贵州省喀斯特流域赋水遥感定量研究

第３４卷第６期　２０１２年６月　人民黄河　Ｖｎ１．３４．Ｎｏ．６　ＹＥＬＬ０Ｗ　ＲＩＶＥＲ　Ｊｕｎ．，２０１２　【水资源・水环境】　贵州省喀斯特流域赋水遥感定量研究　贺中华　，陈晓翔　，梁　虹　，黄法苏　，赵　芳　（１．中山大学地理科学与规划学院，广东广州５１０２７５；２．贵州师范大学地理与环境科学学院，贵州贵阳５５０００１；　３．贵州省水文水资源局，贵州贵阳５５０００２；４．贵阳市白云区职业技术学校，贵州贵阳５５００１４）　摘要：喀斯特流域具有特殊的双重含水介质和地表一地下水系结构，与常态流域相比，其水资源影响因素复杂多样，除　气候、地貌、岩性等因素外，流域植被覆盖率起到了重要作用。在贵州省内选择２０个典型流域作为研究样区，根据植被　光谱特征、流域赋水光谱特征，利用遥感技术，对ＴＭ影像进行光谱辐射亮度及表观反射率计算，得到各类植被指数。根　据多元回归分析原理，借助Ｓｐｓｓ、ＭＡＴＬＡＢ软件，利用比值植被指数、差值植被指数、归一化植被指数、转换型植被指数、　重归一化植被指数、增强型植被指数构建了喀斯特流域赋水动态变化监测、预测模型，通过方差分析和样区检验，表明该　模型监测、预测效果好，精度较高。　关键词：喀斯特；流域赋水；Ｌａｎｄｓａｔ　ＴＭ影像；植被指数；监测预测模型；贵州省　文献标识码：Ａ　ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１０００—１３７９．２０１２．０６．０２８　中图分类号：ＴＶ２１１．１；Ｐ６４２．２５　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｑｕａｎｔｉｔａｔｉｖｅ　Ｓｔｕｄｙ　ｏｆ　Ｋａｒｓｔ　Ｂａｓｉｎ　Ｗａｔｅｒ－Ｈｏｌｄｉｎｇ　ｉｎ　Ｇｕｉｚｈｏｕ　Ｐｒｏｖｉｎｃｅ　ＨＥ　Ｚｈｏｎｇ—ｈｕａ　一，ＣＨＥＮ　Ｘｉａｏ．ｘｉａｎｇ　，ＬＩＡＮＧ　Ｈｏｎｇ　，ＨＵＡＮＧ　Ｆａ—ｓｕ　，ＺＨＡＯ　Ｆａｎｇ４　（１．Ｓｃｈｏｏｌ　ｏｆ　Ｇｅｏｇｒａｐｈｙ　ａｎｄ　Ｐｌａｎｎｉｎｇ，Ｓｕｎ　ｒａｔ－ｓｅｌｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ　５　１０２７５，Ｃｈｉｎａ；２．Ｓｃｈｏｏｌ　ｏｆ　Ｇｅｏｇｒａｐｈｉｃ　ａｎｄ　Ｅｎｖｉｒｏｎｍｅｎｔａｌ　Ｓｃｉｅｎｃｅ　Ｇｕｉｚｈｏｕ　Ｎｏｒｎｕｄ　Ｕｎｉｖｅｒｓｉｔｙ，Ｇｕｉｙａｎｇ　５５０００１，Ｃｈｉｎａ；３．Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｈｙｄｒｏｌｏｇｙ　ａｎｄ　Ｗａｔｅｒ　Ｒｅｓｏｕｒｃｅｓ，Ｇｕｉｙａｎｇ　５５０００２，Ｃｈｉｎａ；　４．Ｖｏｃａｔｉｏｎａｌ　ａｎｄ　Ｔｅｃｈｎｉｃａｌ　Ｓｃｈｏｏｌｓ，Ｂａｉｙｕｎ　Ｄｉｓｔｒｉｃｔ　ｏｆ　Ｇｕｉｙａｎｇ　Ｃｉｔｙ，Ｇｕｉｙａｎｇ　５５００１４，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｋａｒｓｔ　ｂａｓｉｎ　ｈａｓ　ａ　ｓｐｅｃｉａｌ　ｄｏｕｂｌｅ　ａｑｕｉｆｅｒ　ｍｅｄｉｕｍ，ｆｏｒｎｆｉｎｇ　ａ　ｕｎｉｑｕｅ　ｓｕｒｆａｃｅ—ｇｒｏｕｎｄｗａｔｅｒ　ｓｙｓｔｅｍｓ　ｓｔｒｕｃｔｕｒｅ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｅ　ｗａｔｅｒ　ｒｅｓｏｕｒｃｅ　ｉｍｐａｃｔ　ｆａｃｔｏｒｓ　ｏｆ　ｔｈｅ　ｋａｒｓｔ　ｂａｓｉｎ　ａｒｅ　ｖｅｒｙ　ｃｏｍｐｌｅｘ　ａｎｄ　ｄｉｖｅｒｓｅ　ｂｙ　ｃｏｍｐａｒｅｄ　ｗｉｔｈ　ｔｈｅ　ｎｏｒｍａｌ　ｂａｓｉｎ，ａｎｄ　ｗａｔｅｒｓｈｅｄ　ｖｅｇｅｔａｔｉｏｎ　ｃｏｖｅｒ　ｐｌａｙｓ　ａｎ　ｉｍｐｏｒｔａｎｔ　ｒｏｌｅ，ｉｎ　ａｄｄｉｔｉｏｎ　ｔｏ　ｆａｃｔｏｒｓ　ｓｕｃｈ　ａｓ　ｃｌｉｍａｔｅ，ｇｅｏｍｏｒｐｈｏｌｏｇｙ　ａｎｄ　ｌｉｔｈｏｌｏｇｙ．