堵河子流域划分及其NDVI特征分析

堵河流域是南水北调中线工程的重要水源区,对堵河流域的水文单元划分和植被覆盖特征分析,对识别流域生态环境具有重要的实际意义.文章基于SWAT分布式水文模型和ArcGIS软件,运用适度指数法和均值统计法,对堵河流域的边界提取、子流域划分及其植被盖度分布特征进行了分析.结果显示:①集水面积阈值是控制子流域提取的重要参数,通过适度指数法计算堵河流域水系提取的最佳集水面积阈值为10 000 hm^2.②堵河流域年均NDVI值约为0.636,为中高植被覆盖度,空间上表现出南岸比北岸高;中游最低,向上游和下游逐渐升高的分布特征;年均NDVI最高值在黄龙河流域,最低值在竹溪河流域,存在明显的空间异质性.③堵河流域NDVI值随海拔的上升先变快后减缓,原因是高海拔山区植被覆盖度高.④在2001-2016年间,堵河流域的12个子流域年均NDVI值表现出相似的波浪式上升趋势,体现了整个流域的植被覆盖度上升,生态环境转好.年内堵河流域各子流域的NDVI月均值变化趋势特征趋于一致,8月达到最高峰值,2月达到最低峰值.

鄂西犟河流域表层土壤有机碳时空变化及其影响因素

[目的]研究土壤有机碳(SOC)在小型丘陵山地集水区的分异规律及其影响因素,为土壤资源的可持续利用以及保护南水北调水源地提供科学依据。[方法]基于数字高程、Landsat 8 OLI影像和2016—2018年实测土壤有机碳等数据,运用相关分析、主成分分析法等研究湖北省十堰市犟河流域表层土壤有机碳含量的时空变化,厘清其影响因子和主导因素。[结果]犟河流域SOC含量整体呈条带状分布的格局,由东北向西南逐渐增加,呈中等强度变异。夏秋两季SOC处于流失状态,而冬季SOC含量明显增加。不同质地SOC的平均含量:石灰性冲积土>简育高活性淋溶土>不饱和雏形土。不同覆盖下SOC平均含量:农田>园地>混交林>针叶林>灌木。土壤SOC含量呈现随地表曲率绝对值增大而增大,随比值植被指数(RVI)和归一化植被指数(NDVI)增加而增加的趋势。[结论]地形因子(地表曲率)是影响犟河流域土壤有机碳的主导因子,植被因子(NDVI和RVI)是次要因子。改变局部小地貌、增加林种、改善水肥管理等措施均可以提高流域土壤有机碳含量。

基于SWAT模型和多源DEM数据的流域水系提取精度分析

流域水系是研究水文水资源、地貌演化和生态环境及水土治理等的基础数据,高精度的水系提取对流域研究十分重要。本文以空间分辨率均为30 m的AW3D30 DSM、SRTM1 DEM和ASTER GDEM2数字高程模型作为基本的地形数据,基于SWAT模型提取犟河流域水系,通过河网"套合差"、水系相对误差、Google Map水文数据及蓝线河网对提取结果进行误差分析与综合评价,探讨河道剖面和地形特征对水系提取精度的影响。结果表明:①集水面积阈值是决定河网水系提取精度的关键参数,阈值越大,提取的河网密度越小,反之提取的河网密度越大;②基于河网密度与集水阈值二阶导数的幂函数与直线相切的数学求值方法确定流域最佳集水面积阈值,能避免最佳集水阈值取值的主观性,提取的河网水系与实际河道相符;③AW3D30 DSM数据提取的流域河网水系与Google Map高分辨率影像的水系偏差最小,且AW3D30 DSM数据提取的水系与蓝线河网的河网"套合差"和水系相对误差值均最低,能真实反映中低山丘陵山区流域水系发育的疏密程度,吻合度最好;④多源DEM数据提取结果均显示为河床比降大和横剖面曲线为窄深式的"V"形河谷提取的水系精度高于河床比降小和横剖面曲线为"碟"形河谷的提取精度;⑤AW3D30 DSM数据的地形起伏和坡度标准差最大,有利于山区河网水系的提取。因此,基于SWAT模型和AW3D30 DSM数据提取的山区流域水系可最大限度反映流域水系的真实情况,精度最高,此方法和数据源可应用于中低山丘陵山区流域的水系提取研究。

基于决策树-山体阴影模型的植被信息提取研究

植被是土地覆被分类的重要内容,植被分类对研究流域生态具有重要参考价值。鄂西犟河流域是南水北调中线工程的重要水源地,该区以中低山和丘陵为主,地形起伏剧烈,导致遥感影像存在大量阴影,制约了植被分类的精度。基于LandSAT OLI影像,使用ArcGIS的Hillshade模块,输入DEM数据和传感器具体参数,计算得到影像成像时刻阴影的准确分布;统计野外采集地物样本点在MNDWI、NDVI和RVI等指数上的差异;结合决策树分类法,分别设定阴影和非阴影下6类样本的阈值进行分类。结果表明:(1)该方法总分类精度能够达到92.93%,Kappa系数为0.912;(2)阴影和非阴影区植被具备明显的同物异谱和异物同谱特征,表现为阳面的植被指数整体高于阴面;3类林地的RVI值由高往低依次为:灌木,混交林和针叶林。(3)传统经验模型在不同纬度的适用性不同,无法精确提取阴影的范围,降低了分类精度;决策树-山体阴影模型作为一种智能分类方法,能够还原Landsat OLI影像准确的阴影分布,提高山地和丘陵等阴影面积大、形状复杂区域的植被分类精度。