基于植被结构特征的土壤侵蚀遥感定量反演

【摘要】：随着遥感技术的广泛应用,土壤侵蚀模型中植被覆盖度定量遥感估算陆续展开。但早期的研究,多注重植被指数与植被覆盖度之间的关系,应用植被指数来提取植被覆盖度进而估算植被管理措施因子C值,不仅损失了植被指数中隐含的植被结构信息,预测精度偏低,而且受植被结构特征等影响,增加了提取植被覆盖度的难度。通过植被结构因子——叶面积指数(LAI)指标来反演植被覆盖管理措施因子的文献,目前尚属少见。 论文选取苏南典型丘陵山区作为研究区,观测不同土地利用类型的叶面积指数及年土壤侵蚀模数,以遥感光谱反演模型为基础,应用多尺度(径流小区、小流域)的试验和观测数据,提取植被指数所包含的植被结构信息LAI,构建了研究区LAI与植被覆盖管理措施因子C量化耦合模型,并进行模型精度验证。主要研究结果如下： (1)土壤侵蚀预报模型中植被覆盖管理措施因子(C)的修订 植被覆盖管理措施因子是土壤侵蚀模型预测的关键参数之一,论文以植被结构因子——叶面积指数(LAI)取代了长期以来用于水土保持定量评价的植被覆盖因子。其不仅能反映植被群落的覆盖状况和垂直结构,而且还能间接的反映地表凋落物和地下生物量等的多少,有效提高了预报模型的精度。 (2)基于遥感技术的植被结构因子(LAI)构建 选取了比值植被指数(RVI),归一化植被指数(NDVI),垂直植被指数(PVI),大气阻抗植被指数(ARVI),土壤调节植被指数(SAVI),修正土壤调节植被指数(MSAVI).增强型植被指数(EVI),通过一元回归方程、多元回归方程、一元非线性回归方程模拟,建立了植被指数与LAI回归方程：y=2.1956e-10.7696(x-0.7779)2 进行卡方检验,χ0.252(26)=29.33923,表明通过该模型计算的模拟数据为有效数值,通过该模型反演LAI是可行的。 (3)LAI与植被覆盖管理措施因子(C)的量化耦合模型构建 叶面积指数高度综合了植被的水平覆盖与垂直结构特性,论文综合分析相关研究成果,经过反复试验,提出了叶面积指数与植被覆盖管理措施因子的量化耦合模型。即：C=1 LAI0.02 C=0.4138028-0.17888LAI 0.2≤LAI1.8 C=0 LAI≥1.8 (4)耦合模型验证 从不同土地利用类型的C值变化及与通用土壤流失方程中的C值(简称经验C值)比较,定性地验证C值的合理性,通过模型计算小流域与径流小区实测土壤流失量比较,定量验证采用LAI反演C值的有效性。 基于不同算法模拟土壤侵蚀量的结果表明,利用线性像元分解法计算结果精度最差,RMSE为26.0986,利用植被覆盖度计算C值计算的土壤流失量精度相当,RMSE分别为2.4831和3.0226,但利用LAI反演植被作物管理措施因子C,再利用USEL计算土壤流失量,其精度最高,RSEM为0.0856,进一步验证了通过LAI反演植被管理措施因子C的可靠性与准确性。