基于“RWEQ+”集成技术在土壤风蚀模拟与风蚀模数估算、变化归因分析中的实践应用及SCI论文撰写

土壤风蚀是一个全球性的环境问题。中国是世界上受土壤风蚀危害最严重的国家之一,土壤风蚀是中国干旱、半干旱及部分湿润地区土地荒漠化的首要过程。中国风蚀荒漠化面积达160.74×104km2,占国土总面积的16.7%,严重影响这些地区的资源开发和社会经济持续稳定发展。自20世纪80年代以来,土壤风蚀作为沙漠化的首要环节而得到前所未有的重视,相继开展了大量的实验研究工作,揭示了各种因素对风蚀过程的影响,尤其是人为因素对风蚀的加剧作用,并提出了不同地区的风蚀防治措施。中国西部山区生态脆弱,水土流失现象较为严重,威胁着国家的生态安全,当地风蚀模数的估算工作对维护其生态环境可持续发展具有一定意义。

土壤侵蚀模型的构建能够更好地探寻侵蚀的原因,以便对土壤侵蚀进行一系列预测工作,减轻其对生态环境的影响。由于侵蚀过程较为复杂,因此建模需要充分考虑各项因素,例如气象、水文、地质环境、土壤条件等。修正的土壤风蚀方程(revised wind erosion equation,RWEQ)被广泛应用于土壤风蚀预报。该模型由美国农业部(USDA)农业研究服务(Agricultural Research Service)组织开发,它是一个基于过程模拟的经验性模型。RWEQ模型能够成功模拟田间管理措施、不同作物轮作对风蚀量的影响。

结合案例讲解RWEQ模型的运行及相关的归因分析。从原理、数据、方法、归因分析方面对土壤风蚀情况进行实战讲解。原理篇,介绍土壤侵蚀和土壤风蚀的基本原理和主要模型,并结合国内外最新的科研成果分析讲解;数据篇:介绍气象、植被、土壤等数据的获取方式;讲解各种数据的特点和适用性;方法篇:介绍RWEQ模型中各个参量提取的方法和要点;采用Python与ArcGIS有效结合的运行环境,充分利用Python高效地数据处理能力、ArcGIS强大的空间分析及可视化能力,通过代码解析和工具实操演练,讲解多元化的模型参量提取方法;分析篇:分析土壤风蚀分布特征及其影响因素;讲解通经分析、地理探测器等归因分析方法的原理,在R、SPSS等环境中实现对土壤风蚀的归因分析及可视化。

原文链接:基于“RWEQ+”集成技术在土壤风蚀模拟与风蚀模数估算、变化归因分析中的实践应用及SCI论文撰写​

第一章理论基础

1、土壤侵蚀的基本原理

l土壤侵蚀:在水力、风力、冻融、重力等外营力作用下,土壤、土壤母质被破坏、剥蚀、转运和沉积的全部过程。

l土壤侵蚀的分类:水力侵蚀、重力侵蚀、冻融侵蚀和风力侵蚀等。

l土壤侵蚀的危害及原因:中国山地丘陵面积广,地形起伏大,地面组成物质疏松深厚,降雨强度大,垦殖历史久,植被覆盖率低等,都是引起土壤侵蚀的重要因素。多种因素的不同组合,决定着土壤侵蚀的类型、程度、区域分布以及潜在危险的大小等。

2、土壤风蚀模型

l土壤风蚀发生的机理

l土壤风蚀的影响因子:1)风速;2)地表土壤物理特性;3)地表覆盖及粗糙度状况.

l土壤风蚀评估模型:

l风蚀方程模型(Wind Erosion Equation, WEQ)

风蚀方程模型(WEQ)由Woodruff和Siddoway在1965年提出,旨在

分析田间地表情况和田间管理措施对侵蚀速率的影响,进而有效防治农田的风力侵蚀。WEQ用于预报美国的农田的年风蚀量(kg/ha-1)。

WEQ 是第一个用于估算田间年风蚀量的模型,其中包含5组11个变量:气候因子、土壤可蚀性、土壤表面粗糙度、田块长度、以及作物残留物。其中土壤可蚀性与气候因子是最重要的因变量。

