滇池西岸山地区域SCS-CN模型优化.pdf

目的模拟计算滇池西岸山洪产流量,为该区面山截洪设施的修建,减少山洪灾害和保护滇池水环境提供科学决策的依据。方法基于S C S-C N产流模型,选取昆明滇池西岸山地区域2 0 1 9,2 0 2 0年的3 3场实测降雨径流数据,通过坡度结合前期影响雨量对C N值进行分级优化设定。采用穷举法对进行优化取值。再以2 0 2 1年的1 9场实测降雨径流数据验证优化S C S-C N模型的模拟精度及其参数适用性。结果采用坡度及前期影响雨量分级优化得到的C N值仅适用于降雨量3 0mm的中小型降雨;对于降雨量3 0mm的强降雨,需根据场次降雨前5d的降雨总量采用线性内插法对标准S C S-C N模型中AMC等级进行修改,再确定对应的坡度C N修正值。适合滇池西岸山地区域中小型降雨和强降雨的最佳初损系数值分别为0.1 5,0.2。经验证,中小型降雨和强降雨下的N S E值分别为0.8 5 22,0.7 9 78,模型合格率分别为9 3.3 3%和7 5%。结论优化的S C S-C N模型用于滇池西岸山地区域3 0mm的中小型降雨和3 0mm的强降雨情况下的产流计算是可行的,可为该区地表径流预测及S C S-C N模型的进一步优化提供科学依据和理论参考。关键词:山洪;地表径流;S C S-C N模型;径流曲线数C N;初损系数文献标识码:B 文章编号:1 0 0 0-2 8 8 X(2 0 2 3)0 3-0 1 3 9-0 9 中图分类号:P 3 3 3.1,P 3 3 4,P 3 3 8文献参数:李金梅,周京春,王金亮.滇池西岸山地区域S C S-C N模型优化J.水土保持通报,2 0 2 3,4 3(3):1 3 9-1 4 7,1 5 8.D O I:1 0.1 3 9 6 1/j.c n k i.s t b c t b.2 0 2 3 0 5 2 5.0 0 1;L iJ i n m e i,Z h o uJ i n g c h u n,W a n gJ i n l i a n g.O p t i m i z a t i o no fS C S-C Nm o d e l i nam o u n t a i n o u s a r e ao nw e s t b a n ko fD i a n c h i L a k eJ.B u l l e t i no f S o i l a n dW a t e rC o n s e r v a t i o n,2 0 2 3,4 3(3):1 3 9-1 4 7,1 5 8.O p t i m i z a t i o no fS C S-C N M o d e l i naM o u n t a i n o u sA r e ao nW e s tB a n ko fD i a n c h iL a k eL i J i n m e i1,2,3,Z h o uJ i n g c h u n1,2,3,W a n gJ i n l i a n g1,2,3(1.F a c u l t yo fG e o g r a p h y,Y u n n a nN o r m a lU n i v e r s i t y,K u n m i n g,Y u n n a n6 5 0 5 0 0,C h i n a;2.K e yL a b o r a t o r yo fR e s o u r c e sa n dE n v i r o n m e n t a lR e m o t eS e n s i n gf o rU n i v e r s i t i e s i nY u n n a n,K u n m i n g,Y u n n a n6 5 0 5 0 0,C h i n a;3.C e n t e r f o rG e o s p a t i a l I n f o r m a t i o nE n g i n e e r i n ga n dT e c h n o l o g yo fY u n n a nP r o v i n c e,K u n m i n g,Y u n n a n6 5 0 5 0 0,C h i n a)A b s t r a c t:O b j e c t i v eT h em o u n t a i n f l o o d r u n o f f o n t h ew e s t b a n ko fD i a n c h iL a k ew a s s i m u l a t e da n dc a l c u l a t e di no r d e rt op r o v i d eas c i e n t i f i cb a s i sf o rc o n s t r u c t i n gf l o o di n t e