文章快速检索     高级检索
  中国水土保持科学   2023, Vol. 21 Issue (2): 57-63.  DOI: 10.16843/j.sswc.2023.02.008
0

引用本文 

胡云华, 刘晶晶, 江怡, 鲍玉海. 强震区都江堰市白沙河流域松散物源时空演变趋势遥感分析[J]. 中国水土保持科学, 2023, 21(2): 57-63. DOI: 10.16843/j.sswc.2023.02.008.
HU Yunhua, LIU Jingjing, JIANG Yi, BAO Yuhai. Remote sensing analysis of temporal and spatial evolution trend of loose material sources in meizoseismal area, Baisha River Basin, Dujiangyan, China[J]. Science of Soil and Water Conservation, 2023, 21(2): 57-63. DOI: 10.16843/j.sswc.2023.02.008.

项目名称

四川省科技厅四川省区域创新合作项目"川渝地区陡坡耕地禁垦坡度诊断方法与坡耕地综合治理技术研究"(2020YFQ002);成都市水土保持监测分站政采项目"成都市中心城区水源地白沙河流域水土流失综合防治体系研究"(5101012019001908)

第一作者简介

胡云华(1988—),男,硕士研究生,高级工程师。主要研究方向:测绘地理信息应用。E-mail: huyunhua1@163.com

通信作者简介

鲍玉海(1981—),男,博士,副研究员。主要研究方向:土壤侵蚀与水土保持。E-mail: byh@imde.ac.cn

文章历史

收稿日期:2021-12-07
修回日期:2022-01-18
强震区都江堰市白沙河流域松散物源时空演变趋势遥感分析
胡云华 1, 刘晶晶 2, 江怡 2, 鲍玉海 3     
1. 四川省第三测绘工程院, 610500, 成都;
2. 成都市水务技术中心, 610036, 成都;
3. 中国科学院 水利部成都山地灾害与环境研究所 山地表生过程与生态调控重点实验室, 610041, 成都
摘要:白沙河流域是成都市主城区主要饮用水源地,"5·12 "汶川特大地震导致大量崩塌滑坡碎屑物质在陡峭的斜坡积累,在暴雨时造成严重的水土流失,对水源地供水产生严重影响。开展流域松散物源调查和变化趋势分析,对流域水土流失综合治理工作有重要的指导意义。选取地震前1年和地震后10年共4期高分辨率遥感影像,利用面向对象遥感自动解译结合人机交互提取松散物源,采用GIS空间分析方法分析物源空间分布及动态变化特征。结果表明:" 5·12"汶川特大地震导致流域内产生总面积达86.26 km2的新增松散物源,震后10年流域内植被恢复明显,物源总面积减少66.95 km2,流域下游物源缩减趋势明显,呈逐步稳定的状态。虽然流域生态修复明显,但离震前还存在一定差距。上游西南偏西、西北偏西、西北偏北3个方向物源仍处于不稳定的状态,是下一步需重点治理的区域。
关键词强震区    水源地    松散物源    面向对象分类    GIS空间分析    趋势分析    
Remote sensing analysis of temporal and spatial evolution trend of loose material sources in meizoseismal area, Baisha River Basin, Dujiangyan, China
HU Yunhua 1, LIU Jingjing 2, JIANG Yi 2, BAO Yuhai 3     
1. The Third Surveying and Mapping Engineering Institute of Sichuan Province, 610500, Chengdu, China;
2. Chengdu Water Affairs Technical Center, 610036, Chengdu, China;
3. Key Laboratory of Mountain Surface Processes and Ecological Regulation, Institute of Mountain Hazards and Environment, Chinese Academy of Sciences, 610041, Chengdu, China
Abstract: [Background] Baisha River Basin is the main drinking water source in the main urban area of Chengdu. The "5·12" Wenchuan earthquake led to the accumulation of a large number of collapse and landslide debris on the steep slopes, resulting in serious soil and water loss during rainstorm, which has a serious impact on the water supply of the water source. The investigation and change trend analysis of loose material sources in the basin have important guiding significance for the comprehensive control of soil and water loss in the basin. [Methods] Four periods of high-resolution remote sensing images one year before the earthquake and 10 years after the earthquake were selected. The loose material source was extracted by using object-oriented remote sensing automatic interpretation combined with human-computer interaction. The spatial distribution and dynamic change characteristics of material source were analyzed by GIS spatial analysis method. [Results] Before the "5·12" Wenchuan earthquake in 2008, the loose material sources area of the basin was only 20.05 km2, accounting for 5.57% of the total area of the basin. The "5·12" Wenchuan earthquake caused a large number of new loose material sources in the basin, with a total area of 106.31 km2, accounting for 29.52% of the total area of the basin. At 10 years after the earthquake, the total material source area decreased by 66.95 km2. There are still a few new sources in the basin after the earthquake, and the new sources in the 5 years after the earthquake are mainly distributed in the lower reaches of the basin due to human activities such as post disaster recovery and reconstruction, river dredging and mining. At 5-10 years after the earthquake, the newly added sources decreased, which was mainly caused by the expansion of the source range of some slopes in the upper reaches of the basin or the newly added collapse and landslide sources. The earthquake caused the average source center of the basin to move about 6.7 km downstream as a whole, and the average source center gradually moved back at 10 years after the earthquake. [Conclusions] Although the ecological restoration of the basin is obvious, there is still a certain gap from that before the earthquake. The material sources in the three directions of southwest by west, northwest by west and northwest by north of the upstream are still in an unstable state, which is the area to be treated in the next step.
Keywords: meizoseismal area    water source    loose material sources    object oriented classification    GIS spatial analysis    trend analysis    

