CN103234920A - 基于遥感信息的地下水富集性评估方法 - Google Patents
基于遥感信息的地下水富集性评估方法 Download PDFInfo
- Publication number
- CN103234920A CN103234920A CN201310145726XA CN201310145726A CN103234920A CN 103234920 A CN103234920 A CN 103234920A CN 201310145726X A CN201310145726X A CN 201310145726XA CN 201310145726 A CN201310145726 A CN 201310145726A CN 103234920 A CN103234920 A CN 103234920A
- Authority
- CN
- China
- Prior art keywords
- underground water
- index
- assessment
- evaluation index
- water
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种基于遥感信息的地下水富集性评估方法,该方法从多光谱数据中提取地层岩性、断裂密度、地表温度、土壤湿度、植被覆盖度、水域密度,从DEM数据中提取地形坡度、地貌类型、汇流累积量作为二级评估指标,其中地层岩性和断裂密度构成一级评估指标赋存空间,地表温度、土壤湿度和植被覆盖度构成一级评估指标地表指示,而地形坡度、地貌类型、汇流累积量和水域密度构成一级评估指标补给条件;确定各个评估指标的权重,并对所有的权重均进行归一化处理,然后对评估指标进行加权平均,就得到用于评价地下水富集性的地下水评估指数。该方法可以适应更广的区域范围,提高地下水富集性评估的可靠性。
Description
技术领域
本发明涉及一种基于遥感信息的地下水富集性评估方法,属于遥感勘探技术领域。
背景技术
随着遥感技术的不断成熟和遥感数据的丰富,应用多源遥感数据提取与地下水相关的多个因子对地下水进行评估的研究受到较多关注。V T Tam等在喀斯特地貌区利用遥感提取断裂走向和地表径流流向,发现两者与地下径流流向存在相关性,通过地层岩性的分析后发现并验证了一条地下溶洞,是遥感技术在喀斯特地貌地下水研究中较成功的应用,但是该方法仅针对单一的地貌类型和区域,考虑的指标都不够全面,需要有一定的限制条件才能适用,没有较好的普适性。M Vasanthavigar等用遥感提取地形、地貌、水网密度和断裂密度对盆地内的构造裂隙水进行评估,结果表明断裂交汇部位是地下水富集区,与实际的找水经验相一致,但这些模型只针对孔隙水和裂隙水其中的一种进行评估,而在自然条件下,地下水往往是松散盐类孔隙水和基岩裂隙水共存的,该方法并没有考虑两者的区别同时进行评估。DMachiwal等用遥感提取与地下水相关的10个指标,通过主成份变换选择其中7个指标对干旱区地下水富集性进行评估,评估结果与实地验证大体一致,结果还表明年降雨量和海拔高度与地下水分布没有相关性,但是该评估模型仅针对干旱半干旱地区地下水进行预测,在湿润地区地下水遥感评估方面却较少研究,因为在湿润地区,地下水信息在地表的反映受到大气降水和植被覆盖的干扰,评估难度较大。
这些学者建立的评估模型的指标一般只有一层,各指标也只是简单的并列关系,而且各指标划分为几个离散的等级进行专家打分,这 样就降低了指标量化的精度,对于地下水富集性的影响意义并不明确,当指标数量较多时难以准确量化各指标对评估结果的影响。
2008年10月出版的《污染防治技术》(第21卷第5期)中的《浅层地下水遥感找水模型研究》(作者是于德浩等)公开了一种浅层地下水的评估模型,通过三维雷达数据和多光谱数据提取评估指标,并对评估指标进行加权平均。但是该模型仅仅考虑了孔隙水而忽略了裂隙水,而地下水往往是松散盐类孔隙水和基岩裂隙水共存的,因此该评估模型具有一定的局限性,对于评估裂隙水丰富的地区误差尤其大。
发明内容
本发明解决的技术问题是:提出一种基于遥感信息的地下水富集性评估方法,可以适应更广的区域范围,能够准确的评估地下水的富集性,从而提高地下水富集性评估的可靠性。
为了解决上述技术问题,本发明提出的技术方案是:一种基于遥感信息的地下水富集性评估方法,包括以下步骤:
第一步、利用遥感技术得到预定评估区域的多光谱数据和DEM数据,并将多光谱数据与所述DEM数据进行预处理,所述预处理包括辐射校正、几何校正、图像增强以及图像配准;
第二步、从所述多光谱数据中分别提取地层岩性、断裂密度、地表温度、土壤湿度、植被覆盖度、水域密度作为六个二级评估指标,从所述DEM数据中分别提取地形坡度、地貌类型、汇流累积量作为三个二级评估指标,其中地层岩性和断裂密度两个二级评估指标构成赋存空间,地表温度、土壤湿度和植被覆盖度三个二级评估指标构成地表指示,而地形坡度、地貌类型、汇流累积量和水域密度四个二级评估指标构成补给条件;所述赋存空间、地表指示和补给条件构成一级评估指标;
第三步、确定各个一级评估指标和二级评估指标的权重,并对所有的权重均进行归一化处理;
第四步、对所有的评估指标进行加权平均,得到用于评价地下水富集性的地下水评估指数。
本发明确定所述评估指标的权重可以采用层次分析方法并结合专家打分,将所述评估指标的权重按一级评估指标进行评判后,再将每个一级评估指标的权重分配到该一级评估指标包含的二级评估指标中。
