论文部分内容阅读
潮滩受潮汐作用影响,时而出露时而淹没,其特殊的地理位置使得潮滩地形测量十分困难。本文以江苏大丰港南侧潮滩为研究区,首先通过建立潮滩土壤含水量与光谱的关系模型、含水量与地形的关系模型,随后以含水量为中间变量,获得光谱与地形的关系模型。本研究的主要内容包括：1.基于光谱实验,分析土壤含水量与光谱的关系,建立单波段、多元线性回归、波段组合、经验和线性光谱分解模型。精度检验后发现,由2220nm处的土壤光谱反射率R2220因子建立的单波段线性含水量遥感反演模型具有较强的含水量预测能力,利用线性光谱分解模型求出的水分权重(water abundance:Wa)因子建立的含水量遥感反演模型具有最高的拟合度R2、最小的平均绝对误差和平均相对误差,并且能够在一定程度上削弱土壤母质信息,提高含水量的反演精度。2.由单波段线性模型和线性光谱分解模型反演的潮滩含水量由陆向海,土壤含水量逐渐增高,含水量的等值线具有明显的层次并且潮水后退轨迹线比较一致,说明反演结果与实际情况吻合,能够反映出潮滩含水量的空间分布规律。3.通过现场含水量测量和实验室分析证实了潮滩在出露后,含水量随时间推移逐渐降低,从而为潮滩高程的遥感反演奠定了理论基础。4.通过分析遥感反演含水量与Lidar测量高程之间的关系,发现由单波段线性模型反演的含水量与潮滩高程关系最好。进一步分析后发现坡度是影响含水量与高程负相关关系的重要因素。并据此建立了适应两种坡度特征的含水量与高程关系模型,证实了含水量与地形具有负相关关系,从而为潮滩高程的遥感反演奠定了理论基础。5.基于光谱与含水量关系模型、含水量与高程关系模型推导出适应不同坡度特征的光谱与高程关系模型,分别为潮沟区高程反演模型和非潮沟区高程反演模型。6.利用潮沟宽度与边坡距离之比确定缓冲区半径,本研究区中潮沟宽度与边坡之比约为2.5,潮沟的平均宽度约为280m,据此定义的缓冲区半径为700m,利用潮沟的缓冲区将研究区分为潮沟区和非潮沟区,并将两种模型应用适用区域得到潮滩高程。7.通过分析遥感反演的高程精度,发现在非潮沟地区的反演精度较高,平均绝对误差仅为9.6cm,平均相对误差仅为7.8%,潮沟地区的反演精度较低,平均绝对误差为28.8cm,平均相对误差为39.3%,整个研究区高程反演的平均绝对误差为19.2cm,平均相对误差为23.5%,模型的反演精度为76.5%,说明高程反演的整体效果较好。