利用高分立体影像构建东北黑土山地丘陵区切沟体积估算模型

李 镇，齐志国，秦 伟，陈 驰，吴 可，冯 甜

利用高分立体影像构建东北黑土山地丘陵区切沟体积估算模型

李 镇1,2，齐志国2，秦 伟1,3※，陈 驰4，吴 可2，冯 甜2

（1. 中国水利水电科学研究院流域水循环模拟与调控国家重点实验室，北京 100048； 2. 河北地质大学土地科学与空间规划学院，石家庄 050031；3. 水利部水土保持生态工程技术研究中心，北京 100048；4. 中国农业大学信息与电气工程学院，北京 100083）

分析侵蚀沟形态特征并构建体积估算模型，对大空间尺度探究切沟侵蚀具有重要意义。该研究选取位于东北黑土山地丘陵区穆棱市的典型样区，基于WorldView-2高分立体像对影像（0.5 m分辨率），利用ENVI 5.3提取同分辨率DEM，选择45条切沟，在ArcGIS10.3中提取并计算切沟顶宽（TW）、底宽（BW）、沟深（）、断面面积（CSA）、沟长（）、面积（）及体积（）等参数，分析形态特征及相互关系，构建切沟体积估算模型。结果表明：1）切沟TW、BWCSA及均值分别为5.63 m、2.82 m、1.05 m、4.94 m2、81.90 m、470.54m2、428.53 m3。断面BWTW均值为0.48，切沟以V～U型为主。TW/全部大于1，均值为5.95，表明沟道横向侵蚀较下切侵蚀速率更快；2）切沟体积与沟长（）、面积()间均有极显著幂函数关系，相比-关系模型，-关系模型具有更小的平均相对误差和更大的纳什系数，可更准确有效预测切沟体积，建议将其作为东北山地丘陵区切沟体积估算模型；3）与黄土高原及干热河谷地区相比，东北黑土区切沟体积与面积幂函数关系的指数更小，而区内山地丘陵区较漫川漫岗区更大，反映出山地丘陵区更加强烈的切沟发育状况；切沟形态特征影响-模型构建的精度，建议将狭长度（/TW）作为切沟分类指标构建切沟体估算模型。研究结果可为东北黑土山地丘陵区大空间尺度切沟侵蚀的定量模拟提供方法和依据。

模型；遥感；切沟；形态特征；黑土；山地丘陵区

0 引 言

作为土地退化的主要过程及较严重的表现形式，侵蚀沟是降雨、土壤、地形及人类活动诱发的土地变化等因素共同作用的结果[1]，亦是径流泥沙输送与污染物运移的重要通道。沟蚀的发生、发展影响现代地貌发育及演化过程[2]，使土地变得支离破碎，影响农业生产、淤积江河湖库、恶化下游生态环境，是小流域主要产沙源[3-4]，严重制约着资源-环境-社会经济的可持续发展，已成为最受关注的具有普遍性、紧迫性和复杂性的全球环境问题[5]。东北黑土区是中国重要的商品粮基地，由于长期的过度垦殖，目前已存在侵蚀沟超过29.5万条，侵蚀沟防治与治理已成为当前乃至今后东北黑土区的重要问题[6-7]。

切沟作为东北黑土区主要的侵蚀沟类型，其形态是水力条件与环境因子相互作用的结果，亦是表征沟蚀强度的基本依据，形态参数差异也反映了其演化发展的阶段性及环境驱动，因此准确测量切沟的形态是沟蚀研究的基础和重点[8]。由于切沟形态复杂且不规则，传统的测量方法不能满足目前对侵蚀过程及机理的研究需求。随着遥感技术的发展，高分辨率遥感影像成为大空间尺度切沟侵蚀研究的重要数据源[9-11]，目视解译法成为获取切沟长度、宽度、面积、周长等参数常用手段，相对误差可以控制在5%以内[12]，该方法被用于探究切沟空间分布特征[7]、溯源侵蚀和沟坡横向侵蚀的监测[10-11]。具有立体像对信息的高分影像（如WorldView、GeoEye等）的出现，使得区域尺度探究切沟蚀积特征成为可能[13-14]，为大范围测量切沟线状和面状参数以及切沟体积提供了新的方法，也为区域沟蚀监测提供了便捷且相对可靠的数据源[15]。