本发明中所述评估指标的提取方法优选如下:
1)地层岩性:
如果地层为松散岩层,则依据富水性大小将地层分为冲积、冲洪积、坡洪积和海积四类,所述地层岩性分别对应为1、0.7、0.5、0.1;
如果地层为基岩,则将地层分为片岩夹大理岩、石英砂岩砾岩、片麻状花岗岩和网状风化花岗岩四类,所述地层岩性分分别对应为0.9、0.6、0.7和0.2;
2)断裂密度:
首先对遥感图像进行变换,突出构造信息;再根据所述预定评估区域的断裂构造走向规律,对遥感图像进行水平、北东45°和北西45°的方向滤波,对线形特征进行增强和纹理分析,得到线性断裂,并选择500m×500m窗口提取断裂密度;
3)地貌类型:
将所述预定评估区域的地形图等高线插值生成DEM数据进行地貌的提取;
4)地形坡度:
利用ArcGIS软件提取地形坡度;
5)汇流累积量:
在ArcGIS软件中利用地表径流漫流模型,计算出汇流累积量;
6)地表温度:
采用单窗算法,利用ERDAS空间建模功能反演地表温度;
7)土壤湿度:
利用修正归一化水体差异指数计算土壤湿度;
8)水域密度:
若所测区域中所有水域的面积为x,所测区域的总面积为M,则水域密度为x/M;
9)植被覆盖度:
以像元二分模型为基础,利用归一化植被指数NDVI来定量估算植被覆盖度,计算公式为
式中,ETM3为可见光波段数据,ETM4为近红外波段数据。
本发明带来的有益效果是:
1)本发明的基于遥感信息的地下水富集性评估方法,增加了一级评估指标赋存空间,并相应地增加了地层岩性和断裂密度两个二级评估指标,不但考虑了现有模型中常用的孔隙水,而且也考虑了基岩中普遍存在的裂隙水,因此可以适应更广的区域范围,能够更为准确的评估地下水的富集性,从而提高了地下水富集性评估的可靠性。
2)本发明的基于遥感信息的地下水富集性评估方法将评估指标分成两级,在确定评估指标的权重时,采用层次分析的方法并结合专家打分,先分别计算一评估指标中赋存空间、补给条件、地表指示的权重,再进一步将权重分配到各一级评估指标中对应的各个二级评估指标,因此权重的分配更准确,进一步提高了地下水富集性评估的可靠 性。
3)本发明的基于遥感信息的地下水富集性评估方法对地下水富集性的所有评估指标,除地层岩性这一指标外均采用连续型指标,克服了以往评估方法中评估指标量化精度低的缺陷,从而更进一步提高了地下水富集性评估的可靠性。
4)由本发明支撑的国家863计划项目“缺水地区地下水勘查与污染控制技术”取得了重大科研成果,可大幅度地提高我国气候型缺水地区地下水勘查效率和开发利用的水平,促进普遍缺水的北部和西部地区经济社会的发展。
附图说明
下面结合附图对本发明的基于遥感信息的地下水富集性评估方法作进一步说明。
图1是本发明实施例的评估区域范围图。
图2是本发明实施例的多光谱数据图。
图3是本发明实施例的归一化的地层岩性指标示意图。
图4是本发明实施例的归一化的断裂构造指标示意图。
图5是本发明实施例的归一化的地形坡度指标示意图。
图6是本发明实施例的归一化的地貌类型指标示意图。
图7是本发明实施例的归一化的汇流累积量指标示意图。
图8是本发明实施例的归一化的水域密度指标示意图。
图9是本发明实施例的归一化的地表温度指标示意图。
图10是本发明实施例的归一化的土壤湿度指标示意图。
图11是本发明实施例的归一化的植被覆盖度指标示意图。
图12是本发明实施例的GRSFAI结果示意图。
具体实施方式
实施例
本实施例的所测区域位于辽宁省东南部,南临黄海,东与朝鲜隔鸭绿江相望。所测区域内有铁路、公路、水路等,地理坐标为东经123°50′~124°35′,北纬39°53′~40°20′,总面积约3000平方公里。
本实施例所测区域的气候类型为海洋性气候,气候湿润,降雨集中在6~8月份,年平均雨量多在870~1200毫米之间多以暴雨形式降落,地区形变化较大,降水量的地区分布也不均匀,东北部山区高于西南丘陵区。
本实施例的基于遥感信息的地下水富集性评估方法,包括以下步骤:
第一步、利用遥感技术得到预定评估区域的多光谱数据和DEM数据,并将多光谱数据与所述DEM数据进行预处理,所述预处理包括辐射校正、几何校正、图像增强以及图像配准。
本发明中的辐射校正、几何校正、图像增强以及图像配准等预处理方法均为常规技术,在此不再赘述。
本实施例使用的数据源为2009年10月的ALOS多光谱数据、2010年10月的SPOT-5多光谱数据以及2009年10月的TM多光谱数据,以上多光谱数据成像时天气晴朗,图像质量良好。由于地下水年际变化不大,认为2009年和2010年同一月份的数据满足时间一致性要求。同时本实施例还使用1:5万地形图和1:20万水文地质图。
本实施例在ENVI软件中,利用Flaash模块对ALOS、SPOT和TM多光谱数据进行大气校正,然后采用兰伯特投影类型高斯投影面将其转换为1954北京坐标系,并将空间分辨率统一重采样到10米,再用1:5万地形图对几何校正和配准;同时,提取地形图上的等高线插值生成DEM数据并对影像进行正射校正。
第二步、从所述多光谱数据中分别提取地层岩性、断裂密度、地表温度、土壤湿度、植被覆盖度、水域密度作为六个二级评估指标,从所述DEM数据中分别提取地形坡度、地貌类型、汇流累积量作为三个二级评估指标,其中地层岩性和断裂密度两个二级评估指标构成赋存空间,地表温度、土壤湿度和植被覆盖度三个二级评估指标构成地表指示,而地形坡度、地貌类型、汇流累积量和水域密度四个二级评估指标构成补给条件;所述赋存空间、地表指示和补给条件构成一级评估指标。
