Assessment of Soil Erosion Dynamics Using the GIS-Based RUSLE Model: A Case Study of Wangjiagou Watershed from the Three Gorges Reservoir Region, Southwestern China
Notice bibliographique
Résumé
The adjacent agricultural watershed is a vital component of the Three Gorges Reservoir Region (TGRR); however, it is affected by serious soil erosion. Assessing soil erosion dynamics in such watersheds is useful for identifying its causes and tendencies to develop, in turn providing scientific information for soil and water conservation at the regional scale. In the present study, the spatial and temporal patterns of soil erosion of a small agricultural watershed in central TGRR were investigated from 2002 to 2014 using the Revised Universal Soil Loss Equation (RUSLE) model, combined with Geographic Information Systems (GIS). The trends and processes of the overall soil erosion intensity were analyzed using spatial overlay analysis and the Markov transition matrix model, respectively. The spatial distribution of soil erosion rates within this watershed was relatively consistent during the study period. Erosion intensity was moderate, with a mean soil loss of 35.1 t·ha−1·year−1. Precipitation was a dominant factor influencing the intensity of soil erosion. Moreover, most erosion intensities shifted closely to middle grades from 2002 to 2008, and declined from 2008 to 2014, indicating that soil erosion in the Wangjiagou watershed has recently decreased. These results suggest that recently implemented integrated soil management practices were responsible for the recently observed erosion patterns.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».