WEQ可用下式表示:

E=f(I,K,C,L,V)

其中,E为年风蚀量( t / acre, 1 acre= 4046 .86m2) ; f为函数关系;Ⅰ为土壤可蚀性( t / acre) ; K为土壤糙度因子; C为气候因子; L为田块裸露长度( ft, 1 ft =30 .48 cm); V为植被因子。

l修正风蚀方程模型(Revised Wind Erosion Equation, RWEQ)

修正的风蚀方程 (revised wind erosion equation, RWEQ)是一种以较高时空分辨率对区域土壤风蚀状况进行长时间序列估算, 从而有效预测风蚀量的模型, 可以为土地沙化防治提供依据 。

第二章平台基础

1、ArcGIS软件介绍及安装、常用功能介绍

lArcGIS版本介绍,安装;

lArcGIS软件界面,常用功能介绍;

lArcGIS工作空间环境设置

2、ArcGIS空间分析与制图

2.1 ArcGIS如何定义坐标系

2.2 ArcGIS空间分析

在ArcGIS软件的空间分析工具箱中,提供了大量的栅格数据处理工具,其中对栅格数据进行平滑处理的工具在去除图像上的椒盐噪音的处理中有非常重要的作用

(1)提取分析:按属性或空间位置提取、按像元值提取;

(2)地图代数:地图代数语言规则;

(3)局部分析:栅格数据叠合分析、像元统计、分级、频数取值;

(4)邻域分析:邻域形状、邻域统计类型、点统计;

(5)区域分析:分区几何统计、分区统计、面积制表、区域直方图;

(6)插值分析:反距离权重法、自然邻域法、趋势面法、样条函数法、克里金法;

(7)采样与重采样:渔网分析、随机点采样、重分类、查找表等;

2.3 ArcGIS版面设计

lArcGIS基础地图服务使用:配置地图服务器;在线地图添加与使用

l地图、鹰眼图、范围指示器、格网、表格、图表等的制作与设计。

过去踩过的那些坑—常见错误和使用注意事项等

第三章RWEQ模型数据支持

1.矢量数据的获取与预处理

l矢量数据的认识

l矢量数据创建、转换、编辑

2.栅格数据的获取与预处理

l栅格数据的认识

l栅格数据的输入、输出及转换

l空间分辨率的认识

l栅格数据重采样

3.遥感云平台数据获取

l遥感云平台数据简介

l遥感云平台基本语法

l遥感云平台数据获取

4.NetCDF数据的获取与处理

lNC数据的认识与读取

lArcGIS模型构建器的组成

lArcGIS新建工具箱与自定义工具

5.基于Python的气象数据的获取与处理

l气象数据简介

lPython开发环境搭建

lPython代码库的安装与讲解

l对文本、矢量、栅格等文件进行读写操作

lPython数据清洗

l文本数据与栅格数据的转换

lNC数据与*.TIF数据的转换

批量数据投影定义与转换

第四章RWEQ模型参量提取

1、气候因子WF提取

风速、气温、降雨、日照辐射以及雪盖天数等气候状况都会影响土壤风蚀模数, 其共同组成了气候因子。

气候因子WF表征了在考虑降雨、温度、日照及雪盖等因素的条件下风力对土壤颗粒的搬运能力,其表达式如下:

​添加图片注释,不超过 140 字(可选)

式中,WF为气象因子(kg/m);WE为风场强度因子(m3/ s3),由监测风速μ2(m /s)、起沙风速μ1(假定为5 m/ s)和观察周期天数 Nd 计算得到;ρ 为空气 密度(kg /m3 ),由海拔高度 EL(km)和绝对温度 T(K) 计算得到;g 为重力加速度(m/s2);S为土壤湿度因子(无量纲);R为降雨量(mm);I为灌溉量(mm);Rd为降雨次数和(或)灌溉天数;ETP

为地表潜在相对蒸发量(mm),由太阳辐射SR(cal /cm2 )和平均温度 DT(℃)计算得到;SD为雪覆盖因子(无量纲);P为计算时段内积雪覆盖深度(Hsnow)大于25.4 mm的概率。

