基于Sentinel-2影像的黄河南岸典型改良示范区土壤含盐量反演模型

土壤盐渍化严重制约农田土壤环境的循环发展,高效准确地监测土壤盐分动态变化对盐碱地改良利用具有重要意义。为及时、有效地监测盐渍化土壤含盐量,以内蒙古黄河南岸灌区的4个典型盐碱化耕地改良示范区为例,利用Sentinel-2多光谱遥感影像,同步采集示范区内表层土壤的含盐量数据,通过相关性分析筛选敏感光谱指标,基于偏最小二乘回归（PLSR）、逐步回归（SR）、岭回归（RR）3种简单机器学习模型和深度学习Transformer模型建模,最后进行精度评价并优选出最佳含盐量反演模型。结果表明：示范区土壤反射率的可见光、红边、近红外波段反射率均与土壤含盐量呈正相关,短波红外波段反射率与土壤含盐量呈负相关,引入光谱指数能够有效提升Sentinel-2遥感影像与示范区表层土壤含盐量的相关性（相关系数绝对值不小于0.32）;对比不同模型发现深度学习Transformer模型优于简单机器学习模型,验证集决定系数R2和均方根误差（RMSE）分别为0.546和 2.687g/kg;含盐量反演结果与实地结果相吻合,为更精准反演内蒙古黄河南岸灌区盐渍化程度提供了参考。     

基于Albedo-MSAVI特征空间的渭库绿洲土壤盐渍化研究

选取新疆塔里木河流域渭库绿洲为研究区,以landsat 8 OLI和野外调查为基础数据,分析盐渍化土壤与反照率(Albedo)和修改型土壤调节植被指数(MSAVI)的关系,并提出Albedo-MSAVI特征空间概念,构建监测土壤盐渍化不同指数模型SDI。结果表明:Albedo-MSAVI特征空间分布呈现明显的规律性,即地表反照率与修改型土壤调节植被指数在第1象限呈双曲线分布,且盐渍化与非盐渍化土壤分异明显;SDI模型与土壤含盐量的决定系数为0.96,能够较好地反映绿洲盐渍化情况;不同盐渍化程度的SDI平均差异与非盐渍化SDI平均差异特征明显,其差值为0.12~0.34。因此SDI指数可以作为盐渍化信息快速提取的指标,且SDI模型的构建有利于干旱区大尺度定量监测和评价土壤盐渍化工作。     

基于无人机遥感图像纹理与植被指数的土壤含盐量反演

基于无人机遥感技术获取农田土壤盐分信息为盐渍化治理提供了快速、准确、可靠的理论依据。本文在内蒙古河套灌区沙壕渠灌域试验地上采集了取样点0～20cm的土壤含盐量，并使用M600型六旋翼无人机平台搭载Micro-MCA多光谱相机采集图像。利用Otsu算法对多光谱图像进行图像分类（土壤背景和植被冠层），基于分类结果分别提取剔除土壤背景前后的光谱指数和图像纹理特征，采用支持向量机（SVM）和极限学习机（ELM）构建土壤含盐量监测模型，其4种建模策略分别为:未剔除土壤背景的光谱指数(策略1)、剔除土壤背景后的光谱指数(策略2)、未剔除土壤背景的光谱指数+图像纹理特征(策略3)、剔除土壤背景的光谱指数+图像纹理特征(策略4)，通过比较4种建模策略的模型精度以筛选出最优变量组合。结果表明：策略3、4所计算出的土壤含盐量反演精度高于策略1、2，策略1~4验证集决定系数R2v分别为0.614、0.640、0.657、0.681，因此利用图像纹理特征+植被指数对提高土壤含盐量的反演精度有重要意义。对比策略3、4，图像纹理特征+植被指数受到土壤背景的影响，策略4精度低于策略3精度，其R2v分别为0.614、0.657；各变量处理的最优模型均为ELM模型，建模集R2c分别为0.625、0.644、0.618、0.683，标准均方根误差分别为0.152、0.134、0.206、0.155。相比于SVM模型,ELM模型提高了土壤含盐量的反演精度。     

