Оценка эрозионной опасности рельефа на основе цифрового моделирования

https://doi.org/10.35595/2414-9179-2021-2-27-241-252

Посмотреть или загрузить статью (Rus)

Об авторах

М.А. Кондратьева

Пермский государственный аграрно-технологический университет,
ул. Петропавловская, д. 23, 614000, Пермь, Россия;
E-mail: pochva@pgsha.ru

А.Н. Чащин

Пермский государственный аграрно-технологический университет,
ул. Петропавловская, д. 23, 614000, Пермь, Россия;
E-mail: pochva@pgsha.ru

Аннотация

На базе цифровой модели рельефа (ЦМР) по обобщенным данным из USGS STRM DEM и ASTER GDEM с разрешением 3″ с помощью ГИС-технологий выполнен морфометрический анализ территории Пермского края в масштабе 1:2,5 млн и создана серия морфометрических карт, а также оценочная карта эрозионной опасности рельефа. Согласно результатам морфометрического анализа, значения показателя вертикального расчленения рельефа в регионе варьируют в пределах 0–623 м при средних значениях показателя 44 м. Крутизна склонов изменяется от 0 до 40° при средних значениях 3°. Горизонтальное расчленение, рассчитанное на основе сети тальвегов постоянных и временных водотоков, изменяется в интервале 0,145–1,202 км/км2. Сравнение указанных морфометрических показателей на ключевых участках с данными, полученными традиционными методами морфометрического анализа, выявило их совпадение на уровне выделяемых градаций. Формированию значительного эрозионного потенциала территории Пермского края способствуют следующие геоморфологические факторы: широкое развитие склоновых поверхностей с перепадом высот свыше 50 м и уклонами, превышающими 3°. В соответствии с результатами картометрического анализа такие условия характеризуют 35 % площади региона. Более половины площади региона (60 %) имеют среднюю густоту эрозионного расчленения 0,5–0,8 км/км2, еще 36 % площади характеризуется умеренными значениями показателя 0,2–0,5 км/км2.

Рассчитанный индекс энергии рельефа имеет значения 3–13 баллов, на его основе выделены 4 категории эрозионной опасности рельефа. В соответствии с полученными результатами, большая часть территории Пермского края (63,0 %) характеризуются слабоэрозионноопасным рельефом, 36,6 % средне- и сильноэрозионноопасным. Доля земель, рельеф которых характеризуется нулевым эрозионным потенциалом, составляет 0,4 % площади края.

Ключ. слова

эрозионная опасность, цифровая модель рельефа, SRTM, ASTER, ГИС-технологии, Пермский край, морфометрический анализ.

