基于地面监测和遥感数据的土地退化研究进展

基于地面监测和遥感数据的土地退化研究进展

ID:8496148

大小:261.00 KB

页数:11页

时间:2018-03-29

基于地面监测和遥感数据的土地退化研究进展_第1页
基于地面监测和遥感数据的土地退化研究进展_第2页
基于地面监测和遥感数据的土地退化研究进展_第3页
基于地面监测和遥感数据的土地退化研究进展_第4页
基于地面监测和遥感数据的土地退化研究进展_第5页
资源描述:

《基于地面监测和遥感数据的土地退化研究进展》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于地面监测和遥感数据的土地退化研究进展摘要:土地退化与人类生存和可持续发展密切相关。目前,研究土地退化的方法趋于多样化,基于遥感提取土地退化信息是主要方法之一。本文主要从植被退化、土壤沙化、盐渍化和水土流失四个方面,以及土地退化综合模型研究方面介绍了遥感技术在土地退化监测中应用的进展。关键字:土地退化;土壤沙化、盐渍化;水土流失;遥感;1引言土地退化一般是指由于人类对土地的不合理的利用而导致土地质量下降的过程[1]。土地退化直接导致土壤质量下降,进而危及区域粮食安全、生态环境以及区域可持续发展。在早期的土地退化研究中,考虑到土地退化过程的基本载体与核心过

2、程是土壤及土壤退化过程,因此国内和国际上也有以“土壤退化”代替“土地退化”的用法[2-4]。然而,土地毕竟是由一定厚度内岩石、地貌、气候、水文及生物组成的自然综合体,其结构和功能远超出土壤的范畴,因此,仅用土壤退化来代替土地退化是不全面的。因此,大多数科学家仍然采用土地退化、或者土地生态系统退化描述这一过程[5]。土地退化基本过程比较繁杂。龚子同[6]将土地退化划分为水土流失引起的、耕作施肥不当引起的和污染引起的等3大类过程;Babaev等则将其分为植被覆盖的退化,水蚀、风蚀、农田灌溉引起的盐渍化,海平面的下降和河流出水口的变化引起的土壤盐渍化,土壤紧实和

3、板结、技术措施引起的土地退化,动物引起的土地退化等类型[7]。刘慧[8]则将土地退化分为水土流失、土地沙化、土壤盐碱化、土地贫瘠、土地污染和土地损毁等6大类。因此,本文主要讨论基于地面观测数据以及遥感影像数据(包括普通的多光谱数据、高光谱数据和雷达数据),对区域土地退化各类过程以及区域土地退化的综合评价,进行文献调研,并对相关研究进行评述。2土地退化基本过程的监测概括的讲,土地退化主要包括植被退化、土壤沙化、盐渍化和水土流失等4类主要过程。2.1植被退化(盖度下降)监测土地退化的重要表现就是植被退化。而植被退化又进一步表现为植被盖度下降、高度降低、物种丰富

4、度较少,毒杂草增多、植被初级生产力降低等等。毫无疑问,植被盖度的降低是比较直观、也是比较容易通过现代遥感手段开展动态监测的植被退化指标。早期用来评价监测和评价植被盖度主要是以目测估算或概率计算等方法进行。目测方法主观性太强,误差比较大。章文波[9]研究表明目测估算方法的最大误差可达40%,概率计算法可以有效提高估算精度,但是它对野外测量的要求也相应提高。现在可以采用仪器直接测量、估算植被盖度,应用较广泛的测量仪器有空间定量计(spatialquantumsensor,SQS)和移动光量计(traversingquantumsell,TQS)。两种仪器都是通

5、过测量透过植被层的光线强度来计算植被盖度。仪器测量方法相对准确、快捷,但是这种方法对设备要求高,野外操作不方便[10]。近年来,一些民用CCD(电荷耦合设备:ChargeCoupledDevice)相机的数码相片也被用于植被盖度测量研究,Cosh(CoshandBrutsaert2003)等即利用数码照片对美国干旱生态系统植被覆进行了长期监测,并获得有效结果。上述各种方法在样点尺度上开展植被盖度监测是合适的,通过一定的抽样统计设计以及空间插值,也可以方便地推广到区域尺度上。但是,这种点上抽样、面上插值的方法也存在一些明显的缺点,比如野外工作时间长、存在一定

6、的空间误差、无法获取连续的、精细的面源数据等。在这方面,遥感技术的发展为植被盖度的实时、动态和连续的监测和评价提供了快速、有力的技术支撑。基于遥感反演植被盖度主要有两种路线,一种是利用实测植被盖度值与波段(或波段组合)值建立线性回归,建立反演模型,另一种则纯粹是基于理论的数学推导,即利用全植被覆盖土地所对应的波段(或波段组合)值与裸土地所对应的波段(或波段组合)值建立比例模型,建立反演模型。对于第一种路线,Purevdorj[11](1998)等基于NDVI(归一化植被指数)、SAVI(土壤调节植被指数)、MSAVI(修正的土壤调节植被指数、TSAVI(转

7、换型土壤调整指数)4个指标,使用线性回归方法,建立了蒙古及日本草原区的植被盖度模型。具体公式如下:索安宁[12]等(2007)利用相似方法,基于遥感植被指数和气候干燥指数模拟潜在植被指数。总的来说,这种基于回归方法得到的模型具有地域限制,在其它地区的推广时存在困难。对于第二种路线,刘培君[13]提出了光学植被盖度指标,公式如下:,其中,CV0表示光学植被盖度,B4、B23分别为TM四波段和二、三波段(平均)光谱亮度,表示理想的全植被覆盖时(无裸土面)四波段和二、三波段(平均)光谱亮度的差值(也是极大值),rs为一参量,它反映裸土壤的(虚)光亮度。第二种路线

8、中更为常用的模型方法是利用既有的NDVI指标、求算植被盖度[14-

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。