基于GF-1遥感图像土壤含盐量反演研究

快速获取土壤含盐量是监测、治理土地盐碱化问题的前提条件。以我国重要苏打盐碱土区—白城市为研究对象,以我国的高分一号遥感影像(GF-1)为数据源,结合研究区实地采样的化验数据,定量反演白城市土壤含盐量。首先对遥感影像进行辐射校正、大气校正、图像裁剪及图像镶嵌等预处理;再将影像的反射率及其变换形式与土样含盐量的化验值进行相关性分析,获得盐碱的敏感波段;最后以多元逐步回归分析的方法建立土壤含盐量反演模型,反演研究区土壤含盐量。研究结果表明:GF-1遥感影像具有较高的分辨率,其反射率与土壤含盐量呈显著正相关,将反射率进行适当的数学变换可以提高与含盐量的相关性,以第2波段指数、第4波段倒数、第4波段倒数的对数变换形式建立的反演模型具有较高的精度与稳定性,模型判定系数R~2=0.846,均方根误差RMSE_(cal)=0.522。利用GF-1遥感影像反演土壤含盐量是一种快速、稳定、可靠的方法。     

基于高光谱数据的土壤有机质含量反演模型比较

以土壤多样化的陕西省横山县为研究区域,比较了3种基于高光谱数据的土壤有机质含量反演模型,在实验室利用ASD Field Spec FR地物光谱仪对横山县野外采集的土壤样品进行光谱测定,并通过重铬酸钾氧化容量法测定土壤有机质含量。然后对原始光谱反射率的倒数进行微分运算获得其一阶导数光谱,将原始光谱反射率、一阶导数光谱分别与土壤有机质含量进行相关性分析,得到相关性系数r较高的特征波段的一阶导数光谱,直接建立基于一阶导数光谱的多元线性逐步回归分析(MLSR)模型。同时针对这些相关性系数较高的特征波段的一阶导数光谱进行主成分分析(Principal component analysis,PCA),利用主成分分析得到的结果分别建立BP神经网络反演模型(PCA-BP)和多元线性逐步回归分析模型(PCA-MLSR)。用上述3种方法进行土壤有机质含量反演,并对3种反演结果进行精度验证与比较。实验分析结果表明:在3种模型中,基于主成分分析结果构建的PCA-BP模型在土壤有机质含量反演中决定系数(R2)最高,为0.893 0,均方根误差(RMSE)为0.118 5%;其次为运用全部主成分PCA分析结果构建的多元线性逐步回归模型,R2为0.740 7,RMSE为0.161 3%;而采用一阶导数光谱反射率构建的多元线性逐步回归模型中,最佳反演模型R2仅为0.689 9,RMSE为0.171 0%。由此说明,PCA-BP模型有机质含量反演精度明显高于多元线性逐步回归模型,利用全部主成分进行多元逐步回归,其有机质含量反演精度优于仅用累计方差贡献率大于90%的主成分进行多元逐步回归的精度,可以更好地反演土壤有机质的含量。     

小开河引黄灌区土壤盐渍化定量遥感反演

近年来黄河下游土地次生盐渍化呈现反复和逐渐加剧的态势,对农业生产和生态安全造成危害。以黄河三角洲小开河引黄灌区为研究区,基于野外实地调查的土壤盐分含量以及Landsat8 OLI多光谱影像,分析土壤样品的光谱曲线特征,利用诊断指数法选取诊断指数较大的波段反射率数据作为自变量,土样盐分数据为因变量,分别采用多元线性回归模型和BP神经网络模型构建土壤含盐量反演模型。结果表明:土壤盐渍化程度越高,影像光谱反射率越低,且在近红外波段反射率最高;BP神经网络模型的反演精度优于传统的多元线性回归模型,其R~2为0.980 8,RMSE为1.059 5,平均相对误差为15.4%,拟合精度较高,能够为灌区盐渍化治理提供基础依据。     

基于多源遥感数据的居延泽地区土壤盐分估算模型

针对土壤盐分遥感反演中众多盐分指示变量在反演效率与相互比较优势方面存在的不确定性和易混淆性问题,以内蒙古额济纳旗的居延泽为例,基于Sentinel-2、Radarsat-2、Landsat-8和SRTM DEM数据提取波段反射率、植被指数、盐分指数、极化雷达参数以及地表温度和地形因子共6类变量,采用变量优选策略筛选各类变量及其组合的最优变量,构建土壤盐分随机森林(Random forest, RF)与支持向量机(Support vector machine, SVM)预测模型,并选择最优模型实现居延泽地区土壤盐分预测,为干旱区土壤盐分监测提供参考。结果表明,短波红外波段(B₁₁)、冠层盐度响应植被指数(CRSI)、扩展比值植被指数(ERVI)、红边盐分指数(S2re3)、单次散射(F_Odd)、地表温度(LST)与汇水面积(CA)等变量对土壤盐分监测具有较强的普适性;单一变量模型的盐分预测精度从高到低依次为地形因子、极化雷达参数、地表温度、盐分指数、植被指数和波段反射率;多变量联合可有效提升模型精度与稳定性,随着环境变量的加入,当6类变量均参与...     