Ｔｈｉｓ　ｐａｐｅｒ　ｉｎ　Ｇｕｉｚｈｏｕ　Ｐｒｏｖｉｎｃｅ　ｓｅｌｅｃｔｅｄ　２０　ｔｙｐｉｃａｌ　ｗａｔｅｒｓｈｅｄ　ａｒｅａｓ　ａｓ　ｔｈｅ　ｓｔｕｄｙ　ｓａｍｐｌｅ，ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｓｐｅｃｔｒａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ｖｅｇｅｔａｔｉｏｎ　ａｎｄ　ｂａｓｉｎ　ｗａｔｅｒ—ｈｏｌｄｉｎｇ，ｔｏ　ｃｏｍｐｕｔｅ　ｔｈｅ　ｓｐｅｃｔｒａｌ　ｒａｄｉａｎｃｅ　ａｎｄ　ａｐｐａｒｅｎｔ　ｒｅｆｌｅｃ—　ｔａｎｃｅ　ｏｆ　ｔｈｅ　ＴＭ　ｉｍａｇｅｓ　ｂｙ　ｕｓｉｎｇ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｔｅｃｈｎｉｑｕｅｓ，ｔｏ　ｃｏｎｓｔｒｕｃｔ　ｔｈｅ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｅｘ．Ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｐｒｉｎｃｉｐｌｅｓ　ｏｆ　ｍｏｄｅｍ　ｍａｔｈｅｍａｔｉｃａｌ　ａｎａｌｙｓｉｓ，ｕｓｉｎｇ　Ｓｐｓｓ，ＭＡＴＬＡＢ　ｓｏｆｔｗａｒｅ　ｔｏ　ｅｘｐｌｏｒｅ　ａｎｄ　ｅｓｔａｂｌｉｓｈ　ｔｈｅ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｑｕａｎｔｉｔａｔｉｖｅ　Ｍｏｄｅｌｓ　ｏｆ　Ｋａｒｓｔ　Ｂａｓｉｎ　Ｗａｔｅｒ—ｈｏｌｄｉｎｇ．Ｓｔｕｄｉｅｓ　ｈａｖｅ　ｓｈｏｗｎ　ｔｈａｔ：ｆｉｒｓｔｌｙ，ｔｈｅ　ｒｕｎｏｆｆ　ａｎｄ　ｃｏｎｖｅｒｇｅｎｃｅ　ｍｅｃｈａｎｉｓｍ　ｏｆ　Ｋａｒｓｔ　ｗａｔｅｒｓｈｅｄ　ｉｓ　ｃｏｍｐｌｅｘ，ａ　ｖａｒｉｅｔｙ　ｏｆ　ｉｍｐａｃｔ　ｆａｃｔｏｒｓ　ｏｆ　ｉｔｓ　ｗａｔｅｒ　ｒｅｓｏｕｒｃｅｓ，ａｎｄ　ｔｈｅ　ｗａｔｅｒｓｈｅｄ　ｖｅｇｅｔａｔｉｏｎ　ｃｏｖｅｒａｇｅ　ｐｌａｙ　ａ　ｄｅｃｉｓｉｖｅ　ｒｏｌｅ；ｓｅｃｏｎｄｌｙ，ｔｏ　ｂｕｉｌｄ　ｔｈｅ　ｄｙｎａｍｉｃ　ｃｈａｎｇｅ　ｍｏｎｉｔｏｒｉｎｇ，ｐｒｅｄｉｃｔｉｏｎ　ｍｏｄｅｌ　ｏｆ　ｔｈｅ　Ｋａｒｓｔ　Ｂａｓｉｎ　Ｗａｔｅｒ－　ｈｏｌｄｉｎｇ　ｂｙ　ＲＶ／，ＤＶ１，ＮＤＶＩ，　，ＲＤＶＩ，ＥＶＩ，ａｎｄ　ｔｏ　ｏｂｔａｉｎ　ａ　ｇｏｏｄ　ｐｒｅｄｉｃｔｉｏｎ　ｂｙ　ａｎａｌｙｓｉｓ　ｏｆ　ｖａｒｉａｎｃｅ　ａｎｄ　ｔｈｅ　ｓａｍｐｌｅ　ｔｅｓｔｉｎｇ．　Ｋｅｙ　ｗｏｒｄｓ：Ｋａｒｓｔ；ｂａｓｉｎ　ｗａｔｅｒ－ｈｏｌｄｉｎｇ；ｌａｎｄｓａｔ　ＴＭ　ｉｍａｇｅｓ；ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｅｘ；ｍｏｎｉｔｏｒｉｎｇ　ａｎｄ　ｆｏｒｅｃａｓｔｉｎｇ　ｍｏｄｅｌｓ；Ｇｕｉｚｈｏｕ　Ｐｒｏｖｉｎｃｅ　喀斯特地区通常生态环境脆弱，已引起学术界的普遍关　注。喀斯特流域是指具有特殊的双重含水介质，形成独特的地　表、地下双重分水岭，发育地表、地下双重地貌形态的地域综合　体…。正是独特的流域下垫面结构，影响了喀斯特流域的持　效的度量，在一定程度上能反映流域下垫面的赋水状况。经过　近２０　ａ的发展，表征植被指数的指标已有几十种，其中比值植　被指数（ＲＶＩ）、差值植被指数（ＤＶＩ）、归一化植被指数（ＮＤＶ１）、　转换型植被指数（　）、重归一化植被指数（ＲＤＶＩ）、增强型植　水、保水和储水的功能，表现出流域赋水能力低，水资源严重缺　乏。喀斯特流域土层薄、土壤肥力低、植被生长困难、人类活动　频繁、石漠化严重，地表山高坡陡、河谷深切，地下洞穴纵横交　错，地表水与地下水交换频繁，使喀斯特流域的很多山区水资　源短缺。因此，喀斯特流域下垫面介质类型和结构决定了流域　被指数（ＥＶ／）是常用的指标，已广泛应用于全球与区域土地覆　盖、植被分类和环境变化等研究领域　收稿日期：２０１卜１ｌ一１２　。对于喀斯特流域赋　基金项目：贵州省教育厅自然科学基金资助项目（黔教科２００９（００３９）、黔教科　２００６３０７）；贵州省科技厅自然科学基金资助项目（黔科合Ｊ字［２０１０１２０２６号）；贵　州省水利厅自然科学基金资助项目（ＫＴ２０１０１０，ＫＴ２０１１０５，ＫＴ２００８０２）。　