灌区作物种植分布与土壤水分遥感监测研究.pdfVIP

摘要 摘要 了解灌区作物种植分布与土壤水分状况有助于灌区了解土壤水分状况，并为输配 水计划提供参考。遥感技术为快速获取大区域尺度下的作物种植分布与土壤水分状况 提供了一个有力工具。以往的研究大多将作物种植分布与土壤水分状况分开研究，较 少将二者进行统筹考虑。利用遥感技术进行土壤水分反演需要对基础遥感数据进行大 量处理，而已有的大多数研究是针对某一的处理过程进行批处理编程，很少能形成系 统化综合处理程序。本文以山西省回龙灌区为研究区，利用 Landsat 8 遥感卫星数据对 灌区范围内主要作物种植分布与土壤水分反演进行研究，并开发了基于 ENVI 5.3 的灌 区土壤水分自动化反演软件，主要研究内容和结论如下： (1)利用 2017—2019 年的 Landsat 8 遥感影像数据，实现对耕地、果园、城镇三种 地物的归一化植被指数(normalized different vegetation index, NDVI)和增强型植被指数 (enhanced vegetation index, EVI) 的时间序列曲线的绘制，并以“耕地—果园—城镇”为 NDVI EVI 分类标准，利用随机森林算法对研究区土地利用方式进行分类。结果表明， 和 均对“耕地—果园—城镇”具有较好的区分性，且 NDVI 分类效果比 EVI 略好，其总体 精度和 Kappa 系数分别为 96.69%和 0.947 。采用冬小麦和夏玉米各自生育期时段内的 遥感影像，对研究区冬小麦—果园、夏玉米—果园进行种植分布划分并将其分类结果 与耕地—果园分类结果进行对比，结果显示对于果园区域划分的一致性分别为 94.66% 和 98.96%，表明采用各生育期影像进行作物种植分布的划分是可行的，可为快速获取 灌区主要作物种植的分布提供帮助。 (2) 2019 3 7 Landsat 8 将 年 月— 月的多点实测土壤水分数据与 遥感影像处理得到 的垂直干旱指数(perpendicular drought index, PDI) 和温度植被干旱指数(temperature vegetation dryness index, TVDI)进行拟合，分析 PDI 和 TVDI 的拟合精度在各时相下的 变化趋势和引起变化的因素。结果表明，植被覆盖程度是引起精度变化的主要原因。以 反映植被覆盖程度指标—NDVI 作为 PDI 和 TVDI 模型适用范围的划分依据，构建了两 种基于 PDI 和 TVDI 的组合模型。通过对组合模型的精度分析，发现组合模型比单一 模型能更好适用于长时间段土壤水分反演。在 30cm 土层深度范围内具有较好的反演效 0-20cm (0-20cm 1.12% 0-30cm 1.41%) 果，且在 效果更好 平均绝对误差不超过 ， 不超过 。 (3)利用 ENVI 5.3 软件提供的二次开发接口，编写了 Landsat 8 卫星遥感影像的预 处理和土壤水分反演的自动化处理程序，形成了具有交互性 GUI 界面的软件，并对该 软件进行应用。结果表明，该流程化软件处理结果与 ENVI 5.3 处理结果一致，说明该 软件能够基本实现土壤水分反演的高效便捷处理。 I 西北农林科技大学硕士学位论文 构建的土壤水分反演组合模型对浅层（30cm 以上的土层）的土壤水分具有较好的 反演效果，而对较深耕层的反演效果有所降低，且由于模型是在研究区域土壤水分数 据的基础上所构建的，可能具有区域局限性，可结合相关的土壤水动力学相关内容与 扩展研究区范围来进行进一步探索。