绿洲—荒漠交错带浅层地下水埋深遥感提取实验分析

发布时间：2020-10-21 08:29

　　 水是生命之源,是人类和自然生存和发展的宝贵资源,随着水资源的不断消耗,水资源问题已成为全球可持续发展的重要科学问题。地下水定义为位于包气带以下的地层空隙中的水,不仅包含岩石裂隙和孔隙之间的水分,还包括溶洞中存在的水分,对环境的变化具有敏感的反应,不仅是环境中重要的能量参数,同时也是保护生态平衡发展的重要因子。浅层地下水指的是与地表水、大气降水等有直接交互的埋藏相对较浅的潜水或弱承压水,埋藏深度在20m之内。对干旱半干旱地区而言,由于蒸发作用强烈,降雨稀少且时空分布不均,生态环境异常脆弱,绿洲是其精华所在,在干旱区的生态调控作用显得尤为重要。干旱区内陆河较少,许多内陆河下游已无地表水的补给,由此形成了大气水-植物水-土壤水-地下水的独特的水文生态系统,其中地下水则成为干旱区绿洲维持天然植被生长的仅存水源。在蒸发作用较为强烈时,如若地下水位较高,则会产生蒸发的无效耗散,从而产生盐渍化现象,导致植被的盐胁迫现象;如若地下水位较低,会使植被产生水分胁迫,导致植被的退化抑或死亡,产生地表荒漠化。传统的地下水位监测方法需要耗费较长的时间及更多的精力,要想实现大面积动态监测比较困难。而遥感技术具有范围广、时效性高等监测特点,使其成为了一种可以及时有效的进行大面积地下水位监测的新方法。遥感技术宏观、动态、综合和快速监测的特点,为快速有效的大面积监测地下水位提供了新的探测手段。本研究试图通过反演多个地表参数,结合实测地下水数据来共同探索表示出地下水埋深的方法,并对这些方法做比较,找出最适合研究区地下水埋深反演的普适算法。本研究以研究区绿洲土壤含水量(SRWC)与地下水埋深数据等实测数据以及多光谱和高光谱遥感数据为基础,并结合植被和土壤条件,利用高光谱植被指数和TS-VI特征空间(TS-NDVI与TS-MSAVI特征空间)进行土壤含水量的反演,并以此拟合出地下水埋深分布状况,发现利用这2种方法提取地下水埋深可行,本研究得到的主要结论如下:(1)首先介绍了HOBO U20水位计的使用方法,然后将导出的地下水埋深数据与土壤剖面不同深度土层SRWC进行相关性分析,结果表明,0-10cm和40-60cm层SRWC与地下水埋深数据的相关性高于其它土层,这也为利用遥感技术反演SRWC间接得到地下水埋深数据提供了支撑。(2)对研究样区的高光谱影像进行大气校正和裁剪等预处理,选择与SRWC相关的26种光谱植被指数为基础,将野外实测高光谱数据与HSI高光谱影像数据相融合,综合灰色关联度分析和多元逐步回归分析,分别建立基于两种数据的高光谱植被指数SRWC反演模型,结果显示两种模型对0-10cm层SRWC的反演效果均好于其它土层。为进一步提高模型精度,针对所建立的基于影像高光谱植被指数SRWC反演模型进行校正,结果表明,经校正后的模型,判定系数R2由原来的0.589增加到0.711,并通过了0.01水平显著性检验,RMSE仅为0.0014,模型稳定性较好。因此,运用该方法进行SRWC反演是有效可行的。同时,以此为基础对地下水埋深进行反演,结果表明该方法可行,精度能够满足研究需要。(3)对研究样区的影像进行预处理与裁剪,反演得到NDVI与MSAVI数据,并利用劈窗算法反演得到TS数据,分别构建了TS-NDVI与TS-MSAVI特征空间,然后计算得到TVDINDVI与TVDIMSAVI,分析二者与SRWC的相关性,结果表明二者均与40-60cm层SRWC相关性最高。通过TVDINDVI与TVDIMSAVI拟合了干边、湿边方程,反演得到40-60cm层SRWC,并进行精度检验。在此基础之上,进行研究区地下水埋深反演,结果表明该方法可行,且精度能够满足研究需要。(4)对比分析上述2种方法反演精度,得出精度较高的是利用TVDIMSAVI反演地下水埋深算法。
【学位单位】：新疆大学
【学位级别】：硕士
【学位年份】：2016
【中图分类】：P641.7
【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 选题背景及意义
    1.2 国内外研究进展
        1.2.1 土壤水分分析法
        1.2.2 地表温度分析法
        1.2.3 植被分析法
        1.2.4 遥感水文地质信息分析法
        1.2.5 地下水数值模拟模型结合GIS分析法
        1.2.6 地下水水文循环分析法
        1.2.7 多地表生物物理参数结合分析法
    1.3 研究思路、内容、方法和技术路线图
        1.3.1 研究思路
        1.3.2 研究内容
        1.3.3 研究方法
        1.3.4 技术路线图
第二章 研究区及野外考察概况
    2.1 研究区概况
        2.1.1 地理、地貌
        2.1.2 气候、水文
        2.1.3 土壤、植被
        2.1.4 典型样区确定
    2.2 野外考察概况
        2.2.1 野外考察计划
        2.2.2 样点数据采集
        2.2.3 土壤含水量的测定
        2.2.4 植被样方的测定
第三章 数据获取与预处理
    3.1 水位计的分类
    3.2 HOBO自动记录水位计的使用
        3.2.1 水位计的启动
        3.2.2 水位计的使用
        3.2.3 水位计的读取
    3.3 卫星遥感影像的选取
    3.4 遥感影像预处理
        3.4.1 辐射校正
        3.4.2 大气校正
        3.4.3 几何纠正
        3.4.4 图像裁剪
第四章 基于高光谱植被指数的地下水埋深反演
    4.1 SRWC与地下水埋深相关性分析
    4.2 植被指数的选取与计算
    4.3 实测高光谱植被指数的关联度分析及模型构建
        4.3.1 关联度分析
        4.3.2 SRWC反演模型的构建与检验
    4.4 基于HSI影像的关联度分析及反演模型构建
        4.4.1 关联度分析
        4.4.2 SRWC反演模型的构建与检验
    4.5 SRWC反演模型的校正与检验
    4.6 SRWC反演
    4.7 地下水埋深反演
第五章 基于植被指数-地表温度特征空间的地下水埋深反演
    5.1 NDVI与MSAVI的计算
    5.2 地表温度的反演
        5.2.1 热辐射基本规律
        5.2.2 大气顶部的热红外辐射
        5.2.3 地表温度的反演步骤
    5.3 TS-VI的构建与对比
        5.3.1 TS-VI的特点
        5.3.2 特征空间构建
        5.3.3 TVDIVI对比分析
        5.3.4 TVDIVI反演土壤水分
        5.3.5 精度验证
        5.3.6 地下水埋深反演
第六章 高光谱植被指数模型与TVDIMSAVI模型反演地下水埋深对比分析
    6.1 精度检验
    6.2 对比分析
第七章 总结与展望
    7.1 总结
    7.2 特色与创新
    7.3 不足与展望
参考文献
在读期间参与导师项目及发表论文情况
致谢