由于地下水的富集性具有相对性和模糊性,并没有绝对的好与差,采用模糊数学方法能够更客观地对地下水进行评估。根据这一思想,建立模糊隶属度函数将各指标量化到[0,1]区间,1代表地下水富集程度最高,0代表地下水富集程度最低。
本实施例中评估指标的提取方法如下:
1)地层岩性:
岩石的空隙是地下水赋存的空间基础,对地下水赋存量和运移起着决定性的作用。当岩层空隙为松散孔隙类型时,连通性好、渗透阻力小的岩层富水性就高;淤泥粘土层渗透阻力大,成为富水性低的弱透水层。当岩层空隙为基岩裂隙类型时,脆性强的岩层裂隙发育好;泥岩、页岩等软岩的裂隙基本不发育。
参考水文地质图,通过遥感图像目视解译和实地验证,按照先整体后局部,先构造后岩性,从已知到未知的顺序,对评估区域评估区域内的地层岩性进行解译。根据解译结果,依据富水性大小将松散岩层分为冲积、冲洪积、坡洪积和海积四类,模糊隶属度分别为1、0.7、0.5、0.1;将基岩分为片岩夹大理岩、石英砂岩砾岩、片麻状花岗岩和网状风化花岗岩四类,模糊隶属度分别为0.9、0.6、0.7、0.2。
本实施例评估区域地层岩性指标归一化后的结果如图3所示。
2)断裂密度:
断裂的规模和大小决定着裂隙的发育程度,是基岩裂隙水的赋存基础,而且断裂一般多为沟谷、河流等负地形,有利于地下水的汇集。在几组断裂的交汇部位,往往是基岩裂隙地下水的富集区域。
首先对遥感图像进行变换,突出构造信息;再根据评估区域评估区域的断裂构造走向规律,对遥感图像进行水平(纬向构造)、北东45°(华夏、新华夏构造)和北西45°(次生断裂)的方向滤波,对线形特征进行增强和纹理分析,最后解译得到线性断裂。断裂的破碎影响带常有数百米宽,据此选择500m×500m窗口进行断裂密度的提取,断裂密度越大,地下水赋存空间越好。建立模糊隶属度函数将断裂密度指标量化到[0,1]区间:
式中,FD为断裂密度值,FDmin为区域断裂密度值最小值,FDmax为区域断裂密度最大值。
本实施例评估区域断裂密度指标归一化后的结果如图4所示。
3)地貌类型:
本实施例将所述预定评估区域的地形图等高线插值生成DEM数据进行地貌的提取。
地貌控制着地下水的补给条件,山区沟谷等地表径流条件好的地貌单元,大气降水多以地表水形式流走,渗透补给地下的水量小;缓坡、平原等地表径流条件差的地貌单元,大气降水的径流时间长,渗透补给地下的水量大,地下水富水性就高。根据Deffontaines和Kuhni的研究成果,将地形图等高线插值生成的DEM数据通过ArcGIS软件进行地貌的提取。地势起伏越大,地下水径流条件越好,补给条件越差, 当地势起伏度大于200米时为山地地形,地下水补给条件极差。
本次评估区域提取的工作区地势起伏度范围为7-453m,根据地理学中地貌的分类(如表1所示),当地势起伏度小于200m时,地势起伏度的大小与对地下水补给条件的影响基本成正比关系,当地势起伏度大于200m时,地下水补给条件极差。
表1
据此采用线性极差变换法建立地貌类型的模糊隶属函数如下:
式中,R为地貌类型,maxS区域地形坡度最大值为,minS为区域地形坡度最小值,S为地形坡度值。
本实施例评估区域在ERDAS软件中利用空间建模功能将地貌类型指标归一化后的结果如图5所示。
4)地形坡度:
利用ArcGIS软件提取地形坡度。地形对大气降水形成径流的过程影响很大,坡度大的山区沟谷地形,大气降水在地表停留时间短,难以渗透补给地下水;在坡度小的沟谷底部、洼地和平原地形,大气降水在地表停留时间长,渗透补给地下的水量就大,地下水富水性就高。利用ArcGIS软件提取地形坡度。借鉴汤国安的研究成果,坡度越小,地下水补给条件越好,富水性就越高,当坡度大于30度时补给条件极 差,建立模糊隶属度函数将坡度指标归一量化到[0,1]区间。
式中,S是地形坡度值。
本实施例评估区域地形坡度指标归一化后的结果如图6所示。
5)汇流累积量:
在ArcGIS软件中利用地表径流漫流模型,计算出汇流累积量;
汇流累积量的定义为每一个栅格在水流方向上累积的栅格数,其大小代表着上游有多少个栅格的水流最终汇流经过该栅格。汇流累积的数值越大,代表汇流能力越强,该区域就是集水区,容易形成地表径流,当汇流量达到一定值的时候,就会产生地表水流;反之,数值越小代表汇流能力越弱。在ArcGIS软件中利用地表径流漫流模型,计算出汇流累积量。汇流累积量越大,地下水补给越充足,富水性越好,当数值大于500时,基本为湿地和地表水体,地下水富水性差别不大,建立模糊隶属度函数将汇流累积量量化到[0,1]区间。
式中,FA是汇流累积量。
本实施例评估区域地形坡度指标归一化后的结果如图7所示。
6)地表温度:
采用单窗算法,利用ERDAS空间建模功能反演地表温度;
在地下水富集地带,水可以通过岩石和土壤的毛细管作用和热传导作用与地表发生联系,导致地表温度的变化。在白天,湿度大的地物热容量大,增温慢,在温度图像上显示冷异常,湿度小的地物热容量小,增温快,显示热异常;另一方面,由于地物所含水分的蒸发冷却效应,温度也成下降的趋势。地下水富集地带水分含量偏高,冷却效应强,在 白天的热红外图像上呈冷异常。因此,可以通过热红外遥感图像上的冷异常来提取地下水富集带信息。地表温度遥感反演有多种算法,本文采用单窗算法,利用ERDAS空间建模功能反演地表温度。温度越低,地下水富集性越好,建立模糊隶属度函数将温度归一量化到[0,1]区间。
式中,LTmax是区域地表温度最大值,LTmin是区域地表温度最小值,LT是地表温度。
本实施例评估区域地表温度指标归一化后的结果如图8所示。