基于岭回归的土壤全氮含量反演模型

全氮含量是土壤肥力的核心指标之一,快速、准确测定耕层土壤全氮含量对农业生产具有重要意义.以南京市江宁区典型水稻田为研究对象,采用棋盘式布点法选取了60个点位,每个点位均在0~30 cm表土层进行取样,利用大疆精灵4多光谱无人机同时获取了土壤样本分别在5个波段(450,560,650,730,840 nm)的光谱反射率,通过土壤全氮含量与光谱反射率多元线性分析,揭示了光谱反射率数据特有的多重共线性问题,构建了基于岭回归的无人机遥感影像反演土壤全氮含量预测模型.计算结果表明,岭回归系数取0.12时,其回归R²达到了0.408,方差膨胀因子均在10以下,且回归系数具有统计学意义.基于岭回归的反演模型可以较好兼顾反演精度与光谱数据多重共线性问题.研究成果可为无人机遥感土壤氮素营养诊断提供理论依据.     

基于地物高光谱和无人机多光谱的黄河三角洲土壤盐分机器学习反演模型

土壤盐渍化是限制黄河三角洲地区农业经济发展的重要因素,进一步阻碍了农业生产。为了探索无人机影像在地表无植被覆盖条件下的土壤盐分含量反演状况,以黄河三角洲典型区域为研究区,获取地物高光谱和无人机多光谱两种数据源与样点土壤盐分含量,通过优选敏感光谱参量,使用偏最小二乘回归（Partial Least Squares Regression,PLSR）和随机森林（Random Forest,RF）两种机器学习算法建立土壤盐分含量反演模型,实现研究区的土壤盐分含量反演。结果表明：（1）高光谱1972 nm波段与土壤盐分含量间的敏感性最高,相关系数为-0.31。（2）两种不同数据源优化后的RF模型均优于PLSR,且稳定性更好。（3）基于地物高光谱的RF模型（R² =0.54,RMSEv＝3.30 g/kg）优于基于无人机多光谱的RF模型（R² =0.54,验证RMSRv＝3.35 g/kg）。（4）结合无人机影像采用多光谱RF模型对研究区耕地的土壤盐分含量进行反演,研究区总体以轻、中度盐渍化土壤为主,对作物的耕种具有一定程度的限制。本研究构建并对比了两种不同源数据的黄河三角洲土壤盐分反演模型,并结合各自数据源的优势进行优化,探索了地表无植被覆盖情况下的土壤盐分含量反演方法,对更精准反演土地盐渍化程度提供了参考。     

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。     

基于深度学习的多源遥感反演麦田土壤墒情研究

土壤墒情是影响农作物生长发育的主要因素和干旱监测的重要指标。为提高农作物覆盖下地表土壤墒情反演精度，基于Sentinel-1雷达数据和Sentinel-2光学数据，基于深度学习理论，采用全连接深度神经网络的监督学习模型反演研究区麦田的土壤墒情。结果表明：当隐含层层数为6，隐含层节点数为80，迭代次数为450时，获得模型的最优解。反演结果与实测数据的决定系数为0.925 2，均方误差为0.000 8，为利用多源遥感数据反演农田地表土壤水分提供了参考。     

低空无人机多光谱遥感数据的土壤含水率反演

以杨凌地区黏壤土为研究对象,用无人机搭载多光谱相机采集土壤6个波段的光谱信息,探索一种快速监测土壤含水率的方法。试验通过相关系数法筛选光谱对于不同深度土壤水分的敏感波段,然后使用单一敏感波段处的光谱数据建立不同的一元回归模型并分析其定量关系。试验结果表明,一元二次回归模型的拟合效果最好,一元对数回归模型次之。其中,对于表层(约1 cm)土壤含水率的反演,模型拟合度均在0.81以上,预测相关系数均在0.92以上,预测均方根误差均在0.10以内,因此通过采集黏壤土反射率来推算表层土壤含水率是可行的。但随着深度增加,模型拟合效果急剧变差。该研究为利用无人机多光谱遥感对表层土壤含水率的快速、准确监测提供了一条新途径。     

