發(fā)布時間：2020-10-21 08:29

　　 水是生命之源,是人類和自然生存和發(fā)展的寶貴資源,隨著水資源的不斷消耗,水資源問題已成為全球可持續(xù)發(fā)展的重要科學(xué)問題。地下水定義為位于包氣帶以下的地層空隙中的水,不僅包含巖石裂隙和孔隙之間的水分,還包括溶洞中存在的水分,對環(huán)境的變化具有敏感的反應(yīng),不僅是環(huán)境中重要的能量參數(shù),同時也是保護生態(tài)平衡發(fā)展的重要因子。淺層地下水指的是與地表水、大氣降水等有直接交互的埋藏相對較淺的潛水或弱承壓水,埋藏深度在20m之內(nèi)。對干旱半干旱地區(qū)而言,由于蒸發(fā)作用強烈,降雨稀少且時空分布不均,生態(tài)環(huán)境異常脆弱,綠洲是其精華所在,在干旱區(qū)的生態(tài)調(diào)控作用顯得尤為重要。干旱區(qū)內(nèi)陸河較少,許多內(nèi)陸河下游已無地表水的補給,由此形成了大氣水-植物水-土壤水-地下水的獨特的水文生態(tài)系統(tǒng),其中地下水則成為干旱區(qū)綠洲維持天然植被生長的僅存水源。在蒸發(fā)作用較為強烈時,如若地下水位較高,則會產(chǎn)生蒸發(fā)的無效耗散,從而產(chǎn)生鹽漬化現(xiàn)象,導(dǎo)致植被的鹽脅迫現(xiàn)象;如若地下水位較低,會使植被產(chǎn)生水分脅迫,導(dǎo)致植被的退化抑或死亡,產(chǎn)生地表荒漠化。傳統(tǒng)的地下水位監(jiān)測方法需要耗費較長的時間及更多的精力,要想實現(xiàn)大面積動態(tài)監(jiān)測比較困難。而遙感技術(shù)具有范圍廣、時效性高等監(jiān)測特點,使其成為了一種可以及時有效的進行大面積地下水位監(jiān)測的新方法。遙感技術(shù)宏觀、動態(tài)、綜合和快速監(jiān)測的特點,為快速有效的大面積監(jiān)測地下水位提供了新的探測手段。本研究試圖通過反演多個地表參數(shù),結(jié)合實測地下水?dāng)?shù)據(jù)來共同探索表示出地下水埋深的方法,并對這些方法做比較,找出最適合研究區(qū)地下水埋深反演的普適算法。本研究以研究區(qū)綠洲土壤含水量(SRWC)與地下水埋深數(shù)據(jù)等實測數(shù)據(jù)以及多光譜和高光譜遙感數(shù)據(jù)為基礎(chǔ),并結(jié)合植被和土壤條件,利用高光譜植被指數(shù)和TS-VI特征空間(TS-NDVI與TS-MSAVI特征空間)進行土壤含水量的反演,并以此擬合出地下水埋深分布狀況,發(fā)現(xiàn)利用這2種方法提取地下水埋深可行,本研究得到的主要結(jié)論如下:(1)首先介紹了HOBO U20水位計的使用方法,然后將導(dǎo)出的地下水埋深數(shù)據(jù)與土壤剖面不同深度土層SRWC進行相關(guān)性分析,結(jié)果表明,0-10cm和40-60cm層SRWC與地下水埋深數(shù)據(jù)的相關(guān)性高于其它土層,這也為利用遙感技術(shù)反演SRWC間接得到地下水埋深數(shù)據(jù)提供了支撐。(2)對研究樣區(qū)的高光譜影像進行大氣校正和裁剪等預(yù)處理,選擇與SRWC相關(guān)的26種光譜植被指數(shù)為基礎(chǔ),將野外實測高光譜數(shù)據(jù)與HSI高光譜影像數(shù)據(jù)相融合,綜合灰色關(guān)聯(lián)度分析和多元逐步回歸分析,分別建立基于兩種數(shù)據(jù)的高光譜植被指數(shù)SRWC反演模型,結(jié)果顯示兩種模型對0-10cm層SRWC的反演效果均好于其它土層。為進一步提高模型精度,針對所建立的基于影像高光譜植被指數(shù)SRWC反演模型進行校正,結(jié)果表明,經(jīng)校正后的模型,判定系數(shù)R2由原來的0.589增加到0.711,并通過了0.01水平顯著性檢驗,RMSE僅為0.0014,模型穩(wěn)定性較好。因此,運用該方法進行SRWC反演是有效可行的。同時,以此為基礎(chǔ)對地下水埋深進行反演,結(jié)果表明該方法可行,精度能夠滿足研究需要。(3)對研究樣區(qū)的影像進行預(yù)處理與裁剪,反演得到NDVI與MSAVI數(shù)據(jù),并利用劈窗算法反演得到TS數(shù)據(jù),分別構(gòu)建了TS-NDVI與TS-MSAVI特征空間,然后計算得到TVDINDVI與TVDIMSAVI,分析二者與SRWC的相關(guān)性,結(jié)果表明二者均與40-60cm層SRWC相關(guān)性最高。通過TVDINDVI與TVDIMSAVI擬合了干邊、濕邊方程,反演得到40-60cm層SRWC,并進行精度檢驗。在此基礎(chǔ)之上,進行研究區(qū)地下水埋深反演,結(jié)果表明該方法可行,且精度能夠滿足研究需要。(4)對比分析上述2種方法反演精度,得出精度較高的是利用TVDIMSAVI反演地下水埋深算法。
