论文部分内容阅读
土壤水分在陆地生产、气象变化和水文过程中扮演着重要角色,也是干旱监测和管理的关键。遥感技术为大范围、多时空监测土壤水分提供有力手段,同时还具有快速、及时和便捷等优点。随着遥感技术发展不断发展,国内外学者开始利用遥感技术进行土壤水分估算等相关研究。本文以南京市六合区北部为研究区域,探讨基于Sentinel-2影像的光学梯形模型（Optical Trapezoid Model,OPTRAM）的土壤水分估算研究在南京地区的可行性,并用4个对植被有不同响应的植被指数改进光学梯形模型,对比OPTRAM及其4个改进模型的土壤水分估算效果。得出的主要结论如下:（1）OPTRAM的特征空间符合梯形模型的基本分布,其变化具有季节性特点。短波红外转换反射率—归一化植被指数（STR-NDVI）特征空间散点分布呈梯形,干湿边拟合效果表现良好,STR与NDVI的干边都为明显的负线性相关,湿边为正相关。由于不同季节研究区植被覆盖和气候的不同,对STR-NDVI特征空间干湿边拟合的影响也不同,所以STR-NDVI的拟合效果表现出一定的季节性差异。由于5月份研究区植被不同覆盖度均匀分布,基于5月22日Sentinel-2影像构建的STR-NDVI特征空间最为稳定。（2）OPTRAM在南京市六合区的土壤水分估算研究具有可行性。用实测数据验证OPTRAM的估算精度,并与传统的梯形模型—温度干旱植被指数TVDI进行比较分析,OPTRAM和TVDI与实测土壤水分数据回归分析显示为显著负相关（P<0.01）,TVDI整体拟合效果略好于OPTRAM。将采样点按地物覆盖分为林地、裸地和农用地,结果显示,OPTRAM在不同的土地利用类型中的应用效果均要优于TVDI。其中OPTRAM用于农用地估算效果最佳,用于裸地估算效果最差。因而在南京地区,尤其在农用地应用OPTRAM估算土壤水分是科学合理的。（3）基于4个植被指数的改进的OPTRAM 土壤水分估算精度均提高。利用Sentinel-2A影像计算增强植被指数红边波段1（EVIRE1）、增强植被指数红边波段2（EVIRE2）、垂直植被指数（PVI）和光合植被覆盖度（Fpv）用于提取植被覆盖度信息。分别构建了EVIRE1、EVIRE2、PVI和光合植被覆盖度Fpv与短波红外转换反射率（STR）的特征空间,建立模型估算研究区土壤水分。OPTRAM的STR-NDVI特征空间分布与4个改进的模型的特征空间分布均为明显的梯形形状,干湿边拟合效果显著,均表现干边为负相关,湿边为正相关。仅从STR与植被指数的干湿边线性拟合的拟合优度来看,STR-PVI的拟合效果更好,但是从整体稳定性考虑,五个模型中STR-Fpv更具优势。将利用模型模拟的遥感指数与对应样点实测土壤水分数据进行分析,发现遥感模拟值与土壤水分表现出明显的负线性关系。结果显示,改进的STR-Fpv拟合效果最好,模型最稳定。（4）将研究区干旱程度划分为重旱、干旱、轻旱、正常以及湿润5个等级,统计显示STR-NDVI和STR-Fpv估算的土壤水分分布,都是以干旱和轻旱为主。重旱或干旱状况的土地多为农用地或裸地。林地一般处于正常或湿润的状态。STR-Fpv模型估算更能表现出地物边界。