基于TVDI的甘肅黑方臺土壤濕度分布及影響因素分析
發(fā)布時間:2021-04-18 11:45
灌溉是黑方臺滑坡誘發(fā)因素之一,也是淺層黃土濕度主要影響因子,研究該區(qū)土壤濕度動態(tài)變化及灌溉等影響因素具有重要意義。利用歸一化植被指數(shù)(NDVI)和地表溫度(LST)構(gòu)建特征空間,通過溫度植被干旱指數(shù)(TVDI)法反演黑方臺2017年3月—2019年11月20 cm、30 cm土壤深度處土壤濕度分布格局和變化特征,選取自然和人為因素來探討其中關鍵的影響因素。以TVDI為指標分析表明:(1)由于黑方臺規(guī)律的農(nóng)業(yè)灌溉,導致土壤濕度呈現(xiàn)出臺塬內(nèi)高于臺塬外的空間分布格局,月均TVDI值表明,春初和冬季土壤濕度高于其他月份;(2)TVDI變化率分析表明,臺塬西北區(qū)域土壤濕度呈減小的趨勢,除黑臺中部小片區(qū)域土壤濕度變大外,臺塬其余區(qū)域土壤濕度變化不明顯;(3)在土壤濕度影響因子中發(fā)現(xiàn),月均氣溫和月蒸發(fā)量與土壤濕度有較高的負相關關系,因此盡管夏季灌溉量較多,但蒸發(fā)量隨著溫度的上升也在增大,導致夏季土壤濕度相對較小,反之春初和冬季土壤濕度相對較高。蒸發(fā)量作為灌溉量損耗的部分,在研究灌溉量對滑坡影響過程中是不可忽視的因素。
【文章來源】:甘肅科學學報. 2020,32(06)
【文章頁數(shù)】:9 頁
【部分圖文】:
研究區(qū)概況及采樣點分布
其中:LSTmax(干邊)和LSTmin(濕邊)分別表示當NDVI等于某一特定值時,地表溫度的最大值和最小值,即特征空間的干邊和濕邊;a1、b1、a2、b2是干邊、濕邊擬合系數(shù);LSTi表示任一像元地表溫度。(4) 偏差分析
國內(nèi)學者比較了各溫度植被干旱指數(shù)與土壤濕度之間的關系,結(jié)果表明TVDI相對于其他指數(shù)能更有效反映土壤濕度變化[27-28]。為了驗證研究區(qū)TVDI與表層土壤濕度的相關性,選取12個野外采樣點,得到土壤不同深度60個實測土壤濕度數(shù)據(jù),將其分別與樣點處TVDI進行線性回歸(見圖3)。發(fā)現(xiàn)10 cm土壤深度處(見圖3(a)),P=0.002,R2=0.63;20 cm土壤深度處(見圖3(b)),P=0,R2=0.79,相關性最好;30 cm土壤深度處(見圖3(c)),P=0.001,R2=0.68,相關性次之;在40 cm(見圖3(d))、50 cm(見圖3(e))處隨著土壤深度的加深,相關性呈減小趨勢,P值分別為0.007、0.028。結(jié)果表明研究區(qū)TVDI和實測土壤濕度在20 cm、30 cm土壤深度處呈較強的負相關關系,而在40 cm、50 cm處隨土壤深度逐漸加深,TVDI指數(shù)和土壤濕度的相關性減小。2.2 土壤濕度空間分布特征
【參考文獻】:
期刊論文
[1]黑方臺黃土塬水文過程規(guī)律研究[J]. 嚴冬冬. 綠色科技. 2019(22)
[2]基于Landsat8數(shù)據(jù)的地表溫度反演算法對比分析——以北京市為例[J]. 段金饋. 安徽農(nóng)學通報. 2019(17)
[3]黑方臺滑坡群控制因素與外動力條件分析[J]. 朱立峰. 西北地質(zhì). 2019(03)
[4]GPS及InSAR數(shù)據(jù)支持下的甘肅黑方臺滑坡監(jiān)測云平臺設計與分析[J]. 王毅鵬,張永志,趙超英,劉曉杰,張穎云. 測繪通報. 2019(08)
[5]基于TVDI的瑪曲土壤濕度時空變化及其影響因素[J]. 王美林,姜群鷗,邵雅琪,孫駟陽. 中國水土保持科學. 2019(04)
[6]基于MODIS的土壤含水量時空變化及干旱化程度分析[J]. 郭燾,于紅博,馬梓策,曹聰明. 水土保持研究. 2019(04)
[7]基于Landsat 8 TIRS數(shù)據(jù)與TVDI的流域地表土壤干旱分析[J]. 姚月鋒,李莉. 土壤通報. 2019(02)
[8]甘肅黑方臺灌溉與地下水位響應規(guī)律分析[J]. 亓星,許強,趙寬耀,彭大雷. 水利水電技術(shù). 2018(09)
[9]基于CWSI的安徽省干旱時空特征及影響因素分析[J]. 汪左,王芳,張運. 自然資源學報. 2018(05)