r c e p t i o nf a c i l i t i e s,r e d u c i n gm o u n t a i nf l o o dd i s a s t e r s,a n dp r o t e c t i n gt h ew a t e re n v i r o n m e n to fD i a n c h iL a k e.M e t h o d sW eu s e dt h eS C S-C Nr u n o f fm o d e lw i t h3 3f i e l d-m e a s u r e dr a i n f a l l-r u n o f fd a t a s e t sf o rt h em o u n t a i n o u sa r e ao nt h ew e s tb a n ko fD i a n c h iL a k e i nK u n m i n gC i t y i n2 0 1 9a n d2 0 2 0.T h ec u r v en u m b e r(C N)v a l u ew a so p t i m i z e da n ds e ta c c o r d i n gt ot h es l o p e c o m b i n e dw i t hp r e v i o u s r a i n f a l l.T h e i n i t i a l a b s t r a c t i o nc o e f f i c i e n t()w a s o p t i m i z e db y t h e e x h a u s tm e t h o d.S i m u l a t i o na c c u r a c ya n dp a r a m e t e r a p p l i c a b i l i t y f o r t h eo p t i m i z e dS C S-C Nm o d e lw e r ev e r i f i e db y1 9f i e l d-m e a s u r e dr a i n f a l l-r u n o f f d a t a s e t s i n2 0 2 1.R e s u l t s T h eC Nv a l u eo b t a i n e db y t h e s l o p e a n dp r e v i o u sr a i n f a l l c l a s s i f i c a t i o no p t i m i z a t i o nw a so n l ys u i t a b l e f o rs m a l l a n dm e d i u mr a i n f a l l a m o u n t s(3 0mm).F o rh e a v yr a i n f a l l(3 0mm),t h ea n t e c e d e n tm o i s t u r ec o n d i t i o n(AMC)i nt h es t a n d a r dS C S-C N m o d e l s h o u l db em o d i f i e db y l i n e a r i n t e r p o l a t i o na c c o r d i n gt ot h e t o t a l r a i n f a l l a m o u n t i nt h ep r e v i o u s f i v ed a y s,a n dt h e nt h ec o r r e s p o n d i n gs l o p eC Nc o r r e c t i o nv a l u es h o u l db ed e t e r m i n e d.T h eo p t i m a lv a l u e sf o rs m a l la n dm e d i u mr a i n f a l l e v e n t sa n df o rh e a v yr a i n f a l le v e n t si nt h em o u n t a i n o u sa r e ao nt h ew e s tb a n ko fD i a n c h iL a k ew e r e0.1 5a n d0.2 0,r e s p e c t i v e l y.T h eN S Ev a l u e sa f t e rm o d e lv e r i f i c a t i o nf o rs m a l la n dm e d i u mr a i n f a l l a n df o rh e a v yr a i n f a l lw e r e0.8 5 22a n d0.7 