赋水能力的强弱。喀斯特流域的水资源是大气降水在流域下　垫面再分配的表现，其影响因素很多，如土地利用类型、岩组类　作者简介：贺中华（１９７６一），男，贵州兴艾人，副教授，博士研究生，研究方向为环　境遥感。　Ｅ—ｍａｉｌ：ｚｈｏｎｇｈｕａｈｅ＠ｇｚｎｕ．ｅｄｕ．ａｎ　型、地貌类型、植被类型等。其中，流域植被类型是流域赋水强　弱的关键性因素。植被指数（ｗ）是对地表植被变化的简单、有　・７６・　人民黄河２０１２年第６期　水的研究，笔者曾进行过相关探讨　”　，而基于植被指数来研　究喀斯特流域赋水状况及动态变化的研究还较少见。笔者在　贵州省内选取２０个具有连续５　ａ观测数据和遥感资料的典型　喀斯特流域，利用遥感技术，从ＴＭ影像提取喀斯特流域ＲＶＩ、　ＤＶＩ、ＮＤＶＩ、ＴＶＩ、ＲＤＶＩ、ＥＶＩ等指标，利用现代数学方法，探讨喀　斯特流域水资源与ＲＶＩ、ＤＶＩ、ＮＤＶＩ、ＴＶＩ、ＲＤＶＩ、ＥＶＩ的关系，并建　立了喀斯特流域水资源监测、预测的遥感信息模型，利用５个　研究样区进行模型检验，获得了较佳的预测结果。　１数据源的选择　１．１水文数据　根据贵州省水文总站整编的《贵州省历年各月平均流量统　计资料》和贵州省水文水资源局整编的《贵州省水资源公报》　获取水文数据，选其中处于相同气候带的２０个水文断面，时问　为２００５－－２０１０年，流域面积一般以中小流域为主，目的是为了　保证流域下垫面的地质条件能尽可能相同或相近。各流域的９　月平均径流深和相关植被指数，见表１。　表１　２０个研究样区水文数据和相关植被指数　注：　为流域地表径流深。　１．２遥感数据　１．２．１遥感影像预处理　（１）遥感影像选取。选用ＴＭ影像，成像时间为２００５年９　月至２０１０年９月，共６个时段，要求每个时段研究样区云量小　于３０％。　（２）大气校正。目前大气校正的方法有很多，其中大气辐　射传输模型是精度较高的校正方法，它是利用电磁波在大气中　的辐射传输规律对遥感图像进行校正。本研究采用的　ＦＬＡＡＳＨ模型是改进的ＭＯＲＴＲＡＮ模型，它不仅可以对高光谱　数据进行大气校正，而且还可以对多光谱数据如Ｌａｎｄｓａｔ、　ＳＰＯＴ、ＡＶＨＲＲ、ＭＥＲＩＳ、ＩＲＳ和ＡＳＴＥＲ等进行大气校正。　（３）几何校正。包括图像对地形图和图像对图像的配准。　地形图是国家基础地理信息１：２５万数据，其坐标为地理坐标、　采用克拉索夫斯基椭球。影像配准利用多项式中４项式，控制　点选择４ｏ个左右，配准精度在５个像素内，而图像对图像配准保　证在０．３个像素内，为了保证光谱信息，重采样时采用最近邻法。　１．２．２表观反射率计算　（１）光谱辐射亮度的计算：　Ｌ＝Ｇａｉｎ・ＤＮ＋Ｂｉａｓ　（１）　式中：Ｇａｉｎ、Ｂｉａｓ为各波段的增益和偏置，ｗ／（ｍ　・　ｍ・ＳＹ）；　ＤＮ为遥感影像像元亮度值。　若没有定标参数Ｇａｉｎ和Ｂｉａｓ的资料，则某一波段的　可　以根据下式计算　～　：ＱＣＡＬ　———　二竺　ｘ＿——　ＱＣＡＬ　——一（ＱＣＡＬ—ＱＣＡＬ…）＋Ｌ…　＼　…／。…　（２），　一　……式中：ＱＣＡＬ为某一像元的ＤＮ值，即ＱＣＡＬ＝ＤＮ；ＱＣＡＬ　为像　元可以取的最大值２５５；ＱＣＡＬ…为像元可以取的最小值。　对于Ｌａｎｄｓａｔ一７来说（ＱＣＡＬ…＝１），式（２）可改为　，　一，　＝　（ＤＮ一１）＋Ｌ…　（３）　对于Ｌａｎｄｓａｔ一５来说（ＱＣＡＬ…＝０），式（２）可改为　一　＝　，　ＤＮ＋Ｌ　。　…　（４）＼　，　（２）表观反射率的计算Ⅲ　：　ｐ＝　（５）　式中：Ｐ为大气层顶表观反射率（无量纲）；仃为常量（球面度　ｓｒ）；Ｌ为大气层顶进入卫星传感器的光谱辐射亮度；Ｄ为日地　之间距离（天文单位），根据表２可以推算全年任何一天的日地　距离；ＥＳＵＮ为大气层顶的平均太阳光谱辐照度，根据表３可查　得　；０为太阳的天顶角。　表２随时间变化的日地距离　日　ＪＤ　日　Ｄ　日　Ｄ　日　Ｄ　日　Ｄ　１　０．９８３　２　７４　０．９９４　５　１５２　１．０１４　０　２２７　１．０１２　８　３０５　０．９９２　５　ｌ５　０　９８３　６　９１　０．９９９　３　１６６　１．０１５　８　２４２　１．ｏｏ９　２　３１９　０．９８９　２　３２　０．９８５　３　１０６　１．