通用土壤流失方程模型中c因子的確定

通用土壤流失方程模型中c因子的確定

通用土壤損失方程（usle）和修正通用土壤損失方程（rasle）是美國農(nóng)業(yè)部開發(fā)的一套報(bào)告班年度土壤流失量增加的經(jīng)驗(yàn)?zāi)Ｐ?。隨著gis和sr技術(shù)的發(fā)展，usle-rusle已應(yīng)用于流域和區(qū)域土壤的損失預(yù)測。USLE/RUSLE模型結(jié)構(gòu)簡單、參數(shù)較少、所需數(shù)據(jù)容易獲取,使其成為世界范圍內(nèi)應(yīng)用最廣泛的土壤侵蝕預(yù)報(bào)模型。USLE/RUSLE模型形式為:A=R·K·L·S·C·P,式中,A為年均土壤流失量,R為降雨侵蝕力因子,K為土壤可蝕性因子,LS為坡度坡長因子或稱為地形因子,C為植被覆蓋與管理因子,P為水土保持措施因子。植被覆蓋與管理因子(Cover-ManagementFactor,以下簡稱C因子)用來表示植被覆蓋和管理措施對土壤侵蝕的影響。植被的林冠層、灌木層能夠攔截降雨,使降雨再分配,改變降雨動能;草本層更加貼近地表,不僅能夠減少降雨擊濺侵蝕,同時能夠減少地表徑流動能;枯枝落葉層除截留降水外,能夠降低徑流速度,增加水分入滲。在USLE和RUSLE中,R因子、K因子、LS因子依賴于自然地理?xiàng)l件,短期內(nèi)水土保持活動不會改變這些因子,而水土保持措施(P)的建設(shè)需要大量的資金和人力投入,通過調(diào)整土地利用方式及改善管理措施(降低C因子)能夠以最小的資金投入降低土壤侵蝕。C因子值是模型諸因子中變化幅度最大的,可相差2—3個數(shù)量級。研究認(rèn)為C因子和LS因子對土壤侵蝕最敏感,對USLE整體有效性的作用是最顯著的。植被覆蓋與管理不僅是USLE/RUSLE的重要因子,還應(yīng)用于其他土壤侵蝕模型,如非點(diǎn)源流域環(huán)境響應(yīng)模型(ANSWERS)、水蝕預(yù)報(bào)模型(WEPP)、地中海區(qū)域土壤侵蝕預(yù)報(bào)模型(SEMMED)。C因子估算涉及多個尺度,小區(qū)、坡面、小流域尺度面積相對較小,從幾平方米到幾十平方公里不等,可以利用徑流小區(qū)、坡面、小流域卡口站土壤流失數(shù)據(jù)估算C因子;流域、區(qū)域尺度面積大,不能直接利用土壤流失數(shù)據(jù)估算C因子。不同尺度C因子估算方法在理論或?qū)嵺`上均存在各自的問題。在小區(qū)、坡面、小流域尺度,C因子確定主要依賴野外實(shí)測,研究方法的統(tǒng)一是不同學(xué)者、不同地區(qū)C值可比性的前提。在流域、區(qū)域尺度,C因子確定主要依賴遙感影像。C因子包含了與植被相關(guān)的地上、地表、地下、土壤等諸多因素的作用,單一的遙感影像難以完全刻畫C因子,這既是一個重要的科學(xué)問題也是一個關(guān)鍵的應(yīng)用難題。依據(jù)國內(nèi)外相關(guān)文獻(xiàn),綜述了不同尺度C因子確定方法,評介了不同方法的優(yōu)缺點(diǎn)和適用條件,以期為不同尺度C因子的研究提供借鑒。1次因子方法擴(kuò)大了應(yīng)用范圍C因子定義為在一定地表覆蓋和管理措施下土壤流失量與同等條件下適時翻耕、連續(xù)休閑對照地上土壤流失量之比。