【摘要】：在陸表生態(tài)系統(tǒng)中,植被占非常重要的地位,植被的生長發(fā)育受陸表水文環(huán)境的制約,植被的生長又對水文環(huán)境起重要的調節(jié)作用,二者相輔相成、相互制約。生態(tài)水(層)是生態(tài)環(huán)境中最重要的儲水體,對降水具有調節(jié)、緩存和分配的作用。生態(tài)水(層)的研究是水資源定量研究的關鍵部分,植被生態(tài)水的儲水較為特殊,難以用常規(guī)的測繪方法進行量化和提取,隨著遙感技術的發(fā)展,遙感信息定量化研究作為強有力的技術支撐,為生態(tài)水的量化研究提供了新的方法和思路。目前國內外的定量遙感研究多為精準農業(yè)、生態(tài)環(huán)境監(jiān)測等方面,生態(tài)水(層)的概念是由本團隊最先提出的,目前對生態(tài)水(層)的研究也僅限于本團隊,經過團隊成員多年不斷的探索和研究,已取得巨大進展。項目組前期對植被生態(tài)水含量部分的研究多為利用植被的實測光譜數(shù)據(jù)進行研究,其光譜采集多以葉片為主,未對植被地上部分整體進行量化。植物主要由干物質(生物量)和水組成,本次研究通過生物量和實測含水率數(shù)據(jù),計算得到樣地地上植被生態(tài)水含量,根據(jù)樣地地上植被生態(tài)水含量與樣地面積,得到單位面積植被生態(tài)水含量,最后根據(jù)單位面積植被生態(tài)水含量與植被指數(shù)之間的關系建立模型,反演植被生態(tài)水含量。植被種類和材質不同,其含水量也不同,在不同的生長季節(jié),植被生態(tài)水含量也存在差異,因此植被生態(tài)水含水量受自身特性、生長周期以及季節(jié)變化的影響,目前還沒有研究對不同月份的植被生態(tài)水進行定量化研究,因此對植被生態(tài)水進行動態(tài)監(jiān)測,研究植被生態(tài)水的時空變化具有重要意義。本次選取2018年4月9日、2018年7月14日、2017年11月16日以及2019年1月22日的遙感影像,對這四個月份的植被生態(tài)水含量進行遙感量化反演。本次論文主要研究內容和主要成果主要有以下幾方面:(1)利用最大似然法對研究區(qū)植被類型信息進行提取根據(jù)地物在遙感影像中的特征以及紋理結構、色調等輔助信息,結合實地調查與驗證結果,對研究區(qū)植被類型信息進行提取。選擇最大似然法、支持向量機法以及神經網(wǎng)絡法三種分類方法進行監(jiān)督分類,其中最大似然法分類的總體精度最高,為90.5401%,Kappa系數(shù)為0.8853,選擇最大似然分類法的分類結果作為研究區(qū)植被類型提取結果。研究區(qū)可分類為闊葉林、針葉林、混交林、灌叢和草甸、水域、裸地以及其它,其它類主要包括居民地和道路。提取結果表明,針葉林在海拔2000-3500 m均有存在,闊葉林主要分布在2000-2500 m,混交林主要分布在2500-2800 m,研究區(qū)3500米以上多為高山草甸,坡陡土瘠,植被發(fā)育不良。(2)建立單位面積植被生態(tài)水含量與植被指數(shù)MSI 7的回歸模型本文是對研究區(qū)地上植被生態(tài)水含量進行定量研究,地上植被生態(tài)水含量通過生物量計算。在團隊前期研究的成果基礎上,利用植被指數(shù)與單位面積植被生態(tài)水含量之間的關系建立遙感反演模型,對比植被生態(tài)水含量與不同植被指數(shù)建立的模型,與MSI 7(Moisture Stress Index)建立的回歸模型反演效果最好,利用該模型成功反演了研究區(qū)植被生態(tài)水含量。(3)不同月份植被生態(tài)水動態(tài)監(jiān)測植被生態(tài)水含量隨季節(jié)和生長狀態(tài)發(fā)生改變,在不同的季節(jié)其含量不同,本文通過四個不同月份的遙感影像反演了不同時間的植被生態(tài)水含量,實現(xiàn)了植被生態(tài)水多時相量化研究,反演結果表明,四個月份植被生態(tài)水含量的排布依次為7月份4月份11月份1月份,其平均生態(tài)水含量分別為315.66 Mg ha~(-1)、173.19 Mg ha~(-1)、157.78 Mg ha~(-1)和144.37 Mg ha~(-1),植被生態(tài)水儲水量分別為15417131.28 Mg,8727004.27 Mg,14048252.19 Mg,12881028.00 Mg。(4)植被生態(tài)水儲水量分類統(tǒng)計根據(jù)研究區(qū)植被類型提取結果和植被生態(tài)水遙感反演結果,按照植被類型對植被生態(tài)水儲水量進行統(tǒng)計,針葉林生態(tài)水儲水量占總生態(tài)水儲水量比例最大,其次為混交林、灌叢和闊葉林,同一植被類型在不同月份的生態(tài)水儲水量不同,占總儲水量的比例也不同。
【學位授予單位】：成都理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP751;Q945
【圖文】：

