ROCZNIKI GEOMATYKI 2013 m TOM XI m ZESZYT 1(58)

Transkrypt

1 WP YW ALGORYTMU POLSKIE OKREŒLANIA TOWARZYSTWO RÓG SP YWU POWIERZCHNIOWEGO INFORMACJI NA PRZESTRZENNEJ WYNIKI OCENY ZAGRO ENIA... ROCZNIKI GEOMATYKI 2013 m TOM XI m ZESZYT 1(58) 57 WP YW ALGORYTMU OKREŒLANIA RÓG SP YWU POWIERZCHNIOWEGO NA WYNIKI OCENY ZAGRO ENIA GLEB EROZJ WON W SKALI ZLEWNI Z ZASTOSOWANIEM MOELU RUSLE* THE INFLUENCE OF FLOW ROUTING ALGORITHM ON THE RESULTS OF RUSLE-BASE CATCHMENT-WIE EROSION RISK ASSESSMENT Wojciech rzewiecki, Sebastian Ziêtara AGH Akademia Górniczo-Hutnicza w Krakowie, Wydzia³ Geodezji Górniczej i In ynierii Œrodowiska S³owa kluczowe: wodna gleb, RUSLE, modelowanie sp³ywu powierzchniowego, ocena wra liwoœci Keywords: water erosion, RUSLE, flow routing, sensitivity assessment Wprowadzenie la oceny zagro enia gleb erozj¹ wodn¹ zaproponowano wiele zró nicowanych metod od prostych podejœæ wskaÿnikowych po skomplikowane modele fizyczne. o najbardziej znanych i najpowszechniej stosowanych nale ¹ niew¹tpliwie model RUSLE (Revised Universal Soil Loss Equation, Renard i in., 1997) wraz ze swoim poprzednikiem USLE (Universal Soil Loss Equation, Wischmeier i Smith, 1978). Zosta³y one opracowane w celu szacowania strat gleby w skali pojedynczego pola, jednak po pewnych modyfikacjach stosowane s¹ równie w skali zlewni lub regionu (rzewiecki i in., 2013). Model (R)USLE jest empirycznym równaniem matematycznym, w którym œredni roczny ubytek gleby szacowany jest na podstawie równania: EA = R K LS C P (1) gdzie: E A masa gleby erodowanej z jednostki powierzchni w okreœlonym czasie [Mg ha 1 rok 1 ]; R czynnik erozyjnoœci opadu [MJ ha 1 mm h 1 rok 1 ]; K czynnik podatnoœci gleby na erozjê wodn¹ [Mg h MJ 1 mm 1 ]; * Praca zrealizowana w ramach badañ statutowych AGH

2 58 WOJCIECH RZEWIECKI, SEBASTIAN ZIÊTARA LS czynnik topograficzny iloczyn czynników d³ugoœci (L) i nachylenia stoku (S) (bezwymiarowy); C czynnik pokrycia i zarz¹dzania gruntami (bezwymiarowy); P czynnik zabiegów przeciwerozyjnych (bezwymiarowy). Pomimo powszechnoœci stosowania, modele USLE i RUSLE w niewielkim stopniu przebadano w aspekcie ich wra liwoœci i propagacji niepewnoœci (Beven i Brazier, 2011). otyczy to zw³aszcza ich implementacji dla wiêkszych obszarów, realizowanych w œrodowisku systemów informacji geograficznej (GIS). Badania wra liwoœci modelu USLE w skali pola prowadzili np. Risse i in. (1993), wykazuj¹c i najwiêkszy wp³yw na otrzymywane wyniki wywiera³y czynnik topografii (LS) oraz czynnik pokrycia i zarz¹dzania gruntami (C). Tetzlaff i in. (2013) analizuj¹c wp³yw propagacji niepewnoœci danych wejœciowych na wyniki modelowania przeprowadzonego w œrodowisku GIS dla obszaru ca³ej Hesji (Niemcy) stwierdzili, i niepewnoœæ danych wejœciowych wywiera najwiêkszy wp³yw na okreœlenie wartoœci czynnika (LS), a w dalszej kolejnoœci czynnika podatnoœci erozyjnej gleb (K). Równie Biesemans i in. (2000) stwierdzili w swoich badaniach, i na niepewnoœæ koñcowego rezultatu modelowania przy u yciu modelu RUSLE w sposób decyduj¹cy wp³ywa niepewnoœæ okreœlenia czynnika topograficznego. Nale y podkreœliæ, i w przypadku niektórych zastosowañ, zmiany wartoœci wskaÿników wchodz¹cych w sk³ad modelu, ograniczone nawet do stosunkowo niewielkich fragmentów modelowanego obszaru, mog¹ w znacz¹cy sposób wp³ywaæ na podejmowane w oparciu o wyniki modelowania decyzje (rzewiecki i in., 2013). Niepewnoœæ okreœlenia wartoœci czynnika topograficznego nie jest wy³¹cznie rezultatem propagacji niepewnoœci danych wejœciowych, czyli niepewnoœci okreœlenia wysokoœci na numerycznym modelu terenu (NMT). W przypadku analiz prowadzonych przy u yciu GIS uzyskiwane wartoœci czynnika topograficznego zale eæ mog¹ równie od algorytmu zastosowanego na etapie okreœlania dróg sp³ywu powierzchniowego (Mendicino, 1999; rzewiecki i Mularz, 2001). rzewiecki i Mularz (2008) oraz rzewiecki i in. (2008) stwierdzili, e algorytmy zastosowane na etapie generowania œcie ek sp³ywu oraz sposób obliczania wartoœci czynnika topografii wp³ywaj¹ na mo liwoœæ skalibrowania modelu opartego na równaniu RUSLE w oparciu o obserwowane w ciekach ³adunki zawiesiny. Wp³yw wzorów przyjêtych do obliczania wartoœci czynnika topograficznego by³ w tym przypadku dominuj¹cy, jednak wp³yw algorytmów generowania sp³ywu równie by³ zauwa alny. Celem badañ, prezentowanych w niniejszym artykule, by³o okreœlenie wp³ywu wyboru algorytmu generowania dróg sp³ywu powierzchniowego na wyniki oszacowania zagro enia gleb erozj¹ aktualn¹, przeprowadzonego w skali zlewni przy u yciu modelu RUSLE. Zagadnienie to zosta³o zbadane zarówno w odniesieniu do wielkoœci, jak i rozk³adu przestrzennego szacowanych strat gleby. Metodyka Obszar badañ Badania przeprowadzono na obszarze po³o onych na pó³noc od Krakowa zlewni Pr¹dnika i ³ubni. Obszar ten w czêœci zachodniej stanowi fragment Wy yny Olkuskiej nale ¹cej do Wy yny Krakowsko-Czêstochowskiej, w czêœci wschodniej jest fragmentem Wy yny Miechowskiej, czêœæ po³udniowo-wschodnia natomiast nale y do P³askowy u Proszowickiego

