当前位置:首页>农业>RSE最新成果 | 湖南农业大学段良霞团队揭示喀斯特流域水文响应的 “最佳遥感探针”

RSE最新成果 | 湖南农业大学段良霞团队揭示喀斯特流域水文响应的 “最佳遥感探针”

  • 2026-10-24 13:50:39
RSE最新成果 | 湖南农业大学段良霞团队揭示喀斯特流域水文响应的 “最佳遥感探针”

论文摘要

遥感技术的发展促进了众多与植被相关指标的出现,这些指标可能反映了不同尺度上的水文和泥沙输移过程。然而,很少有研究调查哪种与植被相关的指标能够在多个时间尺度上最好地捕捉径流和泥沙排放的变化,特别是在生态脆弱的喀斯特地区,植被与水文过程之间的关系高度复杂且多变。为了解决这个问题,选取了五个卫星衍生的与植被相关的指标(归一化植被指数(NDVI)、核归一化植被指数(kNDVI)、增强植被指数(EVI)、叶面积指数(LAI)和太阳诱导叶绿素荧光(SIF))来评估它们与中国西南地区六个喀斯特流域2003 - 2020年期间径流和泥沙排放的关联,并在法国和美国中部的九个喀斯特流域进行了这些关联分析以验证本研究的结果。曼 - 肯德尔趋势检验结果表明植被呈显著增加趋势,而泥沙排放总体上呈下降趋势。连续小波变换分析检测到径流(9 - 13个月)和与植被相关指标(8 - 16个月)存在显著的周期性振荡,但未观察到泥沙排放的持续周期性。然后对所有15个喀斯特流域应用交叉小波变换和小波相干分析。植被与径流之间显示出显著相干性的区域比例在4%至33%之间,而植被与泥沙之间的这一比例在6%至29%之间。随后,采用理想解相似排序法来评估水文变量对与植被相关指标的相对解释能力。结果表明,SIF是全球喀斯特地区河流径流和泥沙的最有效解释变量。这些发现为喀斯特流域植被与水文过程之间的复杂关系提供了新的见解,并为改进水土资源管理策略提供了有价值的指导。

关键图表

图 1.研究选取的喀斯特流域概况。(a) 研究区位置与喀斯特分布;(b–d) 分别为美国中部、法国、中国西南典型研究流域的数字高程模型(DEM)、河网、水文站及主要城市分布。

图 2.2003–2020 年月径流、输沙量(SD)及植被相关指标的时间变化。
图 3. 2003–2020 年不同月份间月径流、输沙量(SD)及植被相关指标的对比。不同字母表示在 P < 0.05 水平下差异显著。
图 4.中国西南 6 个喀斯特流域月径流、输沙量的连续小波功率谱。黑色粗轮廓线表示针对红噪声的 5% 显著性水平;可能受边缘效应影响的影响锥区域以浅色显示;颜色表示能量密度相对变化。

图 5.中国西南 6 个喀斯特流域月植被相关指标的连续小波功率谱。黑色粗轮廓线表示针对红噪声的 5% 显著性水平;可能受边缘效应影响的影响锥区域以浅色显示;颜色表示能量密度相对变化。

图 6. 2003–2020 年 6 个喀斯特流域月径流与植被相关指标的交叉小波变换分析。黑色粗线表示 95% 置信区间;箭头方向表示相位关系;颜色表示能量密度相对变化。

图 7.2003–2020 年 6 个喀斯特流域月输沙量(SD)与植被相关指标的交叉小波变换分析。黑色粗线表示 95% 置信区间;箭头方向表示相位关系;颜色表示能量密度相对变化。

图 8.2003–2020 年 6 个喀斯特流域月径流与植被相关指标的小波相干性分析。黑色粗线表示 95% 置信区间;箭头方向表示相位关系;颜色表示能量密度相对变化。

图 9.2003–2020 年 6 个喀斯特流域月输沙量(SD)与植被相关指标的小波相干性分析。黑色粗线表示 95% 置信区间;箭头方向表示相位关系;颜色表示能量密度相对变化。

END

以上内容来源于GEE遥感训练营,为学术分享,仅供科研交流,如有错误/侵权等,请联系修改或删除。联系方式:Novel_2020

最新文章

随机文章