基于高光谱指数和电磁感应技术的区域土壤盐渍化监测模型

以新疆渭干河-库车河三角洲绿洲不同盐渍化程度的土壤为研究对象,以电磁感应仪(EM38)测得的盐渍土电导率数据和ASD Field Specpro FR光谱仪测得的盐渍土高光谱数据为基础数据源。对利用Savitzky-Golay滤波进行平滑去噪后所得的光谱曲线进行均方根、 对数、 倒数、 倒数的对数、 连续统去除、 一阶微分等11种光谱变换,并从中选取土壤光谱波长与基于EM38建立的土壤盐分解译模型,所解译出的土壤盐分数据相关性最好的变换形式及响应波段进行SI,BI和NDSI等5种盐分指数的计算,通过精度检验选取最优高光谱指数,以此建立区域土壤盐渍化监测模型。结果表明：以一阶微分变换后的土壤光谱反射率456,686和1 373 nm的波段组合作为最佳敏感波段所构建的SI₂高光谱指数与EM38数据相结合建立的土壤盐渍化监测模型为最优模型;与传统的遥感方法中单纯利用盐分指数所建立的监测模型相比,基于高光谱指数和EM38数据所建立的土壤盐渍化监测模型的预测精度更高,该模型的建立为进一步提高土壤盐渍化的监测和预测精度的研究提供参考借鉴。     

基于光谱指数的区域土壤盐分三维空间变异研究

为揭示中原黄泛区土壤盐分三维空间分布特点,以河南省封丘县为研究区域,综合应用土壤采样数据与遥感影像数据,利用光谱指数法与三维反距离权重法(IDW)对三维土壤盐分空间变异特征进行了解析与评价,显著提升了区域土壤盐分的三维预测精度。研究区域土壤电导率变异系数在0.218～0.324之间,属中等变异强度;各层土壤电导率的平均值在0.121～0.154 ds·m-1之间,土壤盐分高值区主要分布在天然渠与黄河沿线区域,研究区盐渍土剖面类型属“底聚型”,即随着深度增加土壤盐分含量逐渐增大,呈现底土积盐的趋势;该研究表明应用以光谱指数数据为基础的三维IDW方法对区域土壤盐分三维特征进行解析可以达到较高精度。该研究为中原黄泛区盐渍障碍耕地的治理利用提供了可靠技术方法。     

多源数据的区域土壤盐渍化精确评估

为精确揭示区域土壤盐分的三维分异特征,将由区域遥感影像解析获得的光谱指数、面域电磁感应大地电导率仪测得的土壤表观电导率和控制点位土壤采样实测数据进行有效耦合,应用多元回归方法建立土壤盐分解译模型,利用反距离权重方法对区域土壤盐分三维特征进行插值解析与评价,创建了基于多源数据的区域土壤盐渍化精确评估方法。应用实践表明：案例研究区域各土层土壤盐分含量的变异系数在1.281~1.527之间,表现为强度变异性;土壤盐分含量高值主要集中在案例研究区域的中西部地带;区域盐渍土剖面类型大部分属“表聚型”,即随着深度增加土壤盐分逐渐减小;对案例研究区域土壤盐分三维特征解析精度达到相关系数为0.908。解决了以往多源数据耦合协同以更高精度解析区域土壤盐分特征的难题,为精确评估区域土壤盐分三维特征和其他地学空间属性解析提供了可靠方法借鉴。     

基于综合高光谱指数的区域土壤盐渍化监测研究

选取新疆塔里木盆地北缘渭干河-库车河三角洲绿洲盐渍化土壤、植被及其光谱反射率为研究对象,对实测土壤、植被高光谱进行包络线、倒数、对数、均方根、一阶微分等各种光谱变换,分析并确定反映盐渍化程度最敏感的波段,结果表明：实测高光谱土壤、植被一阶微分光谱变换对土壤盐渍化响应程度最敏感;基于实测综合光谱指数的盐渍化监测高光谱模型可以准确提取土壤盐渍化信息,明显优于传统遥感方法中单纯利用植被指数或者土壤盐分指数的模型,对土壤盐渍化的高精度遥感监测研究具有较好促进作用。     

基于实测高光谱和电磁感应数据的区域土壤盐渍化遥感监测研究

以新疆渭干河—库车河三角洲绿洲为例,利用实测得到的不同盐渍化程度的盐渍土高光谱数据和电磁感应数据(EM38)协同构建土壤高光谱盐分指数遥感监测模型,将该模型通过尺度效应转换用于校正传统的Landsat-TM多光谱遥感影像的土壤盐分光谱指数,用校正过的TM影像进行区域土壤盐分的反演,并利用实测土壤盐分数据对反演结果进行分析与验证。结果表明：将高光谱和电磁感应数据与多光谱遥感技术相结合进行区域土壤盐渍化信息的提取,其精度和反演效果(R2=0.799 3,p<0.01)明显优于传统多光谱遥感方法中单纯利用土壤盐分指数所建立的监测模型(R2=0.587 4,p<0.01),为今后更好地实现土壤盐渍化的高精度遥感动态监测研究提供了科学依据。     