C值大小還取決于作物不同生長期侵蝕性降雨的多寡,全年平均C值需要根據(jù)降雨侵蝕力年內(nèi)季節(jié)分布進(jìn)行加權(quán)計(jì)算。1965年版USLE劃分了5個農(nóng)作期,C因子主要是定性的考慮作物覆蓋、耕作歷史、生產(chǎn)力水平、作物殘?bào)w、輪作和冬季覆蓋物等因子的作用。在觀測數(shù)據(jù)的基礎(chǔ)上,USLE手冊給出了主要農(nóng)作物和耕作制度下土壤流失比率表。1978年版USLE劃分了6個農(nóng)作期,增加了適用于水土保持耕作法的土壤流失比率表。早期USLE是用來預(yù)測不同作物系統(tǒng)的片蝕和細(xì)溝侵蝕,1970年代早期美國農(nóng)業(yè)部開始討論將其應(yīng)用到牧草地等非擾動地區(qū),但是由于缺少這些地區(qū)徑流小區(qū)數(shù)據(jù),Wischmeier在1975年提出一個次因子方法來確定牧草地和林地的C因子,Wischmeier和Smith1978年提出用冠層覆蓋、地表覆蓋、地下殘?bào)w作用(如根系)、耕作方式等次因子來確定C因子?？梢?盡管1978年版的USLE沿用了前一版本C因子估算方法,但同時提出了次因子概念并擴(kuò)大了應(yīng)用范圍。Dissmeyer和Foster對其進(jìn)行修正并增加次因子以適應(yīng)林地狀況,包含的次因子有土壤表面覆蓋(枯枝凋落物、礫石)、裸土百分比、冠層蓋度、土壤緊實(shí)度、有機(jī)質(zhì)含量、細(xì)根生物量、殘?jiān)探Y(jié)作用和土壤儲水量。RUSLE不再使用基于觀測數(shù)據(jù)的土壤流失率表,土壤流失率(SLR)計(jì)算主要考慮5個次因子:前期土地利用次因子(PLU)、冠層覆蓋次因子(CC)、地面覆蓋次因子(SC)、表面糙度次因子(SR)、土壤水分次因子(SM)。SLR=PLU·CC·SC·SR·SM。RUSLE不再劃分農(nóng)作期,而是以15d為步長計(jì)算半月土壤流失率。RUSLE提供的計(jì)算機(jī)程序包含作物數(shù)據(jù)庫、管理措施數(shù)據(jù)庫、氣候數(shù)據(jù)庫,只要用戶輸入所需參數(shù),計(jì)算機(jī)程序就可以輸出C因子值,而且用戶可以自行擴(kuò)展數(shù)據(jù)庫,擴(kuò)大應(yīng)用范圍。Liu等借鑒USLE/RUSLE的成功經(jīng)驗(yàn),建立了中國土壤流失方程CSLE。根據(jù)中國實(shí)際將USLE/RUSLE的C、P兩個因子變?yōu)锽、E、T三個因子,B、E、T分別是用于水土保持的生物、工程、耕作措施因子。CSLE現(xiàn)已成功應(yīng)用于第1次全國水利普查水土保持情況普查,B、E、T因子的確定方法與C、P因子相似,在小區(qū)、坡面、小流域尺度主要依賴實(shí)驗(yàn)觀測,我國已積累了相關(guān)查詢表。在流域、區(qū)域尺度,B、E、T因子的確定依賴遙感影像與野外調(diào)查。B、E、T因子是C、P因子的中國化,其本質(zhì)含義與C、P因子相同。2確定c因子的方法USLE/RUSLE在美國開發(fā)并在世界范圍內(nèi)推廣使用。不同研究區(qū)與模型建立地區(qū)的環(huán)境差異不盡相同,人們往往根據(jù)實(shí)際情況選擇一種方法或綜合不同方法來確定C因子。總體來看,小區(qū)、坡面、小流域尺度C因子確定方法如下。