9 78,r e s p e c t i v e l y,a n dt h em o d e la c c u r a c yr a t e sw e r e9 3.3 3%a n d7 5%,r e s p e c t i v e l y.C o n c l u s i o nT h eo p t i m i z e dS C S-C N m o d e lw a sc o n s i d e r e dt ob ef e a s i b l ef o rc a l c u l a t i n gr u n o f fu n d e rt h ec o n d i t i o n so fs m a l la n d m e d i u mr a i n f a l l(3 0 mm)a n dh e a v yr a i n f a l l(3 0mm)i nt h em o u n t a i n o u sa r e ao nt h ew e s tb a n ko fD i a n c h iL a k e,a n d t h e r e f o r e c a np r o v i d eas c i e n t i f i cb a s i s a n d t h e o r e t i c a l r e f e r e n c e f o r t h ep r e d i c t i o no f s u r f a c e r u n o f f a n d t h e f u r t h e ro p t i m i z a t i o no f t h eS C S-C Nm o d e l i nt h i sa r e a.K e y w o r d s:m o u n t a i nf l o o d;s u r f a c er u n o f f;S C S-C N m o d e l;r u n o f fc u r v en u m b e r(C N);i n i t i a la b s t r a c t i o nc o e f f i c i e n t 山洪灾害一直是雨期灾害防治的关注重点,因其突发性、破坏性及成因未知性和复杂性导致及时准确预报预警难1,常造成巨大的人员伤亡和经济损失,目前已成为中国各城市经济发展所面临的严峻问题之一2。昆明市滇池西岸地区多中高山体、地形地势复杂且坡度较大,同时受季风气候影响,雨季降雨强度大且集中,使得山洪灾害爆发频繁,且该区防洪截污系统不完善,蓄滞能力差,雨季大量雨污混流水携带着泥沙,翻过截污口,溢流至滇池,对滇池水环境带来了极为不利的影响3。因此,开展滇池西岸山地区域的地表径流预测研究具有重要意义。地表径 流 预 测 常 用 的 方 法 是 水 文 模 型,例 如S HE模型、SWAT模型和新安江模型等4,但这些模型都存在着因参数多且获取困难而无法准确预测的问题。美国农业部水土保持局在1 9 5 4年提出的S C S-C N模型因其基本假设合理、所需参数少且容易获取而被广泛应用于小流域地表径流预测5,但该模型具有较强的区域相关性,需要根据特定区域的下垫面情况和气候条件来优化调整其参数径流曲线数C N和初损系数,才能达到所要求的预测精度。国内外关于C N值的优化研究大致可分为两类:通过实测降雨径流数据求取C N值,如T o m a z s e等6和H a w k i n s等7采用渐进线法来求取C N值,随后S o u l i s8用多维群组方法改进了C N值渐进线法;符素华等9采用平均值法等5种方法来反推北京地区的C N值,其中算术平均值法的模拟结果最好。通过土壤含水量、坡度和降雨强度等因素来优化C N值,如罗棉心5通过实测每场降雨前的土壤含水量推导出C N值随土壤含水量依次增加的规律;H u a n gM i n g b i n等1 0通过在黄土高原地区建立坡度与C N的关系式,改进了W i l l i a m s的C N坡度修正法1 1,得到了适用于该区降雨径流的H u a n gM i n g b i n坡度修正公式;范彩霞1 2利用降雨强度来优化羊坊闸流域不同土地利用方式下的C N值。同时,标准S C S-C N模型将初损系数值定为0.2,但在实际应用中可以发现取值具有明显的区域差异性,如S h iZ h i h u a等1 3、W o o d w a r d等1 4分别在中国三峡地区和美国3 0 7个径流区域的研究表明,取值为0.0 5的模型预测精度要高于取值为0.2的模型;陈正维等1 5在紫色土坡地产流中发现取值0.2仅适用于中小降雨情况,对于强降雨(5 0mm)的情况取值应为0.3。因此,有很多学者对初损系数进行了修正,如徐赞等1 6使用反算法和粒子群算法分别优化了参数;周淑梅等1 7采用反算法和事件分析法确定了黄土丘陵沟壑区的值。