Список литературы

  1. Алексеева О.Л. Суммарная расчлененность рельефа Пермской области. Физико-географические основы развития и размещения производительных сил Нечерноземного Урала: Междувед. сб. науч. трудов. Пермь: Перм. ун-т, 1982. С. 54–63.
  2. Думит Ж.А. К вопросу об ошибках цифрового моделирования рельефа (морфометрический аспект). Географические исследования Краснодарского края: Сб. науч. тр. Краснодар: КубГУ, 2007. Вып. 2. С. 49–53.
  3. Копылов И.С. Морфонеотектоническая система оценки геодинамической активности: монография. Пермь, 2019. 131 с. Электронный ресурс: http://www.psu.ru/files/docs/science/books/mono/kopylov-morfoneotektonicheskaya-sistema-ocenkigeodinamicheskoj-aktivnosti.pdf (дата обращения 20.01.2021)
  4. Курлович Д.М. Морфометрический ГИС-анализ рельефа Беларуси. Земля Беларуси. 2013. № 4. С. 42–48.
  5. Курлович Д.М. Пространственная дифференциация и динамика морфоструктур Белорусского Поозерья. Минск: БГУ, 2014. 158 с.
  6. Мальцев К.А., Голосов В.Н., Гафуров А.М. Цифровые модели рельефа и их использование в расчётах темпов смыва почв на пахотных землях. Ученые записки Казанского университета. Сер. Естественные науки. 2018. Т. 160. Кн. 3. С. 514–530.
  7. Михайлов В.А. Комплексный морфометрический анализ Тарханкутского полуострова с помощью ГИС. Современные научные исследования и инновации. 2015. № 2. Электронный ресурс: http://web.snauka.ru/issues/2015/02/46640 (дата обращения 20.01.2021).
  8. Оньков И.В., Онянова Т.Я., Шиляева О.Ю. Исследование точности радарных ЦМР, построенных по снимкам ALOS PALSAR и модели SRTM, в зависимости от вида отражающей поверхности. Геоматика. 2012. № 4. С. 33–36.
  9. Осинцева Н.В. Оценка эрозионной опасности рельефа территории г. Томска. Вопросы географии Сибири. Вып. 25. Томск: Томский гос. ун-т, 2003. С. 56–66.
  10. Павлова А.И. Применение методов цифрового моделирования рельефа для картографирования эрозионных земель. В мире научных открытий. 2016. № 2 (74) С. 159–167.
  11. Позаченюк Е.А., Петлюкова Е.А. ГИС-анализ морфометрических показателей рельефа Центрального предгорья главной гряды Крымских гор для целей ландшафтного планирования. Учёные записки Крымского федерального университета имени В.И. Вернадского. География. Геология. Т. 2 (68). 2016. № 2. С. 95–111.
  12. Путилин А.Ф. Оврагообразование на юго-востоке Западной Сибири. Новосибирск, 1988. 81 с.
  13. Скрябина О.А. Водная эрозия почв и борьба с ней. Пермь: Пермское книжное издательство, 1990. 246 с.
  14. Шимановская О.Л., Шимановский Л.А. Густота речной сети Пермской области и закономерности ее формирования. Физико-географические основы развития и размещения производительных сил Нечерноземного Урала: Межвуз. сб. науч. трудов. Пермь: Перм. ун-т, 1970. С. 102–110.
  15. Шимановский Л.А. Геоморфологическое районирование Пермской области. Физико-географические основы развития и размещения производительных сил Нечерноземного Урала: Межвуз. сб. науч. трудов. Пермь: Перм. ун-т, 1985. С. 66–79.
  16. Bogale A. Morphometric analysis of a drainage basin using geographical information system in Gilgel Abay watershed, lake Tana Basin, upper Blue Nile Basin, Ethiopia. Appl. Water Sci. 2021. V. 11 (122). P. 1–7. DOI: 10.1007/s13201-021-01447-9.
  17. Farr T.G., Rosen P.A., Caro E. and etc. The Shuttle Radar Topography Mission. Rev. Geophys. 2007. V. 45. No. 2. Art. RG2004. P. 1–33. DOI: 10.1029/2005RG000183.
  18. Ferranti J. Viewfinder Panoramas. 2014: Digital elevations data. Электронный ресурс: URL: http://viewfinderpanoramas.org/dem3.html (дата обращения 10.04.2021).
  19. Frey H., Paul F. On the suitability of the SRTM DEM and ASTER GDEM for the compilation of topographic parameters in glacier inventories. Int. J. Appl. Earth Obs. Geoinf. 2012. V. 18. P. 480–490. DOI: 10.1016/j.jag.2011.09.020.
  20. Mondal A., Khare D., Kundu S., Mukherjee S., Mukhopadhyay A., Mondal S. Uncertainty of soil erosion modelling using open source high resolution and aggregated DEMs. Geosci. Frontiers. 2017. V. 8. No. 3. P. 425–436. DOI: 10.1016/j.gsf.2016.03.004.
  21. Papaiordanidis S., Gitas I.Z., Katagis T. Soil erosion prediction using the Revised Universal Soil Loss Equation (RUSLE) in Google Earth Engine (GEE) cloud-based platform. Dokuchaev Soil Bulletin. 2019. V. 100. P. 36–52. DOI: 10.19047/0136-1694-2019-100-36-52.
  22. Ramesh L. Dikpal, Renuka Prasad T.J., Satish K. Evaluation of morphometric parameters derived from Cartosat-1 DEM using remote sensing and GIS techniques for Budigere Amanikere watershed, Dakshina Pinakini Basin, Karnataka, India. Appl. Water Sci. 2017. V. 7. P. 4401–4414. DOI: 10.1007/s13201-017-0585-6.
  23. Reuter H.I., Nelson A., Strobl P., Mehl W., Jarvis A. A first assessment of Aster GDEM tiles for absolute accuracy, relative accuracy and terrain parameters. 2009 IEEE Int. Geoscience and Remote Sensing Symposium. IEEE, 2009. V. 5. P. 240–243. DOI: 10.1109/IgARSS.2009.5417688.
  24. Szabó G., Singh S.K., Szabó S. Slope angle and aspect as influencing factors on the accuracy of the SRTM and the ASTER GDEM database. Phys. Chem. Earth, Parts A/B/C. 2015. V. 83–84. P. 137–145. DOI: 10.1016/j.pce.2015.06.003.

Для цитирования: Кондратьева М.А., Чащин А.Н. Оценка эрозионной опасности рельефа на основе цифрового моделирования ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: Материалы Междунар. конф. M: Географический факультет МГУ, 2021. Т. 27. Ч. 2. С. 241–252. DOI: 10.35595/2414-9179-2021-2-27-241-252

For citation: Kondrateva M.A., Chashchin A.N. Assessment of erosion risk of relief based on the digital modeling InterCarto. InterGIS. GI support of sustainable development of territories: Proceedings of the International conference. Moscow: MSU, Faculty of Geography, 2021. V. 27. Part 2. P. 241–252. DOI: 10.35595/2414-9179-2021-2-27-241-252 (In Russian)