【學(xué)位單位】：新疆大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2016
【中圖分類】：P641.7
【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 選題背景及意義
    1.2 國內(nèi)外研究進展
        1.2.1 土壤水分分析法
        1.2.2 地表溫度分析法
        1.2.3 植被分析法
        1.2.4 遙感水文地質(zhì)信息分析法
        1.2.5 地下水?dāng)?shù)值模擬模型結(jié)合GIS分析法
        1.2.6 地下水水文循環(huán)分析法
        1.2.7 多地表生物物理參數(shù)結(jié)合分析法
    1.3 研究思路、內(nèi)容、方法和技術(shù)路線圖
        1.3.1 研究思路
        1.3.2 研究內(nèi)容
        1.3.3 研究方法
        1.3.4 技術(shù)路線圖
第二章 研究區(qū)及野外考察概況
    2.1 研究區(qū)概況
        2.1.1 地理、地貌
        2.1.2 氣候、水文
        2.1.3 土壤、植被
        2.1.4 典型樣區(qū)確定
    2.2 野外考察概況
        2.2.1 野外考察計劃
        2.2.2 樣點數(shù)據(jù)采集
        2.2.3 土壤含水量的測定
        2.2.4 植被樣方的測定
第三章 數(shù)據(jù)獲取與預(yù)處理
    3.1 水位計的分類
    3.2 HOBO自動記錄水位計的使用
        3.2.1 水位計的啟動
        3.2.2 水位計的使用
        3.2.3 水位計的讀取
    3.3 衛(wèi)星遙感影像的選取
    3.4 遙感影像預(yù)處理
        3.4.1 輻射校正
        3.4.2 大氣校正
        3.4.3 幾何糾正
        3.4.4 圖像裁剪
第四章 基于高光譜植被指數(shù)的地下水埋深反演
    4.1 SRWC與地下水埋深相關(guān)性分析
    4.2 植被指數(shù)的選取與計算
    4.3 實測高光譜植被指數(shù)的關(guān)聯(lián)度分析及模型構(gòu)建
        4.3.1 關(guān)聯(lián)度分析
        4.3.2 SRWC反演模型的構(gòu)建與檢驗
    4.4 基于HSI影像的關(guān)聯(lián)度分析及反演模型構(gòu)建
        4.4.1 關(guān)聯(lián)度分析
        4.4.2 SRWC反演模型的構(gòu)建與檢驗
    4.5 SRWC反演模型的校正與檢驗
    4.6 SRWC反演
    4.7 地下水埋深反演
第五章 基于植被指數(shù)-地表溫度特征空間的地下水埋深反演
    5.1 NDVI與MSAVI的計算
    5.2 地表溫度的反演
        5.2.1 熱輻射基本規(guī)律
        5.2.2 大氣頂部的熱紅外輻射
        5.2.3 地表溫度的反演步驟
    5.3 TS-VI的構(gòu)建與對比
        5.3.1 TS-VI的特點
        5.3.2 特征空間構(gòu)建
        5.3.3 TVDIVI對比分析
        5.3.4 TVDIVI反演土壤水分
        5.3.5 精度驗證
        5.3.6 地下水埋深反演
第六章 高光譜植被指數(shù)模型與TVDIMSAVI模型反演地下水埋深對比分析
    6.1 精度檢驗
    6.2 對比分析
第七章 總結(jié)與展望
    7.1 總結(jié)
    7.2 特色與創(chuàng)新
    7.3 不足與展望
參考文獻
在讀期間參與導(dǎo)師項目及發(fā)表論文情況
致謝

