CN102819047B - 获得地下水与天然植被系统的关系的方法及系统 - Google Patents
获得地下水与天然植被系统的关系的方法及系统 Download PDFInfo
- Publication number
- CN102819047B CN102819047B CN201210274029.XA CN201210274029A CN102819047B CN 102819047 B CN102819047 B CN 102819047B CN 201210274029 A CN201210274029 A CN 201210274029A CN 102819047 B CN102819047 B CN 102819047B
- Authority
- CN
- China
- Prior art keywords
- data
- vegetation
- underground water
- groundwater
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种获得地下水与天然植被系统的关系的方法及系统,其中,方法包括以下步骤:确定研究区的包气带岩性结构边界,研究区为干旱或者半干旱地区;获取研究区的遥感数据;获取研究区野外测量的植被覆盖度数据,以及地下水潜水埋深和水化学特征数据;利用“像元二分模型”反演研究区遥感数据,获取像元尺度下的植被覆盖度图像;生成像元尺度下的地下水潜水埋深和水化学特征图像;生成像元尺度下的植被覆盖度与地下水潜水埋深和水化学浓度关系的二维散点图;获得天然植被生长随地下水潜水埋深和水化学浓度变化的关系。本发明所研究的地下水—天然植被系统中研究对象的空间尺度相匹配;可有效、深入地揭示地下水—天然植被系统之间的关系。
Description
技术领域
本发明涉及地球科学技术领域,尤其涉及一种获得干旱、半干旱区地下水与天然植被系统的关系的方法及系统。
背景技术
近些年来,在全球极端气候增多的背景下,干旱和半干旱地区依赖地下水的生态环境问题日趋严重,突出表现为植被退化、湿地萎缩、沙漠化范围扩大及程度加剧等,其核心问题则是地下水潜水埋深和水化学特征对天然植被生长的控制作用,即地下水水位和水质的变化影响了天然植被的生长和发育。
长期以来,研究干旱和半干旱地区的地下水—植被系统的关系问题,均是直接将研究区植被参数与地下水潜水埋深或者矿化度参数直接建立相关关系,研究成果均认为植被覆盖度与潜水埋深或者矿化度呈定量的数学关系模型,如植被覆盖度与潜水埋深之间呈对数函数关系模型。研究过程中,植被参数和地下水参数主要来自于两个方面,一是野外实地调查植被物种、植被覆盖度、地下水潜水埋深,并野外实地采集地下水数据在实验室测量矿化度,二是利用遥感数据定量反演植被覆盖度等。
总体上看,已经公开发表技术方法存在如下不足:(1)从单一学科入手,研究地下水—天然植被系统关系的方法单一,学科交叉研究程度较低,所以难以系统和全面地揭示地下水对天然植被生长的控制作用与规律。(2)所采用的技术方法中,设置的基本研究单元没有考虑包气带在地下水—天然植被系统研究中的重要作用,缺乏明确的水文地质学意义,所以无法给水资源调控与管理提供科学的基础数据,缺乏明确的物理意义,而仅停留在数学意义上。比如在干旱与半干旱地区,由于植被直接吸收利用的多是土壤水,而同样的潜水埋深下,不同的包气带岩性结构可能有着不同的土壤水分分布格局,进而影响植被的生长发育。(3)技术方法中多采用遥感数据和离散的野外调查数据,造成两者间数据的空间尺度不匹配。
发明内容
本发明要解决的技术问题在于针对现有技术中无法较好地获得干旱、半干旱区地下水与天然植被系统的关系的缺陷,提供一种可以有效获得干旱、半干旱区地下水与天然植被系统的关系的方法及系统。
本发明解决其技术问题所采用的技术方案是:
提供一种获得干旱、半干旱区地下水与天然植被系统的关系的方法,包括以下步骤:
根据预先收集的数据确定研究区的包气带岩性结构边界,所述研究区为干旱或者半干旱区;
利用所述包气带岩性结构边界裁切卫星影像数据,获取研究区的遥感数据;
获取研究区野外测量的植被覆盖度数据,以及地下水潜水埋深和地下水水化学特征数据;
利用研究区的遥感数据,采用“像元二分模型”反演像元尺度下的植被覆盖度并生成植被覆盖度图像,且反演的植被覆盖度数据与对应的所述野外测量的植被覆盖度数据相关系数大于0.80;
根据所述地下水潜水埋深和地下水水化学特征数据,生成与所述植被覆盖度图像具有相同空间分辨率的地下水潜水埋深和地下水水化学特征图像;
利用图像处理工具,对所述像元尺度下的植被覆盖度图像与所述地下水潜水埋深和地下水水化学特征图像进行二维散点图运算,生成像元尺度下的植被覆盖度与地下水潜水埋深和地下水水化学浓度关系的二维散点图;
根据所述二维散点图以及系统科学理论,获得天然植被生长随地下水潜水埋深和水化学浓度变化关系。
本发明所述的获得干旱、半干旱区地下水与天然植被系统的关系的方法中,所述卫星影像数据为RapidEye卫星影像1B级数据,空间分辨率为5m。