3 WP YW ALGORYTMU OKREŒLANIA RÓG SP YWU POWIERZCHNIOWEGO NA WYNIKI OCENY ZAGRO ENIA obie te jednostki wchodz¹ w sk³ad Wy yny Ma³opolskiej (Kondracki, 1988). Zarówno ze wzglêdu na wystêpuj¹c¹ w tym rejonie wykszta³con¹ na lessach pokrywê glebow¹, jak i ukszta³towanie powierzchni terenu, teren ten uwa any jest za potencjalnie zagro ony wystêpowaniem erozji wodnej gleb. Obszar zlewni Pr¹dnika i ³ubni obejmuje tereny o charakterze wiejskim, podmiejskim i typowo miejskim (rys. 1). W czêœci po³udniowej znajduj¹ siê silnie zurbanizowane tereny miasta Krakowa. W œrodkowej czêœci obszaru badañ znajduje siê miasto Ska³a, najwiêksza poza Krakowem miejscowoœæ na analizowanym terenie. Na pó³noc od Ska³y mamy do czynienia z terenami typowo wiejskimi. Na obszarze pomiêdzy Krakowem a Ska³¹ krajobraz stopniowo ulega³ przekszta³ceniom, nabieraj¹c obecnie charakteru typowo podmiejskiego. ane Modelowanie erozji wodnej gleb w œrodowisku systemów informacji geograficznej wymaga zgromadzenia danych przestrzennych, umo liwiaj¹cych realizacjê wybranego modelu. W prezentowanych badaniach wykorzystano nastêpuj¹ce dane Ÿród³owe: m Mapê czynnika erozyjnoœci opadu (rzewiecki i in., 2013); m Mapê gatunków gleb opracowan¹ na podstawie pozyskanej z IUNG cyfrowej wersji mapy glebowo-rolniczej w skali 1: (Kulas, 2011); m Mapê u ytkowania terenu zlewni rzeki Pr¹dnik i ³ubnia o szczegó³owoœci tematycznej odpowiadaj¹cej czwartemu poziomowi szczegó³owoœci programu CORINE Land Cover, opracowan¹ na drodze fotointerpretacji ortofotomap lotniczych i satelitarnych (rzewiecki, 2010); m Numeryczny model terenu (NMT) opracowany poprzez rasteryzacjê modelu TIN, pochodz¹cego z Pañstwowego Zasobu Geodezyjno-Kartograficznego (rzewiecki i in., 2013). Wykorzystano najlepszy dostêpny dla ca³oœci obszaru badañ model wysokoœciowy (dok³adnoœæ wysokoœciowa w granicach cm). Wszystkie dane przetworzono, przekszta³caj¹c je do postaci map rastrowych o rozdzielczoœci m ( komórek). Sposób obliczania sk³adowych modelu USLE W przeprowadzonych obliczeniach wykorzystano rozk³ad przestrzenny czynnika erozyjnoœci opadu opracowany dla obszaru Ma³opolski w oparciu o dane z lat (rzewiecki i in., 2013). Wartoœci czynnika erozyjnoœci opadu oszacowane zosta³y w tym przypadku dla punktów pomiarowych, na podstawie miesiêcznych sum opadów z lat , wed³ug wzoru zaproponowanego dla warunków polskich przez Licznara (2004). Rozk³ad przestrzenny wartoœci czynnika podatnoœci gleb na erozjê wodn¹ uzyskano przypisuj¹c poszczególnym gatunkom gleb wartoœci czynnika zaproponowane dla gleb polskich, w oparciu o badania przeprowadzone w IUNG w Pu³awach (Wawer i in., 2005; Stuczyñski i in., 2010). W przypadku lessów i rêdzin zastosowano wartoœci zaproponowane przez rzewieckiego i in. (2013). Na potrzeby okreœlenia wartoœci czynnika pokrycia i zarz¹dzania gruntami, wejœciow¹ mapê u ytkowania terenu zreklasyfikowano zgodnie z tabel¹ 1. Wartoœæ czynnika zabiegów przeciwerozyjnych przyjêto jako równ¹ 1, co jest to same z za³o eniem, e zabiegi takie nie s¹ stosowane.

