含植被覆盖影响的石羊河流域土壤水分遥感估算及空间格局分析

2021-01-16 02:32:52杨志辉朱国锋刘家良郭文镈黄治化王炎强
生态学报 2020年23期
关键词:特征区域模型

杨志辉,赵 军,*,朱国锋,2,刘家良,郭文镈,黄治化,王炎强

1 西北师范大学地理与环境科学学院, 兰州 730070

2 中国科学院西北生态环境资源研究院,冰冻圈科学国家重点实验室, 兰州 730000

土壤水分(SM,soil moisture)是陆气系统中的变量[1- 2],是水文循环和水热平衡的组成部分[3],对地表植被生长也至关重要[4]。此外,SM对地表大气温度的演变[5]、降水的形成[6]和碳循环[7]有重要影响,对干旱事件的形成和发展也有重要的驱动作用[8]。因此土壤水分在气候、水文、生态和农业研究中起着重要的作用。

遥感技术的发展为大范围、及时、准确的SM遥感监测提供了可能[9],成为检测和监测SM的主要手段[10]。早期SM光学遥感估算方法主要有光谱反射率法、短波红外水分胁迫指数、植被状况指数和温度植被干燥指数等[11-13]。这些方法在估算SM时取得了较好的效果,但由于地表条件的差异,应用于不同研究区也存在一定的差异。表观热惯量法适用于裸露土壤,温度/植被指数法适用于植被覆盖度较大区域[14],但由于不同植被覆盖率的影响,降低了SM的估算精度。因此探索遥感估算SM的方法必须通过消除植被覆盖影响来实现。消除混合像素中植被反射率贡献的方法主要有:光谱混合分析法、光学植被覆盖度法和梯形特征空间法[15]。但在实际应用中光谱混合分析和光学植被覆盖度法计算处理复杂,估算条件较难满足。而梯形特征空间散点图是由地表温度/植被指数或反照率/植被覆盖度的散点图形成,对SM较为敏感且不依赖于地面观测数据,并可以与其他模型组合,所以梯形特征空间被广泛应用于估计植被蒸腾作用、土壤蒸发和土壤含水量[16]。……

登录APP查看全文

猜你喜欢
特征区域模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
3D打印中的模型分割与打包
关于四色猜想
分区域
基于严重区域的多PCC点暂降频次估计
电测与仪表(2015年5期)2015-04-09 11:30:52
线性代数的应用特征
河南科技(2014年23期)2014-02-27 14:19:15
区域
民生周刊(2012年10期)2012-10-14 09:06:46