论文部分内容阅读
土壤是母质、气候、时间、生物和地形等自然因素综合作用下的产物。它不仅具有自身的发生、发展史,而且是一个在形态、组成、结构和功能上可以剖析的物质实体。土壤对于生态系统服务功能如粮食生产、气候调节起着重要作用。土壤圈是地球表面最重要的圈层系统,它既是岩石、大气、水圈和生物圈相互作用的产物,又维系着全球陆地生物圈的存在。
土壤空间分布信息是流域管理、生态水文模型、陆面过程模型、耦合陆面模型的大气模型的重要输入参数。由于受制图技术和基础数据质量的限制,传统土壤图空间信息的详细度和属性的精确度均不高,特别是传统土壤图是以多边形为基础的矢量格式的,其与现代高分辨率的、栅格格式的景观数据或遥感数据并不匹配。另外,土壤数据的空间分辨率对一些模型(例如水文模型)的模拟效果有一定的影响。因此,应用现代高质量的空间数据和空间分析技术来更新现有的土壤图,弥补传统土壤制图方法的不足就显得十分必要。本文选择生态环境脆弱的青海湖流域为研究区域,以2009年TM遥感影像为研究对象,开展流域土壤分类的遥感影像解译分析与研究。通过典型区域的分析,提取分类特征,在此基础上对整个流域进行分类;而后,对比不同土壤类型的分布特征与地质、地貌和气候环境特点,讨论影响土壤分布的因子。论文获得的主要认识如下:
(1)在青海湖流域内选择一个代表性区域为试验区,以TM影像和地形数据为基础,通过图像处理技术获取分类特征,生成分类特征数据集。而后在GeoEye-1高分辨率影像、实地调查数据及土壤图的辅助下选择训练样本,采用最大似然监督分类方法对试验区进行土壤分类。研究结果表明,基于遥感影像和地形数据提取的分类特征,可有效的区分出试验区内9个土壤亚类和1个非土壤单元,总体分类精度达到了91.76%。
(2)直接将以试验区为例建立的分类体系应用到整个青海湖流域,得到总体分类精度为68.28%,Kappa系数为0.61,整体偏低。鉴于青海湖流域内海拔变化较大,高程差约为2000m,经分析,按照<3500m、3500~3800m、≥3800m的标准,对青海湖流域进行分区。分区后,分别对3个区域进行分类样本采集,采用相同分类方法和验证样本对青海湖流域进行土壤分类和精度验证。结果表明,总体分类精度为84.58%,Kappa系数为0.81。分类精度和Kappa系数都得到了明显的提高。
(3)以青海湖流域分区土壤遥感分类结果图为依据,分析了青海湖流域土壤与海拔、植被类型及覆盖度的关系,结果表明:①随着海拔升高,依次出现栗钙土、黑钙土、高山草甸土、高山草原土、高山寒漠土,而沼泽土则与海拔高度没有显著的关系。②栗钙土的植被类型以温性草原和高寒草原为主,植被覆盖度较高,大于0.3;高山草甸土的植被类型以高山草甸为主,覆盖度基本在0.45以上;高山草原土和高山寒漠土的植被类型主要为高寒稀疏草甸,植被覆盖度均较低,前者以0.1~0.3居多,后者以小于0.1为主。由此也可以看出,在青海湖地区,不同土壤类型与海拔、植被类型和植被覆盖度的关系密切。