ｏｏ３　３　１８２　１．０１６　７　２５８】．ｏｏ５　７　３３５　ｏ．９８６　０　４６　ｏ．９８７　８　１２１　１．ｏｏ７　６　１９６　１．ｏ１６　５　２７４　１．ｏｏ１　１　３４９　０．９８４　３　６Ｏ　０．９９ｏ　９　１３５　１．０１０　９　２１３　１．０１４　９　２８８　０．９９７　２　３６５　０．９８３　０　表３大气层顶平均太阳光谱辐照度ｗ／（ｍ　・　ｍ）　地面站可提供太阳高度角，因此０＝９０。一　（卢为太阳高度　角）。另外，可以用式（６）直接求取ＣＯ８　０　。　ＣＯＳ　０＝ｓｉｎ　ｓｉｎ　６＋ＣＯＳ　ＣＯＳ　ｈ　（６）　式中：　为地理纬度；６为太阳赤纬；ｈ为太阳的时角。　１．２．３植被指数选择和计算　。　从理论上分析，原始遥感影像的ＤＮ是未经过任何校正　的，包括辐射定标校正，只是进入传感器中辐射能的一种数字　转换形式，不能本质地反映地物的辐射特性。　和Ｐ都经过了　・７７・　人民黄河辐射定标校正，但是当Ｐ再经过大气校正后，它就是地物的反　射率，能本质地反映地物的辐射特性。因此，由Ｐ构建的植被　指数能反映流域下垫面的植被覆盖率及其变化状况。　（１）比值植被指数。Ｊｏｒｄａｎ率先提出了比值植被指数，该　指数是一个十分简单的植被指数，用近红外波段反射率与红光　波段的反射率比值来表示，能充分表达两反射率间的差异，ＲＶＩ　的取值范围为０至无穷大。　ＲＶ１：　Ｐｒｅｄ　２０１２年第６期　率或方向反射率。　本次研究选用Ｌａｎｄｓａｔ－７数据，先用式（３）计算地物光谱辐　射亮度；再用式（６）、式（５），并根据表２、表３数据计算地物表　观反射率；最后用式（７）～式（１２）分别计算地物表观反射率的　ＲＶＩ、ＤＶＩ、ＮＤＶＩ、　、ＲＤＶＩ、ＥＶ１（见表１）。　２模型简介及建立　（７）　２．１数学模型原理　假定喀斯特流域某水文断面观测值Ｙ和该流域植被指数　之间关系可用下式表示　：　式中：ｐ　。　为近红外波段反射率；ｐ　为红光波段反射率。　比值植被指数是绿色植物的一个灵敏指示参数，被广泛应　用于估算和监测绿色植物生物量。在植被高密度覆盖情况下，　它对植被十分敏感，与生物量的相关性最好。　（２）差值植被指数。差值植被指数被定义为近红外波段反　射率与红光波段反射率之差。即　ＤＶＩ＝Ｐ　一Ｐ　ｄ　（８）　差值植被指数对土壤背景的变化极为敏感，有利于对植被　生态环境的监测。　（３）归一化植被指数。根据植被的反射光谱特征，利用红　光波段、近红外波段的反射率和其他因子及其组合所获得的植　被指数来提取植被信息，且这些波段常包含９０％以上有关植被　的信息。归一化植被指数是广泛使用的一种植被指数，由　Ｒｏｕｓｅ等人提出：　ＮＤＶＩ：　ｆ９）　Ｐｎｉｒ＋Ｐ　ｄ　一１≤ＮＤＶＩ￣１，负值表示地面覆盖为云、水、雪等，对可见　光高反射；０表示有岩石或裸土等；正值表示有植被覆盖，且随　覆盖度增大而增大。　（４）转换型植被指数。转换型植被指数是在ＮＤＶＩ基础上　的进一步增强处理：　ｗ＝　丽　（１０）　（５）重归一化植被指数。由Ｒｏｕｊｅａｎ等人提出的一种介于　ＤＶＩ与ＮＤＶＩ之间的植被指数：　ＲＤＶＩ＝　＿丽　（１１）　ＲＤＶＩ取ＤＶ１和ＮＤＶＩ两者之长，可在高低不同覆盖植被的　情况下应用。根据前人的研究，并经实地考察和综合比较，ＲＤ—　ｗ能更好地适应喀斯特地区植被多部分较稀疏、少部分覆盖度　较高，覆盖度差异大的特点。ＲＤＶＩ灰度图像上的最低值是石　漠化地区、水体、城镇用地，较低值是稀疏草地、绿地、荒漠地之　间的过渡带，最高值为农田、林地和密草地，基本反映了喀斯特　流域各植被类型的覆盖度差异。　（６）增强型植被指数。增强型植被指数根据蓝光和红光通　过气溶胶的差别，可补偿残留气溶胶对红光的吸收，综合采用　“抗大气植被指数”和“抗土壤植被指数”，克服了土壤背景的　影响和ＮＤＶＩ在植被高覆盖区易饱和、植被低覆盖区受土壤植　被影响较大、对大气衰减去除不彻底等缺点：　ＥＶＩ＝２．５×（Ｐ　一Ｐ　ｄ）／（ｐ　＋６．０　ｐ　一７．５　Ｐｂｌ　＋１）　（１２）　式中：ｐ　、ｐ　。　分别为近红外、红光和蓝光波段的表观反射　・７８・　Ｙ＝ｂ０＋ｂｌ　ｌ＋ｂ２ｘ　＋…＋ｂ．ｘ：＋ｓ　（１３）　式中：６　ｂ，、ｂ　、…、ｂ　为未知因素参数；ｓ为随机变量。　