切沟侵蚀量常用其体积来表征，但体积在遥感影像上不易获取，由于沟长能够反映体积大小且易于获取，因此，切沟体积（）和沟长（）的关系成为研究的热点[16-17]。在国外，伊朗、澳大利亚、埃塞俄比亚等国家均开展相关研究，确定切沟体积模型（=aL）[16-19]。在中国，关于–关系的研究较少，Dong等[20]、李镇等[21]和Wu等[22]分别确定了西南元谋干热河谷和黄土高原区切沟体积和沟长之间的关系，Zhang等[23]建立了东北黑土漫川漫岗区切沟体积估算模型。研究[21-22, 24-26]发现，与沟长相比，切沟面积（）是切沟体积估算模型更有效的参数，且在黄土高原、西南干热河谷和埃塞俄比亚高原分别建立了以面积为参数的体积估算模型（=aA），但相关研究在东北黑土区鲜有报道，限制了区域全面土壤侵蚀普查与评价。另外，在中国，对切沟侵蚀的研究起步较晚，基础数据欠缺，获取不同区域及发展阶段的切沟形态参数数据，建立切沟侵蚀的长期数据库，能够为理解切沟侵蚀机理及建立不同区域切沟体积估算模型创造条件；探究不同区域切沟体积估算模型系数差异，对建立更具适用性的沟蚀模型具有重要意义。

本文基于WorldView-2高分立体像对影像（0.5 m分辨率），利用ENVI提取同分辨率DEM，选择45条切沟，在ArcGIS10.3中提取并计算切沟顶宽、底宽、沟深、断面面积、沟长、面积及体积等参数值，分析东北黑土山地丘陵区切沟形态特征及相互关系，并构建体积估算模型。研究结果有助于理解切沟侵蚀进程，亦可为大空间尺度切沟侵蚀的定量研究提供方法和依据。

1 材料与方法

1.1 遥感图像处理

研究区（44.57°～44.65°N，129.86°～129.98°E）位于东北黑土山地丘陵区穆棱市，属于三江平原-兴凯湖生态维护农田防护区（图1）。选择WorldView-2高分立体像对数据（0.5 m分辨率）为数据源，拍摄时间为2018年5月，此时，农地刚完成翻耕与播种，植被覆盖率低，降低了植被对提取DEM精度的影响。参考唐杰等[15]的方法，基于ENVI 5.3 Terrain模块的DEM Extraction功能，输入立体像对数据的左、右影像，获取同名点坐标并输入控制点，通过交互式定义连接点，使其均匀分布在立体像对影像上，查看连接点精度，使误差最大值控制在1个像元内。最终得到栅格大小为0.5 m的DEM（图1），用于提取切沟形态参数。所有图层数据采用横轴墨卡托投影和WGS84坐标。

注：Ι-1-1hw：大兴安岭山地水资源涵养生态维护区；Ι-1-2wt：小兴安岭山地丘陵生态维护保土区；Ι-2-1wn：三江中下游生态维护农田防护区；Ι-2-2hz：长白山山地水资源涵养减灾区；Ι-2-3st：长白山山地丘陵水质维护保土区；Ι-3-1t：东北漫川漫岗土壤保持区；Ι-4-1fn：松辽平原防沙农田防护区；Ι-5-1t：大兴安岭东南丘陵沟壑土壤保持区；Ι-6-1fw：呼伦贝尔丘陵平原防沙生态维护区。

Note: Ι-1-1hw: Greater Hinggan mountainous water conservation and ecological protection section; Ι-1-2wt: Lesser Hinggan mountainous and hilly ecological protection section; Ι-2-1wn: Sanjiang middle and downstream ecological protection and farmland protection section; Ι-2-2hz: Changbai mountain water conservation and disaster prevention and mitigation section; Ι-2-3st: Changbai mountainous and hilly water quality protection section; Ι-3-1t: Northeast China rolling hills soil conservation section; Ι-4-1fn: Songliao Plain wind break and sand fixation and farmland protection section; Ι-5-1t: Southeast Greater Hinggan hilly and gully soil conservation section; Ι-6-1fw: Hulun Buir hilly and plain wind break and sand fixation and ecological protection section.