4 60 WOJCIECH RZEWIECKI, SEBASTIAN ZIÊTARA Tabela 1. Wartoœci czynnika pokrycia i zarz¹dzania gruntami (C) przyjête dla poszczególnych klas u ytkowania Wartoœæ C Klasa u ytkowania 0 zabudowa zwarta wielkomiejska, zabudowa zwarta miejska, zabudowa luzna wielorodzinna typu blokowego, zabudowa luzna wielorodzinna typu miejskiego, tereny przemys³owe, tereny urz¹dzeñ przemys³owych i us³ugowych rolnictwa, tereny specjalistycznej infrastruktury technicznej, tereny handlowe, tereny u ytecznoœci publicznej, tereny specjalne (np. wojskowe), miejsca kultu, bazy transportowe, drogi i tereny zwi¹zane z komunikacj¹ drogow¹, koleje i tereny kolejowe, z³o ona sieæ komunikacyjna i tereny towarzysz¹ce, zespo³y gara y, lotniska o sztucz- nej nawierzchni dróg startowych, wyrobiska surowców okruchowych i ilastych, kamienio³omy, wyrobiska rekultywowane i zarastaj¹ce roœ linnoœ ci¹, zwa³owiska przemys³owe odpadów sta- ³ych, zwa³owiska odpadów p³ynnych osadniki, wysypiska komunalne, zwa³owiska i wysy- piska rekultywowane i zarastaj¹ce, zespo³y basenów, uprawy szklarniowe, ods³oniête ska³y, rzeki, kana³y, naturalne zbiorniki wodne jeziora, zbiorniki retencyjne zaporowe, stawy rybne, wyrobiska i zapadliska wype³nione wod¹ 0,001 cmentarze, lasy 0,002 zalesienia i samosiewy, bagna œródl¹dow e 0,005 zabudowa luÿ na jednorodzinna typu miejskiego, parki miejskie i wiejskie, ogrody dydaktyczne, wrzosowiska i zakrzaczenia, szkó³ki leœne, wylesienia i zrêby 0,01 zabudowa jednorodzinna typu wiejskiego, zabudowa letniskowa, tereny sportowe, ³¹ki z udzia - ³em drzew i krzewów, murawy i pastwiska naturalne 0,02 zieleñce, skwery, trawniki, tereny nie u ytkowane gospodarczo, tereny wypoczynkowo-kem- pingowe, ³¹ki bez udzia³u drzew i krzewów 0,05 ogrody dzia³kowe, sady, plantacje krzewów owocowych, od³ogi, tereny rolnicze z przewag¹ ³¹ k i pastwisk, tereny rolnicze z przewag¹ zadrzewieñ i zakrzewieñ, tereny rolnicze z przewag¹ od³ogów, roœlinnoœæ rozproszona na pod³o u piaszczystym, roœlinnoœæ rozproszona na pod³o u skalistym 0,1 z³o one systemy upraw i dzia³ek z dzia³kami ma³ymi, tereny rolnicze ze znacznym udzia³em ³¹k, zadrzewieñ i zakrzewieñ, tereny rolnicze ze znacznym udzia³em od³ogów 0,15 z³o one systemy upraw i dzia³ek z dzia³kami du ymi i œrednim i 0,2 grunty orne 0,5 place budów 1 piaski poza stref¹ brzegow¹ morza Wartoœæ czynnika topograficznego dla poszczególnych komórek rastra obliczono stosuj¹c podejœcie zaproponowane przez esmeta i Goversa (1996b). W metodzie tej d³ugoœæ stoku zastêpowana jest wielkoœci¹ jednostkowej powierzchni zasilania, co pozwala na lepsze modelowanie wp³ywu ukszta³towania terenu na zachowanie siê wody sp³ywaj¹cej po jego powierzchni. Je eli elementy zbocza reprezentowane s¹ poprzez komórki rastra, to jednostkow¹ powierzchniê obszaru zasilania dla danej komórki otrzymamy dziel¹c pole powierzchni jej obszaru zasilania przez odleg³oœæ, jak¹ przep³ywaj¹ca woda przebywa przemieszczaj¹c siê wewn¹trz tej komórki (odleg³oœæ ta jest to sama z rozmiarem komórki tylko je eli sp³yw nastêpuje dok³adnie w kierunku pó³noc-po³udnie lub wschód-zachód).

