论文部分内容阅读
水盐是干旱内陆地区研究的重要内容。在干旱内陆地区时常伴随着旱灾的发生,最直接的表现是土壤水分缺失,土壤水分反演对旱情监测具有重要的意义。地下水作为干旱内陆区水资源的主要来源,由于地下水不合理的开采利用,导致地下水位急剧变化,因而对地下水位合理的界定,对于水资源管理和利用具有重要的作用。其次不合理的灌溉和开垦土地,导致了土壤盐渍化和次生盐渍化的发生,有效的监测土壤盐渍化为改善土壤环境提供科学依据。因此,建立一套客观,动态,实时的土壤水分、地下水埋深和土壤盐渍化监测方法,具有重要的科学意义。本研究以新疆焉耆盆地为研究区,以Landsat-8、Sentinel-1ASAR和MOD16 A2为遥感数据源以及同步实测数据为基础,建立了干旱内陆区土壤水分、地下水埋深和土壤盐渍化遥感定量监测模型。本研究的主要内容包括以下:(1)为了探究光学和微波遥感协同反演土壤水分,本研究利用Sentinel-1A SAR数据结合水云模型(Water Cloud Model,WCM),来消除植被覆盖对微波后向散射系数(σsoil 0)的影响,计算得到σsoil 0。以Landsat-8为光学遥感数据结合干旱指数模型,计算出改进型温度植被干旱指数(Modified Temperature Vegetation Drought Index,MTVDI)。然后,将σsoil 0和MTVDI 值作为模型变量带入支持向量机(Support Vector Machine,SVM)回归算法,并探讨了不同条件下土壤水分监测精度。当以光学遥感数据计算得MTVDI和微波遥感数据计算得σsoil 0共同作为模型变量时,土壤水分监测精度提高显著;其建模集的决定系数R2=0.81,均方根误差(Root Mean Square Error,RMSE)=3.16,验证集的R2=0.89,RMSE=3.15。(2)基于Landsat-8影像作为数据源,利用MTVDI与实测土壤水分建立土壤水分反演模型;然后结合土壤水分和地下水位的实验方程,引入土壤水分反演模型建立了地下水位分布遥感监测评价模型(Model of Groundwater Level Distribution Using Remote Sensing,GLDRS),对研究区地下水埋深进行了反演。利用GLDRS模型对研究区地下水位反演结果符合实际情况,实测地下水位和反演地下水位的R2=0.81,RMSE=1.01。本研究为利用遥感技术监测一定植被覆盖条件下干旱内陆区浅层地下水位提供科学依据。(3)通过BP(Back Propagation)神经网络模型结合与土壤盐渍化相关因子,包括土壤水分(Soil Moisture,SM)、地下水埋深(Groundwater Depth,GD)、盐分指数(Salinity Index,SI)和地表蒸散量(Surface Evapotranspiration,SET),对研究区土壤盐渍化进行了评价。其中SM是由Landsat-8和Sentinel-1A SAR计算得到,GD和SI基于Landsat-8为数据源计算而来,SET来源于MOD16 A2产品数据。结果显示,BP神经网络模型训练数据集的R2和RMSE分别为0.79和1.31;验证数据集的R2和RMSE分别为0.72和2.60。因此,利用该模型可以实现对研究区土壤盐渍化进行一定精度的评价。