红壤侵蚀区植被因子提取及小流域水土流失快速监测方法 ——以朱溪流域为例

论文摘要

水土流失问题目前已成为全球关注的头号环境问题,众所周知,植被是防止水土流失的积极因素,而要制止水土流失的恶化,最好最有效的方法就是增加植被覆盖度。植被覆盖度是生态环境的衡量指标之一,是描述生态系统的重要参数,也是影响土壤侵蚀与水土流失的主要因子。而植被覆盖度的获取与测量方法更是现代生态学与全球变化领域研究的重点热点话题。利用遥感影像的方法对植被覆盖度进行动态监测,具有周期短、快速、准确、及时的特点。在植被覆盖度的遥感测量方法中,植被指数的方法被人们普遍使用。但在南方红壤流域地区,这种方法还缺乏定量的研究,因此选择最适合研究区流域使用的、对植被覆盖度最为敏感,对背景因素最不敏感的植被指数,是植被覆盖度遥感提取的重点和难点。在植被指数的基础上,利用改进的像元二分模型求取植被覆盖度,并将其应用于水土流失的测量提取,在神经网络中建立水土流失的快速提取测量模型,对于南方地区频发的水土流失的监测,及区域的可持续发展,则显得十分必要。本文以2009年多波段的遥感图像ALOS影像为基础数据源,采用遥感技术与传统方法相结合,遥感计算与实地调查相结合,定性研究与定量计算相结合,多学科交叉,多数据集成,多种方法综合应用,重点讨论了福建省长汀县朱溪流域适宜植被指数的选取,并利用像元二分模型计算流域的植被覆盖度,在此基础上采用神经网络的方法建立朱溪流域水土流失快速提取模型,以期推广应用于南方红壤侵蚀地区。结果显示,朱溪流域最适宜的植被指数为MSAVI——修正土壤调节指数,且用遥感估算植被覆盖度的方法可行,精度能到达一定的要求。在metlab中能实现BP神经网络对流域内的水土流失现状进行模拟与预测研究。

论文目录

• 中文摘要
• Abstract
• 中文文摘
• 目录
• 绪论
• 1 研究目的、选题依据及意义
• 1.1 研究目的
• 1.2 选题依据
• 1.3 研究意义
• 2 植被及植被覆盖度的概念、意义与作用
• 3 植被覆盖度的研究现状
• 3.1 地表实测法
• 3.2 遥感监测法
• 3.3 小结
• 4 人工神经网络概述
• 4.1 人工神经网络
• 4.2 人工神经网络的原理与内容
• 5 研究内容、方法、技术路线
• 5.1 研究内容
• 5.2 研究方法
• 5.3 技术路线
• 第一章 研究区概况
• 1 自然环境概况
• 1.1 地理位置
• 1.2 气候
• 1.3 地质地貌
• 1.4 植被
• 1.5 土壤
• 1.6 水文
• 2 社会经济概况
• 3 朱溪流域的水土流失情况
• 第二章 数据源与数据处理
• 1 数据源
• 1.1 遥感数据
• 1.2 其他辅助数据
• 1.3 野外调查数据
• 2 数据处理
• 2.1 影像校正
• 2.2 影像裁剪
• 2.3 求取反射率
• 第三章 植被指数的提取与选择
• 1 植被指数
• 1.1 植被指数的概念
• 1.2 植被指数的意义
• 1.3 植被指数的分类
• 2 植被指数的计算
• 3 选取植被指数
• 3.1 不同植被指数降低土壤背景的影响效果评价
• 3.2 不同植被指数探测植被覆盖度的能力
• 3.3 不同植被指数的取值范围对植被信息探测的影响
• 4 小结
• 第四章 植被覆盖度的计算
• 1 植被覆盖度计算模型建立
• 1.1 像元二分模型法
• 1.2 MSAVI计算植被覆盖度的模型
• 1.3 模型改进
• 1.4 估算过程
• 2 朱溪流域植被覆盖度的估算
• 2.1 计算各土地利用类型的MSAVI
• 2.2 计算各土壤类型的MSAVI
• 2.3 作出土地利用类型与土壤类型的MSAVI概率分布
• 2.4 计算MSAVI的最大最小值
• 2.5 计算植被覆盖度
• 3 验证
• 4 小结
• 第五章 水土流失模型建立
• 1 BP神经网络
• 1.1 BP神经网络的结构
• 1.2 BP神经网络的基本原理
• 1.3 BP神经网络的作用函数
• 1.4 BP神经网络算法步骤
• 1.5 BP神经网络应用需解决的重点问题
• 2 构建水土流失监测的BP神经网络—BP神经网络在Matlab中的实现
• 2.3 BP神经网络的实现——基于matlab的水土流失模型建立与分析
• 3 小结
• 第六章 结论
• 1 主要结论
• 2 特色与创新
• 3 讨论
• 4 展望
• 附录
• 参考文献
• 攻读学位期间承担的科研任务与主要成果
• 致谢
• 个人简历