基于USLE模型的长汀县水土流失遥感动态监测课件.pptx

《基于USLE模型的长汀县水土流失遥感动态监测课件.pptx》由会员分享，可在线阅读，更多相关《基于USLE模型的长汀县水土流失遥感动态监测课件.pptx（50页珍藏版）》请在三一办公上搜索。

1、24/03/2023,导师：2014年6月8日,1,基于USLE模型的长汀县水土流失遥感动态监测,24/03/2023,2,内容提纲,1、引言2、遥感影像预处理与野外考察3、土地利用/覆被分类4、植被覆盖度遥感动态监测5、基于USLE模型的长汀县水土流失遥感动态监测6、结论与展望,3,1、引言,研究背景,地形复杂土壤岩易受风化亚热带季风性气候人为破坏,长汀县地理位置图,4,1、引言,研究意义,辅助防治政策的制定指引治理措施的实施掌握变化情况和治理成效了解现状为制定治理方向提供科学根据,长汀县沙田尾2001年原貌与2005年景象,5,1、引言,技术路线流程图,研究内容,24/03/2023,6,

2、内容提纲,1、引言2、遥感影像预处理与野外考察3、土地利用/覆被分类4、植被覆盖度遥感动态监测5、基于USLE模型的长汀县水土流失遥感动态监测6、结论与展望,7,2、数据预处理与野外调查,使用的数据,遥感影像：1、TM影像：1988年10月16日、1994年11月2日、2003年10月26日、2010年10月29日2、OLI影像：2013年10月4日3、ALOS-AVNIR-2影像：2010年3月28日其他数据：1、1：5 万DEM数据2、长汀县降雨资料3、福建省主要土壤类型空间分布专题图4、野外调查收集数据,8,2、数据预处理与野外调查,预处理后的遥感影像,1988.TM,1994.TM,2

3、003.TM,2010.TM,2013.OLI,2010.ALOS-AVNIR-2,9,2、数据预处理与野外调查,于2013年8月、11月两次前往长汀进行实地考察,2013年长汀县野外调查路线,野外考察实况,10,2、数据预处理与野外调查,典型地物与遥感影像对应关系,11,2、数据预处理与野外调查,植被覆盖度与遥感影像间的关系,12,2、数据预处理与野外调查,水土流水程度与遥感影像对应关系,13,2、数据预处理与野外调查,水土流水程度与遥感影像对应关系（续）,24/03/2023,14,内容提纲,1、引言2、遥感影像预处理与野外考察3、土地利用/覆被分类4、植被覆盖度遥感动态监测5、基于USL

4、E模型的长汀县水土流失遥感动态监测6、结论与展望,15,3、影像土地利用/覆被分类,典型地物解译标志,耕地,林地,（高植被覆盖）,林地,（低植被覆盖）,水体,居民地,建设用地,注：满足NDVI0.4及野外调查中植被覆盖度高于0.5特征的定义为高植被覆盖度的林地，反之为低。,16,3、影像土地利用/覆被分类,a.15与30比较,b.30与45比较,不同尺度分割效果图,多尺度分割算法，分割尺度：30光谱差异细分，光谱差异值：1.5,最终分割局部效果图,17,3、影像土地利用/覆被分类,典型地物光谱曲线,注：NDVI线性拉伸至0255的范围内,18,3、影像土地利用/覆被分类,1988年至2013年

5、土地利用/覆被分类结果,1994,主要土地覆被类型为林地，且植被覆盖度较高植被覆盖度较低的林地集中在中部、南部部分地区，面积逐渐减少居民地、耕地、建设用地面积增加,2010,1988,2003,2013,24/03/2023,19,内容提纲,1、引言2、遥感影像预处理与野外考察3、土地利用/覆被分类4、植被覆盖度遥感动态监测5、基于USLE模型的长汀县水土流失遥感动态监测6、结论与展望,20,4、植被覆盖度遥感动态监测,地形调节植被指数（TAVI）：,TAVI=CVI+MrR R,本文CVI采用最常用的NDVI计算：,TAVI=NDVI+()MrR R,21,4、植被覆盖度遥感动态监测,a.N

6、DVI灰度图,b.TAVI灰度图,长汀县植被指数灰度图,总体分布大致相同,22,4、植被覆盖度遥感动态监测,局部区域植被指数分布,a.ALOS原始影像,b.NDVI灰度图,c.TAVI灰度图,消除地形纹理其他地物特征不变,23,4、植被覆盖度遥感动态监测,注：NDVI_rd表示基于NDVI相对差异；TAVI_rd表示TAVI相对差异；NDVI rd=阳坡NDVI阴坡NDVI 阳坡NDVI 100%；TAVI rd=阳坡TAVI阴坡TAVI 阳坡TAVI 100%;相对差异比=NDVI_rd TAVI_rd 100%.,阴坡与阳坡NDVI和TAVI比较,24,4、植被覆盖度遥感动态监测,像元二分

7、模型：,c=SSs SvSs,a.基于NDVI估算植被覆盖度分布图,b.基于TAVI估算植被覆盖度分布图,长汀县植被覆盖分布图,25,4、植被覆盖度遥感动态监测,典型区域植被覆盖度分级图像,a.ALOS原始影像,b.基于NDVI提取的植被覆盖度分级图,c.基于TAVI提取的植被覆盖度分级图,注：图例与上图相同,26,4、植被覆盖度遥感动态监测,基于NDVI和TAVI的阳坡与阴坡植被覆盖度比较分析,注：NDVI_C表示基于NDVI估算的植被覆盖度；TAVI_C表示基于TAVI估算的植被覆盖度；样区、计算方法均与上文相同,27,4、植被覆盖度遥感动态监测,基于两种植被指数估算植被覆盖度精度验证,注