Wf因子

ETp因子

SW因子

WF因子

2、土壤可蚀性因子EF提取

土壤可蚀性是指土壤对侵蚀的敏感性。对于不同的机械组成和理化性质的土壤种类,粒度越小,有机质含量越低,其土壤可蚀性越大,越容易被侵蚀;反之粒度越粗,有机质含量越高,其可蚀性越小,越不容易被侵蚀。对于土壤可蚀性因子的计算公式如下:

3、土壤结皮因子SCF提取

土壤结皮是指某些低等生物与土表相互作用或降水滴溅在土表上形成的微层,一般按产生机理可分为生物性结皮和物理性结皮。其中,生物性结皮有利于抵抗土壤风蚀;物理性结皮易碎,反而加速了土壤被风蚀的过程。其计算公式如下:

4、植被覆盖度因子C提取

不同的植被有着不同的根系,也就有不同的固水固沙能力。植被覆盖度因子表示一定植被覆盖条件下,对土壤风蚀的抑制作用大小。 依据研究区LUCC分类图,将植被分为林地、灌木、草地、农田、裸地5个植被类型,根据不同的系数计算各植被覆盖度因子。

式中,ai为不同植被类型的系数,其中,林地为 -0.153 5,灌木为 -0.092 1,草地为 -0.151 1,农田为-0.043 8,裸地为-0.076 8;SC为植被覆盖度(无量纲),由NDVI 数据集计算得到。

5、地表粗糙度因子K’提取

地表粗糙度是指由地形引起的土地表面粗糙程度对土壤风蚀的影响

式中,Kr 为因地形起伏产生的地形粗糙度长度 (cm);Crr 为随机糙度因子,取 0;ΔH为距离L范围内的海拔高程差(m),根据不同的起伏地形情况,L 具有不同的值。

6、土壤风蚀量的计算

SL为土壤风蚀量(thm-2a-1);Qmax为风沙最大转移量(kg/m);S为关键地块长度(m);z为下风向最大风蚀出现距离(m);WF为气候因子(kg/m);K’为地表粗糙度因子;EF为土壤可蚀性因子;SCF为土壤结皮因子;C为植被覆盖因子。

第五章归因分析

1.统计分析

将结合根据研究区土地利用、覆盖变化信息的提取与分析及其他相关研究成果,统计分析研究区空间分布特征,为土壤风蚀防治措施方面进行深入分析。

1.相关性分析

渔网分析:利用ArcGIS渔网工具在研究区域创建一定大小的格网,进行分割地图、采样分析、划分研究单元等。

相关性分析:通过格网法分别建立三江源地区植被等因子与潜在风蚀量尧实际风蚀量和防风固沙量的散点图,并对散点图进行最优函数拟合,探讨其在空间分布上的相关性。

2.通径分析

以三江源地区2015年年土壤风蚀量为因变量,以气候因子和植被覆盖度等因子为自变量进行通径分析,量化分析各个因子的直接和间接作用的共同贡献。

4.因子探测分析--地理探测器

风蚀量的空间分布并非由某单一地理、气候或人文因素导致,其形成与多种因素的共同作用密不可分,因此对其作用贡献较大的因素将决定其实际的空间分布规律。地理探测器模型(GDM)是基于空间分化理论和地理信息系统(GIS)空间分析技术提出的。它通常用于研究影响空间层次异质性的因素及其潜在机制。

l因子探测器

因子探测器可评估某一影响因素对风蚀量的贡献程度,具体公式如下

其中,D为某一影响因子,H为风蚀量,Q为影响因子对风蚀量的贡献度,取值范围是[0-1],N、σ2为样本量及其方差,h为样本层数,L为影响因子分类数。当Q值越大时,表明该影响风蚀量的贡献度越大。

l交互作用探测器

交互探测器可评估两种影响因子交互作用时对研究区风蚀量的贡献程度,以便更准确分析实际多影响因子共同作用下的贡献度。

l基于R的地理探测器实现:

① 自变量和因变量数据制备;

② 地理探测器运行准备;

③ R软件及程序包的安装、基本设置等;

④ 地理探测器运行代码解析;