基于土壤植被光谱协同分析的土壤盐度推理模型构建研究

土壤组成较为复杂,单纯利用土壤光谱信息探测土壤盐度,反演精度不足以满足实际需求。通过遥感获取的植被信息(植被类型和生长状况)可间接反映土壤盐分的空间分布特性,弥补上述不足。为此,基于干旱区土壤盐度与植被之间的协同变化,尝试结合土壤和植被光谱信息,借助二维特征空间理论,构建土壤盐度推理模型,提高土壤盐度推理精度。对于干旱区单个像元下土壤光谱的影响,利用归一化植被指数(normalized difference vegetation index,NDVI) 难以准确反演干旱区稀疏植被参数。因此,首先利用线性混合像元分解模型(linear spectral unmixing model, LSUM)提取研究区地物组分,构建植被组分指示因子(combined vegetation indicative factor, CVIF)方程,并与土壤盐度指数(salinity index,SI)构建二维特征空间。分析二维特征空间内散点走势与土壤盐分之间的关系,建立土壤盐度推理模型(salinity inference model, SID)。验证结果显示,CVIF提取的植被信息精度(R2>0.84, RMSE=3.92)高于应用较为广泛的NDVI(R2>0.66, RMSE=13.77)。构建的SID模型与前人基于NDVI建立的联合光谱指数(combined spectral response index, CORSI)相比,前者(R2>0.86, RMSE=6.86)推理精度优于后者(R2>0.71, RMSE=16.21)。由此得出结论,基于土壤和植被光谱信息双重判定的SID模型对土壤盐渍化的高精度遥感监测研究具有较好促进作用。     

典型半干旱区土壤盐分高光谱特征反演

选取陕北典型半干旱区为研究对象,利用土壤高光谱特征对盐分进行反演研究。在研究区域选取样点,采集土壤样品测定土壤光谱特征,以土壤反射率(R)、反射率对倒数(Log(1/R))及去包络线的反射率(R_cr)三个光谱特征进行土壤盐分反演研究,分析其与土壤盐分的相关性,遴选特征波段,并通过Matlab编程利用最小偏二乘回归方法(partial least squares regression,PLSR)建立土壤盐分定量反演模型,然后利用检验样点进行精度检验和比较。结果表明,利用经包络线去除后光谱反射率进行定量反演的均方根预测误差最小(1.253<1.367<1.575),其预测精度最高;利用土壤高光谱特征进行盐分反演的预测值与实测值相关性良好(r2=0.761),趋势线接近于y=x。总之,研究发现,土壤反射率经过包络线去除后,利用偏最小二乘回归方法建立的反演模型具有良好的精度,这将有利于提高土壤盐渍化的监测效率。     

基于数码相片和颜色空间转换的滨海土壤盐渍化定量估算

土壤盐渍化是土壤退化的重要原因之一,快速精确地监测土壤盐渍化对农业可持续发展和生态环境保护有积极作用。提出一种基于数码相片的滨海地区表层土壤盐分的定量估算方法,旨在复杂天气状况下快捷方便的获取土壤盐分信息。以江苏盐城沿海地区裸露地表土壤作为研究对象,在晴天和多云天气下全天时采样和拍照获取52个土壤样本和相片。土壤样品通过室内测试获取土壤电导率（EC）,pH值和土壤含水量等参数。利用RStudio软件对土壤相片进行处理,首先从相片中提取RGB三种颜色参数,再通过颜色空间转换关系计算另外5种颜色空间（HIS,CIEXYZ,CIELAB,CIELUV和CIELCH）,每个颜色空间有三个颜色参数,加上RGB颜色空间共有18个颜色参数,其中CIELAB,CIELUV和CIELCH中L参量表示的意义和数值相同,因此6个颜色空间共有16个颜色参数。土壤电导率与颜色参数相关分析结果表明,相片颜色的纯度和亮度与土壤电导率之间的相关系数较高,并达到了极显著水平,相片颜色的色相与土壤电导率之间的相关性较低,且未达到显著水平。随机抽取70%的样本数据并用随机森林方法对土壤盐分含量进行建模,采用留一法（LOOCV）进行交叉验证,再用余下30%的样本数据进行精度检验,重复100次以获取精度最高的模型。最终获取估算土壤盐分的随机森林模型,验证集数据的模型精度达到R2_val=0.75,RMSE_val=3.52,RPD_val=2.02。对颜色参数进行重要性分析发现,颜色纯度对模型的重要性最大,其次是颜色亮度,色相的贡献较小。综上,利用数码相机获取表层土壤相片,通过颜色空间转换得到的颜色参数为有效估算滨海土壤盐分含量提供一个新思路。该研究对近地表参数定量估算提供了新视角,将来结合无人机平台能够为精准农业和滨海生态环境的精准管理提供技术支持和有效手段。     