目前针对S C S-C N模型参数C N和的取值优化大多只考虑一种因素进行研究,但降雨径流过程受多种因素的共同影响,综合多种影响因子来优化改进模型参数才是科学合理的。本文以昆明滇池西岸山地区域为研究区,基于2 0 1 9年、2 0 2 0年59月的实测降雨径流数据,综合考虑坡度、前期影响雨量、土地利用类型、土壤类型等因素多级优化设置C N参数值,并在此基础上采用穷举法确定研究区的最佳初损系数值,建立适用于该区的优化S C S-C N模型,再以2 0 2 1年的降雨径流实测数据检验优化S C S-C N模型的参数适用性及模型模拟精度,据此对研究区的山洪产流量进行模拟计算,为该区面山截洪设施的修建,减少山洪灾害和保护滇池水环境提供科学决策的依据。1 材料与方法1.1 研究区概况滇池西岸山地区域(2 4 4 5 2 5 0 5 N,1 0 2 3 1 1 0 2 4 0 E)位于昆明市西南端(图1),地处云贵高原,地势大致呈现中间高两侧低的趋势,流域面积约为2 8 5.5k m2。该区的气候属于亚热带高原季风气候,其年 平 均 气 温 和 年 平 均 降 雨 量 分 别 为1 5 和041 水土保持通报 第4 3卷10 3 5mm,降水主要集中在51 0月1 8,雨季多为大雨和暴雨。1.2 数据来源研究 所 用 到 的 基 本 数 据 情 况 见 表1。利 用A r c G I S提取的研究区土地利用类型和水文土壤类型分布情况分别见图2和图3,其中图3是根据S C S-C N模型土壤分类标准,结合土壤最小下渗率和土壤质地确定(见表2)。1.3 研究方法1.3.1 S C S-C N模型原理 S C S-C N模型是根据水量平衡方程 见公式(3)和两个基本假设方程建立的经验模型1 5,1 9,第一个基本假设是:流域实际地表径流深(Q)与流域可能潜在最大径流深(P-Ia)的比值等于实际入渗量(F)与流域潜在最大蓄水能力(S)的比值 见公式(1);第2个基本假设是:初损量(Ia)与流域潜在最大蓄水能力(S)存在一定的比例关系,见公式(2)。注:本图源于A L O S-1 2.5mD EM,并基于自然资源部标准地图服务系统G S(2 0 1 9)1 8 2 2号标准地图校准制作。图1 滇池西岸山地区域地理概况F i g.1 G e o g r a p h yo fm o u n t a i n o u s r e g i o no nw e s tb a n ko fD i a n c h iL a k e 注:本图源于G l o b e L a n d3 0,并基于自然资源部标准地图服务系统G S(2 0 1 9)1 8 2 2号标准地图校准制作。图2 滇池西岸山地区域土地利用类型分布F i g.2 D i s t r i b u t i o no f l a n du s e t y p e s i nm o u n t a i n o u sa r e ao nw e s t e r nb a n ko fD i a n c h iL a k e 注:本图源于3 0m的土壤类型分布数据,并基于自然资源部标准地图服务系统G S(2 0 1 9)1 8 2 2号标准地图校准制作。图3 滇池西岸山地区域水文土壤类型分布F i g.3 D i s t r i b u t i o no fh y d r o l o g i c a l s o i l t y p e s i nm o u n t a i n o u sa r e ao nw e s tb a n ko fD i a n c h iL a k e表1 滇池西岸山地区域基本数据T a b l e1 B a s i cd a t ao fm o u n t a i n o u sa r e ao nw e s tb a n ko fD i a n c h iL a k e类 别 名 称 数据来源 用 途 D EM数据A L O S-1 2.5mNA S AE A R THD A T A研究区流域的提取以及计算不同土地利用类型下的平均坡度降雨径流数据太华山 站、滇 池 海 口 站、昆 明站、蔡家村站、中和站、白邑站地理遥感生态网用于S C S-C N模型中C N和参数的优化及验证分析土地利用数据G l o b e L a n d 3 0h t t p:w ww.g l o b a l l a n d c o v e r.c o m/提取研究区土地利用类型土壤数据3 0m的土壤类型分布数据地理遥感生态网提取研究区土壤类型141第3期 李金梅等:滇池西岸山地区域S C S-C N模型优化表2 滇池西岸山地区域水文土壤类型T a b l e2 H y d r o l o g i c a l s o i l t y p e s i nm o u n t a i n o u sa r e ao nw e s tb a n ko fD i a n c h iL a k e水文土壤类型最小下渗率(mmh-1)土壤质地 土壤类别C1.2 73.8 1砂黏壤土水稻土 D0.2S)Q=0(P0.2S)(4)式中S可用C N表示为:S=2 54 0 0C N-2 5 4(5)式中:P为 流 域 降 雨 量(mm);Q为 地 表 径 流 深(mm);Ia为初损量(mm);F为径流过程中累积下渗量或土壤入渗量,也称后损(mm);S为流域潜在最大蓄水能力(mm);为初损系数,无量纲;C N为径流曲线数,无量纲。