本发明所述的获得干旱、半干旱区地下水与天然植被系统的关系的方法中,所述根据预先收集的数据确定研究区的包气带岩性结构边界具体为:通过在研究区获取的土壤钻孔数据和基于RapidEye卫星影像修编的地貌图,确定包气带岩性结构边界。
本发明解决其技术问题所采用的另一技术方案是:
提供一种获得干旱、半干旱区地下水与天然植被系统的关系的系统,包括:
包气带岩性结构边界确定模块,用于根据预先收集的数据确定研究区的包气带岩性结构边界,所述研究区为干旱或者半干旱区;
研究区遥感数据获取模块,用于利用所述包气带岩性结构边界裁切卫星影像数据,获取研究区的遥感数据;
植被覆盖度和地下水数据获取模块,用于获取研究区野外测量的植被覆盖度数据,以及地下水潜水埋深和地下水水化学特征数据;
植被覆盖度遥感反演模块,用于利用研究区的遥感数据,采用“像元二分模型”反演像元尺度下的植被覆盖度并生成植被覆盖度图像,且反演的植被覆盖度数据与对应的所述野外测量的植被覆盖度数据相关系数大于0.80;
地下水潜水埋深和地下水水化学特征图像生成模块,用于根据所述地下水潜水埋深和地下水水化学特征数据,生成与所述像元尺度下的植被覆盖度图像具有相同空间分辨率的地下水潜水埋深和地下水水化学特征图像;
二维散点图生成模块,用于利用图像处理工具,对所述像元尺度下的植被覆盖度图像与所述地下水潜水埋深和地下水水化学特征图像进行二维散点图运算,生成像元尺度下的植被覆盖度与地下水潜水埋深和地下水水化学浓度关系的二维散点图;
地下水—天然植被系统关系获取模块,用于利用所述二维散点图,获得天然植被生长随地下水潜水埋深和水化学浓度变化关系。
本发明所述的系统中,所述卫星影像数据为RapidEye卫星影像1B级数据,空间分辨率为5m。
本发明所述的系统中,所述包气带岩性结构边界确定模块,具体用于通过在研究区获取的土壤钻孔数据和基于RapidEye卫星影像修编的地貌图,确定包气带岩性结构边界。
本发明产生的有益效果是:本发明以包气带岩性结构作为基本研究单元,使地下水—植被系统研究具备了明确的水文地质学意义;以高分辨率卫星影像数据的像元作为研究尺度,突破了地下水-植被系统研究中研究对象尺度不匹配的瓶颈问题;采用“像元尺度模式”能够深入揭示地下水-天然植被系统之间的关系,进而为依赖地下水的生态安全和水资源管理与调控提供技术方法支撑。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1为本发明实施例获得干旱、半干旱区地下水与天然植被系统的关系的方法的流程图;
图2为本发明实施例反演的像元尺度下的植被覆盖度和野外测量的植被覆盖度之间的相关系数图;
图3为本发明实施例获得干旱、半干旱区地下水与天然植被系统的关系的系统结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明实施例获得干旱、半干旱区地下水与天然植被系统的关系的方法,如图1所示,包括以下步骤:
S101、根据预先收集的数据确定研究区的包气带岩性结构边界,研究区为干旱或者半干旱区;
在本发明的一个实施例中,根据预先收集的数据确定研究区的包气带岩性结构边界具体为:通过在研究区获取的土壤钻孔数据和基于RapidEye卫星影像修编的地貌图,确定包气带岩性结构边界。
将敦煌盆地做为研究区,所需的数据来源包括3个部分:1、采用野外开挖探坑的形式,采集敦煌盆地土壤钻孔数据。2、收集整理敦煌盆地内上世纪80年代公开出版的钻孔数据。3、经敦煌盆地RapidEye卫星修编后的地貌图。综合分析上述数据,确定包气带岩性结构边界范围,面积为408.36km2。
S102、利用包气带岩性结构边界裁切卫星影像数据,获取研究区的遥感数据;本发明实施例中采用的卫星影像数据为RapidEye卫星影像1B级数据,空间分辨率为5m。
本发明实施例中,选用2010年8月18号成像的RapidEye卫星数据,数据成像质量良好,空间分辨率为5m,能够满足需求。以选定的包气带岩性结构为研究单元,裁切该RapidEye数据,得到研究单元。裁切后的栅格图像,像素矩阵为9059×5771,即共有52,279,489个像元。
S103、获取研究区野外测量的植被覆盖度数据,以及地下水潜水埋深和地下水水化学特征数据;
本发明实施例中,在2011年6月1-20日,对包气带内的天然植被进行10m×10m或者5m×5m的样方调查,完成了分布较为均匀的24个植被的样方调查,测量了其植被覆盖度。尽管采用的RapidEye成像时间和野外测量植被覆盖度的时间相差一年,但是在一个季度内,植被覆盖度基本没有变化,满足发明条件。植被覆盖度测量结果如下表1所示:
表1植被覆盖度野外测量结果
序号 | 纬度(度) | 经度(度) | 调查时间 | 测量的植被覆盖度(%) |
V01 | 40.17939 | 94.92476 | 2011-5-30 | 0.8 |