⑤ 因子探测器结果分析与可视化;

⑥ 交互探测器结果与可视化;

第六章RWEQ模型相关的SCI论文撰写技巧

1.科技论文结构

2.引言

l科学问题是否清楚?

l逻辑推理是否严密?

l文献综述的写作技巧

l引言写作的示例

3.摘要和结论

l英文摘要的写作要求

l摘要的五要素

l如何构建一篇SCI论文的总结摘要

l摘要和结论的区别

l数据来源与预处理

l模型因子提取方法

1.讨论

l讨论的写作要点

l讨论撰写中的常见问题

2.论文投稿技巧分析

3.SCI论文案例分析

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/48561.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

数据库访问和组件技术相关概念(ADO、ActiveX、DLL、ODBC等)详解

目录 背景概念ADO核心组件代码展示 ActiveX组件对象模型ADO与ODBC的关系 总结 背景 最近又再重新学习vb,老师说过无论学习什么知识一定不能独立的学习,学习编程语言也是一样,把两种或者三种语言放到一起进行比较,通过比较每种语言…

ThinkPHP8知识详解:ThinkPHP8是什么?

欢迎你来到PHP服务网学习最新的ThinkPHP8开发教程,本文介绍一下ThinkPHP8是什么? 1、ThinkPHP8是ThinkPHP框架的最新版本,它在之前版本的基础上进行了改进和优化。它采用了现代化的设计理念和架构,提供了更好的性能和更丰富的功能…

一文看完智能视频监控系统的工作原理及场景应用

智能视频监控系统的原理是利用摄像机采集视频信号,并通过相关的AI模型算法实时分析视频内容,提取出有用信息,如人脸、车牌号码、移动物体等,并进行识别及特征提取,最终形成监控报警、实时监控、历史录像回放等应用。 智…

华为数通HCIP-MPLS

传统ip转发 路由器根据流量的dip查找路由表进行转发; 缺陷:查找路由表需要消耗一定CPU开销;(可以通过FIB表解决) 安全性低,中间转发设备可以看到网络层ip信息; FIB(转发信息库) 定…

intellij 编辑器内性能提示

介绍 IntelliJ IDEA已经出了最新版的2023.2,最耀眼的功能无法两个 AI Assistant编辑器内性能提示 AI Assistant 已经尝试过了是限定功能,因为是基于open ai,所以限定的意思是国内无法使用,今天我们主要介绍是编辑器内性能提示 IntelliJ Pr…

都2023年了还不会Node.js爬虫?快学起来!

爬虫简介 什么是爬虫 爬虫(Web Crawler)是一种自动化程序,可以在互联网上自动抓取网页,并从中提取有用的信息。 爬虫可以模拟人类浏览器的行为,自动访问网站、解析网页、提取数据等。 通俗来说,爬虫就像…

x3daudio1 7.dll丢失怎么修复,哪个修复方法更推荐使用

最近我的电脑出现了一个错误提示,说缺少一个名为x3daudio1_7.dll的文件。这个错误导致我无法运行一些游戏和应用程序。为了解决这个问题,我开始寻找修复方法,在这个过程中,我了解到x3daudio1_7.dll是一个与音频相关的库文件&#…

vs2013 编译wxwidgets界面库

首先进入官网下载,本人再git上下载的基本都编译失败 https://www.wxwidgets.org/ 在网站里面找最新的就可以,下载之后放在一个目录,找到vs的目录 然后找到wx_vc12.sln,打开编译即可 Debug、Release编译出来的是静态库 DLL Deb…

【C++】【自用】选择题 刷题总结

文章目录 【类和对象】1. 构造、拷贝构造的调用2. 静态成员变量3. 初始化列表4. 成员函数:运算符重载5. 友元函数、友元类55. 特殊类设计 【细节题】1. 构造 析构 new \ deletet、new[] \ delete[] 【类和对象】 1. 构造、拷贝构造的调用 #include using namespace…

Python GDAL为具有多个波段的大量栅格图像绘制像素随时间变化走势图

本文介绍基于Python中的gdal模块,对大量长时间序列的栅格遥感影像文件,绘制其每一个波段中、若干随机指定的像元的时间序列曲线图的方法。 在之前的文章Python中GDAL批量绘制多时相栅格遥感影像的像元时间序列曲线图(https://blog.csdn.net/z…

