基于土壤水分信息反馈的巢湖流域土壤质地制图

摘要

土壤的形成和发育与环境有着重要的关系，基于环境变量的土壤属性预测制图是目前土壤制图的重要发展方向。传统的景观制图研究，主要基于环境因子与土壤属性的相关关系，构建线性或非线性模型来实现土壤属性的预测，要求所选取的环境因子与土壤属性存在直接或间接的联系，且空间分布差异足够明显。这种基于环境变量的土壤属性研究通常适用于环境变量空间差异较大的山区，而对地势相对平缓地区的土壤属性研究存在困难。基于地表动态反馈的土壤属性研究方法通过时间序列来组织环境变量，以动态变化的角度来观察环境因子与土壤属性的内在联系，为土壤属性的研究提供了新的思路。 基于地表动态反馈的研究方法，以土壤含水量作为环境因子对巢湖流域的土壤质地空间分布特征进行研究。本文以巢湖流域为研究区，基于2014年12月1日、12月4日、12月8日、12月12日四期MODIS LST（Land Surface Temperature）和NDVI（Normalize Difference Vegetation Index）数据构建温度植被干旱指数TVDI（Temperature Vegetation Dryness Index）获取巢湖流域土壤湿度指标。通过土壤湿度变化指数（HCI）与土壤质地的相关性分析，探讨了地表动态反馈方法在巢湖流域土壤质地研究中的适用性；通过对巢湖流域土壤含水量时间序列信息的差异进行定量化，实现巢湖流域的土壤质地空间分布特征研究，并完成平原区土壤质地的空间制图。研究内容和研究结果如下： （1）TVDI干旱预测模型是一种半经验模型，在土壤湿度的研究中具有重要的意义。本文通过构建NDVI和LST数据的二维空间，拟合干、湿边函数，最终构建TVDI模型，并利用前期累计降水量对巢湖流域TVDI土壤含水量反演结果进行验证。通过分析发现，12月1日TVDI与前期降水的累积值API（Antecedent Precipitation Index）显著负相关（p＜0.01），相关系数为-0.460。前期累积降水量越多的区域，TVDI值越小，土壤含水量越高。因此，TVDI作为描述土壤干湿状况的指标是合理的，对土壤含水量的多少有一个较好的反映能力。 （2）基于TVDI反演的土壤含水量提出了反映土壤湿度变化的新指标，湿度变化指数HCI（Humidity Change Index）。通过HCI对12月1日到12月12日巢湖流域土壤含水的变化进行定量化，对土壤含水量的空间分布特征进行研究发现土壤含水量变化速率与环境变量（地形因子和土壤质地）间存在相关关系。在地形空间差异较大的山区，地形是影响土壤水分变化速率的主要因素，HCI与高程、坡度以及剖面曲率间存在显著的相关关系（p＜0.01），相关系数分别为0.923、0.459、-0.515；而在地势起伏较小的平原地区，土壤质地差异是影响土壤水分变化速率的主要因素，HCI与土壤粘粒含量与粉粒含量存在显著的相关关系（p＜0.01或p＜0.05），相关系数分别为-0.646、-0.537。平原地区，利用土壤含水量变化的空间差异来对土壤质地进行研究具有可靠的理论依据。 （3）通过12月1日、12月4日、12月8日、12月12日四期TVDI反演的土壤含水量时间序列，提取地表动态反馈信息，并对地表动态反馈差异进行定量化。巢湖流域平原区，土壤水分时间序列差异与土壤粘粒和粉粒含量存在显著的正相关关系（p＜0.01），相关系数分别为0.741和0.573。基于土壤水分时间序列提取的地表动态反馈信息可以定量化地刻画空间上任意点间的土壤质地差异。 （4）基于土壤质地与土壤水分时间序列信息反馈差异的相关关系对不同像元的土壤水分时间序列进行聚类，构建巢湖流域平原区的土壤质地图，制图总体分类精度为0.723。通过光谱角匹配聚类方法，基于像元间土壤水分信息的反馈差异进行土壤质地制图可以很好地反映巢湖流域平原区土壤质地的空间分布特征。

目录

第一个书签之前