[10]基于增強溫度植被指數(shù)的農(nóng)業(yè)旱情遙感監(jiān)測[J]. 王行漢,劉超群,叢沛桐,扶卿華. 干旱區(qū)資源與環(huán)境. 2018(05)
碩士論文
[1]基于Landsat系列遙感影像的區(qū)域土壤水分信息研究[D]. 薛超玉.西北農(nóng)林科技大學 2017
[2]全國土壤濕度及其變化的遙感反演與分析[D]. 冉瓊.中國科學院研究生院(遙感應用研究所) 2005
[3]使用MODIS數(shù)據(jù)反演土壤水分研究[D]. 姚春生.中國科學院研究生院(遙感應用研究所) 2003
本文編號:3145415
【文章來源】:甘肅科學學報. 2020,32(06)
【文章頁數(shù)】:9 頁
【部分圖文】:
研究區(qū)概況及采樣點分布
其中:LSTmax(干邊)和LSTmin(濕邊)分別表示當NDVI等于某一特定值時,地表溫度的最大值和最小值,即特征空間的干邊和濕邊;a1、b1、a2、b2是干邊、濕邊擬合系數(shù);LSTi表示任一像元地表溫度。(4) 偏差分析
國內(nèi)學者比較了各溫度植被干旱指數(shù)與土壤濕度之間的關系,結(jié)果表明TVDI相對于其他指數(shù)能更有效反映土壤濕度變化[27-28]。為了驗證研究區(qū)TVDI與表層土壤濕度的相關性,選取12個野外采樣點,得到土壤不同深度60個實測土壤濕度數(shù)據(jù),將其分別與樣點處TVDI進行線性回歸(見圖3)。發(fā)現(xiàn)10 cm土壤深度處(見圖3(a)),P=0.002,R2=0.63;20 cm土壤深度處(見圖3(b)),P=0,R2=0.79,相關性最好;30 cm土壤深度處(見圖3(c)),P=0.001,R2=0.68,相關性次之;在40 cm(見圖3(d))、50 cm(見圖3(e))處隨著土壤深度的加深,相關性呈減小趨勢,P值分別為0.007、0.028。結(jié)果表明研究區(qū)TVDI和實測土壤濕度在20 cm、30 cm土壤深度處呈較強的負相關關系,而在40 cm、50 cm處隨土壤深度逐漸加深,TVDI指數(shù)和土壤濕度的相關性減小。2.2 土壤濕度空間分布特征
【參考文獻】:
期刊論文
[1]黑方臺黃土塬水文過程規(guī)律研究[J]. 嚴冬冬. 綠色科技. 2019(22)
[2]基于Landsat8數(shù)據(jù)的地表溫度反演算法對比分析——以北京市為例[J]. 段金饋. 安徽農(nóng)學通報. 2019(17)
[3]黑方臺滑坡群控制因素與外動力條件分析[J]. 朱立峰. 西北地質(zhì). 2019(03)
[4]GPS及InSAR數(shù)據(jù)支持下的甘肅黑方臺滑坡監(jiān)測云平臺設計與分析[J]. 王毅鵬,張永志,趙超英,劉曉杰,張穎云. 測繪通報. 2019(08)
[5]基于TVDI的瑪曲土壤濕度時空變化及其影響因素[J]. 王美林,姜群鷗,邵雅琪,孫駟陽. 中國水土保持科學. 2019(04)
[6]基于MODIS的土壤含水量時空變化及干旱化程度分析[J]. 郭燾,于紅博,馬梓策,曹聰明. 水土保持研究. 2019(04)
[7]基于Landsat 8 TIRS數(shù)據(jù)與TVDI的流域地表土壤干旱分析[J]. 姚月鋒,李莉. 土壤通報. 2019(02)
[8]甘肅黑方臺灌溉與地下水位響應規(guī)律分析[J]. 亓星,許強,趙寬耀,彭大雷. 水利水電技術(shù). 2018(09)
[9]基于CWSI的安徽省干旱時空特征及影響因素分析[J]. 汪左,王芳,張運. 自然資源學報. 2018(05)
[10]基于增強溫度植被指數(shù)的農(nóng)業(yè)旱情遙感監(jiān)測[J]. 王行漢,劉超群,叢沛桐,扶卿華. 干旱區(qū)資源與環(huán)境. 2018(05)
碩士論文
[1]基于Landsat系列遙感影像的區(qū)域土壤水分信息研究[D]. 薛超玉.西北農(nóng)林科技大學 2017
[2]全國土壤濕度及其變化的遙感反演與分析[D]. 冉瓊.中國科學院研究生院(遙感應用研究所) 2005
[3]使用MODIS數(shù)據(jù)反演土壤水分研究[D]. 姚春生.中國科學院研究生院(遙感應用研究所) 2003
本文編號:3145415
本文鏈接:http://sikaile.net/kejilunwen/nykj/3145415.html
最近更新
教材專著