图1 研究区位置

Fig.1 Location of study area

1.2 切沟形态参数提取

高分立体像对数据生成DEM过程中，因植被的存在难免会存在噪声，为了降低因植被噪声导致切沟形态参数提取的误差，结合土地利用情况和Google Earth影像，选择发育于农地上的45条切沟。基于ArcGIS10.3软件，采用目视解译法提取沟缘线，分别计算沟长和面积，进一步利用ArcGIS10.3中3D Analys模块下的Profile Graph功能生成断面图，分别确定各切沟断面顶宽、底宽、沟深，共计357个断面，最后计算各断面的面积，计算公式如下：

式中CSA为第个断面面积，m2；TW为第个断面顶宽，m；BW为第个断面底宽，m；D为第个断面沟深，m。

根据切沟形态和断面参数，采用刘宝元等[27]的研究方法计算切沟体积，公式如下：

式中为切沟体积，m3；V表示第和1个断面之间的体积，m3；L表示第和1个断面之间的距离，m。

1.3 模型验证方法

分别用平均相对误差（r）、纳什系数（ns）[28]评估体积估算模型的有效性，采用如下公式计算：

式中m为利用DEM（0.5 m分辨率）获取的体积平均值；M为第条切沟体积的测量值；P为第条切沟体积的预测值。r越小或ns越大，说明模型预测值与测量值越接近。

最后，将所有数据导入SPSS22.0中进行统计分析，在Origin 2016 Pro 中绘制统计图。

2 结果与分析

2.1 切沟形态参数特征

切沟的平均顶宽（TW）、底宽（BW）、沟深（）、断面面积（CSA）、沟长（）、面积（）和体积（）等参数统计如表1所示。研究区切沟的顶宽在2.92～10.76 m之间，均值为5.63 m；底宽在1.33～5.40 m范围，均值为2.82 m，沟深分布于0.64～2.09 m，均值1.05 m；断面面积在1.72～17.13 m2范围，均值为4.94 m2；沟长在22.52～208.20 m之间，均值为81.90 m；面积分布于100.32～1 505.23 m2之间，均值为470.54m2；体积在46.67～2 338.43 m3范围，均值为428.53 m3。其中，Kolmogorov-Smirnov检验结果显示，切沟沟长、面积、断面面积及体积均服从对数正态分布。

表1 切沟形态特征统计（n=45）

注：TW为切沟顶宽；BW为切沟底宽；为切沟沟深；CSA为切沟断面面积；为切沟沟长；为切沟面积；为切沟体积。下同。

Note: TW is the top width of gully; BW is the bottom width of gully;is the gully depth; CSA is the cross-sectional area of gully;is the gully length;is the gully area;is the gully volume. The same below.

/TW反映了切沟的狭长度，/TW值越大，切沟越细长。研究区/TW值在4.48～41.39范围，均值为15.28。从沟蚀发育过程来看，/TW均大于1，说明与沟壁横向侵蚀速率相比，研究区切沟沟头溯源侵蚀速率更快[7]。进一步，基于/TW值进行K-均值聚类分析，最终将切沟分为2类（图2），其中/TW≤20的切沟所占比例最大，超过了70%。

切沟断面主要参数频率分布特征如图3所示。可以看出，切沟顶宽集中分布在2～8 m范围，累积频率超过80%（图3a）。从底宽分级结果来看（图3b），主要分布于0～4 m范围，累积频率均超过76%。沟深主要分布在0～2 m范围，累积频率超过90%，其中以0～1 m比例最大，达到56.58%（图3c）。最后，断面面积主要分布在0～5 m2范围，频率为64.43%，小于10 m2的累积频率达到了88%（图3d）。

切沟的BW/TW和TW/是反映切沟断面形态的重要指标[16]，亦反映了切沟发展的环境特征，在特定集水区内，沟道形状和尺度因岩性、土地利用及局部坡度等限制而自发调整[16-17]。研究区BW/TW在0.02～0.96范围之间，均值为0.48，主要集中于0.40～0.60范围，所占比例为30.53%。参考Deng等[29]研究结果，据BW/TW值将切沟断面形状分为V型（0～0.4），V～U型（0.4～0.6），U型（0.6～1.0），本研究中切沟以V～U型为主。图4反映了切沟顶宽和沟深之间的关系，TW/在2.10～20.63之间，均值为5.95。可以看出，所有点均落在1:1线左上方，这表明从切沟的发育过程来看，与沟底下切相比，沟壁横向侵蚀速率更快[29]。

2.2 切沟体积估算模型构建与验证

图5显示，东北山地丘陵区切沟体积与顶宽、底宽、沟深、断面面积、沟长及面积之间存在显著线性关系。沟长在遥感影像上较容易获取，因此已被作为主要参数来估算切沟的体积[16-17, 21-23]。切沟沟长、面积及体积均服从对数正态分布，切沟体积和沟长的回归分析结果如图5e所示，表达式为

