摘要：[目的]研究角砾和圆砾对陡峭工程边坡入渗、产流、产沙以及水动力学特征,为青藏高原地区工程边坡土壤侵蚀预测模型与水土保持工作提供一定的理论支撑。[方法]基于青藏高原地区派墨农村公路沿线气候特征及其土质路堑边坡形态和物质组成特征,通过室内人工降雨模拟试验,研究了在强降雨(120 mm/h),大坡度(50°),3种砾石含量(30%,40%,50%)条件下圆砾和角砾坡面宏观侵蚀特征和产流产沙规律。[结果]圆砾坡面平均入渗率高于角砾坡面,平均产流率低于角砾坡面,初始产流时间明显晚于角砾坡面;圆砾和角砾坡面水流流态均属于层流,流型均为急流,圆砾坡面的径流剪切力、径流功率、雷诺数略小于角砾坡面,但弗劳德数远大于角砾坡面,流速大于角砾坡面,阻力系数小于角砾坡面,径流挟沙能力更强;圆砾坡面稳定产沙率约为角砾坡面的2倍,总产沙量比角砾坡面高出约20%。[结论]卵砾石表面光滑,与土壤间贴合不够紧密,形状更容易引起局部湍流,在强降雨条件下,陡峻冲洪积路堑边坡坡面易发育以卵砾石为中心,遍布坡面的环形小细沟,细沟发育数量和产沙量都将大于以棱角状碎块石组成的崩坡积路堑边坡。

摘要：土壤分离是土壤侵蚀的重要过程,为坡面径流的搬运过程提供了物质基础,因而对土壤分离速率的准确模拟具有重要的理论和实践意义。采用变坡水槽实验,利用在较大的坡度(8.8%～46.6%)及较大的流量范围(1～5L/s)内测得的黄土高原道路土壤分离速率数据,分别使用BP神经网络模型及回归模型对土壤分离速率进行模拟,并对比上述2种模型的模拟效果。结果表明:BP神经网络模型可以利用实验中较容易测定的坡度、流量等数据对土壤分离速率进行较为准确的模拟(模型效率系数0.952);相对传统回归模型,BP神经网络模型对不同类型道路的土壤分离速率的模拟精度均有所提高;BP神经网络模型可以将道路类型、坡度、流量与土壤分离速率的关系统一为一个模型,可为道路土壤分离的模拟提供新的方法。