5 WP YW ALGORYTMU OKREŒLANIA RÓG SP YWU POWIERZCHNIOWEGO NA WYNIKI OCENY ZAGRO ENIA Algorytmy obliczania powierzchni zasilania W ramach przeprowadzonych badañ przetestowano wp³yw siedmiu algorytmów okreœlania dróg sp³ywu powierzchniowego. eterministic 8 (8) (O'Callaghan i Mark, 1984) Jest to jeden z najprostszych algorytmów s³u ¹cych do wyznaczania kierunku sp³ywu wody na numerycznym modelu terenu. Kierunek sp³ywu jest wybierany w wyniku wyliczenia ró nicy wysokoœci miêdzy rozpatrywan¹ komórk¹ oraz tymi, którymi jest otoczona. Sp³yw kieruje siê do komórki, dla której otrzymano najwiêksz¹ wartoœæ gradientu. Zasadnicz¹ wad¹ algorytmu jest jego tendencja do generowania wielu równoleg³ych œcie ek sp³ywu na zboczach o jednostajnym nachyleniu. Random eight-neighbor (Rho8) (Fairfield i Leymarie, 1991) Rho8 stanowi modyfikacjê algorytmu 8 polegaj¹c¹ na wprowadzeniu funkcji stochastycznej na etapie okreœlania gradientu. Rozwi¹zanie to pozwala na przezwyciê enie problemu równoleg³ych œcie ek sp³ywu. Element stochastyczny powoduje jednak, i ka da realizacja algorytmu daje dla tych samych danych wejœciowych nieco odmienny rozk³ad przestrzenny kierunków sp³ywu, co stanowi jego powa n¹ wadê. odatkowo w pewnych obszarach wprowadzaæ on mo e zafa³szowania (Jones, 2002). Podobnie jak w przypadku algorytmu 8 nie ma równie mo liwoœci modelowania dyspersji strumienia sp³ywu. Kinematic Routing Algorithm (KRA) (Lea, 1992) Sp³yw kierowany jest w dó³ stoku, wzd³u œcie ki sk³adaj¹cej siê z prostoliniowych segmentów o kierunku zgodnym z kierunkiem ekspozycji poszczególnych komórek rastra. Ka - da komórka jest reprezentowana jako p³aszczyzna, która zosta³a wpasowana w punkty stanowi¹ce naro niki komórki. Ich wysokoœci s¹ szacowane poprzez interpolacjê wysokoœci œrodków s¹siednich komórek w siatce. Zalet¹ tej procedury jest okreœlanie kierunków sp³ywu jako k¹tów od 0 do 2P. Podobnie jak w przypadku poprzednich algorytmów nie ma jednak mo liwoœci modelowania dyspersji. Poniewa do okreœlenia p³aszczyzny s¹ potrzebne tylko trzy punkty, Tarboton (1997) zauwa a, e za³o enie p³aszczyzny dopasowanej lokalnie do ka dej komórki rastra wymaga przybli enia. Najlepiej dopasowana p³aszczyzna nie mo e na ogó³ przejœæ przez cztery punkty naro nikowe, co prowadzi do nieci¹g³ej reprezentacji powierzchni na krawêdziach komórek. P³aszczyzny dopasowane lokalnie do niektórych kombinacji punktów naro nikowych mog¹ prowadziæ do niespójnoœci lub przeciwnych do intuicyjnych kierunków przep³ywu, które s¹ problemem zarówno tej metody, jak i opisanego w dalszej czêœci algorytmu EMON. eterministic Infinity ( ) (Tarboton, 1997) Sp³yw z jednej komórki dzielony jest na dwie z oœmiu j¹ otaczaj¹cych. Wybór komórek odbywa siê poprzez formowanie oœmiu trójk¹tów, które tworzy siê przez po³¹czenie œrodka rozpatrywanej komórki ze œrodkami komórek j¹ otaczaj¹cych. Po utworzeniu trójk¹tów wybrane zostaj¹ dwie komórki z najwiêkszym gradientem spadku. Sp³yw rozdzielany jest wed³ug wzorów:

6 62 WOJCIECH RZEWIECKI, SEBASTIAN ZIÊTARA (2) 3 3 (3) gdzie: P 1, P 2 udzia³ komórki w podziale sp³ywu; a 1, a 2 k¹t pomiêdzy odcinkiem ³¹cz¹cym œrodki komórek i wyznaczonym kierunkiem sp³ywu. Multiple Flow irection (MF) (Quinn i in., 1991) Algorytmy F8 oraz FRho8 czêsto opisywane s¹ pod wspóln¹ nazw¹ Multiple Flow irection (MF) i s¹ modyfikacjami algorytmów 8 oraz Rho8. W metodzie tej w przeciwieñstwie do poprzednich, woda mo e byæ kierowana do wielu komórek. Czêœæ sp³ywu powierzchniowego przekazywana komórkom znajduj¹cym siê ni ej jest obliczana z wzoru: 3 L L P[ V P[ V L L gdzie: s i wielkoœæ nachylenia pomiêdzy wêz³ami centralnej komórki a s¹siaduj¹cymi komórkami; a sta³a dodatnia (wartoœæ zalecana a=1,1). Wad¹ tego algorytmu jest du e rozproszenie sp³ywu powierzchniowego. Triangular Multiple Flow irection (M ) (Seibert i McGlynn, 2007) Algorytm ten ³¹czy w sobie zalety algorytmów MF i. Podobnie jak w podejœciu Tarbotona (1997), do obliczenia lokalnych kierunków nachylenia oraz gradientów wokó³ badanej komórki, wykorzystuje siê osiem trójk¹tnych powierzchni, tworzonych przez po³¹czenie œrodka rozpatrywanej komórki ze œrodkami dwóch s¹siednich. la ka dej z utworzonych w ten sposób p³aszczyzn oblicza siê kierunek przep³ywu przy najwiêkszym gradiencie. Po okreœleniu kierunków sp³ywu dla badanej komórki, nastêpuje rozdzielenie na nie jej obszaru zasilania. Powierzchnia obszaru zasilania komórki (czyli obszaru, z którego sp³ywa do niej woda po powierzchni terenu) dzielona jest pomiêdzy po³o one ni ej komórki, wed³ug procedury zaproponowanej przez Quinna (1991) (wzór 4). W wielu przypadkach algorytmy M i daj¹ takie same wyniki (na przyk³ad na p³askich lub zbie nych stokach), ale rezultaty ró ni¹ siê, gdy wystêpuje wiêcej ni jeden kierunek najwy szego lokalnego spadku z badanej komórki (na przyk³ad na rozbie nych stokach lub wzd³u grzbietów). EMON (digital elevation model networks) (Costa-Cabral i Burges, 1994) W przypadku tego algorytmu sp³yw jest inicjowany oddzielnie w ka dej komórce rastra, a nastêpnie kierowany jest wzd³u spadku terenu do zag³êbienia terenu lub do krawêdzi NMT. Kierunek sp³ywu okreœlany jest wed³ug koncepcji przedstawionej przez Lea (1992), jednak modelowanie ma charakter dwuwymiarowy. Sp³yw kierowany jest w ca³oœci do pojedynczej po³o onej ni ej komórki tylko wtedy, jeœli okreœlony kierunek sp³ywu jest wielo- (4)