成都理工大學專業(yè)碩士學位論文云杉、紫果云杉、紅樺等，林下灌木多為紫箭竹；3500 m 以上主要為高山草甸帶以及流石灘植被區(qū)，高山草甸多分布于山頂開闊向陽的地方，由于海拔較高且坡度陡峭，土地貧瘠，因此植被發(fā)育不良；流石灘植被位于 4200 m 以上，即雪線以下季節(jié)性冰雪區(qū)，分布極為稀疏；在研究區(qū)的低海拔谷底、漫水灘上分布著以南坪青楊和柳類為主的水生灌叢，淺水湖區(qū)為蘆葦類與挺水植物；大熊貓的主食為竹子類，九寨溝作為大熊貓的棲息地之一，在 2800 m 分布有大片的箭竹，研究區(qū)具體位置如圖 2-1 所示：

（3）基于大氣同步校正儀的大氣校正對于需要精準大氣校正的，可以通過搭載的同步專用大氣探測儀器獲取大氣測量數(shù)據(jù)，通過輻射傳輸計算，可得到較為精確的地表反射率。對于目前的遙感技術發(fā)展和需求，該方法已逐漸成為大氣校正的一個重要發(fā)展方向。（4）基于輻射傳輸計算的大氣校正該方法是基于電磁波的物理模型法，常用大氣輻射傳輸計算模型主要有 6S、LOWTRAN、MODTRAN、ATCOR 等。這類大氣校正方法已有相關軟件公司提供了相應的輻射傳輸大氣校正工具，輸入相關參數(shù)并運行即可進行大氣校正。本次研究采用的 ENVI 軟件中包裝好的 FLAASH 大氣校正模塊進行校正，F(xiàn)LAASH大氣校正模塊就是基于 MODTRAN 輻射傳輸模型的大氣校正工具，相關參數(shù)在原始影像的頭文件中獲取。該模塊的特點是可以支持多種傳感器，能夠有效消除氣溶膠以及水蒸氣的吸收和散射作用，且對同步測量的大氣參數(shù)數(shù)據(jù)依賴性較小。大氣校正前后對應的反射率如圖 2-2 所示。

【相似文獻】

相關期刊論文 前10條

1 閆遂軍;;山東省植被NDVI時空變化及其區(qū)域差異[J];城市地理;2017年06期

2 祁敏,王勇,尹喜霖,郭有民;黑龍江省植被生態(tài)環(huán)境問題及對策[J];防護林科技;2005年01期

3 張寧,李恒,費勇,王立松;九寨溝的湖泊植被[J];山地研究;1988年04期

4 任正昌;高放生;;1987年降水對和田地區(qū)環(huán)境條件的影響[J];新疆氣象;1988年06期

5 王家驥;應用衛(wèi)星遙感技術調查和評價潮白河密云水庫流域的植被[J];農村生態(tài)環(huán)境;1989年01期

6 張文輝;劉國彬;;黃土高原地區(qū)植被生態(tài)修復策略與對策[J];中國水土保持科學;2009年03期

7 丁照東;滕駿華;孫美仙;劉建偉;郜志超;;基于遙感的海島植被生態(tài)宏觀評價方法初探[J];海洋學研究;2011年01期

8 陳詠梅;;武夷山自然保護區(qū)植被生態(tài)環(huán)境與旅游開發(fā)[J];亞熱帶水土保持;2005年04期

9 袁琳;;廣西植被生態(tài)質量再創(chuàng)新高[J];廣西林業(yè);2019年04期

10 舒喬生;謝立亞;侯新;;水庫消落帶植被生態(tài)重建研究進展[J];綠色科技;2014年10期

相關會議論文 前10條

1 蘇智先;胥曉;;植被生態(tài)圖的初步研究[A];植被生態(tài)學學術研討會暨侯學煜院士逝世10周年紀念會論文集[C];2001年

2 劉

本文編號：2738384