研究指出土壤可蚀性因子是评价土壤对侵蚀敏感程度的重要指标,也是进行土壤侵蚀预报的重要参数。为促进今后相关研究的发展,较为系统地阐述了土壤可蚀性因子、土壤可蚀性因子的空间预测以及土壤可蚀性因子制图中的误差和不确定性的国内外研究现状。分析指出,准确地制作土壤可蚀性因子空间分布图具有重要的现实意义,然而,影响土壤可蚀性因子的因素相当复杂,将土壤类型、高程、遥感等辅助信息融入空间预测,量化、分析空间预测过程中的不确定性,降低制图误差、提高精度、控制风险,成为今后研究的方向。(本文来源于《长江科学院院报》期刊2016年02期）
陈芬[7]（2013）在《关于郎酒厂区建设用地土壤可蚀性因子修正的研究》一文中研究指出土壤可蚀性因子是土壤侵蚀敏感性评价的重要指标，也是土壤预测预报模型的关键参数，同时存在着一定的固定性和可变性。山地黄壤土的水土流失较为严重，通过对黄壤土的可蚀性因子进行研究，掌握与了解其机理后，根据影响当地的土壤可蚀因子，天气情况、降雨因素以及当地地质等相关情况，依据水文计算规范，通过RUSLE模型、EPIC模型、Shirazi经验公式，结合古蔺县郞酒厂区建设用地的具体情况，计算其土壤可蚀性因子的大小，得到了古蔺县郞酒厂区建设用地的土壤可蚀性因子K值的取值范围。研究表明按常规RUSLE模型计算的山地黄壤土的可蚀性因子值偏大。针对临近河道的黄壤土中的径流及其蒸发等因素，提出了修正K值的方法，使修正后的土壤侵蚀量与实际结果更接近。目前利用相应的成果，研究土壤可蚀性因子的特性，并经修正后得出更适合临近河道的土壤可蚀性K值的计算公式。该研究成果为类似地区的土壤侵蚀研究提供了一定的参考价值，也是当前修正土壤侵蚀模型的有效途径之一。(本文来源于《西华大学》期刊2013-04-01）
肖潇,胡承芳,肖雪[8]（2012）在《土壤可蚀性因子空间变异表述系统研究及应用》一文中研究指出为推动我国土壤侵蚀预测预报技术的发展,利用ArcGIS Engine二次开发的优势,构建了基于ArcGIS平台的土壤可蚀性因子空间变异表述系统。该系统具有快速、简洁加载空间数据并对空间数据进行空间插值分析、精度验证以及要素空间变异表述等特点。可对土壤因子进行高效查询和分析研究,提高土壤侵蚀研究的科学性、准确性,使防止水土流失工作的规划、管理和决策更加科学化、数字化,具有较大的应用潜力。(本文来源于《人民长江》期刊2012年08期）
岑奕,丁文峰,张平仓[9]（2011）在《华中地区土壤可蚀性因子研究》一文中研究指出以全国第2次土壤普查数据为基础,利用EPIC模型估算华中地区主要土壤可蚀性因子K值,结合该区土种分布图,分析各主要土壤类型可蚀性K值分布特征。结果表明:该区土壤可蚀性因子K值主要分布在0.09～0.39之间,高值区主要分布在河南省的东部、西部区域,低值区则主要分布在湖南省的南部、湖北及河南交界的中部及东部地区。依据华中地区土壤图,全区共分布有土类25种。其中,K值最大的为褐土,约为0.34;红黏土的K值次之,为0.31;粗骨土的可蚀性最低,约为0.19。华中地区红壤、水稻土、潮土、黄壤、黄棕壤等土类所占面积较大(约占全区总面积的72.63%),其土壤可蚀性因子K值分别为:0.250,0.253,0.287,0.225,0.244,可基本反映华中地区的土壤抗侵蚀情况。(本文来源于《长江科学院院报》期刊2011年10期）
