论文部分内容阅读
随着遥感技术的广泛应用,土壤侵蚀模型中植被覆盖度定量遥感估算陆续展开。但早期的研究,多注重植被指数与植被覆盖度之间的关系,应用植被指数来提取植被覆盖度进而估算植被管理措施因子C值,不仅损失了植被指数中隐含的植被结构信息,预测精度偏低,而且受植被结构特征等影响,增加了提取植被覆盖度的难度。通过植被结构因子——叶面积指数(LAI)指标来反演植被覆盖管理措施因子的文献,目前尚属少见。论文选取苏南典型丘陵山区作为研究区,观测不同土地利用类型的叶面积指数及年土壤侵蚀模数,以遥感光谱反演模型为基础,应用多尺度(径流小区、小流域)的试验和观测数据,提取植被指数所包含的植被结构信息LAI,构建了研究区LAI与植被覆盖管理措施因子C量化耦合模型,并进行模型精度验证。主要研究结果如下：(1)土壤侵蚀预报模型中植被覆盖管理措施因子(C)的修订植被覆盖管理措施因子是土壤侵蚀模型预测的关键参数之一,论文以植被结构因子——叶面积指数(LAI)取代了长期以来用于水土保持定量评价的植被覆盖因子。其不仅能反映植被群落的覆盖状况和垂直结构,而且还能间接的反映地表凋落物和地下生物量等的多少,有效提高了预报模型的精度。(2)基于遥感技术的植被结构因子(LAI)构建选取了比值植被指数(RVI),归一化植被指数(NDVI),垂直植被指数(PVI),大气阻抗植被指数(ARVI),土壤调节植被指数(SAVI),修正土壤调节植被指数(MSAVI).增强型植被指数(EVI),通过一元回归方程、多元回归方程、一元非线性回归方程模拟,建立了植被指数与LAI回归方程：y=2.1956e-10.7696(x-0.7779)2进行卡方检验,χ0.252(26)=29.339>23,表明通过该模型计算的模拟数据为有效数值,通过该模型反演LAI是可行的。(3)LAI与植被覆盖管理措施因子(C)的量化耦合模型构建叶面积指数高度综合了植被的水平覆盖与垂直结构特性,论文综合分析相关研究成果,经过反复试验,提出了叶面积指数与植被覆盖管理措施因子的量化耦合模型。即：C=1 LAI<0.02 C=0.4138028-0.17888LAI 0.2≤LAI<1.8 C=0 LAI≥1.8(4)耦合模型验证从不同土地利用类型的C值变化及与通用土壤流失方程中的C值(简称经验C值)比较,定性地验证C值的合理性,通过模型计算小流域与径流小区实测土壤流失量比较,定量验证采用LAI反演C值的有效性。基于不同算法模拟土壤侵蚀量的结果表明,利用线性像元分解法计算结果精度最差,RMSE为26.0986,利用植被覆盖度计算C值计算的土壤流失量精度相当,RMSE分别为2.4831和3.0226,但利用LAI反演植被作物管理措施因子C,再利用USEL计算土壤流失量,其精度最高,RSEM为0.0856,进一步验证了通过LAI反演植被管理措施因子C的可靠性与准确性。