2.1土壤流失效果當(dāng)研究者認(rèn)為研究區(qū)環(huán)境與USLE/RUSLE構(gòu)建區(qū)域相近時,直接利用USLE或RUSLE手冊提供的查詢表確定C值。如Spaeth等在不同草地植被類型上使用模擬降雨方法評估USLE和RUSLE預(yù)測土壤流失效果時,分別使用USLE和RUSLE提供的查詢表確定美國8個州32個研究地132個草地小區(qū)的C值。同樣,Gabriels等通過USLE查詢表估計(jì)比利時Kemmelbeek流域40種作物輪作系統(tǒng)的C值。通過模型手冊直接查詢相應(yīng)參數(shù)來獲取C值簡單快速,但研究區(qū)環(huán)境及管理措施千差萬別,查詢獲得的C值難以在大部分地區(qū)適用。2.2主要作物c因子值這是確定不同作物C值的基礎(chǔ)方法。根據(jù)C因子定義,一定地表覆蓋和管理措施下的土壤流失量與標(biāo)準(zhǔn)小區(qū)土壤流失量之比為C值,標(biāo)準(zhǔn)小區(qū)定義為坡長水平投影為22.1m,坡度9%,適時翻耕、連續(xù)休閑小區(qū)。我國學(xué)者通過徑流小區(qū)實(shí)驗(yàn)得到中國東北、西北、西南、華東等地區(qū)不同作物及管理措施下C因子值。我國主要農(nóng)作區(qū)、主要作物的C因子值均已有學(xué)者確定。同一個研究者得到的不同作物、不同作物生長期C值相差甚微,而不同研究者得到的同一作物C值相差較大,不具有可比性。主要原因是標(biāo)準(zhǔn)小區(qū)不一致,生長季劃分不同,C因子計(jì)算較少考慮降雨侵蝕力(EI)季節(jié)分布。我國學(xué)者張科利提出適合我國的標(biāo)準(zhǔn)小區(qū)為15°坡度、20m坡長、5m寬休閑地,水利部同樣頒布了《水土保持監(jiān)測技術(shù)規(guī)程》(SL277—2002),規(guī)定了標(biāo)準(zhǔn)小區(qū)的建設(shè)與觀測方法。這將有利于我國C因子測定的規(guī)范化,提高不同地區(qū)C值的可比性。2.3土壤理化性質(zhì)的測定雖然仍有學(xué)者利用Dissmeyer和Foster早期確定的次因子法計(jì)算C值,如Zhang等和DeAsis和Omasa分別用該方法進(jìn)行了林地C因子計(jì)算,但目前廣泛使用的是RUSLE提供的次因子法。每個次因子都有具體計(jì)算公式,關(guān)鍵是獲得次因子計(jì)算需要的參數(shù)。冠層郁閉度、雨滴降落高度、地表蓋度、根系生物量、地表隨機(jī)糙度、土壤含水量一般通過樣地實(shí)測,土壤表面穩(wěn)定性因子、地上地下殘?bào)w分解速率等參數(shù)不易測定,往往需要查詢RUSLE手冊或參考當(dāng)?shù)叵嚓P(guān)研究。獲得各個參數(shù)后,通過次因子計(jì)算公式或RUSLE計(jì)算機(jī)程序即可得到C因子值。該方法在耕地、草地、林地以及火燒后不同生態(tài)恢復(fù)措施的C因子測算研究中都有廣泛應(yīng)用。研究中參數(shù)獲取主要依靠野外實(shí)測,過多的依靠RUSLE手冊提供的查詢表往往會帶來C因子估算的不準(zhǔn)確性。2.4設(shè)立不同流域適用不同碳量和模型的cp因子直接利用USLE計(jì)算C因子,C=A/(R·K·L·S·P),需要對除C因子以外的其他因子進(jìn)行測定。