为评价回归方程的计算精度，需要对其进行显著性检验，　通常用Ｆ检验。　，　：：　｜ｒ　：—　∑　：　ｊ　４，　，　Ｖ‘＝一　．ｓ回　Ｆ＝—　（１６）　式中：　为样本标准差；ｏ、ｉ４为样本值序列号；ｒ为变量间的相　关系数；Ｒ　为回归方程的拟合指数；ｓ目＝∑（　一ｙ）。，５剩＝　∑（ｙ　一　）　。　因Ｆ服从自由度为（ｍ，ｎ—ｍ一１）的分布，对于指定的　，　由Ｆ分布表可查　（ｍ，ｎ—ｍ一１），如Ｆ大于Ｆ　（ｍ，　—　ｍ—１），则认为回归模型适合该组资料，否则不能使用。　２．２监测、预测模型建立　首先，根据表１数据，借助Ｓｐｓｓ、Ｍａｔｌａｂ统计软件，利用式　（１４）计算喀斯特流域水资源与ＲＶＩ、ＤＶ１、ＮＤＶＩ、ＴＶＩ、ＲＤＶＩ、ＥＶＩ　的相关系数（见表４）；其次，利用式（１３）计算喀斯特流域水资　源监测、预测模型系数，选用式（１５）计算模型的拟合度；再根据　式（１６），对建立模型进行Ｆ检验（见表５）。　人民黄河（１）从表４可知，喀斯特流域水资源与各植被指数的相关　系数都很大，说明喀斯特流域植被覆盖率对流域赋水的作用不　容低估；其次，不同植被指数对喀斯特流域赋水的影响程度不　同，影响最大的ＲＶ／为０．８４７　４，其次ＲＤＶＩ为０．８１９　９，影响最　小的　为０．６００　９。另外，不同植被指数之间又相互影响、高　度相关，即最小值为０．９０８　１、最大值为０．９９８　７，对流域赋水具　有决定性的作用。　２０１２年第６期　水文动态变化剧烈，地表水渗漏严重，地下持水保水能力差；土　层薄、土壤肥力低、植被生长困难，水土流失严重，形成了独特　的、脆弱的喀斯特自然环境，严重制约了喀斯特流域的持水、供　水能力。喀斯特流域具有特殊的双重含水介质，形成独特的地　表一地下水系结构，与湿润地区常态流域相比，其水资源的形　成机制、空间分布规律具有一定的特殊性。流域植被类型及覆　盖率直接影响着降雨在喀斯特流域人渗和径流过程，即影响降　雨在流域空间的再分配，因此喀斯特流域植被指数是影响喀斯　（２）从表５可知，利用ＲＶＩ、ＤＶＩ、ＮＤＶＩ、ＴＶＩ、ＲＤＶ／、ＥＶ／拟合　喀斯特流域赋水情况，效果很好。回归方程的拟合指数为　０．９６５；根据式（１３）建立的喀斯特流域赋水动态变化模型，其复　特流域赋水状况的决定性因素。　相关系数很大（０．９８２），均方根误差很小（５．３５９　８），再利用式　（１６）对建立的模型进行Ｆ检验，其Ｆ值为５８．９９８，大于给定　ｏｔ：０．Ｏ１时的临界值４．６２，表明建立的模型高度显著，说明由　流域植被指数对流域赋水动态变化监测的效果非常好。　（３）利用式（１３），根据表５数据，该喀斯特流域赋水动态　变化监测、预测模型可表达为　＝一３模型精度评价　为了评定监测、预测模型的精度，任选５个喀斯特流域作　为研究样区，按上述方法对研究样区遥感影像进行处理，分别　提取ＲＶＩ、ＤＶＩ、ＮＤＶ１、ＴＶＩ、ＲＤ１１１、ＥＶＩ（见表６）。利用ＭＡＴＬＡＢ　软件，根据式（１７），按表６中的数据进行计算，并与实测的数值　对比，得出相对误差最大值为３２．５２０　５％，相对误差最小值为　５．７６８　０％，说明用植被指数对喀斯特流域赋水的动态变化进行　２７５．７６５＋１６．９５１ＪＲＶ／一２２０．５５３ＤＶＩ＋…＋　３２．１１６ＥＶＩ　（１７）　综上所述，喀斯特地区地表起伏不平，地下洞隙纵横交错，　．　监测，效果较理想，精度较高。　表６模型检验　模型研究［Ｊ］．石河子大学学报：自然科学版，２００７，２５（５）：５２９—５３３．　４结语　［８］何隆华，储开华，肖向明．Ｖｅｇｅｔａｔｉｏｎ图像植被指数与实测水稻叶面积指数　的关系［Ｊ］．遥感学报，２００４，８（６）：６７２—６７６．　（１）喀斯特流域具有特殊的下垫面介质结构，产流、汇流机　制复杂，赋水影响因素多样，其中植被覆盖率有决定性的作用。　（２）利用地物表观反射率计算的ＲＶＩ、ＤＶＩ、ＮＤＶＩ、ＴＶＩ、ＲＤ—　Ｖ／、ＥＶ／，对贵州省喀斯特流域赋水动态变化进行监测、预测效　果较好，精度较高。　（３）贵州省喀斯特流域赋水动态变化监测、预测数学模型　为Ｗ＝～２７５．７６５＋ｌ６．９５１　Ｖ／一２２０．５５３ＤＶ／＋…＋３２．１１６ＥＶ／。　［９］　王福民，黄敬峰，唐延林，等．