论文部分内容阅读
本文以太湖流域为研究对象,将太湖流域划分为山丘区和平原区,基于GIS环境,通过提取流域水系及等高线特征,同时计算了水系分形维数与地形分形维数,从不同角度揭示了太湖流域地貌分形特征。在分析太湖流域分区水土流失特征的基础上,重新审查了通用土壤流失方程,对影响土壤侵蚀模数的因子进行了界定。通过人工神经网络法建立了山丘区各子流域地貌分形特征(地形分形维数和水系分形维数)、植被覆盖度与土壤侵蚀模数之间关系的定量化表达;选取太湖流域平原区七条典型河道,分析其河床每米自然淤积量、河床每米水土流失量与水系分形维数的关系,阐明了水土流失特征与地貌分形特征的耦合关系,为太湖流域和全国其他湖泊流域的生态安全保障提供新的思路。研究结果表明:(1)山丘区水土流失以轻度和中度为主,受降雨和植被覆盖度的影响较为显著。部分区县由于受到当地居民长期不科学的挖竹笋、采石、种植白茶和高山蔬菜等人为活动的干扰,造成了较重的水土流失。平原区水土流失状况与山丘区相比较轻,但发达的水上交通导致河道土堤在船行波的频繁冲击下,形成河岸坍塌,水土大量流失。另外,平原区降水、灌溉等活动造成农田中的土粒、氮素、磷、农药等大量有机或无机污染物质进入水体,引起平原农田较重的面源污染,威胁湖水水质。(2)平原区水系总分维值大于山丘区水系总分维值,而平原区各子水系分维值普遍比山丘区各子流域水系分维值小。从山丘区和平原区水系分维值以及山丘区地形分维值的计算结果均可看出总分维值比各局部分维值大的特点。(3)基于山丘区各子流域训练样本建立的土壤侵蚀BP神经网络能够较好收敛,且测试样本模拟值与实测值之间的线性相关性较好,说明水系分维、地形分维、植被覆盖度三个影响因子与土壤侵蚀模数之间确实存在相关关系。但较重的人类活动干扰,加剧了山丘区水土流失影响因素的多源性和不确定性,给水土流失与地貌分形特征耦合关系的定量化表达带来了一定困难。(4)将平原区七条典型河道河床每米自然淤积量与水系分形维数在线性函数和对数函数关系下拟合,确定系数分别为0.8619和0.8607,表明二者之间的确定性关系显著;河床每米水土流失量与水系分形维数在线性函数和对数函数关系下拟合,确定系数分别为0.7587和0.7572,表明二者之间的确定性关系显著。从拟合效果对比来看,河床每米自然淤积量与水系分维拟合关系的确定系数更高,说明二者之间的耦合关系更为显著,而河床每米水土流失量与水系分维的耦合关系更为复杂。