论文部分内容阅读
地下水资源量表示地下水饱和含水层逐年更新的动态水量,即降水和地表水入渗对地下水的补给量。对地下水资源量进行评价,有利于为地下水资源保护和合理配置提供依据,有利于为合理高效开发地下水资源提供重要的技术支撑,有利于减少不合理开发利用地下水引起的生态及环境地质问题,还有利于经济社会的可持续发展和生态环境建设。利用遥感数据反演地下水资源量时,由于遥感数据属于大数据,具有不同的时间、空间尺度,而作为真值数据的地下水资源量公报数据获取成本高、周期长,因此数据量十分有限,这导致遥感数据与地下水资源量公报数据之间尺度不匹配。常用的解决数据尺度不匹配问题的方法是降低遥感数据尺度到与公报数据尺度相同的水平。但这又会导致遥感数据利用不够充分,且生成的模型的精度受到限制。基于此,本文提出了一种建立地下水资源量动态评价模型的方法,该方法保持遥感数据尺度不变,能够有效地匹配不同尺度的数据,并采用机器学习方法揭示遥感数据与地下水资源量公报数据之间的关联,从而实现对地下水资源量的动态评价。文中以广东省为例,建立了该地区的地下水资源量动态评价模型,并对该模型进行精度检验,且利用该模型实现了广东省以地下水资源量分级标准为依据的自然分区的划分,以及广东省短时间间隔的地下水资源量的实时变化监测。本文主要取得了如下成果和认识:1、本文提出基于遥感大数据和机器学习方法建立地下水资源量动态评价模型的方法,并利用该方法建立广东省地下水资源量动态评价模型,该模型具有较好的精度。研究中利用多源(MODIS、TRMM、Landsat ETM+/OLI、SRTM等数据)、多时相(2004-2015年)、多尺度的遥感数据及图文资料提取与地下水相关要素(按其随时间变化的频率分为动态要素和静态要素)的栅格数据。随后对地下水资源量公报数据进行栅格化处理,使之与要素数据具有相同的坐标系和空间分辨率,以获取大数据学习样本。然后将学习样本输入神经网络进行多次学习,每次学习完成后剔除部分误差较大的学习样本,最终利用比较符合规律的学习样本建立广东省地下水资源量动态评价模型。文中利用两个级别的行政分区(地级市和区县)的地下水资源量公报数据对模型进行检验,检验结果表明模型具有较好的精度:大行政分区(地级市)的地下水资源量公报数据共252个,其中相对误差小于20%的数据占66.4%,小于30%的数据占79.5%;小行政分区(区县)的地下水资源量公报数据共235个,其中相对误差小于20%的数据占60.9%,小于30%的数据占79.6%。2、本文提出的建模方法通过对地下水资源量公报数据进行栅格化处理,解决了要素栅格数据与地下水资源量公报数据之间尺度不匹配的问题。为了提高模型精度,在每次学习完成后剔除部分误差较大的样本,并经过多次学习,最终利用比较符合规律的学习样本建立地下水资源量动态评价模型。采用常用方法解决数据尺度不匹配的问题需要降低要素数据尺度到与地下水资源量公报数据尺度相同的水平。基于常用方法,学习样本数量有限(仅252个),利用这些样本建立的地下水资源量动态评价模型比利用本研究方法建立的地下水资源量动态评价模型的精度更低。3、利用地下水资源量动态评价模型计算广东省各行政区中各个像元的地下水资源量值,该值可以反映各行政区域内部地下水资源量不均匀分布的特征,弥补了一个地下水资源量公报数据表示一个区域的地下水资源量的整体状况的不足。4、利用地下水资源量动态评价模型计算广东省的地下水资源量,并制定地下水资源量分级标准,成功划定研究区以地下水资源量分级标准为依据的自然分区(文中以2007年和2009年为例)。这种自然分区比行政分区能更好地反映各个要素与地下水资源量的关系,能够更客观地评价地下水资源量,从而为各种科学研究提供更好的支撑。5、利用地下水资源量动态评价模型可以实现短时间间隔的地下水资源量动态变化监测。研究利用地下水资源量动态评价模型计算广东省三个时间段内不同时相(以天为间隔)的地下水资源量,并对各时段内地下水资源量的变化情况进行分析。