考虑到切沟面积也易从高分辨率遥感影像获取，进而建立了切沟体积和面积之间的回归关系（图5f）。表达式为

回归方程的2表明，与沟长相比，切沟的面积与体积之间具有更好的幂函数关系。进一步分别基于–和–关系预测切沟体积，绘制其与通过高分立体像对数据获取的体积（测量体积）的散点图（图6），计算预测与测量体积线性回归方程的决定系数（2）、相对误差（r）和纳什系数（ns），结果如表2所示。与关系相比，依据关系预测切沟与测量体积建立直线回归方程的2值更大，表明–关系在预测切沟体积上更有优势；基于–和–关系预测的切沟体积与测量体积的r和ns分别为0.51、0.23和0.34、0.83，较小的r及更大的ns进一步表明，经验模型–比–在预测切沟体积上有更高精度。因此，建议将回归方程=0.181.25（2=0.90）作为东北黑土山地丘陵区切沟估算体积的模型。

表2 切沟体积预测值与测量值的的相对误差（Er）和纳什系数（Ens）

2.3 不同区域侵蚀沟模型对比分析

以Web of Science数据库和CNKI作为数据源，获取中国已有侵蚀沟体积估算模型的相关数据。对比发现，当前研究主要集中于-关系；对-关系研究较少，且研究区主要在黄土高原和西南干热河谷，东北黑土区尚鲜有报道。对于同类型侵蚀沟来说，相比东北黑土区，黄土高原及干热河谷区的侵蚀沟体积估算模型（V=aA或V=aL）的值更大，说明这2个区域环境更脆弱，沟蚀更严重[16]。但并不能忽视东北黑土区的切沟侵蚀问题。东北黑土区侵蚀沟超过29.5万条，且近89%为活跃侵蚀沟[6]，侵蚀沟防治与治理已是该区域水土保持工作的重点。

不同研究区不同类型侵蚀沟之间的-参数存在较大差异，反映了不同环境下侵蚀沟的侵蚀程度不同。与浅沟相比（表3），切沟体积估算模型（=ab）的值更大，说明切沟断面尺寸更大，侵蚀更严重。其中，被看作是单位沟长上切沟断面面积的增长率[18]，接近1，说明从沟头到沟口断面面积近乎恒定[30-31]。相比黄土高原、干热河谷区，东北黑土区值最小（表2）。本研究区，从沟头、沟中到沟口切沟断面面积均值分别为3.58，9.35和4.89 m2，晋西黄土区该值分别为26.3，45.1和53.9 m2[21]，相比晋西黄土区切沟的平均沟长（=12.54 m），沟长更长（=81.90 m）的东北黑土区切沟单位沟长上切沟断面面积的增长率更小，因此，值更小。与漫川漫岗区相比，山地丘陵区切沟具有更大的断面面积及更短的沟长，即随切沟的增长，断面面积对切沟体积更重要，因此，山地丘陵区-关系中值更大。–关系（=aA）反映了切沟体积随着面积的增长以幂函数的形式增加。b可以被看作为单位切沟面积上沟深的增长率，接近1，说明沟深近似为定值[21]。本研究中切沟从沟头、沟中到沟口，平均沟深较接近，分别为0.88，1.20和1.02 m，因此值接近1。不同研究区的值在1.14～1.47之间，相比于–关系变幅较小（表3）。总之，从拟合方程的决定系数来看，相比-，-关系预测切沟体积更具优势。另外，探究不同环境下切沟体积估算模型的系数差异，仍是未来需要解决的问题，对于深入理解切沟侵蚀进程具有重要意义。

表3 中国不同侵蚀区域V-L和V-A关系中参数a、b及侵蚀沟断面主要参数值

注：、为体积估算模型参数（=aL或=aA）。

Notes: a and b are the parameter of the model (=aLor=aA).

2.4 切沟形态特征对V-A模型参数的影响

通过测量数据构建以易于从高分辨率遥感影像（二维）获取的切沟参数为自变量的体积估算模型，对于大尺度上进行切沟发育侵蚀定量模拟及空间分布制图有重要意义[21]，但其未考虑切沟断面特征。参考Deng等[29]的研究结果，将研究区切沟断面形状分为V型、V～U型及U型；进一步，分别建立不同断面形状的切沟体积估算模型（-），统计结果如表4所示。

表4 不同断面形状的切沟体积估算模型（V-A）

Note:is the average of gully area;is the average of gully volume;is the average of gully depth; CVDis the average coefficient of variation of gully depth from gully head to gully mouth.