7 WP YW ALGORYTMU OKREŒLANIA RÓG SP YWU POWIERZCHNIOWEGO NA WYNIKI OCENY ZAGRO ENIA krotnoœci¹ 90 stopni. W innym przypadku nastêpuje podzia³ strumienia sp³ywu pomiêdzy dwie komórki oraz okreœlenie proporcji tego podzia³u. W efekcie dzia³ania algorytmu dla ka dej komórki rastra obliczana jest wartoœæ informuj¹ca, jaka czêœæ sp³ywu pochodz¹cego z komórki startowej do niej dociera. Obliczenia takie powtarzane s¹ dla œcie ek sp³ywu inicjowanych po kolei we wszystkich komórkach rastra. Wielkoœæ akumulacji sp³ywu dla pojedynczej komórki jest sum¹ wartoœci wykonanych dla wszystkich realizacji algorytmu. Ze wzglêdu na wyszukane kodowanie algorytm ten jest rzadko realizowany w oprogramowaniu GIS. Przebieg analizy Pierwszym etapem przeprowadzonych badañ by³o wygenerowanie, w oparciu o NMT, map spadków i powierzchni obszarów zasilania, przy u yciu ka dego z wybranych do analizy algorytmów generowania sp³ywu powierzchniowego. Na ich podstawie wygenerowano mapy czynnika topografii (LS). Obliczenia w tym zakresie zrealizowano wykorzystuj¹c oprogramowanie SAGA GIS. Uzyskane mapy zaimportowano do programu Idrisi, gdzie przeprowadzono dalsze analizy. Ka d¹ z map czynnika topograficznego przemno ono przez mapy pozosta³ych czynników modelu RUSLE, uzyskuj¹c oszacowanie wielkoœci strat gleby w wyniku erozji aktualnej. Wynikowe mapy przekszta³cono na mapy klas zagro enia erozyjnego wed³ug kryteriów przyjêtych w pracy rzewieckiego i in. (2013). Wyniki W tabeli 2 przedstawiono wartoœci wspó³czynników korelacji (R 2 ) pomiêdzy wartoœciami czynnika topograficznego (LS) okreœlonymi z wykorzystaniem poszczególnych algorytmów. Analiza uzyskanych wyników pokazuje, i najwiêkszym podobieñstwem cechuj¹ siê mapy czynnika LS utworzone przy u yciu algorytmów, M oraz MF. Znaczne podobieñstwo wartoœci czynnika topografii wykazuj¹ równie mapy powsta³e z wykorzystaniem algorytmów KRA i EMON. Wartoœæ R 2 powy ej 0,9 uzyskano równie dla wyników otrzymanych w oparciu o algorytmy 8 i M. Najni szy poziom korelacji wartoœci czynnika topograficznego otrzymano dla map opracowanych z wykorzystaniem algorytmów 8 i EMON lub KRA oraz Rho8 i EMON lub KRA. Analiza procentowego udzia³u klas zagro enia erozyjnego uzyskanych z wykorzystaniem poszczególnych map czynnika topograficznego (tab. 3) pokazuje, i najwy sze zagro enie Tabela 2. Wartoœci wspó³czynników korelacji (R 2 ) pomiêdzy wartoœciami czynnika topografii wyznaczonymi z wykorzystaniem poszczególnych algorytmów EMO N KRA MF M Rho8 8 0,86 0,77 0,79 0,86 0,91 0,87 0,82 0,85 0,97 0,96 0,83 EMON 0,95 0,81 0,83 0,75 KRA 0,84 0,85 0,77 MF 0,96 0,83 M 0,87