C N由流域内的降雨量、前期土壤湿度(AMC,a n t e c e d e n tm o i s t u r ec o n d i t i o n)、土地利用类型、土壤类 型 和 地 形 坡 度 等 因 素 共 同 决 定,取 值 范 围0,1 0 01 5,1 9。标准S C S-C N模型将水文土壤类型划分为4类:A(透水)、B(较透水)、C(较不透水)和D(不透水),AMC根据降雨前5d的降雨总量划分为3个等级(表3):干旱(AMC)、正常(AMC)和湿润(AMC),分 别 对 应C N1,C N2和C N3,其 中C N1,C N3可由C N2转换得到,转换公式2 0见公式(6)(7)。表3 标准S C S-C N模型前期土壤湿度(AMC)等级划分T a b l e3 C l a s s i f i c a t i o no fa n t e c e d e n tm o i s t u r ec o n d i t i o n(AMC)o f s t a n d a r dS C S-C Nm o d e l前期土壤湿润等级前5d降雨总量/mm植被生长期植被休眠期C N值AMC(干旱)3 5.65 3.32 7.9C N3 C N1=4.2C N21 0-0.0 5 8C N2(6)C N3=2 3C N21 0+0.1 3C N2(7)1.3.2 S C S-C N模型优化(1)径流曲线数C N的优化。首先利用坡度修正C N值。标准S C S-C N模型中的C N2值是基于坡度为5%(缓坡)的条件得到的1 5,未考虑坡度变化对地表径流产生的影响。陈正维等1 5研究表明径流量随坡度的增大而增大,经坡度修正后的模型预测精度明显提高。研究区坡度在1 5 3 0 之间的地形比例较大,若不考虑坡度对产流的影响,则会造成径流模拟的不确定性。因此需将该区不同土地利用类型的地块结合土壤类型进行坡度等级划分,并统计每种土地利用 类 型 下 的 平 均 坡 度 和 所 占 面 积,采 用H u a n g1 0,1 5坡度修正公式 见公式(8)来修正每种土地利用类型的C N值。C N2 s l o p e=C N23 2 2.7 9+1 5.6 3 s l o p es l o p e+3 2 3.5 2(8)式中:C N2 s l o p e为坡度修正后的C N2值;C N2为AM C 条件下的初始C N值;s l o p e为平均坡度(%)。其次在坡度修正C N的基础上,采用前期影响雨量Pa2 1来确定前期土壤湿润度AMC。因AMC受前期降雨量、蒸发量和径流量的影响而处于不断变化中,且根据美国气候条件提出的以每场降雨前5d的降雨总量来反映AMC应用到中国时是有所偏差的。故本文采用公式(9)计算的Pa来代替标准S C S-C N模型中的前5d降雨总量2 1。Pa,t+1=K(Pa,t+Pt)(9)式中:K为土壤水的日消退系数,无量纲;Pt为第t日的降雨量(mm);Pa,t,Pa,t+1分别为第t日,t+1日的前期影响雨量(mm)。最后结合前期影 响雨量Pa,增 加C N值的分级2 1。标准S C S-C N模型中的AMC只分了3个等级,其跳跃性会降低模拟精度。本文根据公式(9)计算的每场降雨的Pa值来确定AMC等级,并采用线性内插法增加径流曲线数C N的分级,以此来减小C N值的离散度,提高模型的模拟精度。(2)初损系数的优化。初损系数的一般取值范围为0,0.4,M o c k u s2 2通过大量的实测数据推导出美国地区的最佳初损系数=0.2,但不同区域间存在着地理空间差异,标准值不能满足实际的应用需求。为了进一步提高模型的模拟精度,本文基于前人241 水土保持通报 第4 3卷的研究2 0,2 3将研究区的变化范围定义在0.0 50.3 8之间,基于实测降雨径流数据采用穷举法2 3-2 4对进行优化,以0.0 5为步长依次计算变化范围内不同取值下的模拟径流深,从而推导出适用于研究区的最佳值。1.3.3 模型模拟精度评价 采用纳什模型效率系数N S E、标准均方根误差N RM S E以及模型合格率三项指标来评价参数优化后的S C S-C N模型的模拟精度。纳什模型效率系数N S E(N a s h-S u t c l i f f ee f f i c i e n c yc o e f f i c i e n t)用来检验水文模型模拟效果的好坏2 4,它反映了模拟径流深值与实测径流深值的线性接近程度。