基于GF-1影像的渭-库绿洲外围土壤含盐量定量反演研究

为探讨国产GF-1卫星影像在干旱区土壤盐渍化监测中的适用性,以渭-库绿洲外围荒漠交错带为研究对象,利用BP神经网络和RBF神经网络2种建模算法,以GF-1影像的4个波段的反射率及影像提取的归一化差异植被指数(NDVI)、差值植被指数(DVI)、土壤调节植被指数(SAVI)、盐度指数(SI1、SI2、SI-T)共10个指标构建土壤含盐量反演模型。结果表明:在2种算法中,BP神经网络模型预测精度最高,R2为0.818,RMSE为0.194;发现利用植被指数更能提高模型的预测精度;利用BP神经网络预测模型反演研究区的土壤含盐量,发现预测情况与研究区实际情况相符,说明利用GF-1数据结合BP神经网络构建的反演模型适用于监测研究区土壤盐渍化问题。     

干旱区绿洲植被高光谱与浅层土壤含水量拟合研究

水资源一直是制约我国西北干旱区农业发展的关键因素。本文以新疆渭库绿洲为研究区域,选取41个土壤含水量与干旱区绿洲植被实测高光谱样本,以植被指数为桥梁,采用支持向量机回归(SVR)方法,建立干旱区绿洲土壤含水量与植被指数之间的拟合方程模型,并与多元回归(MLSR)、偏最小二乘(PLS)回归2种模型进行对比。实验结果表明:不同模型的精度各异,拟合效果由优到劣为:改进的SVR模型、PLS模型、MLSR模型,其中基于干旱区绿洲实测的植被光谱数据改进的SVR模型对土壤含水量具有较好的拟合效果,通过最优参数的定值与最优测试集的抽取,R2高达0.8916,RMSE仅为2.292,在干旱区绿洲的土壤含水量拟合中获得比较高的预测精度。而MLSR模型与PLS模型,R2值分别为0.630、0.655,RMSE为3.002与2.749。研究结果表明,因地制宜开展合理的土壤含水量反演模型规则制定是提高干旱区绿洲土壤浅层含水量监测精度的有效手段,也可为干旱区农业作物生长提供更精准的数据积累。     

基于全子集-分位数回归的土壤含盐量反演研究

为提高植被覆盖条件下卫星遥感对土壤含盐量的估测精度,以河套灌区解放闸灌域为研究区,以高分一号卫星影像为数据源,同步采集不同深度土壤含盐量,通过全子集筛选法(Best subset selection)分析不同波段和光谱指数对于不同深度土壤含盐量的敏感性,并采用人工神经网络(Artificial neural network,ANN)、支持向量机(Support vector machine,SVM)和分位数回归(Quantile regression,QR) 3种方法,构建全子集筛选前后0～20 cm、20～40 cm、0～40 cm、40～60 cm、0～60 cm等不同深度下的土壤含盐量反演模型。结果表明,B4、BI、SI1、SI3是0～20 cm、0～40 cm处土壤含盐量的敏感变量组合,B4、BI、NDVI为20～40 cm、40～60 cm、0～60 cm处土壤含盐量的敏感变量组合;在各深度下,分位数回归模型的精度最高,模型的决定系数R2c1、R2v1均在0. 4以上,均方根误差RMSEc1、RMSEv1均小于0. 4%,SVM次之,ANN最差;在20～40 cm深度下QR反演模型效果优于其他深度,为本文土壤含盐量估算的最优模型,其建模和验证的决定系数R2c1、R2v1分别为0. 611和0. 671,建模和验证均方根误差RMSEc1、RMSEv1分别为0. 177%和0. 160%。本研究可为卫星遥感大范围监测植被覆盖条件下土壤盐渍化程度提供参考。     