7)土壤湿度:
利用修正归一化水体差异指数计算土壤湿度;
土壤湿度受地下水富集程度和埋深影响极大。当地下水富集程度高,埋深浅时,表层土壤可得到毛细管水的补给,使其保持较高的土壤含水量,随着富集程度的降低,土壤含水量随毛细管水的补给减少而下降,以至土壤的有效含水量不能满足植物的需要而形成土壤干旱。在某种程度上,土壤湿度反映了地下水的富集程度,因此,可将土壤湿度作为地下水存在的指示因子。土壤湿度有多种反演算法,本文根据徐涵秋的研究成果,利用修正归一化水体差异指数计算土壤湿度。土壤湿度越大,地下水富集性越好,建立模糊隶属度函数将湿度归一量化到到[0,1]区间。
式中,SH是土壤湿度值,SHmin是区域土壤湿度最小值,SHmax是区域土壤湿度最大值。
本实施例评估区域土壤湿度指标归一化后的结果如图9所示。
8)水域密度:
地表水体的渗漏补给也是地下水的一项重要来源,若所测区域中所有水域的面积为x,所测区域的总面积为M,则水域密度为x/M。在同等岩性条件下,在水域密度大的区域,对地下水的补给就好;反之亦然。因此,水域密度属于效益型指标,而且它对于地表水体的渗漏补给影响大体上可以看作是线性的,据此采用极差变换法建立地表水体指标的模糊隶属度函数如下:
式中,WD是区域水域密度值,minWD是区域水域密度最小值,maxWD是区域水域密度最大值。
本实施例依据地表水体指标模糊隶属度函数,在ERDAS软件中利用空间建模功能将地表水体指标规范到[0,1]区间。
本实施例评估区域水域密度指标归一化后的结果如图10所示。
9)植被覆盖度:
植被覆盖率越大,地下水富集的可能性越高,因此植被覆盖度属于效益型指标,而且从其影响特征和规律上分析,大体上可以用线性函数来量化其影响。本实施例以像元二分模型为基础,以先进的遥感技术为依托,建立了利用归一化植被指数NDVI来定量估算植被覆盖度的遥感模型,并根据植被覆盖度与浅层地下水之间的关系,对浅层地下水的富水性进行了大体评价。
本实施例中植被覆盖度的计算公式为
式中,ETM3为可见光波段数据,ETM4为近红外波段数据。
据此,采用极差变换法建立植被覆盖度的模糊隶属度函数如下:
式中,VF是区域植被覆盖度值,minVF是区域植被覆盖度最小值,maxVF是区域植被覆盖度最大值。
依据植被覆盖度指标模糊隶属度函数,在ERDAS软件中利用空间建模功能将植被覆盖度指标归一化到[0,1]区间。
本实施例评估区域植被覆盖度指标归一化后的结果如图11所示。
第三步、确定各个一级评估指标和二级评估指标的权重,并对所有的权重均进行归一化处理。
本实施例采用层次分析方法确定所述评估指标的权重,将所述评估指标的权重按一级评估指标进行评判后,再将每个一级评估指标的权重分配到该一级评估指标包含的二级评估指标中。
本实施例评估区域松散岩层孔隙水多以浅层潜水的形式存在,更新快,循环周期短,受补给条件的影响最大,赋存空间的影响次之,地表指示作用也比较明显,各指标的重要性相对均衡。基岩裂隙水多以线性带状充水的形式存在,受大气降水渗透补给,埋藏深度不大,与岩层的脆性程度和断裂的发育程度密切相关,受赋存空间的影响极大,补给条件的影响次之,地表指示作用并不明显,各指标的重要性差异悬殊。利用层次分析法,根据专家意见,先计算第一层次中赋存空间、补给条件、地表指示三个指标的权重,再进一步将权重分配到各个评估指标,最后计算得到松散岩层孔隙水和基岩裂隙水各评估指标的权重。
第四步、对所有的评估指标进行加权平均,得到用于评价地下水富集性的地下水模糊评估指数。
将各评估指标的模糊隶属度加权相加,得到地下水评估指数GRSFAI:
式中,Pi为评估指标的隶属度;wi为指标的权重;GRSFAI为评估指数,它分布在[0,1]区间,数值越大,代表地下水富集程度越高。
根据上述地下水评估指数GRSFAI的计算公式,在ERDAS软件中利用空间建模功能,计算得到评估区域松散孔隙水和基岩裂隙水的GRSFAI分别如图12所示。
为检验GRSFAI对地下水富集性的评估效果,对评估区域内钻井和泉眼进行实地勘察验证,记录钻井和泉眼的出水量;同时,利用GPS定位***获取每个调查点的坐标,确定它们在评估区域中的位置,记录对应位置的GRSFAI。为便于对比,将钻井的出水量按照0.1米的井径进行换算,最后结果如表2所示。
表2
从表2可以看出,地下水出水量与GRSFAI都反映出一个明显的规律,即GRSFAI指数越大,出水量越大。当GRSFAI小于0.45时,地下水十分贫乏,出水量基本为零;当GRSFAI在0.45~0.65之间时,地下水有一定储量,出水量较小且随着GRSFAI的增长而缓慢增加;当 GRSFAI在0.65~0.75之间时,地下水富集程度较好,出水量明显增大,而且随着GRSFAI的增长迅速增加;当GRSFAI在0.75~1之间时,地下水富集程度高,出水量十分可观且与GRSFAI呈几何级数增加。
综上所述,冲洪积下游和底部、沟谷水系两侧和断裂构造交汇部位,由于构造剥蚀使得地势较低,补给条件好且地层空隙发育,往往是地下水富集的区域,这些都印证了实际的找水经验,也与地下水实际分布情况基本一致,表明利用GRSFAI对地下水富集性进行评估是可靠的。
本发明的基于遥感信息的地下水富集性评估方法不局限于上述实施例所述的具体技术方案,凡采用等同替换形成的技术方案均为本发明要求的保护范围。
Claims (3)
1.一种基于遥感信息的地下水富集性评估方法,包括以下步骤:
第一步、利用遥感技术得到预定评估区域的多光谱数据和DEM数据,并将多光谱数据与所述DEM数据进行预处理,所述预处理包括辐射校正、几何校正、图像增强以及图像配准;