N S E值 的 取 值 范 围 为(,1),该 值 越接近1,说明模型的模拟效果越好,反之越差,N S E0.7 5时模 型 的 模 拟 结 果 为 优,其 计 算 公 式 见 公 式(1 0)。N S E=1-ni=1(Qo b si-Qc a li)2ni=1(Qo b si-Qo b s)2(1 0)式中:Qo b si为第i场降雨的实测径流深(mm);Qc a li为第i场降雨的计算径流深(mm);Qo b s为实测径流深的平均值(mm)。标准均方根误差N RM S E用于衡量模拟计算径流深值与实测径流深值之间的偏差2 4。N RM S E值越小代表模型的模拟精度和适用性越好,反之越差,其计算方法见公式(1 1)。N RM S E=1nni=1(Qo b si-Qc a li)2Qo b s(1 1)式中:n代表样本总数;其他参数说明同公式(1 0)。模型合格率2 4等于用于模拟径流深与实测径流深绝对误差2mm或相对误差3 0%的降雨场次占模拟的总降雨场次的百分数。2 结果与分析2.1 S C S-C N模型优化2.1.1 初始C N值的确定 在充分考虑研究区实际情况下,通过参考美国国家工程手册1 9和 有关学者2 0,2 4将S C S-C N模型用于山地区域所确定的C N值,查得研究区不同土地利用类型土壤类型下对应的初始C N值,并利用A r c G I S统计各用地类型的面积及占比。表4给出了AMC条件下研究区的C N2取值。表4 AMC条件下滇池西岸山地区域的C N2取值T a b l e4 C N2v a l u e s i nm o u n t a i n o u sa r e ao nt h ew e s tb a n ko fD i a n c h iL a k eu n d e rAMC I I c o n d i t i o n s土地利用类型 水文土壤类型CD土地利用类型权重/%耕 地8 28 52 2.0 5林 地7 37 93 2.8 1草 地7 17 82 8.9 8灌木地7 78 31.2 6水 域9 89 80.5 3建设用地8 38 71 4.3 7水文土壤类型权重/%7.6 69 2.3 41 0 0 注:C为水稻土,D为山原红壤。下同。通过各土地利用类型和土壤类型的面积比例将C N值加权平均,见公式(1 2),分别求得3种AM C等级下全流域的C N1=6 4.3 4,C N2=8 0.9 3,C N3=9 0.6 5。C N=6i=1(C NC iAC+C ND iAD)Ai(1 2)式中:C NC i和C ND i分别为C类土壤和D类土壤下i类土地利用类型对应的C N值;AC和AD分别为C类土壤和D类土壤所占流域面积的百分比;Ai为i类土地利用类型所占流域面积的百分比。2.1.2 C N参数的优化(1)坡 度 修 正C N值。研 究 区 的 坡 度 范 围 为0 7 8,根据 土地利用现状调查技术规程 和国际地理学会对于坡度划分标准2 5,利用A r c G I S将该区的坡度划分为7个级别:0 2(极缓坡),2 5(缓坡),5 8(中等坡),8 1 5(斜坡),1 5 2 5(陡坡),2 5 3 5(急坡),3 5 7 8(险坡),并将该区的土地利用类型、土壤类型和重分类的坡度图层进行叠加,再统计叠加后各用地类型土壤类型下每级坡度的面积和平均坡度(表5),其中8 1 5(斜坡)所占的面积比例最大,高达3 0.2 3%,其次是1 5 2 5(陡坡)占比2 5.2 1%,因此对研究区不同土地利用类型下的C N值进行坡度修正是必须的。优化后的C N2值见表6。由表6可知C N值随着坡度的增大而增加,说明随着坡度的增大会导致坡向势能增加1 5,使地表径流水的流速增大,水流入渗时间缩短,入渗量减少,最终使地表径流深随之增加。(2)结合前期影响雨量增加C N分级。由云南省暴雨洪水查算实用手册1 9 9 2年版(正式版)得出研究区的流域蓄水量Wm值为1 0 0mm,流域消退系数K按不同月份来取值,5月至9月的K值分别为0.9,0.9 2,0.9 4,0.9 5,0.9 6,Pa均从降雨前1 5d开始计算,其初始值根据前5d降雨总量来设置,把前5d的降雨总量分为8 0mm3种情341第3期 李金梅等:滇池西岸山地区域S C S-C N模型优化况,Pa的初始值分别设置为0,5 0,1 0 0mm。通过Pa来确定AMC时,Pa值若按表3所示数值划分,则查得的C N值会偏大或偏小,导致模拟的径流深与实测值偏差较大。为了缩小各级别之间的差距,本文采用线性内插来增加C N分级,因PaWm,其取值范围为0,1 0 0,根据多次试验对比发现将Pa分为1 0个级别进行C N取值,径流深模拟值更接近于实测值,据此结合Pa再次修正坡度修正后的C N值,结果见表7。