基于特征优选与机器学习的农田土壤含盐量估算研究

土壤盐渍化是影响农业可持续发展的重要制约因素,为准确及时地获取土壤中盐分含量,实现盐渍化精准监测,以内蒙古自治区巴彦淖尔市五原县境内的覆被农田为研究对象,探讨无人机多光谱遥感平台结合机器学习模型估测不同深度土壤含盐量的可行性。首先,利用无人机搭载五波段多光谱相机获取研究区域高时空分辨率遥感图像数据,并同步采集地面不同深度处土壤盐分数据,使用皮尔逊相关系数法(PCC)、极端梯度提升(XGBoost)和灰色关联分析法(GRA)对构建的光谱指数进行优选;然后,采用决策树(DT)、反向传播神经网络(BPNN)、支持向量机(SVM)和随机森林(RF)4种机器学习方法建立植被覆盖下不同深度的农田土壤含盐量反演模型。结果表明,使用方案3(XGBoost-GRA)变量优选方法可以有效地筛选出敏感光谱指数,且基于此方法优选后的光谱指数建立含盐量估算模型的精度高于仅使用PCC或XGBoost法构建的反演模型。对比不同建模方法在不同土壤深度处的反演精度,可知随机森林RF模型整体表现最优,同时另外3种反演模型也取得了较好的预测效果,0～20 cm土壤深度处的预测效果是3个土壤深度中最优的,其中精度最高模型的决...     

盐渍条件下土壤含水率高光谱反演研究

盐渍化土壤在我国分布的面积大,范围广。由于人为的不合理灌溉等,土壤次生盐渍化日益严重。为了能够及时、精准、动态地监测盐渍土农田含水率的变化,以内蒙古河套灌区农田为研究对象,应用高光谱分析技术,采用偏最小二乘回归方法(PLSR)分析土壤反射光谱特征值与水分、盐分含量间的关系,建立盐渍化农田含水率高光谱预测模型,并对模型的稳定性和预测能力进行检验。结果表明:利用非盐渍土建立偏最小二乘模型能够有效预测低含盐量(含盐量小0.4%)土壤的含水率。水分预测模型中土壤盐分含量小于等于0.4%时,R2大于0.8,RMSE小于4%,预测精度较好;土壤盐分含量大于等于0.5%时,预测值R2不足0.7,预测精度较差。结果表明土壤中盐分含量较大时,对含水率预测模型的估算精度均会产生影响。     

干旱区绿洲植被高光谱与浅层土壤含水率拟合研究

水资源一直是制约我国西北干旱区农业发展的关键因素。以新疆渭库绿洲为研究区域,选取41个土壤含水率与干旱区绿洲植被实测高光谱样本,以植被指数为桥梁,采用支持向量机回归(SVR)方法,建立干旱区绿洲土壤含水率与植被指数之间的拟合方程模型,并与多元回归(MLSR)、偏最小二乘回归(PLS)2种模型进行对比。实验结果表明:不同模型的精度各异,拟合效果由优到劣为:改进的SVR模型、PLS模型、MLSR模型,其中基于干旱区绿洲实测的植被光谱数据改进的SVR模型对土壤含水率具有较好的拟合效果,通过最优参数的定值与最优测试集的抽取,R2高达0.891 6,RMSE仅为2.004,在干旱区绿洲的土壤含水率拟合中获得比较高的预测精度。而MLSR模型与PLS模型,R~2分别为0.630 0、0.654 9,RMSE分别为3.001与2.749。研究结果表明,因地制宜开展合理的土壤含水率反演模型规则制定是提高干旱区绿洲土壤浅层含水率监测精度的有效手段,也可为干旱区农业作物生长提供更精准的数据积累。     