Novara等使用該方法計(jì)算傳統(tǒng)耕作葡萄園和覆蓋作物耕作葡萄園的C因子。也有學(xué)者將C因子和P因子結(jié)合成CP因子,在小區(qū)和小流域尺度、微集水區(qū)尺度計(jì)算了林地和作物CP因子。Cinnirella等將小流域分成若干植被單元和裸地單元,小流域總產(chǎn)沙量是植被單元和裸地單元產(chǎn)沙量之和,規(guī)定裸地C因子為常數(shù),計(jì)算植被C因子并分析其月變化和年變化。該法計(jì)算C因子需要測定其余所有因子,隨著尺度增大尤其費(fèi)時費(fèi)力,不易推廣。2.5c因子與植被蓋度對于除美國以外的其他國家來說,農(nóng)業(yè)輪作系統(tǒng)徑流小區(qū)數(shù)據(jù)十分缺乏,難以通過土壤流失率直接計(jì)算C值,對于草地和林地更是如此。因此出現(xiàn)了大量利用植被蓋度估算C值的方法,即先通過徑流小區(qū)實(shí)驗(yàn),獲得C值和植被蓋度關(guān)系式,而后只需測定植被蓋度即可推算出C值。C因子與植被蓋度關(guān)系模型形式有線性、指數(shù)、對數(shù)等。以上關(guān)系式中植被蓋度未考慮群落層次結(jié)構(gòu),劉寶元等將C因子分解為兩個子因子:冠層覆蓋子因子Cc和地表覆蓋子因子Cs,C因子計(jì)算式為C=Cc·Cs。不同學(xué)者C因子與蓋度關(guān)系式詳細(xì)情況見表1。通過關(guān)系式可以簡單快速的得到C因子,但是以上研究C因子計(jì)算方法不一致、標(biāo)準(zhǔn)小區(qū)不統(tǒng)一,所建立的關(guān)系式可比性相對較差,難以判斷通過哪些關(guān)系式能夠得到可靠的C因子值。3土壤侵蝕準(zhǔn)確性預(yù)測USLE/RUSLE在流域、區(qū)域尺度的推廣應(yīng)用為水土保持規(guī)劃提供了有力支持,如何提高流域、區(qū)域尺度C因子估算精度成為USLE/RUSLE預(yù)測土壤侵蝕準(zhǔn)確性的關(guān)鍵。隨著遙感技術(shù)的發(fā)展,C因子提取方法也在不斷進(jìn)步,逐漸接近C因子所包含的植被和管理信息。流域、區(qū)域尺度C因子估算主要有以下方法。3.1土地利用/覆蓋尺度賦值通過遙感影像分類獲取土地利用圖,或直接收集土地利用資料,然后將相似地區(qū)文獻(xiàn)記載的C值賦給相應(yīng)土地利用類型。也有學(xué)者自行計(jì)算典型土地類型的C值然后進(jìn)行流域、區(qū)域尺度賦值。類似的,還有通過遙感解譯植被蓋度級別,然后將文獻(xiàn)中C值賦予不同蓋度級別,或同時考慮土地利用類型和蓋度級別進(jìn)行賦值。土地利用/覆蓋類型賦值法簡單易行,在世界范圍內(nèi)廣泛使用,但該方法獲得的C值為一恒定常數(shù),沒有考慮同一土地利用類型的時空異質(zhì)性,尤其在中國丘陵山區(qū)植被密度不均、田塊破碎、農(nóng)戶個體經(jīng)營的情況下更容易帶來較大的C因子估計(jì)誤差。同時不同精度遙感影像也會對土地利用類型或蓋度級別的解譯精度帶來影響,進(jìn)而影響C值估算的準(zhǔn)確性。3.2關(guān)系式尺度估算小區(qū)、坡面尺度研究表明土壤侵蝕和植被蓋度存在負(fù)相關(guān)關(guān)系,植被蓋度是構(gòu)成C因子的重要因素,研究者構(gòu)建了很多C因子和蓋度關(guān)系式(見表1)。