【相似文獻】

相關(guān)期刊論文 前10條

1 劉麗,劉清,楊鳳;用植被指數(shù)監(jiān)測貴州干旱的方法研究[J];貴州氣象;1998年03期

2 趙紅;山東省春季植被指數(shù)變化的遙感監(jiān)測分析[J];山東氣象;2002年01期

3 陳云浩,李曉兵,史培軍;整合陸地表面溫度與植被指數(shù)信息進行地表覆蓋變化研究[J];第四紀(jì)研究;2003年03期

4 郭鈮;植被指數(shù)及其研究進展[J];干旱氣象;2003年04期

5 李開麗,倪紹祥,扶卿華;垂直植被指數(shù)及其解算方法[J];農(nóng)機化研究;2005年02期

6 羅亞;徐建華;岳文澤;陳雯;;植被指數(shù)在城市綠地信息提取中的比較研究[J];遙感技術(shù)與應(yīng)用;2006年03期

7 甄計國;王義德;趙軍;;興隆山國家級自然保護區(qū)的植被指數(shù)及其變化特征[J];遙感技術(shù)與應(yīng)用;2006年04期

8 陳珂;芮建勛;;上海市城市熱場與植被指數(shù)的相關(guān)性[J];吉首大學(xué)學(xué)報(自然科學(xué)版);2007年02期

9 陳鵬飛;Nicolas Tremblay;王紀(jì)華;Philippe Vigneault;黃文江;李保國;;估測作物冠層生物量的新植被指數(shù)的研究[J];光譜學(xué)與光譜分析;2010年02期

10 何彬方;馮妍;吳文玉;范偉;;安徽省近十年植被指數(shù)時空變化特征[J];生態(tài)學(xué)雜志;2010年10期

相關(guān)博士學(xué)位論文 前4條

1 衛(wèi)煒;MODIS雙星數(shù)據(jù)協(xié)同的耕地物候參數(shù)提取方法研究[D];中國農(nóng)業(yè)科學(xué)院;2015年

2 張立福;通用光譜模式分解算法及植被指數(shù)的建立[D];武漢大學(xué);2005年

3 岳文澤;基于遙感影像的城市景觀格局及其熱環(huán)境效應(yīng)研究[D];華東師范大學(xué);2005年

4 劉占宇;水稻主要病蟲害脅迫遙感監(jiān)測研究[D];浙江大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 劉吉凱;基于HJ衛(wèi)星數(shù)據(jù)的甘蔗長勢監(jiān)測與估產(chǎn)研究[D];南京信息工程大學(xué);2015年

2 鄭亞云;榆林NDVI時空變化及驅(qū)動因子研究[D];長安大學(xué);2015年

3 何春萌;經(jīng)濟利益驅(qū)動下的工礦開發(fā)對人類生存環(huán)境的影響[D];內(nèi)蒙古大學(xué);2015年

4 劉曉靜;基于不同遙感數(shù)據(jù)源的秦嶺地區(qū)植被指數(shù)對比分析[D];長安大學(xué);2015年

5 王鑫梅;氮素水平對不同土壤質(zhì)地楊樹葉片光譜特性和光合能力的影響[D];河北農(nóng)業(yè)大學(xué);2015年

6 官雨薇;基于遙感影像的全球荒漠化指數(shù)構(gòu)建及趨勢分析[D];電子科技大學(xué);2015年

7 胡文;黑龍江省雹災(zāi)遙感監(jiān)測及時空特征分析[D];東北農(nóng)業(yè)大學(xué);2015年

8 吳明業(yè);基于TVDI的土壤干旱遙感監(jiān)測研究及驗證[D];安徽農(nóng)業(yè)大學(xué);2014年

9 馬瑞;增強植被指數(shù)算法的研究及其在生態(tài)環(huán)境遙感產(chǎn)品生產(chǎn)分系統(tǒng)的應(yīng)用[D];河南大學(xué);2015年

10 曾水生;雙季稻生長指標(biāo)光譜監(jiān)測模型研究[D];江西農(nóng)業(yè)大學(xué);2015年

本文編號：2849888