可以看出，与未考虑断面形状的-关系相比，V型及U型切沟体积估算模型的决定系数有所提高，可以提高模拟精度，且2种断面形状的切沟（尤其是U型切沟），从沟头到沟口的沟深平均变异系数更小，值更接近于1。但V～U型切沟体积估算模型的决定系数并未提高，这可能因不同环境条件或发育阶段切沟的宽深比、断面尺度及形状等形态特征不尽相同，以此构建的切沟体积估算模型系数可能存在差异，预测模型的适应范围及模拟精度亦受到影响[21,24]。

狭长度（/TW）反映了切沟沟头溯源侵蚀与横向侵蚀的速率差异，亦表征切沟不同的细长程度[7]。据图3结果将研究区的狭长度分为2类，分别建立-关系，结果如图7所示。回归方程的决定系数显示，与图5f的结果相比，考虑狭长度建立的切沟体积估算模型更有优势。因此，以易于从二维高分辨率遥感影像提取的切沟参数，考虑/TW建立-关系，能够为较大空间尺度的切沟侵蚀定量模拟提供更优模型。/TW亦反映了切沟不同的发育阶段性及环境条件差异。本研究中（图7），与/TW>20的切沟相比，/TW≤20的切沟具有更大的断面尺度，且2种类型切沟的沟深之间具有显著性差异（<0.01），这也就解释了狭长度小于等于20的切沟体积估算模型曲线位于狭长度大于20的模型曲线之上的原因。但构建其他区域切沟体积估算模型时狭长度的阈值划分仍需进一步讨论。加强不同环境条件、不同发育阶段的切沟形态特征及体积估算模型，对于提高模型精度及适用范围具有重要的意义。

此外，高分立体像对数据为大空间尺度上获取切沟形态参数提供了新方法，为沟蚀监测提供了便捷且相对可靠的数据源[15]，但影像价格昂贵。数字摄影测量、三维激光扫描及无人机等技术的发展，使沟蚀监测进入精准测量阶段，为获取高精度DEM提供了条件，在监测不同时空尺度沟蚀过程中发挥各自优势[34-36]，充分探究侵蚀沟的三维发育特征。郑粉莉等[8]强调，建立摄影测量、三维激光扫描和无人机等测量技术动态监测沟蚀过程的标准与规范，是未来沟蚀研究的重点内容。由于缺少实地测量数据，本研究中并未对切沟形态参数进行精度分析。因此，融合各数据源优势，选择典型样区建立野外沟蚀监测体系，获取高精度DEM数据，以构建适用范围更广、精度更高的切沟体积估算模型。

3 结 论

基于WorldView-2高分立体像对影像（0.5 m），利用ENVI软件生成同分辨率DEM，在ArcGIS10.3中提取并计算切沟顶宽（TW）、底宽（BW）、沟深（）、断面面积（CSA）、沟长（）、面积（）及体积（）等参数值，分析东北黑土山地丘陵区切沟形态特征并构建体积估算模型。研究结果显示：

1）切沟断面BW/TW集中分布于0.40～0.60范围，均值为0.48，切沟以V～U型为主。/TW值在4.48～41.39范围，均值为15.28；TW/均值为5.95 m，且全部大于1，表明横向侵蚀速率比下切侵蚀更快。

2）切沟体积与沟长（）、面积（）之间均有极显著幂函数关系，回归方程分别为=1.601.23（2=0.57）、=0.181.25（2=0.90）。相比-模型，更小的平均相对误差和更大的纳什系数亦表明用-模型来预测切沟体积更加准确有效。因此，建议将回归方程=0.181.25（2=0.90）作为东北黑土山地丘陵区切沟体积估算的模型。

3）相比于黄土高原及干热河谷区的切沟体积估算模型（=ab），东北黑土区值更小；相对于漫川漫岗区相比，山地丘陵区值更大，表明随切沟的增长，该区域断面面积对切沟体积更重要；切沟形态特征影响-模型构建的精度，建议将狭长度（/TW）作为切沟分类指构建切沟体估算模型。

[1] Castillo C, Gomez J. A century of gully erosion research: Urgency, complexity and study approaches[J]. Earth-Science Reviews, 2016, 160: 300-319.

