基于TVDI的甘肃黑方台土壤湿度分布及影响因素分析

发布时间：2021-04-18 11:45

　　灌溉是黑方台滑坡诱发因素之一,也是浅层黄土湿度主要影响因子,研究该区土壤湿度动态变化及灌溉等影响因素具有重要意义。利用归一化植被指数（NDVI）和地表温度（LST）构建特征空间,通过温度植被干旱指数（TVDI）法反演黑方台2017年3月—2019年11月20 cm、30 cm土壤深度处土壤湿度分布格局和变化特征,选取自然和人为因素来探讨其中关键的影响因素。以TVDI为指标分析表明:（1）由于黑方台规律的农业灌溉,导致土壤湿度呈现出台塬内高于台塬外的空间分布格局,月均TVDI值表明,春初和冬季土壤湿度高于其他月份;（2）TVDI变化率分析表明,台塬西北区域土壤湿度呈减小的趋势,除黑台中部小片区域土壤湿度变大外,台塬其余区域土壤湿度变化不明显;（3）在土壤湿度影响因子中发现,月均气温和月蒸发量与土壤湿度有较高的负相关关系,因此尽管夏季灌溉量较多,但蒸发量随着温度的上升也在增大,导致夏季土壤湿度相对较小,反之春初和冬季土壤湿度相对较高。蒸发量作为灌溉量损耗的部分,在研究灌溉量对滑坡影响过程中是不可忽视的因素。 

【文章来源】：甘肃科学学报. 2020,32(06)

【文章页数】：9 页

【部分图文】：

研究区概况及采样点分布

其中:LSTmax(干边)和LSTmin(湿边)分别表示当NDVI等于某一特定值时,地表温度的最大值和最小值,即特征空间的干边和湿边;a1、b1、a2、b2是干边、湿边拟合系数;LSTi表示任一像元地表温度。(4) 偏差分析

国内学者比较了各温度植被干旱指数与土壤湿度之间的关系,结果表明TVDI相对于其他指数能更有效反映土壤湿度变化[27-28]。为了验证研究区TVDI与表层土壤湿度的相关性,选取12个野外采样点,得到土壤不同深度60个实测土壤湿度数据,将其分别与样点处TVDI进行线性回归(见图3)。发现10 cm土壤深度处(见图3(a)),P=0.002,R2=0.63;20 cm土壤深度处(见图3(b)),P=0,R2=0.79,相关性最好;30 cm土壤深度处(见图3(c)),P=0.001,R2=0.68,相关性次之;在40 cm(见图3(d))、50 cm(见图3(e))处随着土壤深度的加深,相关性呈减小趋势,P值分别为0.007、0.028。结果表明研究区TVDI和实测土壤湿度在20 cm、30 cm土壤深度处呈较强的负相关关系,而在40 cm、50 cm处随土壤深度逐渐加深,TVDI指数和土壤湿度的相关性减小。2.2 土壤湿度空间分布特征

【参考文献】：
期刊论文
[1]黑方台黄土塬水文过程规律研究[J]. 严冬冬.  绿色科技. 2019(22)
[2]基于Landsat8数据的地表温度反演算法对比分析——以北京市为例[J]. 段金馈.  安徽农学通报. 2019(17)
[3]黑方台滑坡群控制因素与外动力条件分析[J]. 朱立峰.  西北地质. 2019(03)
[4]GPS及InSAR数据支持下的甘肃黑方台滑坡监测云平台设计与分析[J]. 王毅鹏,张永志,赵超英,刘晓杰,张颖云.  测绘通报. 2019(08)
[5]基于TVDI的玛曲土壤湿度时空变化及其影响因素[J]. 王美林,姜群鸥,邵雅琪,孙驷阳.  中国水土保持科学. 2019(04)
[6]基于MODIS的土壤含水量时空变化及干旱化程度分析[J]. 郭焘,于红博,马梓策,曹聪明.  水土保持研究. 2019(04)
[7]基于Landsat 8 TIRS数据与TVDI的流域地表土壤干旱分析[J]. 姚月锋,李莉.  土壤通报. 2019(02)
[8]甘肃黑方台灌溉与地下水位响应规律分析[J]. 亓星,许强,赵宽耀,彭大雷.  水利水电技术. 2018(09)
[9]基于CWSI的安徽省干旱时空特征及影响因素分析[J]. 汪左,王芳,张运.  自然资源学报. 2018(05)
[10]基于增强温度植被指数的农业旱情遥感监测[J]. 王行汉,刘超群,丛沛桐,扶卿华.  干旱区资源与环境. 2018(05)

硕士论文
[1]基于Landsat系列遥感影像的区域土壤水分信息研究[D]. 薛超玉.西北农林科技大学 2017
[2]全国土壤湿度及其变化的遥感反演与分析[D]. 冉琼.中国科学院研究生院（遥感应用研究所） 2005
[3]使用MODIS数据反演土壤水分研究[D]. 姚春生.中国科学院研究生院（遥感应用研究所） 2003



本文编号：3145415