基于环境卫星数据的彰武地区干旱反演模型研究

发布时间：2020-11-20 09:23

　　 本研究以辽宁省阜新市彰武县为研究区,选取2014年7月至9月环境卫星提供的多时相、多光谱信息的遥感影像为数据源,结合中国气象资源网的气象数据和实地取点采样获得的数据,利用ENVI及ArcGIS平台对遥感数据进行辐射定标、几何校正、大气校正等精处理及地表温度、归一化植被指数等相关参数的反演计算。构建二维空间获取与温度和归一化植被指数相关的温度植被干旱指数、红外波段和近红外波段相关的垂直干旱指数和考虑植被覆盖情况的修正的垂直干旱指数。将以上三个指数与研究区地表下10cm处的土壤含水量进行拟合分析,选取相关性最大的模型作为基础研究模型并对其进行修正,从而得到适用于彰武地区的干旱监测模型,并对模型进行应用,以土壤含水量状况为评价指标,获取2014年彰武地区的干旱等级分布图。本研究的主要结论如下：(1)在计算地表温度过程中选取基于影像的Artis算法反演地表温度,反演温度的变化趋势与实测结果基本相同,其反演值较实测值偏低。研究通过像元二分模型计算植被覆盖度,并以SEBS模型为基础反演蒸散发,降低了反演土壤含水量的计算难度,使得反演模型更加易于使用。(2)将垂直干旱指数、修正的垂直干旱指数和温度植被干旱指数分别与10cm深度的土壤含水量进行拟合。结果表明,这三种指数与10cm深度土壤含水量的判定系数R2分别在0.15、0.3和0.45上下波动,其中温度植被干旱指数与土壤含水量的相关性最高,所以以温度植被干旱指数作为基本模型是可行的。(3)彰武地区的土壤类型较为复杂,选取增强植被指数为因子对温度植被干旱指数进行修正以消除地表土壤情况对研究的影响。研究以2014年7月14日和8月6日的修正的温度植被干旱指数和实测土壤含水量数据为基础,提出适用于彰武地区夏季干旱监测的模型,利用9月18日的数据进行验证,模型的相关系数为-0.770,在0.01水平上的相关性显著,模型的精度可达85%以上(4)根据模型的反演结果获得彰武地区的干旱等级分布图,并对干旱情况进行分析。研究区在2014年7月14日的干旱情况最轻,有35%以上的地区表示出轻旱以上的状态；8月6日的干旱情况最为严重,其中有44%以上的地区处于中旱状态以上；9月18日的干旱情况有所缓解。
【学位单位】：沈阳农业大学
【学位级别】：硕士
【学位年份】：2016
【中图分类】：P426.616;P405
【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究的目的和意义
    1.2 国内外干旱监测研究进展
        1.2.1 国外遥感干旱监测研究进展
        1.2.2 国内遥感干旱监测研究进展
    1.3 研究内容及技术路线
        1.3.1 研究内容
        1.3.2 技术路线
第二章 研究区概况及数据选择与处理
    2.1 研究区概况
        2.1.1 地理位置
        2.1.2 自然环境
    2.2 遥感数据的选取及预处理
        2.2.1 遥感数据源的选取
        2.2.2 遥感数据的预处理
    2.3 非遥感数据
        2.3.1 地面数据采样及处理
        2.3.2 气象数据
    2.4 遥感干旱反演方法的选取
        2.4.1 遥感干旱反演方法
        2.4.2 遥感反演方法的选取
    2.5 本章小结
第三章 相关参数计算
    3.1 亮度温度计算
    3.2 归一化植被指数
    3.3 植被覆盖度
    3.4 地表比辐射率
    3.5 地表温度
    3.6 地表蒸散发
    3.7 本章小结
第四章 土壤含水量反演模型对比分析及模型的构建
    4.1 土壤含水量反演模型对比
        4.1.1 垂直干旱指数法
        4.1.2 修正的垂直干旱指数法
        4.1.3 温度植被干旱指数法
        4.1.4 TVDI干旱情况分析
    4.2 基于增强植被指数的TVDI模型构建及土壤含水量的反演
        4.2.1 模型的构建
        4.2.2 精度验证
        4.2.3 模型的应用
    4.3 研究区干旱情况分析
    4.4 本章小结
第五章 结论与展望
    5.1 结论
    5.2 展望
参考文献
致谢
攻读学位论文期间发表文章