V02 | 40.18109 | 94.93085 | 2011-5-30 | 6 |
V03 | 40.17886 | 94.93225 | 2011-5-30 | 6.1 |
V04 | 40.17681 | 94.93186 | 2011-5-30 | 4 |
V05 | 40.18033 | 94.94403 | 2011-5-30 | 3 |
V06 | 40.17692 | 94.94992 | 2011-5-30 | 10 |
V07 | 40.17767 | 94.95252 | 2011-5-30 | 12 |
V08 | 40.17900 | 94.95508 | 2011-5-30 | 10 |
V09 | 40.16494 | 94.96202 | 2011-5-31 | 17 |
V10 | 40.16808 | 94.95800 | 2011-5-31 | 90 |
V11 | 40.16758 | 94.96428 | 2011-5-31 | 24.5 |
V12 | 40.17553 | 94.97047 | 2011-5-31 | 16.6 |
V13 | 40.17537 | 94.97314 | 2011-5-31 | 30.4 |
V14 | 40.17999 | 94.98275 | 2011-5-31 | 10 |
V15 | 40.20150 | 94.98214 | 2011-6-2 | 35.9 |
V16 | 40.20567 | 94.97408 | 2011-6-2 | 5.36 |
V17 | 40.23717 | 94.99675 | 2011-6-2 | 4.7 |
V18 | 40.23767 | 94.99036 | 2011-6-2 | 3 |
V19 | 40.27436 | 95.00589 | 2011-6-2 | 3.5 |
V20 | 40.32969 | 94.93933 | 2011-6-2 | 2 |
V21 | 40.27749 | 95.20630 | 2011-6-3 | 4 |
V22 | 40.28728 | 95.20608 | 2011-6-3 | 29.3 |
V23 | 40.30666 | 95.12475 | 2011-6-3 | 1.5 |
V24 | 40.30761 | 94.79308 | 2011-6-11 | 14.1 |
在野外植被覆盖度测量期间,采用野外开挖探坑的方式获取了地下水潜水埋深数据(见下列表2)。同时采集地下水数据,在野外现场按照浅层地下水采样技术要求进行密封和保存,送中国地质大学(武汉)环境学院实验室进行K+、Na+、Ca2+、Mg2+、Cl-、SO4 2-、CO3 2-等主要离子测试,测试结果如下表2所示:
表2地下水潜水埋深(单位:m)和地下水水化学浓度测试结果(单位:mmol/L)
调查点编号 | Ca2+ | Mg2+ | K+ | Na+ | Cl | SO4 2- | HCO3 | 潜水埋深 |
G01 | 1.71 | 3.90 | 0.33 | 8.84 | 7.90 | 6.23 | 6.89 | 4.00 |
G02 | 20.85 | 60.06 | 5.46 | 201.70 | 198.20 | 96.28 | 8.03 | 1.20 |
G03 | 13.40 | 6.42 | 0.91 | 25.76 | 30.40 | 13.45 | 6.64 | 0.10 |
G04 | 19.70 | 30.15 | 3.65 | 171.57 | 185.30 | 79.59 | 9.81 | 1.10 |
G05 | 4.21 | 5.22 | 0.60 | 24.07 | 24.68 | 12.78 | 2.96 | 4.50 |
G06 | 20.94 | 36.11 | 3.60 | 149.87 | 205.52 | 64.38 | 6.57 | 1.15 |
G07 | 8.98 | 11.77 | 0.68 | 31.01 | 42.62 | 18.12 | 2.15 | 4.69 |
G08 | 23.50 | 78.14 | 5.82 | 212.43 | 366.78 | 84.80 | 2.07 | 0.60 |
G09 | 35.20 | 62.29 | 21.93 | 248.87 | 495.64 | 48.16 | 1.88 | 1.26 |
G10 | 16.41 | 75.36 | 7.90 | 130.52 | 179.24 | 116.03 | 6.66 | 1.22 |
G11 | 15.53 | 90.17 | 7.61 | 196.87 | 294.67 | 128.66 | 12.95 | 0.80 |
G12 | 16.86 | 59.93 | 3.30 | 114.35 | 129.90 | 98.37 | 6.68 | 1.57 |