8 64 WOJCIECH RZEWIECKI, SEBASTIAN ZIÊTARA erozyjne na badanym obszarze przewidywane by³o przy wykorzystaniu algorytmów Rho8, EMON oraz 8. W pozosta³ych przypadkach by³o ono wyraÿnie mniejsze. Podkreœliæ nale y, i w ka dym z analizowanych przypadków prognozowany poziom zagro enia erozyjnego uznaæ nale y za niski. Porównuj¹c wp³yw stosowanych algorytmów na wyniki oszacowania erozji aktualnej, poszczególne mapy zagro enia erozyjnego zdecydowano siê poddaæ reklasyfikacji, tak aby dla ka dego wariantu zidentyfikowaæ obszary zagro one w stopniu co najmniej œrednim lub wy szym (rys. 2). Taki poziom zagro enia oznacza, i w terenach tych nast¹piæ mo e trwa³a degradacja profilu glebowego (Józefaciuk i Józefaciuk, 1996). W celu porównania zgodnoœci ocen przeprowadzonych z wykorzystaniem poszczególnych algorytmów, dla uzyskanych map obszarów zagro onych, obliczono wartoœci wspó³czynnika Kappa (Cohen, 1960). Najbardziej podobne do siebie oceny uzyskano stosuj¹c algorytmy:, M oraz MF (wsp. Kappa > 0,8). Najni sza zgodnoœæ wystêpuje dla par: MF EMON, MF Rho8, oraz KRA Rho8 (wsp. Kappa < 0,6). Tabela 3. Zagro enie erozj¹ wodn¹ powierzchniow¹ na terenie zlewni rzek ³ubnia i Pr¹dnik U yty algorytm 8 EMON Rho8 Z agro enie erozyjne [ ha] [%] [ ha] [%] [ ha] [%] [ ha] [%] brak erozji 36141,26 76, ,76 76, ,77 74, ,57 75,12 s³aba 10697,83 22, ,62 22, ,22 24, ,74 23,30 umiarkowana 593,03 1,25 493,07 1,04 626,06 1,32 655,81 1,38 œrednia 67,50 0,14 47,05 0,10 74,32 0,16 76,77 0,16 silna 14,87 0,03 7,83 0,02 19,40 0,04 19,13 0,04 bardzo silna 0,92 0,002 0,09 0,0002 0,65 0,001 1,40 0,003 U yty algorytm KRA MF M Z agro enie erozyjne [ ha] [%] [ ha] [%] [ ha] [%] brak erozji 37084,79 78, ,45 76, ,90 76,87 s³aba 9953,78 20, ,66 22, ,29 21,97 umiarkowana 424,24 0,89 476,28 1,00 496,42 1,04 œrednia 43,43 0,09 40,75 0,09 47,45 0,10 silna 8,82 0,02 6,26 0,01 8,21 0,02 bardzo silna 0,36 0,0008 0,02 0, ,14 0,0003 ok³adniejsza analiza map terenów zagro onych erozj¹ pozwoli³a równie na stwierdzenie, i obszary zagro enia prognozowane z wykorzystaniem algorytmu KRA prawie w ca³oœci (w 98,6 % w zlewni Pr¹dnika i 97,6% w zlewni ³ubni) znalaz³y siê równie w prognozie powsta³ej z u yciem algorytmu EMON. Jednak e w przypadku zastosowania algorytmu EMON powierzchnia terenów zagro onych erozj¹ by³a prawie dwukrotnie wiêksza.

9 WP YW ALGORYTMU OKREŒLANIA RÓG SP YWU POWIERZCHNIOWEGO NA WYNIKI OCENY ZAGRO ENIA yskusja wyników i wnioski W przeprowadzonych badaniach porównano mapy czynnika topograficznego oraz mapy klas zagro enia gleb aktualn¹ erozj¹ wodn¹ wygenerowane z wykorzystaniem siedmiu algorytmów generowania sp³ywu powierzchniowego (8, Rho8, KRA,, MF, M oraz EMON). Celem badañ by³o poszukiwanie odpowiedzi na pytanie czy dobór algorytmu u ytego na etapie okreœlania dróg sp³ywu powierzchniowego wp³ywa na wyniki modelowania zagro enia erozyjnego. Uzyskane wyniki pozwoli³y na stwierdzenie, i wp³yw taki istnieje. Analizuj¹c wartoœci czynnika topograficznego uzyskane w poszczególnych realizacjach stwierdzono ich podobieñstwo dla algorytmów, M oraz MF. Zosta³o ono potwierdzone równie w wynikach oceny zagro enia erozyjnego poprzez bardzo wysokie wartoœci wspó³czynnika Kappa, obliczone dla par map przedstawiaj¹cych tereny o zagro eniu co najmniej œrednim. Wysokie podobieñstwo uzyskanych rezultatów wynika niew¹tpliwie z podobnej zasady dzia³ania tych algorytmów. W wysokim stopniu skorelowane by³y równie wartoœci czynnika topograficznego uzyskane z wykorzystaniem algorytmów EMON i KRA. W tym przypadku wyt³umaczeniem jest zapewne fakt, i w algorytmie EMON do okreœlenia kierunku sp³ywu stosuje siê podejœcie z algorytmu KRA. Jednak w przypadku tego pierwszego, w odró nieniu od KRA i pozosta³ych algorytmów, przebieg drogi sp³ywu modelowany jest w dwóch wymiarach. Szerokoœæ œcie ki sp³ywu pozostaje sta³a na terenach p³askich, zwiêksza siê w obszarach dywergencji i zmniejsza na obszarach konwergencji. W efekcie, w wyniku dzia³ania tego algorytmu uzyskiwano, dla takiego samego jak w przypadku KRA przebiegu œcie ki sp³ywu, wiêksze wartoœci jednostkowej powierzchni zasilania. Znalaz³o to swoje odzwierciedlenie w wynikach oceny zagro enia erozyjnego. Obszary wskazane jako zagro one przy zastosowaniu algorytmu KRA prawie w ca³oœci zosta³y wskazane równie w przypadku zastosowania algorytmu EMON. Jednak w tym drugim wypadku zagro enie prognozowane by³o równie dla dodatkowych fragmentów modelowanych zlewni. Wyniki otrzymane przy u yciu algorytmów 8 i Rho8 odbiega³y od pozosta³ych. Zauwa alne jest to zw³aszcza w przypadku zlewni ³ubni i widoczne w niskich wartoœciach wspó³czynnika Kappa uzyskanych dla map obszarów zagro enia erozyjnego. Prowadzi to do wniosku, i ró nice w dzia³aniu tych algorytmów w stosunku do pozosta³ych, ulegaj¹ wzmocnieniu na obszarach o mniejszym nachyleniu, gdzie w przypadku algorytmów umo liwiaj¹cych rozp³ywanie siê wody strumieñ rzadziej kierowany jest do pojedynczej po³o onej ni ej komórki. Jeœli wyniki przeprowadzonego modelowania rozpatrywaæ z punktu widzenia zagro enia erozyjnego okreœlanego dla ca³oœci zlewni, to obserwowane ró nice nie maj¹ istotnego znaczenia. Znaczenie to roœnie jednak wraz ze zwiêkszaniem skali opracowania. Coraz czêœciej modelowanie erozji przeprowadza siê z rozdzielczoœci¹ przestrzenn¹ kilkunastu (np. rzewiecki i in., 2013) lub nawet kilku (Prasuhn i in., 2013) metrów. Wp³yw doboru algorytmu na wyniki oceny zagro enia erozyjnego bêdzie w takich przypadkach wiêkszy z dwóch powodów. Z jednej strony, jak wynika z badañ Erskine a i in. (2006), roœnie on wraz ze wzrostem rozdzielczoœci. Zdaniem cytowanych autorów wynika to z dwóch przyczyn. Wiêksza rozdzielczoœæ pozwala na dok³adniejsze modelowanie sp³ywu powierzchniowego, stwarzaj¹c zarówno mo liwoœæ okreœlenia wiêkszej liczby œcie ek sp³ywu przed osi¹gniêciem jego koncentracji, jak i zwiêkszaj¹c determinowan¹ przez powierzchnie pojedynczej komórki dok³adnoœæ oszacowania powierzchni zasilania. (Erskin i in., 2006). Jednoczeœnie obszary odniesienia (jednostki przestrzenne), dla których (jako ca³oœci) dokonywane jest oszacowanie