采用不同光谱波段宽度的归一化植被指数估　算水稻叶面积指数［Ｊ］．应用生态学报，２００７，１８（１１）：２４４４—２４５０　［１Ｏ］杨曦，武建军，闫峰，等．基于地表温度一植被指数特征空间的区域土壤于　湿状况［Ｊ］．生态学报，２００９，２９（３）：１２０５—１２１６．　［１１］　李玉霞，杨武年，童玲，等．基于光谱指数法的植被含水量遥感定量监测及　分析［Ｊ］．光学学报，２００９，２９（５）：１４０３—１４０７．　［１２］　Ｆａｂｉｏ　Ｍａｓｅｎｉｌ，Ａｎｔｏｎｉｏ　Ｄｉ　Ｇｒｅｇｏｒｉｏ，Ｖａｌｅｒｉｏ　Ｃａｐｅｅｃｈｉｌ，ｅｔ　ａ１．Ｅｎｒｉｃｈｍｅｎｔ　ｏｆ　Ｌａｎｄ——ｃｏｖｅｒ　Ｐｏｌｙｇｏｎｓ　Ｗｉｔｈ　Ｅｃｏｃｌｉｍａｔｉｃ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｄｅｒｉｖｅｄ　ｆｒｏｍ　ＭＯＤＩＳ　ＮＤ－　参考文献：　［１］杨明德，谭明，梁虹．喀斯特流域水文地貌系统［Ｍ］．北京：地质出版社，　１９９８．　ＶＩ　Ｉｍａｇｅｒｙ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆＢｉｏｇｅｏｇｒａｐｈｙ，２００９，３６：６３９—６５０．　［１３］Ｋａｒｎｉｅｌｉ，Ａｍｏｎ　Ａｇａｍ　Ｎｕｒｉｔ．Ｕｓｅ　ｏｆ　ＮＤＶＩ　ａｎｄ　Ｌａｎｄ　Ｓｕｒｆａｃｅ　Ｔｅｍｐｅｒａｔｕｒｅ　ｆｏｒ　Ｄｒｏｕ【ｇｈｔ　Ａｓｓｅｓｓｍｅｎｔ［Ｊ］Ｊｏｕｒｎａｌ　ｏｆ　Ｃｌｉｍａｔｅ，２０１０，２３（３）：６１８—６３３．　［１４］Ｐｕ　Ｒｕｉｌｉａｎｇ，Ｇｏｎｇ　Ｐｅｎｇ，Ｔｉａｎ　Ｙｏｎｇ，ｅｔ　ａｌ，Ｕｓｉｎｇ　ｃｌａｓｓｉｉｆｃａｔｉｏｎ　ａｎｄ　ＮＤＶ１　ｄｉｆｅｒ－　ｅｎｃｉｎｇ　ｍｅｔｈｏｄｓ　ｆｏｒ　ｍｏｎｉｔｏｒｉｎｇ　ｓｐａｒｓｅ　ｖｅｇｅｔａｔｉｏｎ　ｃｏｖｅｒａｇｅ：ａ　ｃａｓｅ　ｓｔｕｄｙ　ｏｆ　ｓａｌｔ－　［２］唐志光，马金辉，李成六，等．三江源自然保护区植被覆盖度遥感估算［Ｊ］．　兰州大学学报：自然科学版，２０１０，４６（２）：１１—１６．　［３］弋良朋，尹林克，王雷涛，等．基于ＲＤＶ／的尉犁绿洲植被覆盖动态变化研究　［Ｊ］．干旱区资源与环境，２００４，１８（６）：６６—７１．　ｃｅｄａｒｉｎ　Ｎｅｖａｄａ，ＵＳＡ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，２００８，２９　（１４）：３９８７—４０１１　［１５］Ｔｈｅｎｋａｂａｉｌ　Ｐ　Ｓ．Ｉｎｔｅｒ—ｓｅｎｓｏｒ　Ｒｅｌａｔｉｏｎｓｈｉｐｓ　Ｂｅｔｗｅｅｎ　ＩＫＯＮＯＳ　ａｎｄ　Ｌａｎｄｓａｔ－７　ＥＴＭ＋ＮＤＶＩ　Ｄａｔａ　ｉｎ　Ｔｈｒｅｅ　Ｅｅｏｒｅｇｉｏｎｓ　ｏｆ　Ａｆｉｒｃａ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，２００４，２５（２）：３８９—４ｏ８．　［４］刘亚岚，任玉环，陈涛，等．基于“北京一号”小卫星数据的密云水库流域植　被覆盖度估算方法比较［Ｊ］．遥感技术与应用，２００７，２２（５）：５８１—５８５．　［５］　姚霞，朱艳，冯伟，等．监测小麦叶片氮积累量的新高光谱特征波段及比值　植被指数［Ｊ］．光谱学与光谱分析，２００９，２９（８）：２１９１—２１９５．　［６］　曾庆伟，武红敢，苏淼，等．基于ＴＭ数据的林冠状态变化遥感监测研究　［Ｊ］．遥感技术与应用，２００９。２４（２）：１８６—１９１．　［７］王登伟，黄春燕，马勤建，等．棉花地上各组分干物质积累量的高光谱定量　［１６］　贺中华，梁虹，黄法苏，等．基于Ｒｓ流域枯水资源的判读识别［ＪⅢ．贵州师　范大学学报：自然科学版，２００４，２２（２）：３６—３９．　［１７］　贺中华，杨胜天，梁虹，等．基于ＧＩＳ和Ｒｓ的喀斯特流域枯水资源影响因　素识别——以贵州省为例［Ｊ］，中国岩溶，２００４，２３（１）：４８—５５　（下转第８２页）　・７９・　人民黄河２０１２年第６期　（３）进行一致性检验。计算得判断矩阵的最大特征值Ａ…　为４．Ｏ１，代入式（２）得Ｇ，为０．００４　８。根据表２，判断矩阵平均　随机一致性指标ＲＩ＝０．