[2] 刘宇. 土壤侵蚀研究中的景观连通度：概念、作用及定量[J]. 地理研究，2016，35(1)：195-202.

Liu Yu. Landscape connectivity in soil erosion research: Concepts, implication and quantification[J]. Geographical Research, 2016, 35(1): 195-202. (in Chinese with English abstract)

[3] Poesen J, Nachtergale J, Verstraeten G, et al. Gully erosion and environmental change: Importance and research needs[J]. Catena, 2003, 50(2/3/4): 91-133.

[4] Valentin C, Poesen J, Li Y. Gully erosion: Impacts, factors and control[J]. Catena, 2005, 63(2): 132-153.

[5] Poesen J. Soil erosion in the Anthropocene: Research needs[J]. Earth Surface Processes and Landforms, 2018, 43(1): 64-84.

[6] 中华人民共和国水利部. 第一次全国水利普查水土保持情况公报[J]. 中国水土保持，2013(10)：2-3，11.

[7] 李镇，秦伟，齐志国，等. 东北漫川漫岗和山地丘陵黑土区侵蚀沟形态特征遥感分析[J]. 农业工程学报，2019，35(14)：133-140.

Li Zhen, Qin Wei, Qi Zhiguo, et al. Remote sensing analysis on gully morphology and spatial distribution in rolling hilly region and mountainous and hilly region of Northeast China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(14): 133-140. (in Chinese with English abstract)

[8] 郑粉莉，徐锡蒙，覃超. 沟蚀过程研究进展[J]. 农业机械学报，2016，47(8)：48-59，116.

Zheng Fenli, Xu Ximeng, Qin Chao. A review of gully erosion process research[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(8): 48-59, 116. (in Chinese with English abstract)

[9] Desprats J F, Raclot D, Rousseau M, et al. Mapping linear erosion features using high and very high resolution satellite imagery[J]. Land Degrad. Develop, 2013, 24: 22-32.

[10] Tebebu T Y, Abiy A Z, Zegeye A D, et al. Surface and subsurface flow effect on permanent gully formation and upland erosion near Lake Tana in the northern highlands of Ethiopia[J]. Hydrology and Earth System Sciences, 2010, 14(11): 2207-2217.

[11] Li Z, Zhang Y, Zhu Q, et al. Assessment of bank gully development and vegetation coverage on the Chinese Loess Plateau[J]. Geomorphology, 2015, 228: 462-469.

[12] 李镇，张岩，杨松，等. QuickBird影像目视解译法提取切沟形态参数的精度分析[J]. 农业工程学报，2014，30(20)：179-186.

Li Zhen, Zhang Yan, Yang Song, et al. Error assessment of extracting morphological parameters of bank gullies by manual visual interpretation based on QuickBird imagery[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(20): 179-186. (in Chinese with English abstract)

[13] Hu F, Gao X M, Li G Y, et al. DEM extraction from WORLDVIEW-3 stereo-images and accuracy evaluation[J]. International Archives of the Photogrammetry Remote Sensing, 2016, XLI-B1: 327-332.

[14] Dong Y S, Chen W T, Chang H C, et al. Assessment of orthoimage and DEM derived from ZY-3 stereo image in Northeastern China[J]. Survey Review, 2016, 48(349): 247-257.

[15] 唐杰，张岩，范聪慧，等. 使用高分遥感立体影像提取黄土丘陵区切沟参数的精度分析[J]. 农业工程学报，2017，33(18)：111-117.

Tang Jie, Zhang Yan, Fan Conghui, et al. Accuracy assessment of gully morphological parameters from high resolution remote sensing stereoscopic satellite images on hilly Loess Plateau Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(18): 111-117. (in Chinese with English abstract)

[16] Frankl A, Poesen J, Scholiers N, et al．Factors controlling the morphology and volume (V)-length (L) of permanent gullies in the northern Ethiopian Highlands[J]. Earth Surface Processes and Landforms, 2013, 38(14): 1672-1684.

[17] Yibeltal M, Tsunekawa A, Haregeweyn N, et al. Morphological characteristics and topographic thresholds of gullies in different agro-ecological environments[J]. Geomorphology, 2019, 341: 15-27.