10 66 WOJCIECH RZEWIECKI, SEBASTIAN ZIÊTARA zagro enia erozyjnego zmniejszaj¹ swoj¹ powierzchnie, nawet do pojedynczych pól (Prasuhn i in., 2013). Podsumowuj¹c nale y stwierdziæ, i przeprowadzone badania potwierdzaj¹ wnioski sformu³owane w publikacjach Erskine i in. (2006) oraz Mendicino (1999), którzy uznaj¹ algorytmy umo liwiaj¹ce rozp³yw strumienia wody do wielu komórek za bardziej odpowiednie dla okreœlania powierzchni zasilania. Na niekorzyœæ algorytmów kieruj¹cych sp³yw do pojedynczej komórki przemawia dodatkowo ich wiêksza czu³oœæ na b³êdy mumerycznego modelu terenu (esmet i Govers, 1996a). Bior¹c pod uwagê fakt, i algorytmy umo liwiaj¹ce rozp³yw strumienia sp³ywu do wielu (wiêcej ni dwóch) komórek mog¹ zawodziæ w przypadku znacznej wklês³oœci form terenowych oraz linii drena owych (Quinn i in., 1991; Freeman 1991), za bardzo interesuj¹cy z punktu widzenia modelowania procesów erozji wodnej gleb uznaæ nale y algorytm EMON. Niestety, ze wzglêdu na swoj¹ z³o onoœæ, jest on rzadko implementowany w systemach GIS i stosowany w praktyce modelowania erozji. Literatura Biesemans J., Van Meirvenne M., Gabriels., 2000: Extending the RUSLE with the Monte Carlo error propagation technique to predict long-term average off-site sediment accumulation. Journal of Soil and Water Conservation 55 (1): Beven K.J., Brazier R.E., 2011: ealing with Uncertainty in Erosion Model Predictions. [w:] Morgan R.P.C., Nearing M.A. (red.) Handbook of Erosion Modelling, Wiley-Blackwell: Cohen J., 1960: A coefficient of agreement for nominal scales. Educational and Psychological Measurement 20 (1): Costa-Cabral M., Burges S.J., 1994: igital elevation model networks (EMON): A model of flow over hillslopes for computation of contributing and dispersal areas. Water Resources Research 30: esmet P.J., Govers G., 1996a: Comparison of routing algorithms for digital elevation models and their implications for predicting ephemeral gullies. International Journal of Geographical Information Systems 10: esmet P.J., Govers G., 1996b: A GIS Procedure for Automatically Calculating the USLE LS Factor on Topographically Complex Landscape Units. Journal of Soil and Water Conservation 51: rzewiecki W., 2010: Badanie zmian przestrzennych struktury u ytkowania i funkcji krajobrazu w oparciu o wieloczasowe obrazy teledetekcyjne jako wsparcie dla planowania krajobrazu. Sprawozdanie merytoryczne z projektu badawczego MNiSW nr N /2621. Katedra Geoinformacji, Fotogrametrii i Teledetekcji Œrodowiska, Wydzia³ Geodezji Górniczej i In ynierii Œrodowiska, AGH w Krakowie. Maszynopis. rzewiecki W., Mularz S., 2001: Modelowanie erozji wodnej gleb z wykorzystaniem GIS. [w:] Nowoczesne technologie w geodezji i in ynierii œrodowiska: konferencja naukowa z okazji jubileuszu 50-lecia Wydzia³u Geodezji Górniczej i In ynierii Œrodowiska, AGH, Kraków, rzewiecki W., Mularz S., 2008: Simulation of water soil erosion effects on sediment delivery to obczyce Reservoir. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences XXXVII B8: rzewiecki W., Mularz S., Twardy S., Kopacz M., 2008: Próba kalibracji modelu RUSLE/SR dla oceny ³adunku zawiesiny wprowadzanego do zbiornika obczyckiego ze zlewni bezpoœredniej. Archiwum Fotogrametrii, Kartografii i Teledetekcji 18: rzewiecki W., Wê yk P., Pierzchalski M., Szafrañska B., 2013: Quantitative and Qualitative Assessment of Soil Erosion Risk in Ma³opolska (Poland), Supported by an Object-Based Analysis of High-Resolution Satellite Images. Pure and Applied Geophysics, OI: /s Erskine R.H., Green T.R., Ramirez J.A., Maconald L.H., 2006: Comparison of grid-based algorithms for computing upslope contributing area. Water Resources Research 42, OI: /2005WR