９０，代入式（３）得，随机一致性比率　ＣＲ＝０．００５　４＜０．１，满足一致性要求。　（４）求子指标的权重。根据指标权重计算方法确定子指标　（指标层）的权重，最终得到节水型社会评价指标体系各指标权　重系数见表７。　表７节水型社会建设评价指标体系子指标（指标层）权重　指标层ＢＩ　Ｂ２　Ｂ３　Ｂ４　Ｂ５　Ｂ６　Ｂ７　Ｂ８　Ｂ９　Ｂｌ０　ＢＩ１　Ｂｌ２　Ｂ１３　Ｂｔ４　Ｂ１５　权重０．３１　０．５８　０．１１　０．１１　０．１９　０．７０　０．１２　０．２３　０．６５　０．０７　０．２９　０．１４　０．０７　０．１４　０．２９　率日，　权重最大，说明节水和治污对节水型社会建设同等重要。　目前我国很多地区已经出现了水质型缺水，因此一定要把节水　和治污结合起来，统筹考虑水资源承载能力和水环境承载能　力，在满足用水需求的同时维护良好的生态系统　。山地区人　均水资源量为３　５１９　ｍ　，水资源量相对丰富，但受蓄水设施老　旧和缺乏等因素影响，出现“水多不能用”的情况，因此缺水和　不缺水是相对的，在水资源相对丰富的地区也要进行节水型社　会建设，提高水资源的利用效率。　平坝区是全市工业集中区，需要通过调整产业结构，淘汰高　耗水和高污染工业，使有限的水发挥最大的经济效益，以进一步　提高节水水平。丘陵区和山地区以农业为主，工业发展程度较　低，单位工业产值用水量高，重复利用率低；农业上，灌溉设施陈　旧，节水灌溉效率低，可以通过改造、新建蓄水设施，提高供水能　力，对于坡度较陡的地区，退耕还林，促使种植结构科学合理。　玉溪河区是主要的粮食及其他农作物产区，用水以农业生产为　主，应主要整治现有水利设施，同时新建部分水利设施以提高供　水能力，并推广农业节水生产技术，减少农业用水量。　（５）评价模型及计算。由指标值和指标权重，可建立评价　模型　：　３　－－６　９　１５　ａ　∑卢　Ｂ　＋　：∑卢　Ｂ　＋　∑卢　Ｂ　＋ｎ　∑卢　Ｂ　（４）　式中：。，（　＝１，２，３，４）为准则层的指标权重；卢　（ｉ＝１，２，…，１５）　为子指标（指标层）权重；Ｂ　（ｉ＝１，２，…，１５；，＝１，２，３，４）为评价　指标值。　根据该模型计算出各区的得分和排名情况，见表８　ｏ　表８各区得分及排名　参考文献：　［１］索丽生建设节水型社会——社会经济发展的必经之路［Ｊ］．中国水利，　２００３（１２）：１７一ｌ９．　［２］蒲晓东．我国节水型社会评价指标体系以及方法研究［Ｄ］．南京：河海大　学，２００７．　［３］萨蒂层次分析法——在资源分配、管理和冲突分析中的应用［Ｍ］．许树　柏，译．北京：煤炭工业出版社，１９８８．　［４］　郑和祥，郭克贞，佟长福．基于ＡＨＰ的牧区节水灌溉工程后评价［Ｊ］．节水　灌溉，２０１１（６）：５２—５５．　３．３评价结果分析　运用层次分析法分析成都平原某市节水型社会建设结果　表明，受地理、经济、社会等因素影响，平坝区节水水平高于其　他区。通过指标体系权重计算，准则层中生活用水指标权重最　大，说明生活用水节水程度对当地节水型社会建设影响最大，　［５］余莹莹．区域节水型社会建设综合评价研究［Ｄ］．扬州：扬州大学，２００７．　［６］魏燕．永川地区农村基础设施建设管理与后评价［Ｄ］．成都：四川大学，　２００９．　［７］　中国水利水电科学研究院科学技术委员会．浅论建设节水防污型社会的科　学基础［Ｊ］．中国水利水电科学研究院学报，２００４，２（４）：２３７—２４１．　【责任编辑吕艳梅】　而在生活用水指标中节水器具普及率曰，。和生活污水处理投资　（上接第７９页）　［１８］Ｍａｒｋｈａｍ　Ｂ　Ｌ，Ｂａｒｋｅｒ　Ｊ　Ｌ　Ｔｈｅｍａｔｉｃ　Ｍａｐｐｅｒ　Ｂａｎｄｐａｓｓ　ＳｏｌａｒＥｘｏａｔｍｏｓｐｈｅｒｉｃＩｒ－　ｒａｄｉａｎｃｅｓ［Ｊ］ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌ　ｏｆＲｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，１９８７，８：５１３—５２３．　［１９］　Ｒｏｄｅｒｉｃｋ　Ｍ，Ｓｍｉｔｈ　Ｒ，Ｌｏｄｗｉｅｋ　Ｇ．