8、：估算值_N表示基于NDVI指数估算的植被覆盖度；估算值_T表示基于TAVI指数估算的植被覆盖度；相对误差=|估算植被覆盖度实测植被覆盖度|实测植被覆盖度 100%.,28,4、植被覆盖度遥感动态监测,阴坡和阳坡植被覆盖度精度验证,29,4、植被覆盖度遥感动态监测,1988年至2013年植被覆盖度空间分布图,2010,1988,1994,2003,2013,多年植被覆盖度空间分布相同 中、低植被覆盖度地区集中在中部和南部部分地区从1994年起，中、低植被覆盖地的面积不断减少,植被覆盖程度较好,30,4、植被覆盖度遥感动态监测,各级植被覆盖度面积分布,注：低植被覆盖度（等级04）；中植被覆盖度（

9、等级58）；高植被覆盖度（等级910）.,31,4、植被覆盖度遥感动态监测,1988年至2013年植被覆盖度空间变化,a.1988-1994,b.1994-2003,c.2003-2010,d.2010-2013,88-94总体呈下降趋势94-03、03-10、10-13均呈现上升趋势,上升的区域集中在中部、南部西部和北部多年来变化不明显,24/03/2023,32,内容提纲,1、引言2、遥感影像预处理与野外考察3、土地利用/覆被分类4、植被覆盖度遥感动态监测5、基于USLE模型的长汀县水土流失遥感动态监测6、结论与展望,33,5、基于USLE模型的水土流失动态监测,通用土壤流失方程(USLE

10、)的表达式：,A=RKLSCP,式中，A土壤侵蚀模数（t/km2）；R降雨和径流因子(MJmmhahra)；K土壤可蚀性因子(thahrhaMJmm)；LS坡长、坡度因子；CP植被与经营管理因子；f转换系数，f=224.2。,注：f的值引自文章卜兆宏等，水土流失定量遥感方法及其应用的研究,34,5、基于USLE模型的水土流失动态监测,采用克里金插值(Kriging)的内插方法，获得月降雨量栅格图层：,月降雨量空间分布图,35,5、基于USLE模型的水土流失动态监测,R因子的计算方法：,R=1 12 2.6398+0.3046,式中，Pi代替月雨量，R代表年降雨侵蚀力。,R因子空间分布图,注：R

11、的计算方法参照自杨洁等对赣南地区水土流失的研究,36,5、基于USLE模型的水土流失动态监测,K因子空间分布图,长汀县主要土壤类型K值表,注：K值的确定参照方清纲、郭志民等人对福建省土壤可蚀性程度的研究,37,5、基于USLE模型的水土流失动态监测,计算LS因子的方法选用刘宝元的研究结果：,L=22.1,式中：为坡长，m 为坡长指数。其中，,&=0.5,5.,&=21.90.96,10.,LS因子空间分布图,38,5、基于USLE模型的水土流失动态监测,不同土地利用类型及其不同植被覆盖度下的C值,C因子空间分布图,39,5、基于USLE模型的水土流失动态监测,根据土壤侵蚀分类分级标准规定的“各

12、侵蚀类型区年土壤容许流失量”和“土壤侵蚀强度分级标准”进行分级：,南方红壤丘陵区土壤侵蚀强度分级标准,40,5、基于USLE模型的水土流失动态监测,土壤侵蚀强度空间分布图,2010,1988,1994,2003,2013,水土流失主要分布在中部和南部部分地区94年水土流失面积分布最广,程度主要为轻度,经过治理，水土流失面积明显减少,41,5、基于USLE模型的水土流失动态监测,土壤侵蚀强度变化动态监测,现有资料估算结果汇总,42,5、基于USLE模型的水土流失动态监测,1988年至2013年侵蚀强度面积变化,43,5、基于USLE模型的水土流失动态监测,1988年至2013年治理成效显著区域局

13、部图,44,5、基于USLE模型的水土流失动态监测,1988年至2013年土壤侵蚀强度空间变化分布图,a.1988-1994,b.1994-2003,c.2003-2010,d.2010-2013,空间分布的变化情况与植被覆盖度的空间分布变化情况类似,45,5、基于USLE模型的水土流失动态监测,水土流失空间分布(乡镇)情况表,46,5、基于USLE模型的水土流失动态监测,水土流失率的计算：,水土流失率=各乡镇水土流失面积 各乡镇国土总面积 100%,a.中部各乡镇水土流失率动态变化,b.周边各乡镇水土流失率动态变化,长汀县各乡镇水土流失率动态变化,24/03/2023,47,内容提纲,1、引

14、言2、遥感影像预处理与野外考察3、土地利用/覆被分类4、植被覆盖度遥感动态监测5、基于USLE模型的长汀县水土流失遥感动态监测6、结论与展望,48,6、总结与展望,总结：,长汀县境内的主要土地利用类型为林地且植被覆盖度高，低植被覆盖的林地主要分布在长汀县的中部和东南部部分地区,地形调节植被指数可以较好的消除地形影响和削弱地形阴影干扰，有效提高植被覆盖度的估算精度。长汀县境内的植被覆盖情况较好，并且中部和东南部地区的植被覆盖程度明显提高。,基于USLE模型的估算结果能满足实际应用的需求，长汀县境内的水土流失程度主要为轻度，主要分布在中部和东南部的部分地区，25年来治理工作成效显著。,49,6、总结与展望,展望,未来的工作中将针对不同季节的遥感影像对于水土流失估算结果影响及不同时间尺度的降雨数据对降雨因子和土壤侵蚀强度的影响进行。,24/03/2023,50,请各位老师批评指正！,谢谢！,