《Land》:A GIS–MCDM Framework for Soil Erosion Risk Prioritization in Arid Watersheds: Evidence from Wadi Numan, Saudi Arabia
编辑推荐:
摘要:干旱区流域的土壤侵蚀对土地生产力、水资源及长期可持续性构成重大威胁,亟需空间显式且数据驱动的优先排序框架以实施针对性保育措施。本研究构建了一种集成地理信息系统(GIS)的多准则决策(Multi-Criteria Decision-Making, MCDM
摘要:干旱区流域的土壤侵蚀对土地生产力、水资源及长期可持续性构成重大威胁,亟需空间显式且数据驱动的优先排序框架以实施针对性保育措施。本研究构建了一种集成地理信息系统(GIS)的多准则决策(Multi-Criteria Decision-Making, MCDM)框架,用以评估沙特阿拉伯麦加区Wadi Numan流域(683 km2)12个子流域的土壤侵蚀敏感性并对其进行优先排序。研究人员基于10 m数字高程模型(Digital Elevation Model, DEM)计算了16个地貌形态测量参数(Morphometric Parameters),土地利用/土地覆被(Land Use/Land Cover, LULC)数据取自Esri Sentinel?2 10 m数据集。在准则重要性通过指标间关联度(Criteria Importance Through Intercriteria Correlation, CRITIC)客观赋权下,应用四种MCDM方法——加性比值评估(Additive Ratio Assessment, ARAS)、复比例评估(Complex Proportional Assessment, COPRAS)、比率分析多目标优化(Multi?Objective Optimization by Ratio Analysis, MOORA)及理想解相似性排序法(Technique for Order Preference by Similarity to Ideal Solution, TOPSIS)——进行子流域排序,并采用斯皮尔曼等级相关系数检验(Spearman Correlation Coefficient Test, SCCT)和肯德尔τ系数检验(Kendall Tau Correlation Coefficient Test, KTCCT)评价各方法的一致性。结果表明,MOORA在地貌形态测量分析中一致性最高(SCCT: 0.982;KTCCT: 0.958),TOPSIS在LULC分析中表现最优(SCCT: 0.800;KTCCT: 0.731)。最终综合优先排序采用MOORA处理地貌参数、TOPSIS处理LULC,并按参数数量比例分别赋予72.7%和27.3%权重。子流域划分为五级侵蚀优先级:SB?9和SB?1属很高优先级(25.94%);SB?2和SB?3属高优先级(6.40%);SB?5、SB?6和SB?10属中等优先级(36.37%);SB?4和SB?8属低优先级(18.11%);SB?11、SB?12和SB?7属很低优先级(13.18%)。该集成方法可为识别和管理土壤侵蚀敏感子流域提供实用的决策支持工具,促进水土资源的长期可持续利用。
论文解读:干旱区Wadi Numan流域GIS–MCDM框架下的土壤侵蚀风险子流域优先排序研究
一、研究背景与意义
土壤侵蚀是干旱区重大环境问题,会削弱脆弱景观的土壤肥力、威胁农业可持续性并加剧水库淤积。Wadi Numan流域位于沙特阿拉伯麦加省,具有山地地形、短时强降雨引发暴洪的特征,加之过度放牧、城市扩张等人为干扰,使该流域对片蚀、细沟与冲沟侵蚀高度敏感。传统野外侵蚀评估在大范围难以进入的旱区地形中往往不具可行性,而已有研究多单独使用某一种多准则决策(MCDM)方法开展流域优先排序,缺乏对ARAS、COPRAS、MOORA与TOPSIS在同一旱区流域中一致性与可靠性的系统比较,也未充分讨论方法选择对结果的潜在影响。该研究发表于期刊《Land》,旨在弥补上述空白,构建集成GIS与多MCDM方法并借助客观赋权的框架,对Wadi Numan的12个子流域进行土壤侵蚀敏感性评估与优先排序,为数据匮乏旱区的流域管理提供科学依据。
二、主要技术方法概述
研究人员选取沙特阿拉伯麦加区Wadi Numan流域(面积约683 km2)为研究区,从沙特KACST国家DEM门户获取10 m分辨率数字高程模型(DEM),在ArcGIS Pro中填洼、计算流向(采用D8算法)与汇流累积量,依200像元阈值提取Strahler河序并划分12个子流域;基于DEM计算16个线性、形状及起伏类地貌形态测量参数(Morphometric Parameters);LULC采用ArcGIS Living Atlas中Esri–Impact Observatory预分类Sentinel?2 10 m年度LULC产品,经分区直方图统计各子流域六类用地(水体、裸地、草地、乔木、耕地、建设用地)百分比。研究中采用准则重要性通过指标间关联度(Criteria Importance Through Intercriteria Correlation, CRITIC)法对各指标做客观赋权,按侵蚀敏感性正负关系划分效益型(Benefit)与成本型(Cost)准则;分别用加性比值评估(ARAS)、复比例评估(COPRAS)、比率分析多目标优化(MOORA)和理想解相似性排序法(TOPSIS)对地貌参数集与LULC集独立排序;以斯皮尔曼等级相关系数检验(SCCT)和肯德尔τ系数检验(KTCCT)评价四种MCDM方法间排序一致性,选出各自最适合的方法;最终按参数个数比例(地貌16项占72.7%,LULC 6类占27.3%)加权合成综合侵蚀敏感性得分并划为五级优先级。
三、研究结果
3.1 Stream Network and Drainage System of Study Area(流域水系与河序)