Ｃａｌｉｂｒａｔｉｎｇ　Ｌｏｎｇ—ｔｅｒｍ　ＡＶＨＲＲ—ｄｅｒｉｖｅｄ　ＮＤＶＩ　Ｉｍａｇｅｒｙ［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｏｆＥｎｖｉｒｏｎｍｅｎｔ，１９９６，５８：ｌ—ｌ２．　ｍａｔｉｏｎ　ｏｆ　ｔｈｅ　Ｐｒｏｄｕｃｔｉｖｉｔｙ　ｏｆ　ｔｈｅ　Ｓｈｏｒｔｇｒａｓｓ　Ｐｒａｉｒｉｅ［ｊ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　Ｅｉｇｌ１ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｓｙｍｐｏｓｉｕｍ　ｏｎ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｏｆ　Ｅｎｖｉｒｏｎｍｅｎｔ，１９７２，２：　ｌ３５７～ｌ３８１．　Ｒｏｕｓｅ　Ｊ　Ｗ．Ｈａａｓ　Ｒ　Ｈ，Ｓｃｈｅｌｌ　Ｊ　Ａ，ｅｔ　ａｌ　Ｍｏｎｉｔｏｒｉｎｇ　ｖｅｇｅｔａｔｉｏｎ　ｓｙｓｔｅｍｓ　ｉｎ　ｔｈｅ　Ｇｒｅａｔ　Ｐｌａｉｎｓ　ｗｉｔｈ　ＥＲＴＳ［Ｊ］．Ｔｈｉｒｄ　ＥＲＴＳ　Ｓｙｍｐｏｓｉｕｍ　ＮＡＳＡ，１９７３，ＳＰ一３５１　Ｉ：　３０９—３１７．　［２０］Ｈｕｅｔｅ　Ａ　Ｏｖｅｒｖｉｅｗ　ｏｆ　ｔｈｅ　Ｒａｄｉｏｍｅｔｒｉｃ　ａｎｄ　Ｂｉｏｐｈｙｓｉｃａｌ　Ｐｅｒｆｏｒｍａｎｃｅ　ｏｆ　ｔｈｅ　ＭＯ—　ＤＩＳ　Ｖｅｇｅｔａｔｉｏｎ　Ｉｎｄｉｃｅｓ［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｏｆ　Ｅｎｖｉｒｏｎｍｅｎｔ，２００２，８３（１）：　ｌ９５—２１３．　Ｒｉｃｈａｒｄｓｏｎ　Ａ　Ｊ，Ｗｉｅｇａｎｄ　Ｃ　Ｌ．Ｄｉｓｔｉｎｇｕｉｓｈｉｔａｇ　Ｖｅｇｅｔａｔｉｏｎ　ｆｒｏｍ　Ｓｏｉｌ　Ｂａｃｋｇｒｏｕｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ［Ｊ］Ｐｈｏｔｏｇｒａｍｍｅｔｒｉｃ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，１９７７，４３：　１５４１一ｌ５５２　［２１］　Ｇｙａｕｅｓｈ　Ｃｈａｎｄｅｒ，Ｍｅｍｂｅｒ，Ｂｒｉａｎ　Ｉ　Ｍａｒｋｈａｍ，ｅｔ　ａ１．Ｒｅｖｉｓｅｄ　Ｌａｎｄｓａｔ・５　Ｔｈｅ—　ｍａｔｉｃ　Ｍａｐｐｅｒ　Ｒａｄｉｏｍｅｔｒｉｃ　Ｃａｌｉｂｒａｔｉｏｎ［Ｊ］．ＩＥＥＥ　Ｇｅｏｓｃｉｅｎｃｅ　ａｎｄ　Ｒｅｍｏｔｅ　Ｓｅｎｓ—　ｉｎｇ　Ｌｅｔｔｅｒｓ，２００７，４（３）：ｇ９０—４９４　Ｈｕｅｔｅ　Ａ　Ｒ．Ａ　Ｓｏｉｌ—ａｄｊｕｓｔｅｄ　Ｖｅｇｅｔａｔｉｏｎ　Ｉｏｄｅｘ（ＳＡＶＩ）［Ｊ］　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｏｆ　Ｅｎｖｉｒｏｎｍｅｎｔ，１９８８，２５：２９５—３０９．　【２２］Ｌ讧Ｓ　ｌ－Ｉ．Ｐｈｙｓｉｃａｌ　Ｆｏｕｎｄａｔｉｏｎ　ｏｆ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ［Ｍ］Ｂｅｉｊｉｎｇ：Ｃｏｍｍｅｒｃｉｌａ　Ｐｒｅｓｓ，１９８１　Ｒｅｕｊｅａｎ　Ｊ　Ｌ，Ｂｒｅｏｎ　Ｆ　Ｍ．Ｅｓｔｉｍａｔｉｎｇ　ＰＡＲ　Ａｂｓｏｒｂｅｄ　ｂｙ　Ｖｅｇｅｔａｔｉｏｎ　ｆｒｏｍ　Ｂｉｄｉｒｅｃ‘　ｔｉｏｎａｌ　Ｒｅｆｌｅｃｔｎｃｅ　Ｍｅａｓｕｒｅｍｅｎｔａｓ［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｏｆ　Ｅｎｖｉｒｏｎｍｅｎｔ，１９９５，　５１：３７５—３８４．　［２３］Ｊｏｒｄａｎ　Ｃ　Ｆ．Ｄｅｒｉｖａｔｉｏｎ　ｏｆ　Ｌｅａｆ　Ａｒｅａ　Ｉｎｄｅｘ　ｆｒｏｍ　Ｑｕａｌｉｔｙ　０ｆ　Ｌｉｇｈｔ　ｏｎ　ｔｈｅ　Ｆｏｒｅｓｔ　Ｆｌｏｏｒ［Ｊ］Ｅｃｏｌｏｇｙ，１９６９，５０：６６３—６６６．　［２４］Ｐｅａｒｓｏｎ　Ｒ　Ｌ，Ｍｉｌｌｅｒ　Ｌ　Ｄ　Ｒｅｍｏｔｅ　Ｍａｐｐｉｎｇ　ｏｆ　Ｓｔａｎｄｉｎｇ　Ｃｒｏｐ　Ｂｉｏｍａｓｓ　ｆｏｒ　Ｅｓｔｉ一　张超，杨秉赓．计量地理学基础［Ｍ］北京：高等教育出版社，１９８５　【责任编辑赵宏伟１　・８２・