【相似文献】

相关期刊论文 前10条

1 刘丽,刘清,杨凤;用植被指数监测贵州干旱的方法研究[J];贵州气象;1998年03期

2 赵红;山东省春季植被指数变化的遥感监测分析[J];山东气象;2002年01期

3 陈云浩,李晓兵,史培军;整合陆地表面温度与植被指数信息进行地表覆盖变化研究[J];第四纪研究;2003年03期

4 郭铌;植被指数及其研究进展[J];干旱气象;2003年04期

5 李开丽,倪绍祥,扶卿华;垂直植被指数及其解算方法[J];农机化研究;2005年02期

6 罗亚;徐建华;岳文泽;陈雯;;植被指数在城市绿地信息提取中的比较研究[J];遥感技术与应用;2006年03期

7 甄计国;王义德;赵军;;兴隆山国家级自然保护区的植被指数及其变化特征[J];遥感技术与应用;2006年04期

8 陈珂;芮建勋;;上海市城市热场与植被指数的相关性[J];吉首大学学报(自然科学版);2007年02期

9 陈鹏飞;Nicolas Tremblay;王纪华;Philippe Vigneault;黄文江;李保国;;估测作物冠层生物量的新植被指数的研究[J];光谱学与光谱分析;2010年02期

10 何彬方;冯妍;吴文玉;范伟;;安徽省近十年植被指数时空变化特征[J];生态学杂志;2010年10期

相关博士学位论文 前4条

1 卫炜;MODIS双星数据协同的耕地物候参数提取方法研究[D];中国农业科学院;2015年

2 张立福;通用光谱模式分解算法及植被指数的建立[D];武汉大学;2005年

3 岳文泽;基于遥感影像的城市景观格局及其热环境效应研究[D];华东师范大学;2005年

4 刘占宇;水稻主要病虫害胁迫遥感监测研究[D];浙江大学;2008年

相关硕士学位论文 前10条

1 刘吉凯;基于HJ卫星数据的甘蔗长势监测与估产研究[D];南京信息工程大学;2015年

2 郑亚云;榆林NDVI时空变化及驱动因子研究[D];长安大学;2015年

3 何春萌;经济利益驱动下的工矿开发对人类生存环境的影响[D];内蒙古大学;2015年

4 刘晓静;基于不同遥感数据源的秦岭地区植被指数对比分析[D];长安大学;2015年

5 王鑫梅;氮素水平对不同土壤质地杨树叶片光谱特性和光合能力的影响[D];河北农业大学;2015年

6 官雨薇;基于遥感影像的全球荒漠化指数构建及趋势分析[D];电子科技大学;2015年

7 胡文;黑龙江省雹灾遥感监测及时空特征分析[D];东北农业大学;2015年

8 吴明业;基于TVDI的土壤干旱遥感监测研究及验证[D];安徽农业大学;2014年

9 马瑞;增强植被指数算法的研究及其在生态环境遥感产品生产分系统的应用[D];河南大学;2015年

10 曾水生;双季稻生长指标光谱监测模型研究[D];江西农业大学;2015年

本文编号：2849888