基于雷达遥感的不同深度土壤含盐量反演模型

为及时、有效地监测盐渍化土壤含盐量,以内蒙古河套灌区沙壕渠灌域为研究区,将Sentinel-1雷达影像作为数据源,同步采集不同深度土壤含盐量数据,通过组合两组雷达后向散射系数构建多种指数,并用灰度关联（Gray correlation degree,GCD）排除共线性强的指数,采用偏最小二乘回归（Partial least squares regression,PLSR）、分位数回归（Quantile regression,QR）和支持向量机（Support vector machine regression,SVM）3种方法,构建0~10cm、10~20cm不同深度下的土壤含盐量反演模型。结果表明,在3种回归方法中,SVM回归模型的精度最高,模型建模集决定系数R2c、验证集决定系数R2p均在04以上,建模集均方根误差RMSEc、验证集均方根误差RMSEp均小于03%,分位数回归模型次之,偏最小二乘回归模型最差;在各反演深度下,0~10cm深度的反演精度均高于10~20cm深度的反演精度,其中在0~10cm深度下SVM反演模型效果优于其他模型,R2c、R2p分别为0568和0686,RMSEc、RMSEp分别为0.201%和0.151%。本研究可为雷达遥感监测裸土期土壤盐渍化提供参考。     

田块尺度下的苏北滩涂新垦农田土壤盐分空间变异性分析

为了消减盐碱障碍和提升地力,研究了苏北典型滩涂新垦农田土壤盐分的空间变异性。结果表明,农田土壤盐分东低西高,整体上属轻度盐渍化(含盐量1.27～1.98g/kg),但存在着盐斑(含盐量大于2g/kg)。表层及次表层土壤含盐量空间自相关程度强烈,其结构方差比分别为88.88%、80.75%;而其余土层含盐量间自相关程度为中等。垂直方向上,土壤盐分主要集中在犁底层(20～40cm)。     

基于电磁感应的典型干旱区土壤盐分空间异质性

为研究干旱区土壤盐分空间异质性，指导农业生产实践，运用大地电导率仪（EM38、EM31）对研究区域进行移动式磁感调查，获取表观电导率（ECa）。同时，通过27个校准点的采样和ECa测量，建立土壤盐分的电磁感应解译模型。干旱区土壤盐分质量分数与EM38、EM31水平模式读数（H38、H31）显示出良好的相关性（R=0.935），可以利用ECa结合GIS和地统计学知识研究土壤盐分的空间分布。采用两种方法进行研究：一种是先利用解译模型获取磁感调查点的土壤盐分质量分数，然后进行地统计分析研究其空间分布；另一种是先利用地统计分析研究H38和H31的空间分布，然后利用解译模型通过栅格运算计算盐分质量分数，精度检验显示前者预测值与实测值之间的相关性更好（R2， 0.888＞0.873）；标准差较低（std. 0.414＜0.426），具有更高的预测精度。研究结果表明，基于电磁感应研究干旱区土壤盐分空间异质性是切实可行的，这对于土壤盐渍化的快速诊断，指导农业生产和促进精准农业的发展具有重要的意义。     

渭-库绿洲土壤盐渍化空间分布特征研究

为了研究渭-库绿洲土壤盐渍化空间分布特征,根据野外调查取样土壤数据,应用地统计分析方法中的普通克里格插值完成半变异函数计算以及理论模型的拟合,分析研究区土壤盐分空间分布特征。以土壤中的SO_4~(2-)、Cl~-、HCO~-_3、CO_3~(2-)、Mg~(2+)、Na~+、Ca~(2+)、K~+等盐分离子作为解释变量,以土壤含盐量,电导率,纳吸收比,pH等作为响应变量,对土壤土层进行冗余分析(Redundancy Analysis,RDA),解析解释变量和响应变量的对应关系。最后利用Moran散点图和LISA集聚图,来探索研究区土壤含盐量空间自相关性特征。研究结果表明:研究区随土壤深度的增加,含盐量逐渐减少,呈重盐渍化到非盐渍化趋势;土壤含盐量东部高于西部,各土层盐分分布呈现出一定的区域差异性;Na~++K~+是阳离子中主控离子、SO_4~(2-)-Cl~-是阴离子中主控离子;土壤含盐量较高的区域和土壤含盐量较低的区域呈现出两极集聚。     