G13 | 8.32 | 15.01 | 0.63 | 38.63 | 35.60 | 32.86 | 5.00 | 5.82 |
G14 | 1.33 | 1.40 | 0.15 | 4.19 | 2.62 | 2.61 | 3.68 | 3.00 |
G15 | 16.72 | 41.17 | 5.65 | 141.41 | 199.16 | 77.10 | 7.21 | 1.90 |
G16 | 15.13 | 17.94 | 1.09 | 31.54 | 30.31 | 18.98 | 19.02 | 1.15 |
S104、利用研究区的遥感数据,采用“像元二分模型”反演像元尺度下的植被覆盖度并生成植被覆盖度图像,且反演的植被覆盖度数据与对应的野外测量的植被覆盖度数据相关系数大于0.80;
植被覆盖度是反应干旱和半干旱地区天然植被生长和生态环境效应最重要的一个物理量。本发明实施例中采用“像元二分模型”进行反演。该模型的核心思想是设定单个像元的辐射信息可分解为裸土与植被两部分,传感器记录到的辐射信息(Radiance)可表达为绿色植被组分所贡献的辐射信息(Rveg)与裸土组分所贡献的信息Rsoil,即:
R=Rveg+Rsoil=fc×Rveg+(1-fc)Rsoil (1)
式(1)中,Rveg代表“纯净”(pure)植被像元,Rsoil代表“纯净”裸土像元,fc则为该像元尺度下的植被覆盖度。由式(1)可得植被覆盖度的公式:
Rsoil和Rveg的确定是像元二分模型的关键,直接决定着植被覆盖度遥感反演模型的准确性,可采用植被指数替换。本发明为了最大限度地减小植被覆盖度的反演误差,采用了对干旱和半干旱区植被较为敏感、并能缩减土壤背景影响的转换型土壤调节植被指数,如式(3):
TSAVI=[c1(NIR-c1Red-c0)]/(c1BIR+Red-c0c1) (3)
式(3)中,c0,c1分别是土壤线方程的截距和斜率,NIR和Red分别为影像的近红外波段和红光波段的像素值。
在TSAVI的计算过程中,准确确定土壤线非常重要,被用于消除研究区土壤背景的影响,直接影响植被指数计算的精度。本发明首先结合野外植被样方调查成果和影像光谱特征,从遥感影像上识别出纯裸土像元,然后通过线性拟合得到土壤线方程。拟合出的土壤线方程见式(4):
NIR=491.36+0.78*Red,R2=0.84 (4)
NIR和Red分别为影像的近红外波段和红光波段的像素值。R为土壤线方程的相关系数,为0.92,能够满足要求。
本发明确定Rsoil和Rveg的方法如下:确定野外样方调查中“纯净”裸土和“纯净”植被的空间位置,统计这些位置对应的TSAVI值,取其平均值作为式(2)中的Rsoil和Rveg。因此,本发明反演植被覆盖度的公式可表述为:
式(5)中,TSAVI为像元的植被指数,TSAVISoil为遥感影像中纯裸地的植被指数,TSAVIveg为该遥感影像中纯植被的植被指数。
反演的植被覆盖度与野外实测的植被覆盖度的关系如图2所示。两者相关系数为0.97,精度较高,满足需求。
反演后的植被覆盖度图像的像素矩阵同样为9059×5771,即共有52,279,489个像元。
S105、根据地下水潜水埋深和地下水水化学特征数据,生成与像元尺度下的植被覆盖度图像具有相同空间分辨率的地下水潜水埋深和地下水水化学特征图像;
基于野外离散的实测样本数据,可通过相关软件(如ArcGIS 9.3)中、利用地统计学方法分别生成与植被覆盖度图像相同空间分辨(5m)的地下水特征栅格图像。生成的各图像像素矩阵同样为9059×5771,即分别有52,279,489个像元。
S106、利用图像处理工具,对像元尺度下的植被覆盖度图像与地下水潜水埋深和地下水水化学特征图像进行二维散点图运算,生成像元尺度下的植被覆盖度与地下水潜水埋深和地下水水化学浓度关系的二维散点图;
以5m分辨率的“像元”作为研究尺度,在图像处理工具(如Matlab R2009a)中,调用plot函数,分别输入植被覆盖度“tif”格式图像和地下水潜水埋深以及地下水水化学浓度的“tif”图像,并以植被覆盖度作为纵轴,地下水潜水埋深(或者水化学浓度)作为横轴,生成并保存为“tif”格式的植被覆盖度和地下水潜水埋深、地下水水化学浓度之间的二维散点图。
S107、根据二维散点图以及系统科学理论,获得天然植被生长随地下水潜水埋深和水化学浓度变化关系。
利用上述“像元尺度模式”,结合系统科学理论,研究植被覆盖度随地下水潜水埋深和水化学离子浓度变化的相互关系,可以得出如下结论:
1、植被生长对地下水潜水埋深和水化学特征变化的响应存在随机性和确定性。
宏观上看,植被覆盖度随地下水潜水埋深和地下水水化学特征空间向量的变化具有确定性,如随着地下水水化学特征离子浓度的不断增加,植被总体演化方向是确定的,向着荒漠化方向发展。微观上看,植被生长对地下水潜水埋深和地下水水化学特征变化的响应又是随机性的,不能由给定的地下水潜水埋深或者地下水水化学特征值确定出植被覆盖度。类似地,如果基于地下水潜水埋深或者地下水水化学特征空间向量变化来推断植被的演化方向,也无法确定出唯一的演化方向,而会发现随地下水水化学特征浓度的增大,植被覆盖度的未来变化可能会沿着许多不同的路径进行,甚至会出现混沌现象。