第二步、从所述多光谱数据中分别提取地层岩性、断裂密度、地表温度、土壤湿度、植被覆盖度、水域密度作为六个二级评估指标,从所述DEM数据中分别提取地形坡度、地貌类型、汇流累积量作为三个二级评估指标,其中地层岩性和断裂密度两个二级评估指标构成赋存空间,地表温度、土壤湿度和植被覆盖度三个二级评估指标构成地表指示,而地形坡度、地貌类型、汇流累积量和水域密度四个二级评估指标构成补给条件;所述赋存空间、地表指示和补给条件构成一级评估指标;
第三步、确定各个一级评估指标和二级评估指标的权重,并对所有的权重均进行归一化处理;
第四步、对所有的评估指标进行加权平均,得到用于评价地下水富集性的地下水评估指数。
2.根据权利要求1所述的基于遥感信息的地下水富集性评估方法,其特征在于:所述第三步中,采用层次分析方法并结合专家打分确定所述评估指标的权重,将所述评估指标的权重按一级评估指标进行评判后,再将每个一级评估指标的权重分配到该一级评估指标包含的二级评估指标中。
3.根据权利要求1所述的基于遥感信息的地下水富集性评估方法,其特征在于,所述评估指标的提取方法如下:
1)地层岩性:
如果地层为松散岩层,则依据富水性大小将地层分为冲积、冲洪积、坡洪积和海积四类,所述地层岩性分别对应为1、0.7、0.5、0.1;
如果地层为基岩,则将地层分为片岩夹大理岩、石英砂岩砾岩、片麻状花岗岩和网状风化花岗岩四类,所述地层岩性分分别对应为0.9、0.6、0.7和0.2;
2)断裂密度:
首先对遥感图像进行变换,突出构造信息;再根据所述预定评估区域的断裂构造走向规律,对遥感图像进行水平、北东45°和北西45°的方向滤波,对线形特征进行增强和纹理分析,得到线性断裂,并选择500m×500m窗口提取断裂密度;
3)地貌类型:
将所述预定评估区域的地形图等高线插值生成DEM数据进行地貌的提取;
4)地形坡度:
利用ArcGIS软件提取地形坡度;
5)汇流累积量:
在ArcGIS软件中利用地表径流漫流模型,计算出汇流累积量;
6)地表温度:
采用单窗算法,利用ERDAS空间建模功能反演地表温度;
7)土壤湿度:
利用修正归一化水体差异指数计算土壤湿度;
8)水域密度:
若所测区域中所有水域的面积为x,所测区域的总面积为M,则水域密度为x/M;
9)植被覆盖度:
以像元二分模型为基础,利用归一化植被指数NDVI来定量估算植被覆盖度,计算公式为
式中,ETM3为可见光波段数据,ETM4为近红外波段数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310145726.XA CN103234920B (zh) | 2013-04-23 | 2013-04-23 | 基于遥感信息的地下水富集性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310145726.XA CN103234920B (zh) | 2013-04-23 | 2013-04-23 | 基于遥感信息的地下水富集性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103234920A true CN103234920A (zh) | 2013-08-07 |
CN103234920B CN103234920B (zh) | 2015-10-21 |
Family
ID=48882971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310145726.XA Expired - Fee Related CN103234920B (zh) | 2013-04-23 | 2013-04-23 | 基于遥感信息的地下水富集性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103234920B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793907A (zh) * | 2013-12-12 | 2014-05-14 | 中国科学院深圳先进技术研究院 | 一种水体信息的提取方法及装置 |
CN106528707A (zh) * | 2016-10-26 | 2017-03-22 | 中国矿业大学 | 一种煤层顶板砂岩含水层富水性评价方法 |
CN106968290A (zh) * | 2017-04-07 | 2017-07-21 | 安徽建筑大学 | 一种基于遥感技术的徽州传统风貌建筑群落的供水方法 |
CN107480422A (zh) * | 2017-07-06 | 2017-12-15 | 环境保护部卫星环境应用中心 | 地下水易污染性监测评价方法及装置 |
CN107730426A (zh) * | 2017-09-12 | 2018-02-23 | 中山大学 | 一种基于ArcGIS的地下空间适宜性评价模型 |
CN109142135A (zh) * | 2018-09-29 | 2019-01-04 | 杨梓艺 | 一种测量页岩孔隙水的矿化度的方法 |
CN109615618A (zh) * | 2018-11-30 | 2019-04-12 | 江苏师范大学 | 基于ArcGIS和Matlab的裂隙方向性研究方法 |