通過植被指數(shù)或混合像元線性分解反演流域、區(qū)域尺度植被蓋度,或通過流域小班調(diào)查獲得植被蓋度,然后通過小區(qū)、坡面尺度的關(guān)系式計(jì)算流域、區(qū)域尺度C因子。目前,應(yīng)用最多的是蔡崇法等在三峽庫區(qū)建立的關(guān)系式,眾多學(xué)者利用該關(guān)系式進(jìn)行了流域、區(qū)域尺度C因子估算,研究區(qū)包括江西、福建、甘肅、岷江流域、新疆艾比湖地區(qū)。潘美慧等應(yīng)用了江忠善等在陜北建立的關(guān)系式進(jìn)行了東江(屬珠江水系)流域C因子估算。該方法在中國廣泛使用,但不同地區(qū)植被類型與土壤侵蝕環(huán)境差異較大,某一地區(qū)建立的C因子與蓋度關(guān)系式在其他地區(qū)是否適用需要進(jìn)一步驗(yàn)證。再者,小區(qū)、坡面尺度建立的關(guān)系式應(yīng)用于流域、區(qū)域尺度是尺度上推的過程,還需進(jìn)行尺度效應(yīng)分析與尺度轉(zhuǎn)換研究。此外,通過遙感影像提取的植被蓋度通常不包括地表枯枝落葉層,而地表枯枝落葉覆蓋的減蝕作用比冠層覆蓋更重要,因此,還需開展通過遙感技術(shù)提取地表枯枝落葉層蓋度的研究。3.3模型建立與分析為了克服土地利用類型賦值法無法反映C因子時空變異的缺點(diǎn),有學(xué)者提出建立C值與遙感信息(波段組合或植被指數(shù))的回歸方程,再通過回歸方程反演地面C值。波段組合或植被指數(shù)能降低遙感數(shù)據(jù)信息冗余,最大程度反映植被特點(diǎn)。通過土地利用圖與遙感影像疊加,提取各個土地利用類型內(nèi)平均的波段組合或植被指數(shù)值,參照文獻(xiàn)中不同土地利用類型的C值,建立兩者的回歸方程?；蛲ㄟ^野外實(shí)測C因子,建立C因子與相同地理位置遙感像元波段組合或植被指數(shù)的關(guān)系方程。該方法在非采樣區(qū)估算的C因子可能會出現(xiàn)負(fù)值或極大值,通常將負(fù)值賦值為0,將極大值賦值為1。已有研究所構(gòu)建的關(guān)系方程的詳細(xì)信息見表2。各植被類型可以共同建立統(tǒng)一的關(guān)系方程,或每種植被類型建立各自的關(guān)系方程,后者C因子與波段信息的相關(guān)系數(shù)要高于前者。關(guān)系方程結(jié)合多時相遙感數(shù)據(jù)可以獲得C因子時間與空間變異信息,提高土壤侵蝕預(yù)測效果。歸一化植被指數(shù)NDVI是目前評估植被覆蓋使用最廣泛的植被指數(shù),NDVI對植被生命力敏感,因?yàn)橹脖簧L初期強(qiáng)烈的葉綠素活力,NDVI會帶來植被覆蓋的高估,相反,NDVI帶來衰老植被覆蓋的低估,而對于土壤侵蝕過程,初期植被和衰老植被的水土保持作用相差不大。因此C因子與NDVI之間的回歸方程效果不好,Wang等甚至發(fā)現(xiàn)NDVI與C因子相關(guān)性低于TM影像band1—band7任一波段與C因子的相關(guān)性。增強(qiáng)型植被指數(shù)EVI提高了對高生物量區(qū)植被的敏感度,同時通過消弱冠層背景信號和降低大氣影響,改善了對植被的監(jiān)測。垂直植被指數(shù)PVI能夠消除土壤表面背景噪聲的影響,增強(qiáng)植被信息。