白沙河流域是成都市中心城区主要的水源地之一,由于紧邻“5 ·12”汶川特大地震震中,地震后流域内形成大量崩滑松散物源[1-2],暴雨期水土流失严重,导致河水浊度显著提高,对全市供水产生影响[3]。根据乔建平等[4]的研究结果,汶川地震灾区泥石流松散物源的主要类型包括滑坡堵沟型物源、崩塌覆盖型物源、碎屑坡积型物源。这些都是流域水土流失和泥石流灾害的主要物源[5-7]。遥感调查方式是目前松散物源调查的主要技术手段之一[8-10],汶川地震灾区崩塌、滑坡等产生的松散固体物质达28亿m3,大地震后,崩塌、滑坡等灾害都进入活跃期,活跃期预计将持续10年左右,尤其震后前5年是崩塌、滚石、滑坡的易发期[11-13]。FAN等[14]通过追踪汶川震后10年地质灾害链的时空演化规律,发现震后短期内滑坡活动性激增到震前的120倍,在震后3年内快速衰减,在震后10年内基本恢复到震前水平。

为做好白沙河流域震后生态修复工作,笔者选取流域地震前后共4期高分辨率遥感影像,利用面向对象分类方式提取流域地震前后4期松散物源空间分布情况,分析其面积和空间位置变化趋势,为流域水质预测预报和流域综合治理工作提供参考。

1 研究区概况

白沙河流域是岷江上游距离成都市最近的一级支流[15],可满足成都市中心城区600万人的供水需求。流域面积360.12 km2,全部位于都江堰市境内,具体位置见图 1。流域最高海拔4 587.23 m,最低海拔741.63 m,垂直高差达3 800 m,地形起伏大,流域平均坡度39.43°。流域内常住人口仅6 324人,分布于下游沿河道两岸的白沙社区等13个村民小组,中游以上地形急速上升,均为无人区。流域距2008年“5 ·12”汶川特大地震震中直线距离不足15 km,地震导致流域上游产生大量崩塌、滑坡次生灾害,并形成堰塞湖,经过20多小时抢险才得以疏通[16]。地震发生后,流域内尤其是上游无人区仍遗留有大量松散崩滑堆积物,降雨天气随地表径流进入河道导致河水浊度升高,对成都市供水产生影响。

图 1 白沙河流域地理位置图 Fig. 1 Geographical location of Baisha River Basin
2 数据与方法 2.1 影像数据获取与预处理

笔者获取白沙河流域2007年6月15日空间分辨率2.5 m的SPOT 5影像(地震发生前)、2008年8月13日空间分辨率2.5 m的SPOT 5影像(5月12日地震发生以后)、2013年8月27日空间分辨率2 m的ZY 3影像(震后5周年)、2018年9月5日空间分辨率1 m的GF 2影像(震后10周年)。按照SL 592—2012《水土保持遥感监测技术规范》要求,影像满足:倾角较小、时相宜一致或接近、层次丰富、影像清晰、色调均匀、反差适中,无噪声和条带缺失等条件,影像中云层覆盖应<3%,且不应覆盖重要地物,分散的云层其面积总和不应超过作业区面积的8%。对收集到的影像进行几何校正、专题信息增强、影像配准、图像融合、图像镶嵌等处理,并用流域范围进行裁剪,最终获得流域4期正射影像成果(图 2)。