2、依赖地下水的地下水—植被系统具有非常显著的非线性特征。即地下水潜水埋深或者地下水水化学特征参量的变化不一定造成植被覆盖度等植被生长特征参量的等比例变化。
总体上,本发明提出的“像元尺度模式”应用于地下水-天然植被系统关系研究,能够揭示依赖地下水的地下水—天然植被系统之间存在随机性、混沌特征,并且该系统是由多个相互作用的要素构成的复杂非线性系统,具有高度的内在随机性。当该系统远离平衡态时,控制系统状态的并不是某单一要素,而是多种要素的组合,要素组合的微小涨落可能导致系统状态的较大差异,并且系统状态的变化不具有等比例变化特征。因此,干旱、半干旱区地下水对植被生长的影响无法从简单的系统框架中得出确定性的结论,更不能简单地将其拟合为线性或者确定性的模型。“像元尺度模式”补充和完善了干旱、半干旱区地下水—天然植被系统之间的技术体系。
本发明实施例获得干旱、半干旱区地下水与天然植被系统的关系的系统用于实现上述方法,如图3所示,包括:
包气带岩性结构边界确定模块10,用于根据预先收集的数据确定研究区的包气带岩性结构边界,研究区为干旱或者半干旱区;
研究区遥感数据获取模块20,用于利用包气带岩性结构边界裁切卫星影像数据,获取研究区的遥感数据;
植被覆盖度和地下水数据获取模块30,用于获取研究区野外测量的植被覆盖度数据,以及地下水潜水埋深和地下水水化学特征数据;
植被覆盖度遥感反演模块40,用于利用研究区的遥感数据,采用“像元二分模型”进行像元尺度下的植被覆盖度反演并生成植被覆盖度图像,且像元尺度下的植被覆盖度与野外测量的植被覆盖度数据相关系数大于0.80;
地下水潜水埋深和地下水水化学特征图像生成模块50,用于根据地下水潜水埋深和地下水水化学特征数据,生成与像元尺度下的植被覆盖度图像相同空间分辨率的地下水潜水埋深和地下水水化学特征图像;
二维散点图生成模块60,用于利用图像处理工具,对像元尺度下的植被覆盖度图像与地下水潜水埋深和地下水水化学特征图像进行处理,生成像元尺度下的植被覆盖度与地下水潜水埋深和地下水水化学浓度关系的二维散点图;
地下水—天然植被系统变化关系获取模块70,用于利用二维散点图,获得天然植被生长随地下水潜水埋深和水化学浓度变化关系。
本发明实施例中,卫星影像数据为RapidEye卫星影像1B级数据,空间分辨率为5m。
本发明实施例中,包气带岩性结构边界确定模块10,具体用于通过在研究区获取的土壤钻孔数据和基于RapidEye卫星影像修编的地貌图,确定包气带岩性结构边界。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (6)
1.一种获得干旱、半干旱区地下水与天然植被系统的关系的方法,其特征在于,包括以下步骤:
根据预先收集的数据确定研究区的包气带岩性结构边界,所述研究区为干旱或者半干旱区;
利用所述包气带岩性结构边界裁切卫星影像数据,获取研究区的遥感数据;
获取研究区野外测量的植被覆盖度数据,以及地下水潜水埋深和地下水水化学特征数据;
利用研究区的遥感数据,采用像元二分模型反演研究区的植被覆盖度,获取像元尺度下的植被覆盖度图像,且反演的像元尺度下的植被覆盖度数据与对应的所述野外测量的植被覆盖度数据相关系数大于0.80;其中,像元二分模型中将传感器记录到的辐射信息R表达为绿色植被组分辐射信息R veg 与裸土组分辐射信息R soil ,即:
(1)
式(1)中, f c 为该像元尺度下的植被覆盖度;
根据所述地下水潜水埋深和地下水水化学特征数据,生成与所述植被覆盖度图像具有相同空间分辨率的地下水潜水埋深和地下水水化学特征图像;
利用图像处理工具,对所述像元尺度下的植被覆盖度图像与所述地下水潜水埋深和地下水水化学特征图像进行二维散点图运算,生成像元尺度下的植被覆盖度与地下水潜水埋深和地下水水化学浓度关系的二维散点图;
根据所述二维散点图以及系统科学理论,获得天然植被生长随地下水潜水埋深和水化学浓度变化关系。
2.根据权利要求1所述的获得干旱、半干旱区地下水与天然植被系统的关系的方法,其特征在于,所述卫星影像数据为RapidEye卫星影像1B级数据,空间分辨率为5 m。
3.根据权利要求2所述的获得干旱、半干旱区地下水与天然植被系统的关系的方法,其特征在于,所述根据预先收集的数据确定研究区的包气带岩性结构边界具体为:通过在研究区获取的土壤钻孔数据和基于RapidEye卫星影像修编的地貌图,确定包气带岩性结构边界。
4.一种获得干旱、半干旱区地下水与天然植被系统的关系的系统,其特征在于,包括:
包气带岩性结构边界确定模块,用于根据预先收集的数据确定研究区的包气带岩性结构边界,所述研究区为干旱或者半干旱区;
研究区遥感数据获取模块,用于利用所述包气带岩性结构边界裁切卫星影像数据,获取研究区的遥感数据;
