论文部分内容阅读
土壤水分不仅是植被和作物直接的供水资源,决定土地生产力,而且处在地表与大气之间相互作用的界面上,控制和调节着大气与地面之间的相互作用,集成了很多地表水文特征的环境指标,反映了在气候、气象(降水量和潜在蒸散量)和水文等共同作用下的当前地表状况,对气候、气象、水文等都具有重要的意义和很高的应用价值。土壤含水量也是监测土壤退化的一个重要指标,土壤湿润的地区相对于干燥土壤的地区,可减弱风蚀的影响,减少土地沙化现象;地表水分的蒸发和降雨与土地盐碱化密切相关;流失中水更是土地退化的主要动力因素。因此如何准确、快速地获取大区域地表土壤水分便成为值得研究的重要内容。本研究利用光谱仪等仪器,完成对那曲地区青藏铁路沿线进行野外光谱测量和土壤含水量测定等工作。针对那曲地区青藏公路和青藏铁路沿线的高山嵩草、薹草、藏北嵩草、小叶金露梅、点地梅等野外植被土壤混合光谱反射率曲线,分析土壤水分与混合光谱曲线的相关关系,应用逐步回归分析、植被指数、混合像元分解法等方法,并通过土壤水分特征参数建立土壤水分反演方程。尝试将拟合方程应用到环境小卫星数据反演地表含水量中,研究这三个方法获取的土壤反射率曲线对土壤水分监测结果差异,并通过比较,选择最佳方法反演研究区域实际土壤水分,为青藏高原生态退化研究提供定量依据。结论如下:(1)当土壤含水量低于21.6%时,光谱反射率随着土壤含水量增加而上升;当土壤含水量高于21.6%,光谱反射率随着土壤含水量的增加而下降。(2)从建立模型的入选波段范围来看,0.63μm -0.69μm、0.76μm -0.90μm、1.55μm-1.75μm范围内,光谱反射率与土壤含水量有较强的相关性,即环境卫星CCD(Charge Coupled Device,CCD)数据第三波段、第四波段、IRS(Infrared Scanner)数据的第二波段与土壤含水量有较强的相关性。(3)通过对比分析,最佳模型是基于波段反射率建立的模型,即:Y=-0.311X1+0.594X2-0.473X3+0.138其中Y为土壤含水量,X1为环境卫星CCD数据第三波段的反射率值,X2为环境卫星CCD数据第四波段波段反射率值,X3为环境卫星IRS数据第二波段反射率值。经过检验,模型的决定系数R2=0.702,效果显著,土壤含水量预测值与真值的平均误差为0.029。