岷江上游茂县植被冠层生态水遥感定量反演

作     者：罗新蕊 luoxinrui

作者单位：成都理工大学 

学位级别：硕士

导师姓名：杨武年

授予年度：2019年

学科分类：0810[工学-信息与通信工程] 07[理学] 08[工学] 081002[工学-信号与信息处理] 0713[理学-生态学] 

主      题：植被冠层生态水 遥感定量反演 Landsat8 OLI影像 多元线性回归 Model Tree 

摘      要：植被生态水(层)是指与陆地表面植物体紧密相联的水体,具体来说为地球表面植被层,包括植被叶面、根系、腐殖层、表层植被根系土壤层及植物体本身所截留或涵养的水量。其存在形式及运动机制有别于其他水资源,生态水储量能用于蒸腾与蒸发、调节补给地表水与地下水,并直接影响各水资源在水文循环过程中的分配及其在储存体中滞留的时间。生态水作为陆地生态系统重要的储水体,常规方法难以对其实现准确量化,阻碍对其时空分布及演变规律的有效探查,不利于了解并把握生态水(层)的特殊性与复杂性。但凭借遥感技术的优势,定量地探索植被生态水(层),不仅丰富水文学和生态环境理论研究,也将有助于为生态环境的改善及水文循环提供科学的理论与技术支持,对全国生态环境研究具有重要科学意义和重大潜在的社会经济效益。岷江上游位于地形复杂的川西高原区,其生态环境敏感脆弱,生态地位特殊,境内森林资源充沛,森林类型众多,生态水(层)分布广泛。一般常用方法,对于森林内部结构复杂多变且地质地貌条件特殊的区域(如本文研究区),存在明显的局限性,难以准确地量化植被冠层生态水储量。鉴于此,本文研究在项目组多年来不断探索生态水量化研究的新思路新方法基础上以及对国内外研究总结,借助3S集成技术,利用Landsat8 OLI遥感影像数据提取了多种植被信息(包括植被指数、植被类型、波段反射率及纹理指数),综合运用多元线性与机器学习(Model Tree)两种方法构建了研究区植被冠层生态水遥感定量反演模型,有效地弥补了仅使用经验模型及单一植被指数带来的局限性。其主要研究成果:(1)Landsat8 OLI遥感图像监督分类的总体精度较好(85.18%),Kappa系数达到分类评价标准的最佳等级(Kappa系数为0.81)。主要植被类型有针叶林、阔叶林、针阔混交林和灌木,分别占研究区总面积42.11%、9.73%、1.89%和18.49%,森林面积约为灌木面积的3倍。(2)构建了研究区植被冠层生态水含量的多元线性模型与Model Tree模型,综合比较模型评价指标及变量类型,结果表明Model Tree模型的预测精度更高。多元线性回归模型(7个变量),其10折交叉验证结果的模型效率(R)与均方根误差(RMSE)分别为0.66(p0.001)和16 Mg ha(1 Mg=10 g)。Model Tree模型(5个变量)的10折交叉验证结果表明,R与RMSE分别为0.65(p0.001)和11 Mg ha。综合判断,Model Tree模型优于多元线性模型。(3)研究区不同植被类型的冠层生态水储量具有较强的空间分布特征。植被冠层生态水总储量与平均储量分别为7.51×10 Mg与27.02 Mg ha,其中以针叶林占研究区冠层生态水总储量最多(69.30%),依次为阔叶林与灌木,混交林的冠层生态水储量最少。植被冠层生态水作为生态水(层)的重要组成分,它决定着生态水(层)定量反演的精确程度。本文综合应用3S技术,获取了多种与植被有关的遥感信息,采用不同的建模算法,较好地实现了植被冠层生态水的遥感定量反演。研究结果将有助于准确地对生态水(层)进行定量分析及揭示其动态反演过程,进一步揭示川西高原陆表植被生态水(层)的基本情况,为生态环境保护及修复提供科学的理论与技术支持。