土壤有机质含量高光谱估测模型构建及精度对比

土壤有机质含量对作物的生长发育有着显著影响。为实现对苹果果园土壤有机质含量快速、实时估测,本研究以山东省烟台市栖霞市苹果园为研究区,采集100个土壤样本,利用ASD FieldSpec3便携式地物光谱仪获取其高光谱反射率,利用定量化学方法测定土壤有机质含量。采用移动平均法对高光谱数据进行预处理,分析果园土壤的反射光谱特征,研究光谱反射率与其有机质含量的相关关系,筛选土壤有机质含量的敏感波长并构建光谱指数后,分别建立多元线性回归模型（MLR）、支持向量机（SVM）和随机森林（RF）模型,并对模型精度进行验证比较。结果表明,筛选出的土壤有机质含量的敏感波长为678、709、1931、1939、1996和2201 nm。用筛选出的波长构建光谱参数,最终构建的光谱指数分别为NDSI_{（678,709）}、NDSI_{（678,1931）}、NDSI_{（678,2201）}、NDSI_{（709,1939）}和NDSI_{（1939,2201）}。建立的MLR、SVM和RF回归模型中,以RF模型精度最优,其校正样本集R²为0.8804,RMSE为0.1423,RPD达到2.25;验证模型的R²为0.7466,RMSE为0.1266,RPD为1.79,建立的RF定量模型反演苹果果园土壤有机质含量效果较好。因此,可以利用RF方法快速预测苹果果园土壤有机质含量,了解土壤养分分布状况,指导农民合理施肥,从而提高果园生产管理效率。     

基于光谱FOD与优化指数的银川平原土壤有机质含量反演

土壤有机质（SOM）是土壤肥力的重要组成部分,是作物生长的主要养分来源。为探究分数阶微分（FOD）联合优化光谱指数对低肥力地区SOM的反演效果,以银川平原为研究对象,对野外土壤高光谱反射率原始数据进行0~2阶FOD处理（间隔0.2阶）,构建优化光谱指数DI/RDI、DI/NDI、NDI/RDI、RDI/NDI、DI/GDI和RI/GDI,分析各指数与土壤有机质含量间的二维相关性,筛选出最佳优化光谱指数,并建立基于支持向量机（SVM）的SOM含量反演模型。结果表明：银川平原SOM含量整体偏低,其中93.05%处于四级到六级水平。土壤野外原始光谱反射率吸收特征差异明显,在1400、1900nm处有明显吸收峰。随着分数阶的不断增加,光谱反射率不断趋近于0。土壤DI/NDI、DI/GDI、RI/GDI、NDI/RDI和RDI/NDI在0~2阶最大相关系数绝对值（MACC）均小于0.80,DI/RDI在0.2~2.0阶范围内的MACC为0.9965~0.9986,其敏感波段主要集中在1450~1750nm和2100~2400nm之间。基于0.2阶微分处理的DI/RDI-SVM模型对SOM的反演精度最佳,建模决定系数R2c和验证决定系数R2p分别为0.98和0.99,相对分析误差（RPD）为4.31。研究结果可为低肥力地区的SOM含量快速、准确反演及制图提供科学依据。     

基于机器学习算法的土壤有机质 质量比估算

为快速高效地估测干旱、半干旱地区土壤有机质(soil organic matter, SOM)质量比,提出了一种结合竞争适应重加权法(CARS)和随机森林(RF)的估测模型.以内陆干旱区艾比湖流域为研究区,测定土壤高光谱反射率和SOM质量比,经预处理后,利用CARS对原始光谱(R)、一阶导数(R′)、吸光度(log(1/R))及吸光度一阶导数［log(1/R)］′4种光谱变量的可见-近红外光谱进行筛选,并结合RF算法,建立全谱段RF模型与CARS-RF模型.结果表明,基于CARS方法对光谱进行变量筛选后,得出4种光谱变量的优选变量集个数分别为35,26,34和121;在4种光谱变量中,R′和［log(1/R)］′的SOM估测模型精度较高,以［log(1/R)］′为基础数据获得的模型精度最高;CARS-RF模型精度优于全谱段RF模型,模型验证集决定系数(R²)、均方根误差(RMSE)、相对分析误差(RPD)分别为0.881,6.438 g/kg和2.177.该研究在预处理的基础上通过变量优选,应用较少的变量个数获得较高的估测精度,为干旱、半干旱区SOM高光谱估测提供了适宜高效的方法.     