植被覆盖度和地下水数据获取模块,用于获取研究区野外测量的植被覆盖度数据,以及地下水潜水埋深和地下水水化学特征数据;
植被覆盖度遥感反演模块,用于利用研究区的遥感数据,采用像元二分模型反演像元尺度下的植被覆盖度并生成植被覆盖度图像,且反演的植被覆盖度数据与对应的所述野外测量的植被覆盖度数据相关系数大于0.80;其中,像元二分模型中将传感器记录到的辐射信息R表达为绿色植被组分辐射信息R veg 与裸土组分辐射信息R soil ,即:
(1)
式(1)中, f c 为该像元尺度下的植被覆盖度;
地下水潜水埋深和地下水水化学特征图像生成模块,用于根据所述地下水潜水埋深和地下水水化学特征数据,生成与所述像元尺度下的植被覆盖度图像具有相同空间分辨率的地下水潜水埋深和地下水水化学特征图像;
二维散点图生成模块,用于利用图像处理工具,对所述像元尺度下的植被覆盖度图像与所述地下水潜水埋深和地下水水化学特征图像进行二维散点图运算,生成像元尺度下的植被覆盖度与地下水潜水埋深和地下水水化学浓度关系的二维散点图;
地下水—天然植被系统关系获取模块,用于利用所述二维散点图,获得天然植被生长随地下水潜水埋深和水化学浓度变化关系。
5.根据权利要求4所述的系统,其特征在于,所述卫星影像数据为RapidEye卫星影像1B级数据,空间分辨率为5m。
6.根据权利要求5所述的系统,其特征在于,所述包气带岩性结构边界确定模块,具体用于通过在研究区获取的土壤钻孔数据和基于RapidEye卫星影像修编的地貌图,确定包气带岩性结构边界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210274029.XA CN102819047B (zh) | 2012-08-03 | 2012-08-03 | 获得地下水与天然植被系统的关系的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210274029.XA CN102819047B (zh) | 2012-08-03 | 2012-08-03 | 获得地下水与天然植被系统的关系的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102819047A CN102819047A (zh) | 2012-12-12 |
CN102819047B true CN102819047B (zh) | 2015-03-04 |
Family
ID=47303270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210274029.XA Expired - Fee Related CN102819047B (zh) | 2012-08-03 | 2012-08-03 | 获得地下水与天然植被系统的关系的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102819047B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103234920B (zh) * | 2013-04-23 | 2015-10-21 | 中国人民解放军理工大学 | 基于遥感信息的地下水富集性评估方法 |
US9945942B2 (en) * | 2015-03-24 | 2018-04-17 | Utilis Israel Ltd. | System and method of underground water detection |
US10884128B2 (en) | 2015-03-24 | 2021-01-05 | Utilis Israel Ltd. | System and method of underground water detection |
US10514341B2 (en) | 2015-03-24 | 2019-12-24 | Utilis Israel Ltd. | System and method of detecting underground gas leakage |
CN104751011B (zh) * | 2015-04-23 | 2016-02-17 | 中国水利水电科学研究院 | 一种地下水补给植被的临界埋深计算方法 |
CN107121172B (zh) * | 2017-05-05 | 2019-12-13 | 新疆大学 | 一种用优势种白杨树高测量地下水埋深的简易方法 |
CN107893445A (zh) * | 2017-11-14 | 2018-04-10 | 青海省水文地质工程地质环境地质调查院 | 一种干旱地区地下水可开采资源量评价方法 |
CN107993222A (zh) * | 2017-11-27 | 2018-05-04 | 王俊锋 | 一种基于化探异常区的蚀变遥感异常提取方法 |