艾比湖湿地干湿季土壤水分和土壤盐分空间异质性研究

以新疆艾比湖湿地为研究区,以野外调查和实验数据为基础,运用经典统计学、地统计学以及GIS相结合的方法研究了春秋两季艾比湖湿地表层土壤盐分和土壤水分的空间变异特征及主要影响因素。研究结果表明:1)研究区春秋两季的表层土壤水盐的空间分布均表现为强相关性,土壤盐分和土壤水分分布均符合正态分布,半变异函数符合一般的球状模型;2艾比湖湿地土壤含盐量春季总体表现为湖东南侧高于西北侧,秋季东北高于西南;3土壤含水量的春秋两季与含盐量的春秋两季分布大致相同,春季集中在东南部,秋季集中在东北部。分析认为,干旱区气候条件、地形地貌、水文地质以及人类活动是影响艾比湖湿地土壤水盐空间分布的主要原因。研究艾比湖水盐时空分布特征及其驱动机制,对于干旱区土壤盐渍化动态变化监测具有重要的理论和实践意义。     

基于全极化Radarsat-2数据的干旱区典型绿洲盐渍化信息提取

土壤盐渍化不仅破坏了当地的自然生态环境,而且严重影响着可持续发展。为了对干旱区盐渍地进行有效、实时的监测,利用全极化合成孔径雷达PolSAR(Polarimetric Synthetic Aperture Radar)遥感数据进行盐渍地信息的提取。提出对以渭-库绿洲为研究区的全极化Radarsat-2数据进行Pauli分解和H/A/α分解,获取其极化特征分量。在此基础上,利用支持向量机(Support Vector Machine)、最小距离分类(Minimum Distance Classification)以及最大似然分类(Maximum Likelihood Classification)方法进行监督分类,并对分类结果进行对比分析。研究结果表明,极化分解方法在盐渍化监测中具有较好的研究潜力,基于Pauli和H/A/α分解的SVM分类方法更适用于PolSAR数据盐渍地信息的高精度提取。     

大田葵花土壤含盐量无人机遥感反演研究

以内蒙古河套灌区沙壕渠灌域内大田葵花为研究对象,划分4块不同盐分梯度的试验地,利用无人机搭载六波段多光谱相机和热红外成像仪获取遥感数据,并同步采集区域内不同土壤深度处的盐分数据。利用灰色关联法对构建的光谱指数进行筛选,同时结合冠层温度数据,采用偏最小二乘回归(PLSR)、支持向量机(SVM)、反向传播神经网络(BPNN)和极限学习机(ELM) 4种建模方法构建大田葵花不同生育期、不同土壤深度的盐分反演模型。结果表明,基于葵花现蕾期数据构建的盐分反演模型整体效果优于开花期,以优选盐分指数和光谱指数作为变量组构建的模型效果优于植被指数变量组,盐分反演效果较好的土壤深度为0～20 cm和20～40 cm。不同建模方法对比结果表明,机器学习盐分反演模型的效果优于偏最小二乘回归模型,其中在葵花现蕾期0～20 cm土壤深度处,以光谱指数作为变量组构建的BPNN盐分模型反演效果最好,建模集和验证集R2分别达到0.773和0.718,验证集RMSE、CC分别达到0.062%和0.813。本研究成果可为无人机遥感在大田葵花土壤盐分监测方面的应用及相关研究提供参考。     

土壤盐分空间异质性的指示克里格阈值研究

阈值的合理选择是应用指示克里格法(Indicator Kriging,简写IK)进行风险评价的关键。以禹城市0～20 cm耕层土壤盐分空间变异性为例,利用GIS和GS+探讨了不同土壤盐分阈值下,盐分的空间结构、预测精度(均方根误差,RMSE)和预测风险的变化规律。结果表明,①随着阈值的增加,盐分的空间异质性受随机因素的...     

