论文部分内容阅读
植被覆盖与管理因子(C因子)的合理估算是应用通用土壤流失方程(Universal Soil Loss Equation,USLE)及修正通用土壤流失方程(Revised Universal Soil Loss Equation,RUSLE)进行区域土壤侵蚀准确预测的重要基础,但当前在应用USLE或RUSLE模型监测森林资源水土流失的研究过程中,通常使用单一的植被覆盖度作为模型的输入参量提取C值,使得评价结果存在误差。鉴于此,以长汀县河田镇为研究区,运用遥感技术实现了叶面积指数和土壤基础呼吸的反演,借助于叶面积指数(Leaf Area Index,LAI)体现林分冠层的垂直结构和土壤基础呼吸值隐含性指示林下植被、枯枝落叶层的空间分布差异性,研究LAI、土壤基础呼吸值与植被覆盖的量化关系,进而表达森林植被覆盖垂直结构减缓降雨侵蚀动能的内在关系,在径流小区实测数据的基础上,改进C因子的估测过程,建立遥感数据与C因子的关系,实现C因子的遥感重构。主要研究结论:(1)研究以线性、对数、二次、乘幂、指数5种模型,利用修正型土壤调整植被指数(Modified Soil Adjusted Vegetation Index,MSAVI)、归一化植被指数(Normalized Difference Vegetation Index,NDVI)、再归一化植被指数(Renormalized Difference Vegetation Index,RDVI)、比值植被指数(Ratio Vegetation Index,RVI)、土壤调整植被指数(Soil Adjusted Vegetation Index,SAVI)5种植被指数,构建了 LAI反演模型,并进行精度验证。结果表明,以NDVI构建的乘幂函数估算模型预测的LAI精度最高,精度为82.99%,对应的均方根误差(Root Mean Square Error,RMSE)为 0.5862。(2)在遥感技术手段的支持下,提取CASA模型中光合有效辐射、温度胁迫影响系数、水分胁迫影响系数、实际光能利用率的专题信息,进而反演出研究区的植被净第一性生产力(Net Primary Productivity,NPP)。结果表明,研究区NPP分布的平均值为18.43gC·m-2/月。(3)采用改善后Van’t Hoff土壤呼吸模型反演了研究区土壤基础呼吸,并利用土壤呼吸实测数据进行精度验证。结果表明,土壤基础呼吸空间分布的平均值为10.17gC·m-2/月;马尾松、杉木、阔叶树的平均相对精度分别为77.90%、82.45%、72.50%;全区域的平均相对精度为77.83%;马尾松、杉木、阔叶树、全区域的均值估测精度均大于89%。(4)分析了土壤基础呼吸与有机碳含量、全氮含量、灌草层盖度、枯枝落叶层厚度、林分郁闭度、叶面积指数的关系,建立了土壤基础呼吸与各因子的统计模型,并探讨了土壤基础呼吸隐含性指示林下植被的适用性情况。结果表明,各因子与土壤基础呼吸均呈极显著正相关(P<0.01);RMSE大小关系为林分郁闭度(2.21)>全氮含量(2.17)>有机碳含量(2.13)>枯枝落叶层厚度(1.96)>叶面积指数(1.69)>灌草层盖度(1.67);平均相对精度大小依次为:叶面积指数(86.41%)>灌草层盖度(84.42%)>枯枝落叶层厚度(84.39%)>有机碳含量(83.87%)=全氮含量(83.87%)>林分郁闭度(83.41%)。说明土壤基础呼吸可以很好地表征林下植被和枯枝落叶层综合情况。(5)利用径流小区在天然降雨下坡面产沙量的观测数据,借助于LAI反映林分冠层垂直结构和土壤基础呼吸体现林下植被、枯枝落叶层综合情况,提出了森林植被结构化因子(Cs),其综合了森林植被不同层次的水土保持综合作用,经过反复分析试验,构建了 C因子与森林植被结构化因子的量化耦合模型:结合土地利用专题图,定性验证了基于森林植被结构化因子的C因子的合理性。通过模型计算的C因子值与径流小区实测的土壤流失量进行比较。结果表明,基于森林植被结构化因子的C因子模型的精度最高(R2=0.547)。