研究人员依Strahler分级确定Wadi Numan为五级流域,共433条河段总长309.5 km;一级河道占数量45.2%、长度73.4%,表明上游源头水系发育,为后续子流域划分与形态测量提供基础。
3.2 Morphometric Parameters and Their Influence on Soil Erosion Susceptibility(形态测量参数及其对侵蚀敏感性的影响)
计算出各子流域16项形态参数,其中平均分支比(Rbm)、排水密度(Dd)、河流频率(Fs)、纹理比(Tr)、相对起伏(RR)、 ruggedness number(Rn)、流域坡度(S)、起伏比(Rr)及形状因子(Sf)等高值子流域(如SB?9、SB?1、SB?5)对应较强径流集中与较高侵蚀潜能;而形状因子紧凑、伸长比(Re)大的子流域(如SB?10、SB?11、SB?12)侵蚀敏感性较低。形态参数间存在显著相关(Dd–Fsr≈+0.8,Ff–Sfr≈?0.95),反映信息冗余。
3.3 LULC Classification and Their Influence on Soil Erosion Susceptibility(LULC分类及其对侵蚀敏感性的影响)
LULC以草地(rangeland, 55–99%)为主,裸地与建设用地比例高的子流域(如SB?10、SB?12、SB?5)侵蚀敏感性升高,耕地、水体与乔木覆盖极少对整体分级影响有限。裸地与建设用地设为效益型,其余植被与水体系为成本型。
3.4 Critic Weights for Morphometric Parameters(形态参数的CRITIC权重)
CRITIC赋权显示形状因子(Sf, w=0.080)、起伏比(Rr, w=0.076)与ruggedness number(Rn, w=0.073)具最强区分力;因高相关导致信息冲突度低,Dd、Fs等权重略降。权重反映统计判别力而非直接物理驱动强度。
3.5 Critic Weights for LULC Classes(LULC类别的CRITIC权重)
水体(w=0.2296)与耕地(w=0.2249)因空间分布稀疏、与其他类别低相关获最高权重,裸地(w=0.2096)、草地(w=0.1642)次之,乔木因全流域缺失得w=0;研究人员指出此为CRITIC对稀疏数据的数学响应,并通过地貌部分72.7%权重降低其影响。
3.6 Prioritization of Soil Erosion?Prone Sub?Basins Using Morphometric Parameters and MCDM Models(基于形态参数与MCDM模型的侵蚀敏感子流域优先排序)
MOORA、COPRAS与ARAS三地排序一致,SB?9 > SB?1 > SB?2 > SB?3 > SB?4为高敏感;SB?11、SB?12最低。TOPSIS略有差异(SB?1居首)但总体趋势相同。
3.7 Prioritization of Soil Erosion?Prone Sub?Basins Using LULC Classes and MCDM Models(基于LULC类别与MCDM模型的优先排序)
TOPSIS给出SB?10 > SB?11 > SB?5 > SB?12为高敏感(高裸地/建设用地占比),SB?4、SB?9最低(高草地占比);ARAS因含大量零值表现异常。
3.8 Non?Parametric Tests on Morphometric Parameters(形态参数集的非参数一致性检验)
MOORA、ARAS、COPRAS间SCCT ρ=1.000、KTCCT τ=1.000完全吻合,TOPSIS与三者ρ=0.930、τ≈0.82;平均SCCT与KTCCT均以MOORA最高(分别为0.9825与0.9582),被选为形态分析最佳方法。
3.9 Non?Parametric Tests on LULC(LULC集的非参数一致性检验)
TOPSIS与MOORA ρ=0.986、τ=0.924为最佳配对,TOPSIS平均SCCT(0.799)与KTCCT(0.731)综合最优,ARAS相关性极低;故LULC分析选用TOPSIS。
3.10 Final Erosion Susceptibility Ranking for Wadi Numan(Wadi Numan最终侵蚀敏感性排序)
综合评分=0.727×MOORA形态得分+0.273×TOPSIS LULC得分。最终五级划分为:很高优先级—SB?9、SB?1;高优先级—SB?2、SB?3;中等优先级—SB?5、SB?6、SB?10;低优先级—SB?4、SB?8;很低优先级—SB?11、SB?12、SB?7。
四、讨论与结论总结
讨论部分指出:(1)形态测量中流域形状因子与起伏参数主导侵蚀敏感性,MOORA/COPRAS/ARAS对地形数据排序高度稳健,TOPSIS受极值影响稍大;(2)LULC中裸地与建设用地为主要侵蚀促进因子,TOPSIS最适于含零值LULC数据,ARAS不适用;(3)综合模型显示地形(72.7%)主导最终敏感性,LULC可上调或下调风险,保护植被可降低高地形敏感区风险;(4)局限性含缺乏实地侵蚀或产沙数据验证、DEM精度与预分类LULC误差、CRITIC权重为统计判别力而非物理贡献,未来应引入RUSLE或实测泥沙验证并做权重敏感性分析。
结论:研究人员构建了集成GIS–MCDM与CRITIC客观赋权、并通过SCCT/KTCCT一致性检验优选方法的旱区流域土壤侵蚀敏感性评估框架。MOORA最适于形态测量参数优先排序,TOPSIS最适于LULC优先排序;Wadi Numan流域SB?9与SB?1为很高侵蚀优先级,应优先布设谷坊、边坡加固、恢复植被等水土保持措施。该框架可为阿拉伯半岛及其他干旱区类似流域提供可移植的决策支持工具,但最终优先排序应视为基于形态与LULC特征的相对敏感性评估,尚需野外观测或土壤流失模型加以验证。