黄土丘陵区浅沟表层土壤粘结力状态空间模拟

为探明黄土丘陵区土壤粘结力沿浅沟分布的空间差异性及其影响因素,运用线性回归模型和状态空间方程模拟了土壤粘结力在浅沟不同部位的分布。结果表明:沿着浅沟分水线、沟坡和沟底,土壤粘结力呈中等程度变异,主要受海拔高度、粘粒、砂粒含量和容重的影响;粘结力与海拔高度、粘粒、砂粒含量、容重均存在显著的空间自相关性和较好的交互相关关系;状态空间方程对粘结力的空间模拟效果要优于线性回归模型,其中采用单因素粘粒含量的状态空间方程结果最好,纳什效率系数NSE为0.968,可以解释粘结力空间变异的97.2%。     

基于近红外光谱信息的土壤电导率预测模型研究

利用土壤含水率与近红外光谱土壤反射率和土壤电导率三者之间的关系,以土壤含水率为中间变量,间接表达土壤光谱反射率和土壤电导率之间的关系。土壤含水率与土壤光谱反射率存在指数关系,土壤含水率与土壤电导率存在线性关系,消除中间变量（土壤含水率）,得到土壤光谱反射率和土壤电导率之间的关系。以土壤水分敏感波段1450nm作为研究对象,研究土壤电导率的预测模型,分别建立指数预测模型和对数预测模型,并分别对两种模型进行验证。本文实验建模集样本72个,验证集样本48个,土壤电导率对数预测模型R2达0.80,土壤电导率指数预测模型R2达0.85,预测效果均可满足农田电导率估算,但对数模型在土壤电导率较低区间预测效果不理想,因此土壤电导率指数预测模型预测效果优于对数模型的预测效果。研究结果表明,土壤光谱反射率预测土壤电导率的方案可行,并为光谱信息预测土壤电导率提供了新思路。     

基于Landsat8卫星数据的蝗虫遥感监测方法研究

区域性的蝗虫灾害对农业生产形成了巨大的危害。实现对蝗虫的发生发展的实时监测对于治蝗防蝗具有重要意义。以内蒙古赤峰市北部三旗为研究区域,通过对Landsat8 OLI卫星数据蝗虫寄主植物分类,结合叠加先验蝗区分布图,判别出蝗虫适生地。然后,采用Landsat8卫星数据,反演叶面积指数、地表温度和土壤湿度等蝗虫生境参数,并结合外业同步调查蝗虫生境数据、地表覆盖数据、历史蝗灾数据等进行分析与建模。同时,利用逐步回归分析得到了蝗虫虫口密度与叶面积指数、地表温度和土壤湿度等生境参数的关系模型,验证结果表明,监测模型具有较高的精度,决定系数为0.50,均方根误差为3.17。     

基于Landsat 8的节水改造背景下盐渍化土壤含盐量反演

为探明沈乌灌域节水改造后因渠道衬砌、引排水量减少引起的土壤含盐量时空分布特征及变化规律,采用区域土壤信息定点监测,结合经典统计学、空间插值以及机器学习建模反演等技术手段,利用Landsat 8卫星获取光谱数据,通过对实测土壤含盐量、光谱指数及波段反射率进行处理,运用Adaboost回归、BP神经网络回归、梯度提升树回归、KNN回归、决策树回归、随机森林回归方法构建了沈乌灌域土壤含盐量空间反演模型。采用最优反演模型对沈乌灌域土壤含盐量空间分布特征进行了遥感反演。结果表明： 通过全变量单一回归法筛选出相关系数大于0.55的9个光谱因子,使用SPSS PRO软件构建6种机器学习反演模型,对比6种反演模型精度,验证集决定系数R2由大到小依次为随机森林回归、梯度提升树回归、Adaboost回归、KNN回归、决策树回归、BP神经网络回归。其中随机森林回归模型的拟合精度最佳,训练集与验证集的决定系数R2分别为0.834和0.86,说明随机森林回归模型的反演效果较好。反演结果表明：节水改造后非盐渍土面积增加391.7km2,占灌域总面积的21%,中度盐渍土面积、重度盐渍土面积、盐土面积分别减少95.61、63.37、45.7km2,分别占灌域总面积的5%、3%、2%。综上所述,节水改造工程完成后,沈乌灌域土壤盐渍化程度减轻,作物生长安全区面积增加,但由于渠道衬砌以及引排水量减少,土壤盐分淋洗效果减弱,土壤盐分在灌域内部运移,整体土壤环境得到改善,局部地区出现盐分聚集。     