C++,类和对象-多态,制作饮品

#include<iostream> using namespace std;//多态案例&#xff0c;制作饮品class AbstractDrinking { public://煮水virtual void Boil() 0;//冲泡virtual void Brew() 0;//倒入茶杯virtual void PourInCup() 0;//加入辅料virtual void PutSomething() 0;//制作饮品vo…

Codeforces Round 886 (Div. 4)F题解

文章目录 [We Were Both Children](https://codeforces.com/contest/1850/problem/F)问题建模问题分析1.分析到达的点与跳跃距离的关系2.方法1倍数法累计每个点所能达到的青蛙数代码 方法2试除法累计每个点能到达的青蛙数代码 We Were Both Children 问题建模 给定n个青蛙每次…

文本预处理——文本数据分析

目录 文本数据分析中文酒店评价语料获得训练集和验证集的标签数量分布获取训练集和验证集的句子长度分布获取训练集和验证集的正负样本长度散点分布获得训练集和验证集不同词汇总数统计获得训练集上正负的样本的高频形容词词云获得验证集上正负的样本的形容词词云 文本数据分析…

【Java】Spring关于Bean的存和取、Spring的执行流程以及Bean的作用域和生命周期

Spring项目的创建普通的存和取存储Bean创建Bean将Bean注册到容器中 获取并使用Bean获取Spring上下文获取并使用 更简单的存和取存储Bean配置扫描路径添加注解类注解Bean的命名规则五大注解的区别方法注解Bean方法注解要配合类注解使用重命名 Bean有参数的方法 获取Bean属性注入…

Redis三种模式——主从复制,哨兵模式,集群

目录 一、主从复制 1.1主从复制的概念 1.2Redis主从复制作用 1.2.1数据冗余 1.2.2故障恢复 1.2.3负载均衡 1.2.4高可用基石 1.3Redis主从复制流程 1.4部署Redis 主从复制 1.4.1.环境部署 1.4.2.所有服务器都先关闭防火墙 1.4.3.所有服务器都安装Redis 1.4.4修改Master主节点R…

【C#】微软的Roslyn 是个啥?

一、说明 Roslyn 是微软重写的C#编译器并开源。 Roslyn 是 C# 和 Visual Basic.NET 开源编译器的代号。以下是它如何在过去十年企业Microsoft的最黑暗中开始&#xff0c;并成为所有C#&#xff08;和VB&#xff09;的开源&#xff0c;跨平台&#xff0c;公共语言引擎&#xff0c…

el-upload上传图片和视频,支持预览和删除

话不多说&#xff0c; 直接上代码&#xff1a; 视图层&#xff1a; <div class"contentDetail"><div class"contentItem"><div style"margin-top:5px;" class"label csAttachment">客服上传图片:</div><el…

教育新花样?看智慧教育如何出“花样”

智慧教育是物联化、智能化、感知化、泛在化的新型教育形态和教育模式。数字孪生可视化作为智慧教育的应用之一&#xff0c;优化了教育发展形态。本文以智慧教育浙江大学项目为例&#xff0c;介绍智慧教育的具体应用场景。 一、项目背景 &#xff08;一&#xff09;政策背景 …

springboot自动装配

SPI spi &#xff1a; service provider interface &#xff1a; 是java的一种服务提供机制&#xff0c;spi 允许开发者在不修改代码的情况下&#xff0c;为某个接口提供实现类&#xff0c;来扩展应用程序 将实现类独立到配置文件中&#xff0c;通过配置文件控制导入&#xff…

基于Ko-time的Springboot单体化调用链追踪实践

目录 前言 一、关于Ko-Time 1、是什么&#xff1f; 2、ko-time更新时间线 二、Ko-time怎么用&#xff1f; 1、依赖引入 2、配置集成 3、权限放行 三、链路追踪 1、系统运行 2、链路追踪 3、长时间调用模拟 总结 前言 熟悉微服务的老司机一定了解&#xff0c;在微服务模…