CN110618144A (zh) * | 2019-09-26 | 2019-12-27 | 中国水利水电科学研究院 | 一种快速测定黄土塬区泉眼位置的方法 |
CN110838098A (zh) * | 2019-10-09 | 2020-02-25 | 新疆大学 | 一种确定地下煤火区地表裂隙的方法 |
CN112433263A (zh) * | 2020-12-01 | 2021-03-02 | 中南大学 | 一种快捷高效的地下水富集区直接探测方法 |
CN113253893A (zh) * | 2021-05-21 | 2021-08-13 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队 | 一种地质信息显示管理方法、装置、设备及可读存储介质 |
CN114858221A (zh) * | 2022-07-05 | 2022-08-05 | 中国长江三峡集团有限公司 | 一种基于水域营养状态预测的水华智能预警***及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7298869B1 (en) * | 2003-07-21 | 2007-11-20 | Abernathy Donald A | Multispectral data acquisition system and method |
JP2010044051A (ja) * | 2008-07-15 | 2010-02-25 | Mitsubishi Materials Techno Corp | 地下水起源解析方法及び地下水起源解析システム |
CN102128794A (zh) * | 2011-01-31 | 2011-07-20 | 重庆大学 | 基于流形学习的遥感水质监测方法 |
CN102565294A (zh) * | 2011-02-01 | 2012-07-11 | 环境保护部卫星环境应用中心 | 水源地监测评价方法 |
CN102819047A (zh) * | 2012-08-03 | 2012-12-12 | 中国地质大学(武汉) | 获得地下水与天然植被***的关系的方法及*** |
-
2013
- 2013-04-23 CN CN201310145726.XA patent/CN103234920B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7298869B1 (en) * | 2003-07-21 | 2007-11-20 | Abernathy Donald A | Multispectral data acquisition system and method |
JP2010044051A (ja) * | 2008-07-15 | 2010-02-25 | Mitsubishi Materials Techno Corp | 地下水起源解析方法及び地下水起源解析システム |
CN102128794A (zh) * | 2011-01-31 | 2011-07-20 | 重庆大学 | 基于流形学习的遥感水质监测方法 |
CN102565294A (zh) * | 2011-02-01 | 2012-07-11 | 环境保护部卫星环境应用中心 | 水源地监测评价方法 |
CN102819047A (zh) * | 2012-08-03 | 2012-12-12 | 中国地质大学(武汉) | 获得地下水与天然植被***的关系的方法及*** |
Non-Patent Citations (3)
Title |
---|
AKRAM JAVED ET AL.: "Delineation of Groundwater Potential Zones in Kakund Watershed,Eastern Rajasthan, Using Remote Sensing and GIS Techniques", 《JOURNAL GEOLOGICAL SOCIETY OF INDIA》, vol. 73, 28 February 2009 (2009-02-28), pages 229 - 236 * |
KAMALESHWAR PRATAP ET AL.: "Groundwater Prospect Zoning Using Remote Sensing and Geographical Information System:A Case Study in Dala-Renukoot Area,Sonbhadra District, Uttar Pradesh", 《JOURNAL OF THE INDIAN SOCIETY OF REMOTE SENSING》, vol. 28, no. 4, 31 December 2000 (2000-12-31), pages 249 - 263 * |
苟毅征等: "ASAR数据与ETM + 图像融合探测干旱区浅层地下水的应用", 《环境科学导刊》, vol. 28, no. 3, 30 June 2009 (2009-06-30), pages 93 - 95 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793907B (zh) * | 2013-12-12 | 2017-04-19 | 中国科学院深圳先进技术研究院 | 一种水体信息的提取方法及装置 |