轉(zhuǎn)換型土壤調(diào)整植被指數(shù)TSAVI是土壤調(diào)整植被指數(shù)SAVI的轉(zhuǎn)換形式,能顯著降低稀疏植被區(qū)土壤背景的影響?？梢?根據(jù)研究區(qū)植被特點(diǎn)選擇合適的植被指數(shù)能改善C因子估計(jì),但以上植被指數(shù)無法評估作物殘茬等地表枯落物。NDSVI、NDTI、NDI5、NDI7等衰敗植被指數(shù)可以反映林下枯枝落葉層信息,Wen等引入冬季影像的衰敗植被指數(shù)表示枯落層,與綠度指數(shù)(NDVI等)聯(lián)合估算結(jié)構(gòu)化植被指數(shù),結(jié)構(gòu)化植被指數(shù)能夠更準(zhǔn)確表達(dá)植被的減蝕作用;結(jié)構(gòu)化植被指數(shù)是對不同群落層次植被蓋度的加權(quán)求和,屬蓋度含義,仍然需要依賴他人建立的C因子與蓋度關(guān)系式計(jì)算C值。作物殘茬光譜在接近2100nm具有明顯吸收特征,基于高光譜數(shù)據(jù)的纖維素吸收指數(shù)CAI與作物殘茬覆蓋度線性相關(guān)。微波數(shù)據(jù)也可以反映作物殘茬覆蓋。將衰敗植被指數(shù)、高光譜數(shù)據(jù)和微波數(shù)據(jù)應(yīng)用于流域、區(qū)域尺度C因子估算中有望能更合理的反映枯枝落葉層的減蝕作用,但目前還未見此類報(bào)道。3.4利用c因子計(jì)算地表蓋度中低分辨率遙感圖像中的像元大多是包含幾種植被類型的混合像元,在景觀破碎化或地形復(fù)雜區(qū)域尤為普遍,這對于通過土地利用分類或利用植被指數(shù)估算C因子不利。光譜混合分析法認(rèn)為圖像中的一個像元可能由多個組分構(gòu)成,每個組分對遙感傳感器所觀測到的信息都有貢獻(xiàn),因此可對混合像元進(jìn)行分解。混合像元分解模型主要有線性模型、概率模型、幾何光學(xué)模型、隨機(jī)模型、模糊分析模型。線性模型假設(shè)像元的反射率為其端元組分反射率的線性組合。地表覆蓋越高,土壤侵蝕量越少,地表越裸露,土壤侵蝕量越大?；谶@個思想,Lu等利用ETM影像光譜混合分析,將地表分為土壤、綠色植被、陰影3個組分,建立C因子估算公式:式中,Fbs、Fveg、Fshade分別代表裸土、綠色植被、陰影的蓋度。類似的,DeAsis和Omasa通過線性光譜混合模型提取裸土、植被、非光合物質(zhì)(枯落物、礫石等)蓋度:式中,Fbs、Fveg、FNPM分別代表裸土、植被、非光合物質(zhì)的蓋度,該式計(jì)算的C值在0—1之間。作者對比了(2)式得到的C因子與通過NDVI提取的C因子(作者建立了NDVI與C因子的關(guān)系式,表2),混合像元分析法得到的C因子提供了更詳細(xì)的空間變異信息,輸入RUSLE模型得到更準(zhǔn)確的土壤侵蝕預(yù)測結(jié)果。相對于通過NDVI等植被指數(shù)提取C因子,線性光譜混合分析法具有如下優(yōu)勢:不受土壤背景影響;考慮了地表枯落物、礫石等對C因子的貢獻(xiàn);直接提取C因子值,不需要建立C因子與植被指數(shù)的關(guān)系。該方法的缺點(diǎn)是:(1)端元組分?jǐn)?shù)要小于影像波段數(shù),因此地面分類數(shù)受限。