[18] Kompani-Zare M, Soufi M, Hamzehzarghani H, et al. The effect of some watershed, soil characteristics and morphometric factors on the relationship between the gully volume and length in Fars Province, Iran[J]. Catena, 2011, 86(3): 150-159.

[19] Muñoz-Robles C, Reid N, Frazier P, et al．Factors related to gully erosion in woody encroachment in south-eastern Australia[J]. Catena, 2010, 83(2): 148-157.

[20] Dong Y F, Xiong D H, Su Z A, et al. Critical topographic threshold of gully erosion in Yuanmou Dry-hot Valley in southwestern China[J]. Physical Geography, 2016, 34(1): 50-59.

[21] 李镇，张岩，尚国琲，等. 晋西黄土区切沟断面特征及体积估算模型[J]. 农业工程学报，2018，34(6)：152-159.

Li Zhen, Zhang Yan, Shang Guofei, et al. Characterizing gully cross section and modeling gully volume in hilly loess region of western Shanxi Province[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(6): 152-159. (in Chinese with English abstract)

[22] Wu H Y, Xu X M, Zheng F L, et al. Gully morphological characteristics in the loess hilly-gully region based on 3D laser scanning technique[J]. Earth Surface Processes and Landforms, 2018, 43(8): 1701-1710.

[23] Zhang T Y, Liu G, Duan X W, et a. Spatial distribution and morphologic characteristics of gullies in the Black Soil Region of Northeast China: Hebei watershed[J]. Physical Geography, 2016, 37(3/4): 228-250.

[24] Li Z, Zhang Y, Zhu Q K, et al. A gully erosion assessment model for the Chinese Loess Plateau based on changes in gully length and area[J]. Catena, 2017,148: 195-203.

[25] Belayneh M, Yirgu T, Tsegaye D. Current extent, temporal trends, and rates of gully erosion in the Gumara watershed, Northwestern Ethiopia[J]. Global Ecology and Conservation, 2020, 24: e01255.

[26] 刘承栩. 元谋干热河谷冲沟体积与一二维形态参数的关系[D]. 南充：西华师范大学，2017.

Liu Chengxu. Relationship Between the Volume of Gully and the First and Second Dimension Parameters in Yuanmou Dry-hot Valley[D]. Nanchong: China West Normal University, 2017. (in Chinese with English abstract)

[27] 刘宝元，刘刚，王大安，等. 区域沟蚀野外调查方法：以东北地区为例[J]. 中国水土保持科学，2018，16(4)：34-40.

Liu Baoyuan, Liu Gang, Wang Da’an, et al. A field survey method for regional gully erosion: A case study in northeastern China[J]. Science of Soil and Water Conservation, 2018, 16(4): 34-40. (in Chinese with English abstract)

[28] Nash J E, Sutcliffe J V. River flow forecasting through conceptual models[J]. Journal of Hydrology, 1970, 10(3): 282-290.

[29] Deng Q C, Qin F C, Zhang B, et al. Characterizing the morphology of gully cross-sections based on PCA: A case of Yuanmou Dry-Hot Valley[J]. Geomorphology, 2015, 228: 703-713.

[30] Nachtergaele J, Poesen J, Steegen A, et al. The value of a physically based model versus an empirical approach in the prediction of ephemeral gully erosion for loess-derived soils[J]. Geomorphology, 2001, 40(3/4): 237-252.

[31] Nachtergaele J, Poesen J, Vandekerckhove L, et al. Testing the ephemeral gully erosionmodel (EGEM) for two Mediterranean environments[J]. Earth Surface Processes and Landforms, 2001, 26(1): 17-30.

[32] 杨波，王文龙，张闯娟，等. “7·26”暴雨下不同土地利用坡面浅沟沟槽发育特征及体积估算[J]. 农业工程学报，2019，35(9)：121-128.

Yang Bo, Wang Wenlong, Zhang Chuangjuan, et al. Development characteristics and volume estimation of ephemeral gully groove for different land use slopes undergoing “7·26” torrential rain[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(9): 121-128. (in Chinese with English abstract)

[33] Zhang Y G, Wu Y Q, Liu B Y, et al. Characteristics and factors controlling the development of ephemeral gullies in cultivated catchments of black soil region, Northeast China[J]. Soil & Tillage Research, 2007, 96(1/2): 28-41.

[34] Kaiser A, Neugirg F, Rock G, et al. Small-scale surface reconstruction and volume calculation of soil erosion in complex moroccan gully morphology using structure from motion[J]. Remote Sensing, 2014, 6(8): 7050-7080.