图 2 白沙河流域4期高分辨率正射影像成果 Fig. 2 Phase 4 high resolution orthophoto of Baisha River Basin
2.2 计算机自动分类

相比传统基于像素的分类方法,面向对象分类方法不再只是基于单个像素的亮度差异进行分类,而是通过图像分割算法把具有相同或相近特征信息的像元分割成1个对象,同时考虑到对象的光谱、纹理、空间组合关系等特征,由于顾及到更多的结构、特征等信息,其分类精度更高、效果更好[17-18]。笔者使用面向对象的计算机分类软件eCognition Developer进行4期影像的白沙河流域松散物源面向对象自动分类,利用融合后的多期高分辨率遥感影像数据,选择多尺度分割算法(multi resolution segmentation)基于影像特征进行影像分割。分割后对照影像人工检查分割结果的合理性,若不合理调整分割尺度参数(scale parameter)、形状因子(shape)参数、紧凑度(compactness)等参数后进行重新分割,确保能较为准确地区分出崩滑物源斑块。最终分割参数设置为:参与分割的各时相各波段权重都为1,分割尺度为6,形状权重为0.1,紧凑度指数为0.5。影像分割完成后,结合现场核查确定松散物源样点,选取对应4期影像的松散物源和非物源图斑样本,尽量选取特征差异大(如形状、颜色)的样本,建立分类规则后自动提取松散物源图斑(图 3)。

图 3 计算机自动分类后提取的松散物源图斑(局部) Fig. 3 Extracted loose material source polygon (partial) after computer automatic classification
2.3 分类后处理

根据计算机自动分类的结果,首先进行相邻图斑的合并和图斑边界的自动平滑处理。然后基于4期自动提取的物源图斑,人工对照影像进行编辑,主要对自动分类形成的边界不自然、不合理、分类错误、同谱异物、异物同谱等现象进行处理。对照多期影像,对未发生变化图斑边界提取不一致的进行套合修改处理,确保4期松散物源图斑的一致性。对于分类有疑议或仅通过影像无法准确判断土地利用类型的,通过比对Google Earth同期或近期影像进行综合判别或标注为疑问图斑,由外业进行实地复核或补绘。分类后处理的效果如图 4所示。

图 4 分类后处理后的松散物源图斑(局部) Fig. 4 Loose material sources polygon (part) after classification processing
2.4 外业核查

由于流域中上游区域均为无人区,交通不可达,仅对下游交通可达的区域进行外业核查,外业核查将需复核与补绘的2018年松散物源图斑叠加2018年高分遥感影像作为外业核查工作底图,叠加流域道路交通数据,制定野外复核方案。沿流域下游交通可达区域对沿线图斑进行核查,对于现场发现边界或分类不准确的图斑进行记录,标记区分人为扰动图斑,对漏采集的图斑进行补绘,实地无法到达的图斑,记录为疑问图斑,交由内业采用其他影像比对等方式复核。

2.5 内业编辑与整理

对外业核查与补绘的资料进行整理,根据外业调查资料对内业解译的松散物源数据进行编辑、修改,剔除计算机自动分类误提的人为扰动图斑,并检查数学基础、拓扑、格式、接边等准确性,形成满足精度要求的4期流域松散物源分布数据成果(图 5)。

图 5 白沙河流域4期松散物源遥感提取结果 Fig. 5 Phase 4 loose material sources polygon extracted in Baisha River Basin by remote sensing
3 结果与分析 3.1 物源面积变化

遥感解译结果显示,2008年“5 ·12”汶川特大地震发生前,流域松散物源面积仅为20.05 km2,占流域总面积的5.57%。汶川地震导致流域内产生大量新增松散物源,新增物源总面积达86.26 km2,物源总面积达106.31 km2,占流域总面积的29.52%。从2008—2018年,白沙河流域松散物源呈明显减少趋势,2013年减少为43.55 km2,占流域总面积的12.09%;2018年减少为39.36 km2,占流域总面积的10.93%,减少的松散物源逐步恢复为林草覆盖状态;地震发生10年后,虽然流域植被明显恢复,但离震前状态(裸露松散物源总面积20.05 km2,占流域总面积的5.57%),仍有较大差距。

