基于多角度遥感信息的土壤侵蚀模型植被覆盖与管理措施因子C定量反演研究

Vegetation cover is one of the most crucial factors affecting the intensity of soil erosion and considered as an important parameter in the soil erosion model such as USLE,RUSLE and EPIC .Therefore, assessment of the vegetation cover and management factor (C factor) is one of the key topic in soil and water loss. In recent years, vegetation Fractional Cover is widely used to estimate C factor for the USLE model. However, soil erosion does not only depend on vegetation coverage, but also on vegetation type and vegetation structures (e.g. canopy cover, shrub, litter fall, plant root). Moreover, uni-directional data from single-angular remote sensing could not describe vegetation structures. To address these questions, We select leaf area index (LAI) as input factor, which integrates vegetation horizontal and vertical structure, then establish the LAI retrieval method based on multi-angular data and physical model. Finally, the response relationship of LAI as function of vegetation cover, C factor and the soil erosion rate will be investigated. Our objective of this project is to inverse the quantity coupling model for the C factor and LAI, so as to inverse vegetation cover and management factor C using multi-angular remote sensing and present a new method for quantifying the regional soil erosion using remote sensing.

植被是影响土壤侵蚀最敏感的因子之一，USLE、RUSLE和EPIC模型中均将其作为重要参数。因此，各种侵蚀模型中植被覆盖因子的确定是水土保持研究的一个热点问题。近年来众多学者利用植被指数提取植被覆盖度进而估算植被覆盖因子C值，而植被覆盖度仅单一的从水平方面反映植被信息，忽略了植被垂直结构对土壤侵蚀的影响，降低了反演的精度。另一方面，单一方向遥感数据只能提供一个方向的数据，缺乏足够的信息表征地表植被结构，针对上述两个难题，本项目拟选用能高度概括植被水平覆盖与垂直结构特性的叶面积指数作为参量，利用多角度遥感数据及物理模型，建立多角度LAI的反演方法。研究不同植被结构土壤侵蚀速率、植被覆盖管理措施因子C与LAI的响应规律。探索构建基于多角度叶面积指数的植被覆盖与管理措施因子C量化耦合模型，从而实现土壤侵蚀模型中植被覆盖管理措施因子C的多角度定量遥感反演，为区域土壤侵蚀定量遥感监测提供新途径。

土壤侵蚀遥感定量监测是水土保持研究的一个重要问题，而植被覆盖与管理措施因子C（以下简称C因子）是诸多土壤侵蚀模型中最为关键也是最难确定的因子之一。本项目选择南京典型丘陵山区为研究区，通过野外试验、数学模型和遥感反演相结合的方法，探讨了多角度LAI与C因子的响应规律，建立了量化拟合模型，为C因子的多角度遥感定量反演奠定理论基础，为区域土壤侵蚀遥感定量监测提供新的方法和模型。主要包括以下三部分：（1）LAI的多角度遥感反演。基于PROBA/CHRIS多角度遥感数据，采用主成分分析法筛选最佳波段，结合室内实测的植被生化组分参数，利用PROSPECT+SAIL模型模拟各角度冠层反射率，对多角度冠层光谱数据进行训练、校验，构建LAI与多角度冠层光谱反射率反演模型，并利用地面实测LAI进行验证与评价，确定最佳波段组合和最佳观测角度组合。结果表明： CHRIS最佳波段组合为第5、8和18波段。利用PROBA/CHRIS数据反演LAI时，2个角度组合（0°、36°）反演LAI精度最高（R2=0.9996，RMSE=0.009387）。（2）LAI与C因子量化耦合模型构建及优化。在研究区选择13个样地，采用137Cs同位素示踪技术，选择质量平衡模型估算土壤流失速率，利用水文站降雨数据，根据C值定义计算不同植被类型的C因子。分析基于137Cs同位素示踪技术计算的C因子与基于LAI实测值计算得到的植被方向性覆盖度Fc间的关系，最终构建了基于LAI的C因子量化耦合模型。结果表明：通过分析基于137Cs计算得到的C因子与植被方向性覆盖度Fc之间的相关关系，并用回归分析方法构建了C与植被方向性覆盖之间数学模型，其决定系数R2=0.6251。（3）C因子遥感定量反演模型的验证与评价。利用紫金山C因子实测数据,验证和评价基于单一角度和多角度遥感数据的 C因子遥感模型反演精度，其中基于PROSPECT+SAIL模型的多角度LAI反演模型所采用的角度为2个角度组合（0°、36°），分析模型所产生的误差来源和验证与评价模型的适用性。结果表明：多角度LAI反演的C值相对误差较低，RMSE仅为0.000687，较之于单角度反演的C值更接近于真实值，其主要原因是多角度遥感数据考虑了植被垂直结构对土壤侵蚀的作用。

内容获取失败，请点击重试