【相似文献】

相关期刊论文 前10条

1 马会尧;;用新体积法测定土壤含水量以控制土壤压实密度[J];黄河建设;1957年04期

2 И.А.丘卜林;崔云鹏;;测定土壤含水量新的容积法[J];黄河建设;1958年08期

3 汪润麈;用綜合消退曲綫預报土壤含水量的方法[J];水文月刊;1960年04期

4 范文义;李明泽;应天玉;;荒漠化地区土壤含水量的遥感定量反演[J];应用生态学报;2008年05期

5 孙勇;安菲;程春香;陈志华;;不同类型土壤含水量的时空动态变化对比分析[J];黑龙江气象;2008年03期

6 宋韬;鲍一丹;何勇;;利用光谱数据快速检测土壤含水量的方法研究[J];光谱学与光谱分析;2009年03期

7 雷丽;程星;蔡雄飞;;贵州岩溶山区土壤含水量时空分布与植物生长关系研究[J];贵州科学;2009年02期

8 李琴;陈曦;Frank Veroustraete;包安明;刘铁;王金林;;干旱半干旱区土壤含水量反演与验证[J];水科学进展;2010年02期

9 吴代晖;范闻捷;崔要奎;闫彬彦;徐希孺;;高光谱遥感监测土壤含水量研究进展[J];光谱学与光谱分析;2010年11期

10 王二虎;仝文伟;霍继超;王娟;;暴雨过程对不同深度土壤含水量的影响分析[J];河南科学;2011年01期

相关博士学位论文 前5条

1 刁万英;基于可见-近红外波段反射率估算表层土壤含水量[D];中国农业大学;2016年

2 鲁清林;旱地小麦不同种植模式水热效应及对产量形成的影响[D];甘肃农业大学;2014年

3 王立权;雪被—农田土壤复合系统复杂性分析及水热互作效应研究[D];东北农业大学;2014年

4 陈俊英;污灌土壤斥水性的机理研究[D];西北农林科技大学;2010年

5 周萍;高光谱土壤成分信息的量化反演[D];中国地质大学（北京）;2006年

相关硕士学位论文 前10条

1 孙艳茹;山东烟区绿肥作物冬牧70黑麦生长的适宜水分温度条件研究[D];中国农业科学院;2015年

2 张正;电容法原位估测植物根系生物量应用研究[D];西北农林科技大学;2015年

3 祝倩;晋西北黄土区三种植被类型土壤含水量变化特征研究[D];山西大学;2014年

4 张广波;基于3S技术的苹果园信息提取与管理系统开发[D];山东农业大学;2015年

5 徐志松;温度对韭菜迟眼蕈蚊储存蛋白的影响和土壤含水量对该害虫生存与生殖的影响[D];山东农业大学;2015年

6 柯丽娟;遥感反演土壤含水量在灌溉用水管理中的应用研究[D];兰州交通大学;2015年

7 金梦婷;基于合成孔径雷达卫星数据反演表层土壤含水量的研究[D];杭州师范大学;2016年

8 王健美;基于环境卫星数据的彰武地区干旱反演模型研究[D];沈阳农业大学;2016年

9 胡煜;基于时域反射法土壤含水量测量方法研究[D];西安理工大学;2009年

10 孙俊;基于环境一号卫星的那曲地区青藏铁路沿线区域土壤含水量反演研究[D];南京信息工程大学;2011年

本文编号：2891207