CN111504425B (zh) * | 2020-04-24 | 2021-03-23 | 中国水利水电科学研究院 | 一种估算干旱平原地区生态地下水位的方法及装置 |
CN114417092B (zh) * | 2021-11-09 | 2023-06-27 | 长安大学 | 沙漠化监测指数的构建方法及沙漠化状态变化趋势评价方法 |
CN114660675A (zh) * | 2022-03-19 | 2022-06-24 | 四川省华地建设工程有限责任公司 | 一种基于遥感影像的高寒高海拔地区地下水出露寻找方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102012528A (zh) * | 2010-11-23 | 2011-04-13 | 北京理工大学 | 一种稀疏植被地区的高光谱遥感油气勘探方法 |
-
2012
- 2012-08-03 CN CN201210274029.XA patent/CN102819047B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102012528A (zh) * | 2010-11-23 | 2011-04-13 | 北京理工大学 | 一种稀疏植被地区的高光谱遥感油气勘探方法 |
Non-Patent Citations (2)
Title |
---|
基于NDVI像元二分模型的矿区植被覆盖动态监测;黎良财等;《中南林业科技大学学报》;20120630;第32卷(第6期);18-23 * |
基于像元二分模型榆神府矿区植被覆盖度研究;李萌等;《中国农业工程学会2011年学术年会》;20111231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN102819047A (zh) | 2012-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102819047B (zh) | 获得地下水与天然植被系统的关系的方法及系统 | |
Yang et al. | Disconnection between trends of atmospheric drying and continental runoff | |
Tian et al. | Anthropogenic and climatic influences on carbon fluxes from eastern North America to the Atlantic Ocean: A process‐based modeling study | |
Hou et al. | Sensitivity of surface flux simulations to hydrologic parameters based on an uncertainty quantification framework applied to the Community Land Model | |
Rajib et al. | Surface depression and wetland water storage improves major river basin hydrologic predictions | |
Sabrekov et al. | Variability in methane emissions from West Siberia's shallow boreal lakes on a regional scale and its environmental controls | |
Hengade et al. | Assessment of LULC and climate change on the hydrology of Ashti Catchment, India using VIC model | |
Kuhlmann et al. | Influence of soil structure and root water uptake strategy on unsaturated flow in heterogeneous media | |
Soulignac et al. | Using 3D modeling and remote sensing capabilities for a better understanding of spatio-temporal heterogeneities of phytoplankton abundance in large lakes | |
Adhikari et al. | Inventory and characterization of new populations through ecological niche modelling improve threat assessment | |