(2)該方法假設(shè)到達(dá)遙感傳感器的光子與唯一地物(即一個光譜端元組分)發(fā)生作用,而實(shí)際上多重散射是經(jīng)常發(fā)生的。(3)當(dāng)植被及枯落物完全覆蓋地表時,C=0(意味著預(yù)測的土壤侵蝕量為0),但是即使是未受干擾的林地,具有完全的林冠和枯枝落葉層覆蓋,仍然存在輕微的土壤侵蝕。3.5c因子估計(jì)的準(zhǔn)確性分析通過野外布設(shè)C因子實(shí)測樣點(diǎn),利用地理統(tǒng)計(jì)學(xué)空間插值技術(shù)可以得到C因子圖,引入遙感影像信息作為輔助變量進(jìn)行插值可以提高C因子估算精度。Wang等通過協(xié)同克里金插值和序列高斯協(xié)同模擬進(jìn)行C因子制圖,首要變量是野外實(shí)測的C因子,輔助變量是與C因子相關(guān)系數(shù)最大的波段組合(band3+band7)/band4,結(jié)果表明輔助影像信息的序列高斯協(xié)同模擬得到最準(zhǔn)確的C因子估計(jì),協(xié)同克里金插值次之,兩種方法得到C因子的精度均高于C因子與影像波段關(guān)系式法(表2)。該研究通過C因子估計(jì)值與實(shí)測值的相關(guān)系數(shù)和均方根誤差(RMSE)來表示C因子估計(jì)的準(zhǔn)確性,這是衡量C因子圖的全局準(zhǔn)確性,未反映不同空間位置C因子空間變異。Gertner等基于TM影像在相同地區(qū)通過多變量(冠層覆蓋GC、地面覆蓋CC、植被高度VH)聯(lián)合序列協(xié)同模擬進(jìn)行無偏的C因子制圖,通過多項(xiàng)式回歸進(jìn)行空間不確定性分析,定量化了變量、變量之間交互作用、鄰近像元對C因子變異的貢獻(xiàn)。地理統(tǒng)計(jì)學(xué)方法的缺點(diǎn)是需要大量野外采樣,尤其是景觀破碎化地區(qū),費(fèi)時費(fèi)力,難以廣泛推廣使用。4中小型河流c因子估算方法分析以上共總結(jié)了10種C因子估算方法,不同方法的適用尺度、應(yīng)用范圍不同,各有所長且存在各自的不足(表3)。手冊查詢法簡單快捷但應(yīng)用范圍有限;標(biāo)準(zhǔn)小區(qū)法依據(jù)C因子定義,但該方法應(yīng)用過程中需要統(tǒng)一標(biāo)準(zhǔn);次因子法依賴于對次因子及相關(guān)參數(shù)的實(shí)測或查詢,增加野外實(shí)測會提高C因子計(jì)算準(zhǔn)確性;USLE/RUSLE方程反用法邏輯合理,但工作量大,其他因子的測定與計(jì)算誤差會進(jìn)入C因子估算結(jié)果中;C因子與蓋度關(guān)系式無論應(yīng)用與小區(qū)、坡面、小流域尺度,還是應(yīng)用于流域、區(qū)域尺度,均使C因子估算簡單便捷,但該方法始終屬于經(jīng)驗(yàn)關(guān)系式,未反應(yīng)植被減蝕作用機(jī)理,同時關(guān)系式的跨尺度應(yīng)用存在尺度效應(yīng)問題,因此該方法準(zhǔn)確性難以保證;土地利用/覆蓋類型直接賦值法簡單易行,但提取的C因子圖精度較差;通過C因子與遙感影像波段組合或植被指數(shù)關(guān)系式提取的C因子圖更精細(xì),但遙感影像波段組合或植被指數(shù)反映的C因子信息不全面,往往忽略地表枯落層和淺層根系信息;光譜混合分析(SMA)能夠全面反映