论文部分内容阅读
水是生命赖以生存不可或缺的资源,现今水资源的可持续发展问题是全球面临的基础科学问题。地下水分布范围广泛,其可持续利用性强,因此在水资源中占有重要地位,在生态文明建设和可持续发展方面必不可少。浅层地下水作为地下水组分之一,是干旱植被生长环境的限制变量。对于干旱区而言,降水稀少,蒸发强烈,生态环境脆弱,地下水是水源补给的主要方式,故干旱区绿洲生态环境的调控作用显得尤为重要。合理的浅层地下水位能满足干旱区绿洲植被的正常生长需求,这使得浅层地下水、植被与土壤之间的相互作用和植被群落分布特征与浅层地下水的相互响应研究尤为重要。深入研究浅层地下水、植被和土壤的相互作用,对生态系统稳定发展有着重要意义,也决定着干旱区相互对立的绿洲化和荒漠化过程。本研究以新疆渭-库绿洲为研究区,通过微波和光学遥感数据以及土壤水分、地下水埋深数据,结合植被以及土壤条件,定量反演研究区土壤水分以及地下水埋深的信息。（1）通过地表温度-植被指数（Ts-VI）特征空间构建温度植被干旱指数（Temperature Vegetation Drought Index,TVDI）对地下水埋深进行反演。（2）基于支持向量机（Support Vector Machine,SVM）回归算法构建微波和光学遥感协反演同地下水埋深数据,并制作地下水埋深分布图。（3）结果表明两种不同的反演模型均可得到地下水埋深信息,且通过对比,SVM算法反演的地下水埋深结果更优,更能符合研究区的实际情况。本研究的主要内容及结论如下所示:（1）对野外采集的土样进行处理和分析,发现不同深度的土壤土层与地下水埋深之间具有一定的相关性。结果表明与地下水埋深相关性最好的为0-10cm土层的土壤含水量,40-60cm土层的土壤含水量次之,10-20cm和20-40cm的土层相关性较低,这一结论为后期土壤水分的反演以及地下水埋深的反演提供数据支撑。（2）引入地形因子,采用C地形校正模型对地表温度进行校正,将4种植被指数分别和地形校正后的温度数据构建Ts-VI特征空间,得到TVDI数据与地下水埋深数据进行相关性分析。结果得出TVDIMSAVI和TVDIEVI干旱指数能更好的反映研究区地下水位埋深状况,并以此为基础,对地下水埋深进行反演,得到地下水埋深空间分布。（3）建立基于4种植被指数的Ts-VI特征空间构建的TVDI和后向散射系数σ0soil参数作用于SVM回归算法,建立有效的土壤水分反演模型。当只考虑TVDI干旱指数为参数时,通过试验得出TVDIMSAVI精度达到最好,其次为TVDIEVI。当只考虑σ0soil为模型的参数时,建模结果R2为0.64,验证结果R2为0.70。利用σ0soil和TVDI干旱指数共同作为SVM模型的参数时,σ0soil和Ts-MSAVI模型精度最好,R2为0.92。与单独考虑TVDI干旱指数和σ0soil参数相比,σ0soil结合TVDI共同作为参数建立的模型精度有明显的提高,与只考虑TVDI相比,建模集的R2分别提高了0.12、0.12、0.11和0.12;σ0soil和TVDIM SAVI与σ0soil和TVDIE VI的RMSE分别降低了0.50%、0.74%。将精度结果最好土壤水分进行地下水埋深反演,得到研究区的地下水埋深。（4）通过这二者之间的比较得出,SVM回归算法的Ts-MSAVI和微波协同间接反演的地下水埋深精度较高。