3.2 震后物源空间分布变化

表 1所示,利用GIS空间叠加分析提取2007—2008、2008—2013和2008—2018年3个阶段的物源空间变化情况。从叠加分析结果看,地震导致流域松散物源显著增加,震后在地表植被恢复的同时,流域内仍有少量新增物源。2008—2013年,减少物源总面积73.64 km2,新增物源面积10.88 km2,减少的物源主要发生在流域上游,新增物源集中分布于流域下游人类活动区,对照影像发现,主要为灾后恢复重建、河道疏浚、采矿等人类活动导致地表扰动面积增加所致,流域上游也有少部分新增物源,叠加影像分析主要为少量新增崩塌或滑坡导致。2008—2018年,减少物源总面积74.59 km2,新增物源面积7.64 km2,物源减少主要分布在流域下游,新增物源主要发生在流域上游,对照影像发现新增物源主要分布于流域上游部分坡面物源下滑或范围扩大导致。从时间上看,震后5年,流域内物源显著减少,植被恢复明显;震后5~10年,流域内植被继续恢复,新增物源整体呈减少趋势。

表 1 白沙河流域震后物源空间分布变化统计表 Tab. 1 Statistics of spatial distribution changes of loose material sources in Baisha River Basin after earthquake 
3.3 物源平均中心迁移趋势

平均中心是研究区域中所有要素的平均x坐标和y坐标,是追踪地理要素的空间分布变化的有力指标,利用GIS空间统计分析中的平均中心计算工具获取2007—2018年流域物源平均中心,并分析其变化趋势。物源平均中心提取结果(图 6)显示,2008年汶川地震导致白沙河流域崩塌、滑坡等松散物源空间分布的平均中心整体向下游移动约6.7 km。2008—2018年,随着流域植被的修复,流域松散物源平均中心逐步回移,其中2008—2013年,平均中心上移约1.77 km,2013—2018年,平均中心上移约0.85 km。平均中心分析结果表明:地震后流域生态呈恢复趋势,震后5年恢复趋势明显,震后5~10年生态恢复趋势有所减缓,震后10年流域物源平均中心距离震前仍有约4 km,流域物源分布特征距离震前仍有较大差距。

图 6 白沙河流域松散物源平均中心迁移图 Fig. 6 Average center migration of loose material sources in Baisha River Basin
3.4 物源变化方向分析

利用空间八向图分析不同时相、不同方向上的物源面积变化情况(图 7表 2)。可见,震后随着流域植被的修复,以地震形成的大面积松散物源空间分布的平均中心为中心,各方向上松散物源面积整体往中心收缩,但在流域上下游存在差异,下游逐年缩减趋势明显,反映出逐步稳定的趋势;上游尤其在西南偏西、西北偏西、西北偏北3个方向,2008—2013年呈缩减趋势,但2013—2018年物源面积略有增长,表明该方向上崩塌滑坡等次生灾害仍在发育,是流域新增物源的主要来源区域。

图 7 白沙河流域物源方位面积空间统计图 Fig. 7 Spatial statistical map of loose material sources azimuth area in Baisha River Basin
表 2 白沙河流域松散物源方位面积统计表 Tab. 2 Statistics of loose material sources azimuth area in Baisha River Basin 
4 结论

1)“5 ·12”汶川特大地震导致流域内产生大量新增松散物源,震后10年,流域内植被恢复明显,物源总面积呈减少趋势。

2) 震后流域内仍有少量新增物源,震后5年新增物源主要分布在流域下游。由于灾后恢复重建、河道疏浚、采矿等人类活动导致;震后5~10年,新增物源有所减少,主要由流域上游部分坡面物源范围扩大或新增崩塌滑坡物源导致。

