论文部分内容阅读
本研究以辽宁省阜新市彰武县为研究区,选取2014年7月至9月环境卫星提供的多时相、多光谱信息的遥感影像为数据源,结合中国气象资源网的气象数据和实地取点采样获得的数据,利用ENVI及ArcGIS平台对遥感数据进行辐射定标、几何校正、大气校正等精处理及地表温度、归一化植被指数等相关参数的反演计算。构建二维空间获取与温度和归一化植被指数相关的温度植被干旱指数、红外波段和近红外波段相关的垂直干旱指数和考虑植被覆盖情况的修正的垂直干旱指数。将以上三个指数与研究区地表下10cm处的土壤含水量进行拟合分析,选取相关性最大的模型作为基础研究模型并对其进行修正,从而得到适用于彰武地区的干旱监测模型,并对模型进行应用,以土壤含水量状况为评价指标,获取2014年彰武地区的干旱等级分布图。本研究的主要结论如下：(1)在计算地表温度过程中选取基于影像的Artis算法反演地表温度,反演温度的变化趋势与实测结果基本相同,其反演值较实测值偏低。研究通过像元二分模型计算植被覆盖度,并以SEBS模型为基础反演蒸散发,降低了反演土壤含水量的计算难度,使得反演模型更加易于使用。(2)将垂直干旱指数、修正的垂直干旱指数和温度植被干旱指数分别与10cm深度的土壤含水量进行拟合。结果表明,这三种指数与10cm深度土壤含水量的判定系数R2分别在0.15、0.3和0.45上下波动,其中温度植被干旱指数与土壤含水量的相关性最高,所以以温度植被干旱指数作为基本模型是可行的。(3)彰武地区的土壤类型较为复杂,选取增强植被指数为因子对温度植被干旱指数进行修正以消除地表土壤情况对研究的影响。研究以2014年7月14日和8月6日的修正的温度植被干旱指数和实测土壤含水量数据为基础,提出适用于彰武地区夏季干旱监测的模型,利用9月18日的数据进行验证,模型的相关系数为-0.770,在0.01水平上的相关性显著,模型的精度可达85%以上(4)根据模型的反演结果获得彰武地区的干旱等级分布图,并对干旱情况进行分析。研究区在2014年7月14日的干旱情况最轻,有35%以上的地区表示出轻旱以上的状态；8月6日的干旱情况最为严重,其中有44%以上的地区处于中旱状态以上；9月18日的干旱情况有所缓解。