11 WP YW ALGORYTMU OKREŒLANIA RÓG SP YWU POWIERZCHNIOWEGO NA WYNIKI OCENY ZAGRO ENIA Fairfield J., Leymarie P., 1991: rainage networks from grid digital elevation model. Water Resources Research 27(5): Freeman G.T., 1991: Calculating catchment area with divergent flow based on a regular grid. Computers and Geosciences 17: Józefaciuk A., Józefaciuk C., 1996: Mechanizm i wskazówki metodyczne badania procesów erozji. Biblioteka Monitoringu Œrodowiska, PIOŒ, Warszawa. Kondracki J., 1988: Geografia fizyczna Polski. PWN, Warszawa. Kulas G., 2011: Wp³yw zmian pokrycia i u ytkowania terenu w zlewniach Pr¹dnika i ³ubni na zagro enie gleb erozj¹ wodn¹. Praca magisterska. Wydzia³ Geodezji Górniczej i In ynierii Œrodowiska, AGH w Krakowie. Lea N.L., 1992: An aspect driven kinematic routing algorithm. [w:] A.J. Parsons i A.. Abrahams (red.) Overland Flow: Hydraulics and Erosion Mechanics, Chapman and Hall, New York: Licznar P., 2004: Prognozowanie erozyjnoœci deszczy w Polsce na podstawie miesiêcznych sum opadów. Archiwum Ochrony Œrodowiska 30 (4): Mendicino G., 1999: Sensitivity Analysis on GIS Procedures for the Estimate of Soil Erosion Risk. Natural Hazards 20: O'Callaghan J.F., Mark.M., 1984: The extraction of drainage networks from digital elevation data. Computer Vision, Graphics and Image Processing 28: Quinn P.F., Beven K.J., Chevallier P., Planchon O., 1991: The prediction of hillslope flow paths for distributed hydrological modelling using digital terrain model. Hydrological Processes 5: Prasuhn V., Liniger H., Gisler S., Herweg K., Candinas A., Clément J.P., 2013: A highresolution soil erosion risk map of Switzerland as strategic policy support system. Land Use Policy 32: Renard K.G., Foster G.R., Weesies G.A., McCool.K., Yoder.C. 1997: Predicting Soil Erosion by Water: A Guide to Conservation Planning With the Revised Universal Soil Loss Equation (RUSLE). U.S. epartment of Agriculture. Agriculture Handbook No Risse L.M., Nearing M.A., Nicks A.., Laflen J.M., 1993: Error assessment in the Universal Soil Loss Equation. Soil Science Society of America Journal 57: Seibert J., McGlynn B.L., 2007: A new triangular multiple flow direction algorithm for computing upslope areas from gridded digital elevation models. Water Resources Research 43, OI: /2006WR Stuczyñski T., Koza P., opatka A., uer I., Jadczyszyn J., 2010: Raport z analizy wskaÿników produktu, rezultatu i oddzia³ywania okreœlonych dla osi 2 PROW oraz wybranych pytañ oceniaj¹cych zawartych w podrêczniku wspólnych ram monitorowania i oceny. Wytyczne (CMEF) wraz z okreœleniem Ÿróde³ i dostêpnoœci danych. IUNG-PIB, Pu³awy. Tarboton.G., 1997: A new method for the determination of flow directions and upslope areas in grid digital elevation models. Water Resources Research 33 (2): Tetzlaff B., Friedrich K., Vorderbrügge T., Vereecken H., Wendland F., 2013: istributed modelling of mean annual soil erosion and sediment delivery rates to surface waters. Catena 102: Wawer R., Nowocieñ E., Podolski B., 2005: Real and Calculated K USLE Erodibility Factor for Selected Polish Soils. Polish Journal of Environmental Studies 14 (5): Wischmeier W.H., Smith.., 1978: Predicting Rainfall Erosion Losses A Guide to Conservation Planning. USA Handbook 537, Washington,.C. Abstract The objective of the presented research was to evaluate the influence of flow routing algorithm on RUSLE-based soil erosion assessment on catchment scale. Both the amount of soil loss and the pattern of erosion risk classes were compared. Seven flow routing algorithms were tested: 8, Rho8, Kinematic Routing, EMON,, Multiply Flow irection (MF) and Triangular Multiply Flow irection (M ).

12 68 WOJCIECH RZEWIECKI, SEBASTIAN ZIÊTARA Based on the results achieved, we can conclude that the choice of flow routing algorithm influences the soil erosion risk assessment. Particular approaches gave similar results when total area of endangered soils in the catchment was considered. However, the patterns of erosion differ. Multiple-direction algorithms (especially EMON) seem to be better suited for water erosion studies. dr in. Wojciech rzewiecki tel mgr in. Sebastian Ziêtara

13 Rys. 1. Mapa u ytkowania i pokrycia terenu obszaru badañ (Ÿród³o: rzewiecki, 2010)

14 Rys. 2. Tereny zagro one erozj¹ w stopniu co najmniej œrednim (fragment zlewni Pr¹dnika); wartoœæ w legendzie oznacza liczbê realizacji modelu (algorytmów okreœlania sp³ywu powierzchniowego), dla których prognozowano takie zagro enie