表5 滇池西岸山地区土地利用、土壤、坡度组成T a b l e5 R e g i o n a l l a n du s e,s o i l a n ds l o p ec o m p o s i t i o no fm o u n t a i n o u sa r e ao nw e s t e r nb a n ko fD i a n c h iL a k e坡度/()项 目 耕 地CD林 地CD草 地CD灌木地CD水 域CD建设用地CD02面积/h m25 2.3 85 3 3.6 16.39 3.0 61 1.9 71 4 5.7 13.1 51 6.6 50.8 15 7.3 31 3 3.6 53 2 9.1 3平均坡度/()1.3 11.3 91.3 51.6 11.5 31.8 41.2 51.4 91.8 40.5 21.3 61.4 125面积/h m21 6 7.2 21 6 2 9.7 23 0.8 73 6 5.8 55 0.5 88 1 8.2 88.2 85 3.8 21.6 23 8.8 84 2 5.8 81 1 3 0.7 6平均坡度/()3.3 33.4 23.6 94.0 33.7 63.9 43.5 43.7 73.7 43.3 33.3 53.4 658面积/h m28 6.41 1 2 0.8 64 2.5 76 2 16 2.6 41 2 6 3.0 68.9 15 9.7 61.4 42 1.2 42 0 6.0 17 3 6.8 3平均坡度/()6.3 86.4 46.6 16.9 36.6 96.76.6 26.5 45.7 36.3 16.2 56.3 581 5面积/h m21 1 3.9 41 6 6 0.4 11 1 1.1 52 7 2 5.3 81 5 5.0 72 8 2 8.8 81 9.3 51 0 9.7 11.1 71 5.3 91 6 4.1 67 2 7.2 9平均坡度/()1 0.7 41 0.9 11 1.41 1.8 71 1.2 61 1.2 41 1.0 41 1.21 0.1 31 0.2 71 0.4 91 0.51 52 5面积/h m23 5.2 87 8 9.2 17 5.4 23 9 5 0.4 68 7.0 31 9 7 0.9 19.1 85 9.9 40.0 93.8 73 6.1 81 8 0.3 6平均坡度/()1 7.5 81 8.2 11 8.8 81 9.2 31 8.7 81 8.9 31 7.2 61 8.2 81 6.7 31 6.7 61 7.8 21 7.9 32 53 5面积/h m22.4 39 3.3 32 9.3 41 1 2 6.0 83 1.55 8 7.5 21.1 76.9 300.1 83.0 62 3.0 4平均坡度/()2 7.4 22 7.5 52 9.0 22 8.2 52 8.9 62 8.7 62 6.4 72 8.0 302 4.5 52 6.52 8.4 93 57 8面积/h m20.0 96.1 23.1 51 9 2.1 55.1 32 6 4.9 60.2 70.7 2000.1 86.1 2平均坡度/()3 6.1 33 7.4 63 7.0 34 0.5 93 9.1 94 4.7 43 5.1 44 0.6 4003 7.9 13 8.5 9面积总和/h m262 9 193 7 2.7 882 8 3.2 43 5 7.8 41 4 2.0 241 0 2.6 5表6 滇池西岸山地区域 不同坡度等级下的土地利用类型经坡度优化后的C N2值T a b l e6 C N2v a l u e so f l a n du s e t y p e su n d e rd i f f e r e n t s l o p eg r a d e s i nm o u n t a i n o u sa r e ao nw e s tb a n ko fD i a n c h iL a k e坡度/()耕 地林 地草 地灌木地水 域建设用地028 4.6 37 8.5 47 7.4 18 1.9 59 7.8 28 5.7 5258 4.7 67 8.6 07 7.6 68 2.2 69 8.0 48 5.9 4588 5.0 37 8.8 77 7.9 18 2.4 69 8.2 78 6.3 681 58 5.3 57 9.3 37 8.1 68 2.6 59 8.5 88 6.7 91 52 58 5.9 47 9.9 57 8.7 38 3.2 49 9.1 18 7.4 02 53 58 6.7 38 0.5 87 9.3 98 3.9 19 9.8 08 8.4 43 57 88 7.7 08 1.7 78 1.1 68 4.1 80