CN103793907A (zh) * | 2013-12-12 | 2014-05-14 | 中国科学院深圳先进技术研究院 | 一种水体信息的提取方法及装置 |
CN106528707A (zh) * | 2016-10-26 | 2017-03-22 | 中国矿业大学 | 一种煤层顶板砂岩含水层富水性评价方法 |
CN106968290A (zh) * | 2017-04-07 | 2017-07-21 | 安徽建筑大学 | 一种基于遥感技术的徽州传统风貌建筑群落的供水方法 |
CN107480422B (zh) * | 2017-07-06 | 2020-03-10 | 环境保护部卫星环境应用中心 | 地下水易污染性监测评价方法及装置 |
CN107480422A (zh) * | 2017-07-06 | 2017-12-15 | 环境保护部卫星环境应用中心 | 地下水易污染性监测评价方法及装置 |
CN107730426A (zh) * | 2017-09-12 | 2018-02-23 | 中山大学 | 一种基于ArcGIS的地下空间适宜性评价模型 |
CN109142135A (zh) * | 2018-09-29 | 2019-01-04 | 杨梓艺 | 一种测量页岩孔隙水的矿化度的方法 |
CN109615618A (zh) * | 2018-11-30 | 2019-04-12 | 江苏师范大学 | 基于ArcGIS和Matlab的裂隙方向性研究方法 |
CN109615618B (zh) * | 2018-11-30 | 2023-05-09 | 江苏师范大学 | 基于ArcGIS和Matlab的裂隙方向性研究方法 |
CN110618144A (zh) * | 2019-09-26 | 2019-12-27 | 中国水利水电科学研究院 | 一种快速测定黄土塬区泉眼位置的方法 |
CN110838098A (zh) * | 2019-10-09 | 2020-02-25 | 新疆大学 | 一种确定地下煤火区地表裂隙的方法 |
CN112433263A (zh) * | 2020-12-01 | 2021-03-02 | 中南大学 | 一种快捷高效的地下水富集区直接探测方法 |
CN112433263B (zh) * | 2020-12-01 | 2021-09-28 | 中南大学 | 一种快捷高效的地下水富集区直接探测方法 |
CN113253893A (zh) * | 2021-05-21 | 2021-08-13 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队 | 一种地质信息显示管理方法、装置、设备及可读存储介质 |
CN114858221A (zh) * | 2022-07-05 | 2022-08-05 | 中国长江三峡集团有限公司 | 一种基于水域营养状态预测的水华智能预警***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103234920B (zh) | 2015-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103234920B (zh) | 基于遥感信息的地下水富集性评估方法 | |
Selvam et al. | Application of remote sensing and GIS for delineating groundwater recharge potential zones of Kovilpatti Municipality, Tamil Nadu using IF technique | |
Lakshmi et al. | Identification of groundwater potential zones using GIS and remote sensing | |
Orlandini et al. | On the prediction of channel heads in a complex alpine terrain using gridded elevation data | |
Gopinath et al. | Characterizing groundwater quality and seawater intrusion in coastal aquifers of Nagapattinam and Karaikal, South India using hydrogeochemistry and modeling techniques | |
Andreu et al. | Recharge to mountainous carbonated aquifers in SE Spain: Different approaches and new challenges | |
CN102306233A (zh) | 降雨作用下流域滑坡时空预测方法 | |
Gintamo | Ground water potential evaluation based on integrated GIS and remote sensing techniques, in bilate River Catchment: South Rift Valley of Ethiopia | |
