论文部分内容阅读
植被是联结大气、土壤和水分的自然纽带，而植被类型作为影响流域赋水强弱的主要因素之一，即植被的变化情况可以从侧面反映水资源丰欠的变化。本文利用2005-2011年间美国USGA发布的LANDSAT5数据，基于RS和GIS技术，提取DVI、RVI、EVI、NDVI、TVI五种植被指数，并结合相应的水文资料（降水量、径流深），通过对相关性和灰色关联分析，研究近7a来贵州省植被覆盖变化与流域水资源的关系。主要结论如下： （1）贵州省喀斯特流域的降水量与 landsat5遥感影像植被指数（DVI、RVI、EVI、NDVI、TVI），通过统计学相关分析法和灰色关联分析法对二者之间的关系进行探究。总体上看，研究区降水量与同期植被指数DVI、RVI、NDVI、TVI之间存在较好的相关性；降水量与DVI、RVI、EVI、NDVI、TVI的关联度均较高,都是在0.8以上，五种植被指数均与降水量关系较密切。此外，通过对比3月份、9月份植被指数与降水量的关系，得出二者相关性是3月优于9月。 （2）研究区径流深与植被指数（DVI、RVI、EVI、NDVI、TVI）均呈正相关关系，3月份径流深与 DVI、RVI、EVI、NDVI、TVI的相关系数分别为0.682、0.770、0.717、0.662、0.637。9月相关系数RVI最高，相关系数为0.746；TVI和NDVI次之，相关系数分别为0.727和0.718；再次为DVI，其相关系数为0.691；EVI的相关性最差，系数为0.576。通过关联度分析，3月和9月DVI、RVI、EVI、NDVI、TVI五种植被指数均与径流深有密切的关系。 （3）在对降水量的监测中，总体而言，曲线模型中的三次多项式方程和多元线性模型比二次多项式的拟合精度更高。即相对于二次多项式来说,曲线模型和多元线性回归模型更能反映植被指数与降水量的关系。而在径流深与植被指数的构建的数学模型中，指数模型与多元线性模型的拟合精度较好，指数模型3月和9月R2高达0.8以上。 （4）在植被指数与降水量的回归关系模型中，无论是3月还是9月，三次多项式模型优于其他曲线模型（二次多项式和指数回归模型）。基于RVI建立的三次多项式关系模型的R2，3月份和9月份分别达到了0.653、0.774，并对三次多项式模型进行验证，发现实测值与预测值非常接近，平均误差分别为18％和7%。综上，说明三次多项式模型可以满足喀斯特地区水资源的宏观监测的需要，也说明三次多项式关系模型用来监测降水量是一种简单有效、切实可行的方法。在植被指数与径流深的构建的数学模型中，多元线性模型与指数模型R2均大于0.7，模拟效果较好。 (5)不同植被指数与水资源的内在联系是有差异的，植被指数与同期径流深的密切程度高于降水量与植被指数。其中，与径流深和降水量相关性最好的是比值植被指数（RVI）。