3) 地震导致流域物源平均中心整体向下游移动约6.7 km,震后10年物源平均中心逐步回移,但距离震前仍有较大差距。

4) 流域下游物源逐年缩减趋势明显,反映出逐步稳定的趋势;上游尤其在西南偏西、西北偏西、西北偏北3个方向,新增物源仍较为活跃,是下一步需重点关注和治理的区域。

5 讨论

笔者采用面向对象遥感解译的方式提取白沙河流域多时相松散物源范围并进行空间变化分析,利用该技术手段可以较为高效地获取流域内不同时点物源空间分布信息。研究结果较为直观地反映“5 ·12”汶川特大地震导致的白沙河流域松散物源激增。地震发生后5年白沙河流域植被迅速恢复的同时也产生较多新增物源,地震发生后5~10年流域植被恢复和新增物源均有所减缓,逐步趋向稳定状态,与其他学者的相关研究结果相符。但本研究也表明,白沙河流域内植被覆盖情况和物源分布距离震前还有较大差距,流域侵蚀和物源变化过程仍需持续关注。另外,由于流域存在较大面积的无人区,无法到达现场进行实地核实,对自动解译成果的验证样例有限,在下一步工作中,可以利用无人机等技术手段采集解译样本,提高解译准确率,以更好地掌握松散物源状况并指导流域生态修复工作。