The promising impact of ley introduction and herd expansion on soil organic matter content in southern Mali

In southern Mali, cultivated area and herd size increase together with population growth. Consequently, periods of natural fallow shorten and traditional farming and animal husbandry techniques lead to a decrease of soil organic matter (SOM) content. Between 20 and 45% of the land is cultivated while less than 60% is arable area. To increase efficiency of natural fallow, a reduction in livestock herds is often proposed. By means of a linear programming model, the feasibility of maintaining actual SOM content in two villages in different agro-ecological zones was investigated. By adjusting animal numbers and cropping pattern, the model maximized: (1) SOM content under the condition of positive farm labour income; or (2) farm labour income under the condition of a positive SOM content. The model results suggested that maintaining SOM content requires the use of cereal crop residues for animal feed and for manure through bedding in kraals, but also higher animal densities. The last was feasible only through: (1) herding cattle of several farms together to overcome labour constraints; and (2) introducing P-fertilized leys, for grazing in the dry season. Grazing of the leys together with crop residues allowed animal densities up to 44 tropical livestock units (TLUs) km⁻², while less than 16% of the produced rangeland fodder was grazed. In such conditions, a positive SOM balance and higher income was obtained with a minimum of 16.7% of ley in the crop rotation. Limiting the area cropped with cotton stabilized income and contributed to a positive SOM balance. Zero-grazing during the warm season allowed SOM surpluses to be achieved with 12.5% of ley. However, as income decreased, seasonal zero-grazing could only be adopted for high-producing animals and small herds.     

基于最小数据集的东北旱作区耕层质量评价与障碍诊断

为准确评价东北旱作区耕层质量特征,针对全部初选指标采用主成分分析法（PCA）建立了东北旱作区耕层质量评价的最小数据集（Minimum data set, MDS）,并运用最小数据集耕层质量指数（MDS-Plough horizon integrated quality index, MDS-PHIQI）和障碍因子诊断模型对研究区耕层质量及主导障碍因子进行分析。结果表明：东北旱作区耕层质量评价的最小数据集由土壤有机质含量、全氮含量、有效磷含量、粘粒含量、耕作层穿透阻力和压实层厚度组成,最小数据集可替代全部初选指标对东北旱作区耕层质量进行评价;东北旱作区耕层质量指数分布在0.10~0.53之间,均值为0.30,整体处于低和中等水平。东北旱作区合理耕层指标参数的适宜范围为：有机质质量比大于等于37.16g/kg,全氮质量比大于等于1.75g/kg,有效磷质量比大于等于26.38mg/kg,粘粒质量分数为4.60%~6.19%,耕作层穿透阻力小于等于364.56kPa,压实层厚度小于等于8.18cm。东北旱作区粮食产量低产区耕层多存在结构型障碍,中产区耕层结构型障碍和养分限制共存,而高产区耕层主要表现为养分限制型障碍。整体来看,研究区耕层质量的主要障碍因素为耕作层穿透阻力、土壤全氮含量、有机质含量,需针对上述指标采取针对性的耕作和培肥措施。     

基于调制近红外反射光谱的土壤养分近场遥测方法研究

土壤养分作为农业生产的重要指标，含量过少会降低农作物产量，过多则会造成环境污染。因此，快速、准确检测土壤养分对于精准施肥和提高作物产量具有重要意义。基于取样和化学分析的传统方法能够全面准确地检测土壤养分，但检测过程中土壤的取样及预处理过程繁琐、操作复杂、费时费力，不能实现土壤养分的原位快速检测。本研究基于调制近红外光谱，提出了一种土壤养分主动式近场遥测方法，可有效避免土壤反射自然光的干扰。该方法使用波长范围1260~1610 nm的8通道窄带激光二极管作为近红外光源，通过测量8通道激光光束的土壤反射率，建立土壤养分中氮（N）关于土壤反射率的计量模型，实现了N的快速检测。在74组已知N含量的土壤样品中，选取54组作为训练集，20组作为预测集。基于一般线性模型，对训练集中土壤N含量与土壤反射率的定量化参数进行训练，筛选显著波段后的计量模型R²达到0.97。基于建立的计量模型，预测集中土壤N含量预测值与参考值的决定系数R²达到0.9，结果表明该方法具有土壤养分现场快速检测的能力。