Bhuiyan et al. | Modelling of ground water recharge-potential in the hard-rock Aravalli terrain, India: a GIS approach | |
Canora et al. | Coastal and inland karst morphologies driven by sea level stands: a GIS based method for their evaluation | |
Ishola et al. | Groundwater potential mapping in hard rock terrain using remote sensing, geospatial and aeromagnetic data | |
Ceccatelli et al. | Numerical modelling of land subsidence related to groundwater withdrawal in the Firenze-Prato-Pistoia basin (central Italy) | |
Gebrie et al. | Groundwater resources evaluation using geospatial technology | |
Yanna et al. | Karstic conduits and watershed identification based on the morphological characteristics of depressions in the Yunnan–Guizhou Plateau of China | |
Yousif et al. | Geospatial information and environmental isotopes for hydrogeological evaluation: Ras Alam El Rum, Northwestern Coast of Egypt | |
Jones et al. | Groundwater availability model: Hill Country portion of the Trinity Aquifer of Texas | |
Abdullahi et al. | Application of remote sensing and GIS in ground water mapping in some selected localities in Kebbi state, Nigeria | |
Madyaka | Spatial Modelling and Prediction of Soil Salinization Using SaltMod in a GIS Environment | |
Bushra | Quantitative status, vulnerability and pollution of groundwater resources in different environmental and climatic contexts in Sardinia and in Ethiopia | |
Ahmed et al. | Application of DEM and GIS in terrain analysis: A case study of Tuirini River Basin, NE India | |
Golovanova et al. | The neopleistocene aquifer system in the region of the development of the astrakhan gas condensate field: characteristics, structures, and formation models | |
Wildermuth | Gravity surveys for estimating possible width of enhanced porosity zones across structures on the Coconino Plateau, Coconino County, north-central Arizona | |
Huq | Study on land-use and land cover change of Dhaka eastern region and its impact on water cycle | |
Pal et al. | Geo-Hydrological study of Gandheshwari Sub-watershed using Remote Sensing and GIS Techniques | |
Sharma | Evaluation of groundwater depletion scenario and its impacts in NW India by geodetic techniques & modelling approaches |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151021 |
|
CF01 | Termination of patent right due to non-payment of annual fee |