SWAT模型参数修正及应用——以德泽水库径流区为例

受人类活动和重大水利项目的影响,SWAT模型在对河道参数和平均坡长的计算中存在一些缺陷。通过遥感技术和经验公式对不合理的参数进行了修正。在对参数进行修正后,选取对水文、水质过程较为敏感的参数运用SWAT-CUP软件对模型进行优化,其率定和验证精度均达到了较为满意的效果(径流量R^(2)在0.7643~0.9674之间、NS在0.7548~0.8998之间,总氮负荷R^(2)在0.5462~0.6599之间、NS在0.5268~0.6388之间),结果表明在其他参数不变的情况下,这种修正方式不仅可以更好反应流域内真实的地形地貌及河道信息,同时可提高模型月尺度径流的模拟精度(R^(2)从0.8349提升到0.8719,NS从0.6987提升到0.7718)。可实际应用于德泽水库径流区。

基于建筑用地指数的DMSP/OLS数据去饱和方法

由于传感器的局限性,DMSP/OLS夜间灯光数据会出现饱和现象。针对这一问题,NGDC发布了辐射定标数据用以反映真实的灯光亮度,但其目前仅有少数几年的产品。鉴于此,考虑到NTL与IBI指数从植被区至城市区具有相同的变化趋势,并且IBI指数能在一定程度上缓解水体以及植被的影响,提出了INTL指数,目的是提供一种更有效的去饱和方法。以东北三省为研究区域,通过对比INTL、VANUI和NTL的城市内部地物刻画能力发现,INTL可以很好地区分城市中高植被覆盖区、大面积水体区和人类活动较低的区域。通过构建INTL-RCNTL和VANUI-RCNTL回归分析发现,前者的相关系数均在不同程度上高于后者。在市级尺度上结合GDP和年末人口总数评价INTL指数的估算能力,发现INTL反演社会指标具有较高的精度,具有较高的应用价值。

基于土壤光谱特性的土壤类型区分研究

选取云南农业大学某试验地为研究区域,一方面利用无人机挂载多光谱相机获取研究区域的多光谱遥感影像,通过对比多光谱单波段反射率以及多光谱影像发现,绿光和红光波段对3类土壤较为敏感,且反射率具有明显差异,对多光谱数据进行8种合成指数计算后发现,红绿比值指数(RG)对3种土壤的区分效果最优;另一方面利用美国ASD公司的FS4 NG地物光谱仪对获取的土壤样本进行多光谱测定,通过主成分分析对土壤样本进行区分,一阶微分变换后主成分分析前5个主成分提供了85%的光谱信息,而二阶微分变换后主成分分析前5个主成分提供了95%的光谱信息,且后者区分效果优于前者。

滇西南植被覆盖度动态变化特征及其驱动力分析

为了探究滇西南植覆盖度动态变化及与气候因子的关系,以便于推动滇西南植被资源保护以及可持续发展。基于滇西南2000—2020年MODIS NDVI数据以及同期气象数据,运用像元二分法、转移矩阵、线性趋势分析、相关分析和残差分析等方法进行了分析。结果表明:(1)滇西南近21 a低植被覆盖度逐渐向高植被覆盖度转化,2000—2020年滇西南植被覆盖度整体呈现改善趋势。(2)滇西南近21 a年累计降水量以94.18 mm/10 a的趋势减少;年均气温以0.78℃/10 a的趋势上升。(3)滇西南植被覆盖度主要与气温变化关系更密切,其中FVC与气温正、负相关面积占整个研究区比例分别为58.47%,41.53%;与降水量正、负相关面积占整个研究区域比例分别为41.22%,58.78%。(4)气温驱动为滇西南植被覆盖度的主要驱动因素,占研究区域面积的2.94%;降水量驱动区域所占1.76%;受气温和降水量共同驱动区域所占2.66%。(5)近21 a滇西南残差值以0.021/10 a的速率波动上升。2000—2020年滇西南人类活动对植被的影响由负到正,其中2009年为由负到正的转折点。

滇北区域土地利用类型及植被覆盖度的时空动态变化

以位于云南省北部的昆明市、曲靖市、昭通市、楚雄彝族自治州为研究区域,依据土地利用数据和中分辨率成像光谱仪归一化植被指数数据(MODIS-NDVI),应用像元二分模型提取滇北2000—2020年植被覆盖度;采用核密度分析、土地利用动态度、土地利用转移矩阵、像元二分模型、泰尔森中位数和曼-肯德尔(Sen+MK)趋势分析法,分析滇北不同土地利用类型的时空变化,结合植被覆盖度分析耕地、草地、林地近21 a的空间变化趋势。结果表明:滇北区域整体以林地为主,近21 a,耕地和草地有一定减少,建设用地大面积增加。耕地主要分布特征由“个体式”演变为“组团式”,其中高密度主要分布在昭通市、曲靖市北部地区;草地主要分布在曲靖市、昆明市东北部区域,整体上曲靖市草地存在一定退化;林地主要集中在楚雄市、昭通市,呈“连片式”向周围扩展;建筑用地高密度集中在各州市核心区域。近21 a,综合土地利用动态度为0.08%,说明滇北的土地利用类型相互转化比较平稳,但内部转换频繁。近21 a,草地、耕地、林地植被覆盖度(F_(VC)),分别以0.77%/a、0.29%/a、0.52%/a的速率呈现上升趋势,3种不同土地利用类型的植被覆盖度均以改善趋势为主,草地改善趋势最明显。

基于无人机遥感技术的玉米长势监测研究

利用大疆P4 Multispectral无人机对云南省昆明市安宁市3块种植不同品种玉米的试验地获取该区域玉米整个生长周期的光谱数据并对其进行长势监测,基于光谱数据构建玉米的归一化植被指数(Normalized difference vegetation index,NDVI)来评价玉米的长势情况。结果表明,玉米5个不同生长阶段中,试验地块1的玉米品种LD556要优于另外2个试验地块的玉米品种(XL、JD16),其中试验地块1NDVI均值与最大值均高于另外2个试验地块。通过多光谱无人机对玉米的生长监测试验,相比较传统的地面监测要更加快捷与高效,能很大程度上减少财力与人力成本,也在一定程度上推动了精准农业的发展。

云南省近13年NDVI植被覆盖时空变化及驱动因子分析

为探究影响NDVI植被覆盖变化的多重因素,选取MODIS13Q1数据集利用均值法合成云南省13年的NDVI年均值、季均值、月均值,并且NDVI年均值通过变异系数CV的稳定性检验。2006—2018年云南省的NDVI年均值为0.641,平均增长速率为0.002 26/10年;4季的NDVI值中只有夏季呈现负相关趋势,波动范围明显;在13年的NDVI月均值中,NDVI在6—7月达到最低。将NDVI和DEM及气象因子分析后结果表明,NDVI在<3 000 m的占比最大为91.51%,此区域植被覆盖最好。NDVI在10°~15°区域占比达到最大,而且随着坡度的增大,NDVI是先上升后下降。NDVI在北坡占比最大,其余各坡占比基本无差异,植被生长状态较好。NDVI与气温在海拔上表现出更好的相关性,NDVI在坡度、坡向方面主要受降水影响较大。