Chen et al. | Assimilating multi-source data into a three-dimensional hydro-ecological dynamics model using Ensemble Kalman Filter | |
Kremer et al. | Simulating property exchange in estuarine ecosystem models at ecologically appropriate scales | |
Park et al. | Variable update strategy to improve water quality forecast accuracy in multivariate data assimilation using the ensemble Kalman filter | |
Xia et al. | Detecting changes of soil environmental parameters by statistics and GIS: A case from the lower Changjiang plain, China | |
CN113591288A (zh) | 一种基于克里格插值的土壤湿度数据预测方法及装置 | |
Awawdeh et al. | Groundwater vulnerability assessment using modified SINTACS model in Wadi Shueib, Jordan | |
Wang et al. | Multi-objective model auto-calibration and reduced parameterization: Exploiting gradient-based optimization tool for a hydrologic model | |
Zango et al. | Impacts of urbanization and climate change on water quantity and quality in the Carp River watershed | |
Mattikalli et al. | Prediction of river discharge and surface water quality using an integrated geographical information system approach | |
Cheng et al. | Monitoring soil salinization and its spatiotemporal variation at different depths across the Yellow River Delta based on remote sensing data with multi-parameter optimization | |
Pilz et al. | How to tailor my process‐based hydrological model? Dynamic identifiability analysis of flexible model structures | |
He et al. | Coupling of multi-hydrochemical and statistical methods for identifying apparent background levels of major components and anthropogenic anomalous activities in shallow groundwater of the Liujiang Basin, China | |
He et al. | The contributions of climate changes and human activities to long-term variations in lake sediments based on results from generalized additive models | |
Holmes et al. | Guidance on large scale hydrologic model calibration with isotope tracers | |
CN116758224B (zh) | 一种多源海洋观测资料的融合同化方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150304 Termination date: 20150803 |
|
EXPY | Termination of patent right or utility model |