肖潇[10]（2010）在《一个土壤可蚀性因子空间变异表述系统设计与实现》一文中研究指出研究应用ArcGIS技术解决土壤可蚀性因子空间变异特征的方法,构建基于ArcGIS平台的土壤可蚀性因子空间变异表述系统。以土壤可蚀性因子空间变异分析基本方法为基础,从土壤可蚀性因子研究现状和方法入手,较系统的研究了国内外的土壤可蚀性因子空间变异分析方法及ArcGIS的应用范围。主要包括:土壤可蚀性因子研究的基本方法,ArcGIS在对象空间变异研究中的应用情况,空间变异研究中空间插值算法在实际研究中的体现。紧密结合ArcGIS Engine技术与土壤可蚀性因子变异分析方法,在认真分析土壤可蚀性因子空间变异研究的业务需求的基础上,完成土壤可蚀性因子空间变异表述系统的设计与实现。主要包括:土壤可蚀性因子数据管理、特征值空间插值分析及插值结果验证各功能模块的设计,川渝地区土壤可蚀性因子空间变异分布图的得出。系统特点是能快速、简洁的加载空间数据并对空间数据进行空间插值分析,精度验证以及要素空间变异表述;实现高效的查询和分析功能,辅助土壤可蚀性因子研究,提高土壤侵蚀研究的科学性、准确性。从研究结果可以得出,ArcGIS技术与土壤可蚀性因子空间变异分析有较好的结合点,能系统的、快速的解决土壤可蚀性因子空间变异中存在的多方面问题,且具有良好的应用前景。采用ArcGIS Engine底层接口开发土壤可蚀性因子空间变异表述系统,在技术上具有先进性,在分析上具有灵活性,能满足相应的专业需求。ArcGIS Engine所提供的功能在土壤可蚀性因子空间变异研究中将有更大范围的应用潜力,提高水土流失防止工作的效率,使规划、管理和决策更加科学化、数字化。(本文来源于《华中科技大学》期刊2010-05-01）
土壤可蚀性因子论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
选取淮北土石山区——赣榆区为研究区,通过径流小区法和~(137)Cs核素示踪技术修订EPIC模型,并利用克里金插值技术获取赣榆区土壤可蚀性因子(K值)的空间分布图。结果表明:EPIC模型不能直接应用于淮北土石山区K值的估算,估算值在耕地上波动较大;修订EPIC模型估算K值与实测K值的相对偏差为5.4%,精度较高,适用于淮北土石山区K值的估算;赣榆区K值主要分布在0.032～0.041 t·h·MJ~(-1)·mm~(-1)。4种土类K值平均值:棕壤类为0.034 t·h·MJ~(-1)·mm~(-1),潮土类为0.037 t·h·MJ~(-1)·mm~(-1),砂姜黑土类为0.037 t·h·MJ~(-1)·mm~(-1),盐土类为0.039 t·h·MJ~(-1)·mm~(-1)。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
土壤可蚀性因子论文参考文献
[1].杨欣,郭乾坤,王爱娟,刘宝元,张蒙娜.基于小区实测数据的不同类型土壤可蚀性因子计算[J].水土保持通报.2019
[2].李肖,唐鹏,林杰,张阳,朱茜.应用~(137)Cs示踪法估算淮北土石山区土壤可蚀性因子K值[J].东北林业大学学报.2019
[3].周秋文,罗雅雪,张思琪,岳彩雯.喀斯特地区土壤可蚀性因子空间估算研究进展[J].贵州师范大学学报(自然科学版).2017
[4].邹丛荣.沂蒙山区沂源县土壤可蚀性因子（K）研究[D].南京林业大学.2017
[5].王秋霞,张勇,丁树文,叶馨阳,刘丹露.花岗岩崩岗区土壤可蚀性因子估算及其空间变化特征[J].中国水土保持科学.2016
[6].孙佳佳,王志刚.土壤可蚀性因子制图及其不确定性研究进展[J].长江科学院院报.2016
[7].陈芬.关于郎酒厂区建设用地土壤可蚀性因子修正的研究[D].西华大学.2013
[8].肖潇,胡承芳,肖雪.土壤可蚀性因子空间变异表述系统研究及应用[J].人民长江.2012
[9].岑奕,丁文峰,张平仓.华中地区土壤可蚀性因子研究[J].长江科学院院报.2011
[10].肖潇.一个土壤可蚀性因子空间变异表述系统设计与实现[D].华中科技大学.2010