基于无人机多光谱遥感的马尾松林叶面积指数估测

快速、准确、无损估测马尾松林叶面积指数对精准林业管理具有重要意义。以小型低空无人机为平台,搭载RedEdge多光谱传感器,获取福建省西部马尾松林多光谱影像,运用重采样的方式获取并计算不同空间分辨率（0.08、0.1、0.2、0.5、1、2、5m）下的植被指数,结合地面实测LAI数据,分析其与植被指数的相关性,进而采用线性模型（LR）、多元逐步回归模型（MSR）、随机森林模型（RF）、支持向量机模型（SVM）和人工神经网络模型（BP）构建不同空间分辨率下的马尾松林LAI估测模型,以决定系数（R2）、均方根误差（RMSE）、相对分析误差（RPD）和总体精度（TA）来评价估测模型精度,从而确定最佳空间分辨率和最佳模型。结果表明,不同空间分辨率下LAI与植被指数均呈极显著相关（p<0.01）;多变量模型（MSR、RF、SVM、BP）的调整R2平均值高于LR模型;随着空间分辨率的增加,不同模型的R2整体上呈先增大后减小的趋势;当空间分辨率为0.5m时,利用植被指数建立的RF模型为马尾松林LAI的最佳估测模型,RF模型的调整R2为0.766,模型估测的R2、RMSE、RPD和TA分别为0.554、0.421、1.523和81.95%。本研究可为无人机多光谱遥感反演森林LAI表型参数的空间分辨率和模型选择提供理论参考。     

植被覆盖条件下的解放闸灌域土壤盐分卫星遥感估算模型

为探究植被覆盖时的土壤盐分反演,以河套灌区解放闸灌域为研究区域、GF-1号影像为数据源,将盐分指数(SI2、S2、S3)、增强植被指数(EVI)和近红外NIR波段作为输入因子,分别利用多元线性回归(multivariable linear regression,MLR)、分位数回归(quantile regression,QR)和BP神经网络(back propagation neural network,BP)三种方法建立0～60 cm深度下土壤盐分反演模型。研究结果表明,MLR模型与QR模型均具有较高精度,能够较好的反演植被覆盖时的土壤盐分,其中QR模型验证精度最高,建模和验证的决定系数(coefficient of determination,R~2)分别达到0.627与0.636,均方根误差(root mean square error,RMSE)为0.249,平均绝对误差(mean absolute error,MAE)为0.235,是本次土壤盐分估算的最优模型。BP模型效果相对较差,建模与验证R~2为0.605和0.558。采用QR模型反演研究区土壤盐分,发现模型反演的盐分趋势符合实际情况;灌区主要分布非盐土和轻度盐渍化土壤,灌域南部地区土壤盐渍化程度低,约占32%;盐渍化程度较高的区域约占灌域总面积的19%。研究为探讨植被覆盖时的土壤盐分反演提供了思路。     

基于无人机-卫星遥感升尺度的土壤盐渍化监测方法

为提高卫星遥感对裸土期土壤盐渍化的监测精度,以河套灌区沙壕渠灌域为研究区域,利用无人机多光谱遥感和GF-1卫星遥感分别获取图像数据,并同步采集土壤表层含盐量;将实测含盐量与无人机和GF-1卫星两种数据的光谱因子进行相关性分析,引入多元线性回归模型（Multivariable linear regression,MLR）、逐步回归模型（Stepwise regression,SR）和岭回归模型（Ridge regression,RR）,分别构建盐渍化监测模型;采用改进的TsHARP尺度转换方法,将无人机数据建立的趋势面应用到GF-1卫星尺度上,经过转换残差校正,对升尺度结果进行定性和定量分析。结果表明：在两种遥感数据的光谱波段和盐分指数中,蓝波段B1、近红外波段B5、盐分指数SI、盐分指数S5和改进的光谱指数NDVI-S1与表层土壤盐分的相关性较好,相关系数均在0.3以上;在3种回归模型中,利用无人机多光谱影像数据和GF-1多光谱影像数据反演表层土壤含盐量的最优模型分别是SRU模型和MLRS模型;升尺度后土壤含盐量的反演精度高于直接采用卫星遥感数据反演的精度。本研究可为裸土期土壤盐渍化的大范围快速精准监测提供参考。