获得地下水与天然植被系统的关系的方法及系统

摘要

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。

说明书

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（R_veg）与裸 土组分所贡献的信息R_soil，即：

R＝R_veg+R_soil＝f_c×R_veg+(1-f_c)R_soil            （1）

式（1）中，R_veg代表“纯净”(pure)植被像元，R_soil代表“纯净”裸土像元， f_c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：

$f_c=\frac{R-R_{\mathrm{soil}}}{R_{\mathrm{veg}}-R_{\mathrm{soil}}}---\left(2\right)$

R_soil和R_veg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R_soil和R_veg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R_soil和R_veg。因此，本发明反演植被覆盖度的公式可表述为：

$f_c=\left(\frac{\mathrm{TSAVI}-{\mathrm{TSAVI}}_{\mathrm{soil}}}{{\mathrm{TSAVI}}_{\mathrm{veg}}-{\mathrm{TSAVI}}_{\mathrm{soil}}}\right)---\left(5\right)$

式（5）中，TSAVI为像元的植被指数，TSAVI_Soil为遥感影像中纯裸地的植被 指数，TSAVI_veg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。