[35] Koci J, Sidle R C, Jarihani B, et al. Linking hydrological connectivity to gully erosion in savanna rangelands tributary to the Great Barrier Reef using structure from motion photogrammetry[J]. Land Degradation & Development, 2020: 31(1): 20-36.

[36] Tarolli P, Mudd S M. Remote Sensing of Geomorphology[M]. Developments in Earth Surface Process (Volume 23), Elsevier, 2020: 271-315.

Gully volume estimation model using high-resolution satellite imaging in mountainous and hilly regions with black soil of Northeast China

Li Zhen1,2, Qi Zhiguo2, Qin Wei1,3※, Chen Chi4, Wu Ke2, Feng Tian2

(1.,,100048,; 2.,050031,;3.,100048,; 4.,,100083,)

Severe gully erosion has posed a threat to food security in the black soil region of northeastern China, one of the largest grain-producing areas. Therefore, the prevention and control of gully erosion have become the top priority of soil and water conservation in recent years. Consequently, an estimation model of gully volume is a key step in modeling and mapping the gully erosion over a large scale, thereby to determining the erosive prone areas for better control of gully erosion. However, few researches were focused on modeling gully volume in this area. This study aims to explore the gully features, and then to build a gully volume model, finally assess the erosion parameters using the high-resolution remote sensing stereoscopic satellite imaging. The same high-resolution digital elevation model (DEM) was extracted from ENVI software using WorldView-2 stereoscopic satellite images (0.5 m resolution). ArcGIS 10.3 was selected to calculate gully morphological parameters of 45 gullies in a catchment located in the mountainous and hilly region of northeast China. The specific parameters included the top width (TW, m), bottom width (BW, m), depth (, m), cross-sectional area (CSA, m2), gully length (, m), gully area (, m2), and the volume (, m3). The results showed that the average values of TW,BW,, CSA,,, andwere 5.63 m, 2.82 m, 1.05 m, 4.94 m2, 81.90 m, 470.54 m2, and 428.53 m3, respectively. The means of the width ratio between the gully top and bottom was 0.48, indicating that the cross-section of the gully was mainly in an intermediate shape (V-U shape). The mean of the ratio between gully top width and depth was 5.95, where all of gullies were greater than 1, indicating that the collapse of gully-wall was faster than that of deep-cutting in the study area. There was an extreme significance in the gully volume and the length () or area () of study areas. A very prominent relationship of power function was also found between the gully volume and length/area, and the determination coefficients (2) of the volume estimation model were 0.57 and 0.90, respectively. Furthermore, the mean relative error and Nash coefficient further verified that themodel was more accurate and effective to predict the gully volume. Thevalue of power function was smaller in the black soil region of northeast China, compared with the Loess Plateau and the dry/hot valley regions, whereas, thevalue was larger in the mountainous and hilly regions than in the rolling and hilly regions of Northeast China, indicating that the gully erosion was more serious in the mountainous and hilly region of Northeast China. The precision of the-model depended mainly on the gully features. Correspondingly, the ratio between gully length and top width can serve as an index of classification for better performance in modeling gully erosion. The finding can provide a scientific basis to assess the gully volume over a large scale in the mountainous and hilly regions of Northeast China.

models; remote sensing; gullies; morphological parameters; black soil; mountainous and hilly region

2020-12-12

2021-03-15

国家重点研发计划课题（2018YFC0507002）；中央基本科研业务费专项重点项目（SE0145B132017）；国家自然科学基金项目（41601274）

李镇，博士，副教授，研究方向为土壤侵蚀与水土保持。Email：lizhen@hgu.edu.cn

秦伟，博士，教授级高工，研究方向为土壤侵蚀与水土保持。Email：qinwei_office@sina.com

10.11975/j.issn.1002-6819.2021.07.015

S157

A

1002-6819(2021)-07-0122-09

李镇，齐志国，秦伟，等. 利用高分立体影像构建东北黑土山地丘陵区切沟体积估算模型[J]. 农业工程学报，2021，37(7)：122-130. doi：10.11975/j.issn.1002-6819.2021.07.015 http://www.tcsae.org

Li Zhen, Qi Zhiguo, Qin Wei, et al. Gully volume estimation model using high-resolution satellite imaging in mountainous and hilly regions with black soil of Northeast China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(7): 122-130. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.07.015 http://www.tcsae.org