数字高程模型建模分辨率对浅层滑坡灾害及土壤再分布影响.docVIP

数字高程模型建模分辨率对浅层滑坡灾害及土壤再分布影响 　　摘要：本文主要研究数字高程模型（DEM）分辨率对模型结果的影响，该模型直观的模拟了浅层滑坡灾害和土壤再分布模式及其规模的相对空间。我们以新西兰北部一处12km2的区域为研究对象，用4种不同的数字高程模型（DEM）分辨率（栅格大小分别是10m、25m、50m和100m）来分析浅层滑坡地区的边坡分布、汇水区面积及相关危害风险。根据DEM分辨率对决定风险计算边界条件的影响尤为明显。使用低分辨率时，平滑作用导致更大的区域被归类为无条件稳定或不稳定。对于有发生泥石流灾害风险状况的施工场地，我们采用了简单实证型土壤再分布演算法来模拟泥石流的滑落及产生，此演算法中变得非常明显，在低分辨率的情况下边坡的滑落土壤分布初始规模较小，若使用更高分辨率时滑落土壤分布的规模更大，这应归功于高分辨率展示的更详细的地形特征。观察滑坡的侵蚀及其沉积物的空间分布格局，受这些地表变化过程影响区域的面积在高分辨率演算法下也增大了。概括地讲，即使受侵蚀和沉积的土壤物质的总量是一样的，滑坡受侵蚀的面积比沉积物占据的面积更大。分析发生在不同时期的土壤流失机制的反馈表明，更高的分辨率能显示更大区域面积泥石流灾害风险的加大或减小。当比较具有较低泥石流风险和较高泥石流风险场地的程度时，相对不那么稳定的区域而言，高的分辨率倾向于增加高泥石流灾害风险场地的增强稳定性区域的面积。当把简单计算土壤再分布的公式运用于分辨率不同的数字高程模型（DEM）来确定滑坡盆地沉积物的数量时，应须格外谨慎。然而，其数量可理解为相对量。当研究较长时间内的浅层滑坡时，完美的DEM分辨率可能不存在，因为没有哪种分辨率能够显示分布在不同时间和地点的所有不同滑坡的规模。DEM分辨率可能会受选择的初始数据可用性的限制，我们认为此必须选择适应特定分析类型的背景。版权归John Wiley Sons出版有限公司所有，2005。 　　关键词：数字高程模型 分辨率 规模 滑坡建模 沉积量 　　0 引言 　　近年来，由于数字高程模型（DEMs） （Moore等研究人员，1991；Goodchild等研究人员，1993；Wise，2000）在可用性及质量方面的发展，基于地形建模的集水过程在应用环境研究领域变得非常受欢迎。从数字高程模型（DEMs） 获取的数字高程数据有时具有直接利害关系（如：侵蚀、沉积及地形演变的研究），但高程值经常用于计算表面导数的算法中，如边坡、坡向、流向及上游水流区域。汇水区域界线和水系排水网管也可从这些地形特征中获取。这些数字高程模型（DEM） 分析产生的结果被用于很多地形建模应用中：分布式水文模型（Beven和Moore，1993），表面饱和区预测（O’Loughlin，1986；Barling等研究人员，1994），侵蚀-沉积模型（Desmet和Govers，1996；Schoorl等研究人员，2000），山坡稳定性及滑坡（风险）模型（Montgomery和Dietrich，1994；Tarboton，1997；Claessens等研究人员，正在出版中），预测性土壤分布图（Skidmore等研究人员，1991；Thompson等研究人员，2001；Scull等研究人员，2003），及土地利用（变化）模型（Veldkamp和Fresco，1996；Verburg等研究人员，2002；Vanacker等研究人员，2003）。 　　大体而论，数字高程模型（DEM） 中的地形信息可通过下列方式反映及储存：①不规则三角网地形模型。②基于河流与等值线交叉的离散的地形要素。③网格。前两种方法在某方面来说优于第三种，因为在建模中，它们可通过调整变得更能代表重要的地形特征。然而，网格数字高程模型是数字地形分析最常用的数据源，因为其结构简单并能与其它数字仪器获取的数据兼容，遗憾的是，网格数字高程模型也存在源于数据结构性质的不足之处，其数据结构只是代表连续面层和地表衍生物，如边坡和坡向永远是实际值的近似值。由于本文主要是关于带有条件的类型，因此为了简便起见，本文中泛称的数字高程模型（DEM） 均指网格数字高程模型。 　　数字高程模型建模所选取的地形信息中，误差主要的两种来源，它包括：①数字高程模型本身的误差。②本分析过程中使用演算法所造成的误差（Wise，2000）。当一个数字高程模型利用插值法计算原型轮廓时，且不说数据源的准确性，插值法本身就是误差的一个来源（Li，1994；Carrara等研究人员，1997）。插值高程值的计算中相对较小的误差在当有地表衍生物时就会形成较大的误差（Bolstad和Stowe，1994；Desmet，1997；Heuvelink，1998；Wise，1998，2000）。虽然插值法在某些特定数据源的运用中表现较