艾比湖湿地自然保护区土壤盐分多光谱遥感反演模型

土壤盐分是衡量土壤质量的要素,也是作物生长发育的基本条件。因此,迫切地需要一种可以快速了解土壤盐分含量（SSC）的方法。针对艾比湖湿地自然保护区,基于Landsat8 OLI多光谱遥感影像,以该研究区36个土壤表层样品的盐分含量为数据源,选择相关性较好的多光谱遥感指数分析研究区土壤盐分分布状况,并将其分别与实测SSC构建线性、对数、二次函数模型,进而优选精度最高的模型来反演该研究区SSC。结果表明：（1）在多光谱遥感指数中,与SSC相关性最高的是增强型植被指数（EVI）,其相关性范围为（-0.70~-0.67）;其次是传统型植被指数（TVI）,其范围为（-0.58~-0.46）;土壤盐分指数（SI）与SSC的相关性最低,其范围为（-0.45~0.16）,其中SI3和SI4与SSC均没有相关性。（2）将实测土壤盐分值所反演的分布图与EVI对比分析,发现在西北、正南方向的艾比湖湖边周围和东北方向盐池桥的SSC均较高,其EVI的值较低,说明通过该研究区实测土壤盐分值所反演的盐分分布图与EVI的空间分布结果较为一致,表明EVI对该地区土壤盐分具有一定的敏感性,能较好地反演SSC的空间分布;（3）分别将三种EVI与实测SSC建模分析比较,发现SSC与增强型比值植被指数（ERVI）所构建的二次函数模型最好;其验证集的决定系数（R2）为0.92,均方根误差（RMSE）为2.48,相对分析误差（RPD）为2.09,模型精度较高、稳定性较为可靠,相比之下,说明ERVI对该湿地自然保护区土壤盐分有更高的敏感性,可以用来预测该区域SSC,从而进行空间反演。在TVI中加入Landsat8多光谱遥感影像的b6和b7波段,得到EVI,以此来反演SSC是可行的,且比传统可见光和近红外波段所构建的植被指数反演效果更好。因此该研究不仅可以为遥感反演提供理论参考,而且对该地区SSC的定量估算和动态监测具有重要的意义,也可作为其他区域SSC预测反演的备选方案。     

土壤含盐量与电导率的高光谱反演精度对比研究

探明土壤盐渍化的高光谱遥感监测机理,对改善高光谱遥感监测精度具有重要意义。以南疆地区温宿县、和田县、拜城县的水稻土为研究对象,通过分析土样的高光谱数据和室内测定的盐分与电导率数据,研究了耕作土壤含盐量与电导率的关系,并比较了含盐量和电导率与不同光谱指标的相关性以及二者高光谱反演的精度。结果表明,南疆水稻土的含盐量与电导率的相关性较低,二者之间的关系因地区差异而有较大的变化;含盐量与反射率、一阶微分、连续统去除之间的相关性要优于电导率,特别在一些土壤盐渍化的敏感波段尤为突出;以含盐量建立的多元线性回归、主成分回归、偏最小二乘回归模型的决定系数和相对分析误差均高于电导率。研究表明高光谱信息对土壤含盐量的响应比电导率更敏感,以含盐量为监测指标的高光谱反演精度明显要优于电导率。该结果可为提高土壤盐渍化高光谱遥感监测精度提供理论依据。     

实测高光谱和HSI影像的区域土壤盐渍化遥感监测研究

通过典型研究区不同盐渍化土壤光谱反射率数据的变换和分析,选择与土壤含盐量响应敏感波段,建立实测高光谱土壤含盐量反演模型,以校正HSI影像建立的土壤含盐量反演模型。结果表明：实测高光谱土壤含盐量反演模型与HSI影像土壤含盐量反演模型均有较好的精度,模型判定系数(R2)均高于0.57,且模型稳定性较好。校正后的HSI影像土壤含盐量反演模型,模型判定系数有了较大提高,R2从0.571提升至0.681,且通过了0.01的显著性水平,均方根误差(RMSE)值为0.277。模型能够较好地提高区域尺度条件下土壤盐渍化监测精度,运用此方法开展盐渍化土壤定量遥感监测是可行的。     

基于近地面多光谱的黄河三角洲典型地区土壤含盐量估算研究

选择山东省无棣县“渤海粮仓”项目核心示范区为研究区,利用ADC便携式多光谱相机和EC110便携式盐分计,采集该区近地多光谱相片和土壤表层含盐量数据,通过NDVI, SAVI, GNDVI三种植被指数分别与实测土壤含盐量构建线性、指数、对数、乘幂、二次和三次函数共18种模型,进而优选土壤盐分含量最佳估测模型,反演和分析研究区土壤盐分状况。结果显示,各模型均可有效估测土壤盐分含量,以SAVI为因变量构建的各模型估测效果较好,其中以SAVI的线性模型(Y=-0.524x+0.663,n=70)为最佳,显著检验水平下的F检验值最高,为141.347,估测R2为0.797,精度达到93.36%;研究区的土壤盐分含量集中在2.5‰～3.5‰之间,呈现从西南向东北逐渐升高的明显分布规律。探索了基于近地面多光谱数据的土壤含盐量估测方法,为研究区乃至整个黄河三角洲滨海盐碱土的盐分含量估测提供了一种快速有效的技术方法。