6 参考文献
[1]
乔建平, 王萌, 吴彩燕, 等. 汶川地震扰动区小流域滑坡泥石流风险评估: 以都江堰白沙河流域为例[J]. 中国地质灾害与防治学报, 2018, 29(4): 2.
QIAO Jianping, WANG Meng, WU Caiyan, et al. Landslide and debris flow risk assessment for small watersheels in the Wenchuan earthquake disturbance area: Taking the Baishahe River Basin in Dujiangyan as an example[J]. The Chinese Journal of Geological Hazard and Control, 2018, 29(4): 2.
[2]
向龙, 陈宁生, 李俊. 震后白沙河、龙溪河流域泥石流灾害治理效果分析: 以四川都江堰市三合场沟为例[J]. 人民长江, 2016, 47(23): 60.
XIANG Long, CHEN Ningsheng, LI Jun. Effect analysis of debris flow control in Baisha River basin and Longxi River basin after earthquake: Case of Sanhechang Gully in Dujiangyan city, Sichuan province[J]. Yangtze River, 2016, 47(23): 60.
[3]
王协康, 杨坡, 孙桐, 等. 山区小流域暴雨山洪灾害分区预警研究[J]. 四川大学学报(工程科学版), 2021, 53(1): 34.
WANG Xiekang, YANG Po, SUN Tong, et al. Study on division early warning of flash flood disaster caused by rainstorm in mountainous small watersheds[J]. Advanced Engineering Sciences, 2021, 53(1): 34.
[4]
乔建平, 黄栋, 杨宗佶, 等. 汶川地震极震区泥石流物源动储量统计方法讨论[J]. 中国地质灾害与防治学报, 2012, 23(2): 1.
QIAO Jianping, HUANG Dong, YANG Zongji, et al. Statistical method on dynamic reserve of debris flow's source materials in meizoseismal area of Wenchuan earthquake region[J]. The Chinese Journal of Geological Hazard and Control, 2012, 23(2): 1. DOI:10.3969/j.issn.1003-8035.2012.02.001
[5]
黄润秋, 李为乐. "5 ·12"汶川大地震触发地质灾害的发育分布规律研究[J]. 岩石力学与工程学报, 2008, 27(12): 2585.
HUANG Runqiu, LI Weile. Research on development and distribution rules of geohazards induced by Wenchuan earthquake on 12th may, 2008[J]. Chinese Journal of Rock Mechanics and Engineering, 2008, 27(12): 2585. DOI:10.3321/j.issn:1000-6915.2008.12.028
[6]
孙丽文, 史常青, 赵廷宁, 等. 汶川地震滑坡治理区植被恢复效果研究[J]. 中国水土保持科学, 2015, 13(5): 86.
SUN Liwen, SHI Changqing, ZHAO Tingning, et al. Vegetation recovery in the landslide-tackling area of Wenchuan earthquake[J]. Science of Soil and Water Conservation, 2015, 13(5): 86.
[7]
熊江, 唐川, 史青云, 等. 强震区泥石流物源演化特征分析[J]. 山地学报, 2019, 37(5): 728.
XIONG Jiang, TANG Chuan, SHI Qingyun, et al. Evolution characteristics of debris flow sources in strong earthquake area[J]. Mountain Research, 2019, 37(5): 728.
[8]
夏冰, 范宣梅, 郭晓军, 等. 地震效应下的土壤侵蚀空间分布特征及分析: 以九寨沟地震为例[J]. 中国水土保持科学, 2020, 18(1): 79.
XIA Bing, FAN Xuanmei, GUO Xiaojun, et al. Spatial distribution characteristics and analysis of soil erosion under earthquake effect: A case study of Jiuzhaigou earthquake[J]. Science of Soil and Water Conservation, 2020, 18(1): 79.
[9]
王治华. 滑坡遥感调查、监测与评估[J]. 国土资源遥感, 2007, 19(1): 10.
WANG Zhihua. Remote sensing for landslide survey, monitoring and evaluation[J]. Remote Sensing for Land & Resources, 2007, 19(1): 10.
[10]
许强, 李为乐. 汶川地震诱发大型滑坡分布规律研究[J]. 工程地质学报, 2010, 18(6): 818.
XU Qiang, LI Weile. Distribution of large-scale landslides induced by the Wenchuan Earthquake[J]. Journal of Engineering Geology, 2010, 18(6): 818.
[11]
崔鹏, 韦方强, 何思明, 等. 5 ·12汶川地震诱发的山地灾害及减灾措施[J]. 山地学报, 2008, 26(3): 280.
CUI Peng, WEI Fangqiang, HE Siming, et al. Mountain disasters induced by the earthquake of May 12 in Wenchuan and the disasters mitigation[J]. Mountain Research, 2008, 26(3): 280.
[12]
崔鹏, 庄建琦, 陈兴长, 等. 汶川地震区震后泥石流活动特征与防治对策[J]. 四川大学学报(工程科学版), 2010, 42(5): 10.
CUI Peng, ZHUANG Jianqi, CHEN Xingchang, et al. Characteristics and countermeasures of debris flow in Wenchuan Area after the earthquake[J]. Journal of Sichuan University (Engineering Science Edition), 2010, 42(5): 10.
[13]
崔鹏, 韩用顺, 陈晓清. 汶川地震堰塞湖分布规律与风险评估[J]. 四川大学学报(工程科学版), 2009, 41(3): 35.
CUI Peng, HAN Yongshun, CHEN Xiaoqing. Distribution and risk analysis of dammed lakes reduced by Wenchuan Earthquake[J]. Journal of Sichuan University (Engineering Science Edition), 2009, 41(3): 35.
[14]
FAN Xuanmei, SCARINGI Gianvito, KORUP Oliver, et al. Earthquake-induced chains of geologic hazards: Patterns, mechanisms, and impacts[J]. Reviews of Geophysics, 2019, 57: 421.
[15]
杨雨行. 研究森林变化对河川水沙影响的一种便捷方法: 以四川省都江堰市白沙河为例[J]. 北京林业大学学报, 1995, 17(1): 97.
YANG Yuxing. A forthright way of research on effect of forests change on flow and sediment of river[J]. Journal of Beijing Forestry University, 1995, 17(1): 97.
[16]
周家文, 杨兴国, 李洪涛, 等. 汶川大地震都江堰市白沙河堰塞湖工程地质力学分析[J]. 四川大学学报(工程科学版), 2009, 41(3): 102.
ZHOU Jiawen, YANG Xingguo, LI Hongtao, et al. Engineering geo-mechanics analysis of the barrier lake in Baisha River at Dujiangyan city induced by Wenchuan earthquake[J]. Journal of Sichuan University (Engineering Science Edition), 2009, 41(3): 102.
[17]
陈云浩, 冯通, 史培军, 等. 基于面向对象和规则的遥感影像分类研究[J]. 武汉大学学报(信息科学版), 2006, 31(4): 316.
CHEN Yunhao, FENG Tong, SHI Peijun, et al. Classification of remote sensing image based on object oriented and class rules[J]. Geomatics and Information Science of Wuhan University, 2006, 31(4): 316.
[18]
罗志东, 刘二佳, 齐实, 等. 基于系统工程学的土壤侵蚀高分遥感监测与评价工程化模式[J]. 中国水土保持科学, 2019, 17(1): 124.
LUO Zhidong, LIU Erjia, QI Shi, et al. High-resolution remote sensing monitoring and evaluation engineering mode of soil erosion based on system engineering[J]. Science of Soil and Water Conservation, 2019, 17(1): 124.