论文部分内容阅读
土壤侵蚀是我国主要的生态环境问题之一,植被覆盖度是影响土壤侵蚀的关键因子,如何准确获取植被盖度成为土壤侵蚀定量估算的重要问题。本文对影响土壤侵蚀的植被覆盖度的提取技术展开研究,基于遥感数据实现空间上植被覆盖度的提取。有研究发现,植被覆盖度与叶面积指数(Leaf AreaIndex,LAI)有很好的相关性,很多学者通过径流小区实验研究和比较了植被指数与LAI定量表征真实植被覆盖度时的差异。因此,从LAI表征植被覆盖度这一角度出发,探究影响土壤侵蚀时的植被覆盖度的提取技术。基于此,为探究以LAI表征植被覆盖的情况,将研究区定为河北省石家庄市平山县,选取同一时期分辨率为16米的GF1 WFV和分辨率为30米的Landsat 8 OLI的遥感影像,提取NDVI、RVI、SAVI、MSAVI、ARVI和PVI六种常见植被指数,将植被类型划分为农田类、阔叶林及混交林类、针叶林以及灌草类,用提取的植被指数与地面实测LAI进行回归分析,得到最优反演LAI模型,并结合实测数据和影像采样验证模型精度,最后验证反演得到的LAI与无人机拍摄的实际指被盖度的关系。研究结果表明,在建立的248个LAI-VI[模型中,使用GF1 WFV影像时模型的拟合精度较高,在四种植被类型中,建立的多元线性模型精度均高于单变量模型,不同植被类型的单变量最优模型分别为:1)当植被是农田时,NDVI的对数函数模型R2最高为0.5792;2)当植被是阔叶林、混交林时,MSAVI的多项式模型R2最高为0.5747;3)当植被为针叶林时,MSAVI和NDVI的多项式反演模型R2比较高,分别为0.5887和0.5833;4)当植被为灌草时,NDVI的多项式模型R2最高,达到0.6167。5)在四种植被类型中,建立的多元线性模型精度均高于单变量模型,不同植被类型反演LAI最优多元模型验证的R2分别为0.7677、0.8102、0.7344和0.6908。估算平山县4-9月的LAI,利用无人机拍摄照片估算样地覆盖度,与反演得到的LAI建立关系式,相关系数均大于70%,证明此方法切实可行,以此提取植被覆盖度。本研究利用遥感技术取代地面实测,实现快速、大规模提取近地表植被覆盖信息,为植被覆盖的提取技术提供新的方法和思路,并通过实验验证这一方法的可行性,今后应加强对LAI与植被覆盖度的深入研究,为掌握全国范围内的植被盖度变化情况以及土壤侵蚀的空间分布提供技术支撑,为我国的生态环境事业发展奠定良好的应用基础。