基于高光谱数据和SVM方法的土壤盐渍度反演

在土壤可见光~近红外波段光谱(350~2500 nm)内包含了大量可以表征土壤盐度的相关性信息,通过土壤盐渍化检测反演模型的建立,可以定性定量分析土壤盐渍度。本文探究了信息不完备情况下,机器学习算法在土壤盐渍化检测模型反演中的适用性,分别使用了多元线性回归模型、BP神经网络模型和SVM模型来反演土壤盐渍化检测。结果表明,SVM模型预测精度达到99.41%,是三种模型中精度最高的模型,适用于分析土壤复杂光谱信息和高精度土壤盐渍化反演。     

基于T-S模糊神经网络模型的干旱区土壤盐分预测研究

【目的】本研究以野外考察数据为基础,尝试构建基于模糊神经网络方法的干旱区土壤盐分预测模型,对表层土壤盐分进行预测模拟。【方法】首先,根据研究区实际情况选取7个土壤盐渍化影响因子并提取所需信息,利用灰色关联分析法得出土壤盐分与各影响因子之间的关系,然后利用土壤盐渍化的影响因子作为输入样本,土壤盐分作为输出因子,建立了基于T-S模糊神经网络的表层土壤盐分预测模型。【结果】预测结果表明,平均相对误差为13.092%,最小误差为0.875%,最大相对误差为41.733%,预测精度较高。【结论】T-S模糊神经网络模型的预测效果较好,可以用于预测土壤盐渍化状况,为干旱区土壤盐渍化变化规律提供了一种有效的方法。     

基于组合模型的玛纳斯河流域农田土壤盐分反演

盐渍化是影响土壤质量和作物生长的重要因素之一，利用遥感技术大面积获取土壤盐分信息具有重大意义。以新疆玛纳斯河流域农田为研究对象，将偏最小二乘回归模型(PLSR)和BP神经网络模型(BPNN)相结合，构建组合模型来反演土壤盐渍化状况。结果表明，与土壤盐分相关性较高且具有代表性的遥感指数为归-化植被指数(NDVI)、比值植被指数(RVI)和土壤调整植被指数(SAVI)，其相关性系数分别为-0.746、-0.663和-0.733。单项预测模型中偏最小二乘回归模型的预测精度最高，其决定系数(R²)为0.759，均方根误差(RMSE)为3.159。组合模型R²为0.797,RMSE为3.611，其验证精度较单项预测模型有所提高，较PLSR模型提高了0.038，较BPNN提高了0.094。组合模型可更准确地预测出玛纳斯河流域农田土壤盐分空间分布状况。玛纳斯河流域农田土壤盐渍化以轻度和中度盐渍化为主，所占比例达到35.34%和25.66%，与实测结果一致。组合模型较单项模型可以获得更准确的土壤盐分空间分布状况，为新疆玛纳斯河流域农田土壤盐渍化治理和土地资源...     

土壤盐分遥感监测研究进展

采用遥感技术监测土壤盐分是获取土壤盐渍化程度的一个重要手段。本文综述了土壤盐分遥感监测中光谱特征指标选择、反演方法和反演模型适用性等方面的研究进展。研究指出,随着空间信息技术的迅速发展,遥感技术在土壤盐分预测中应用前景广阔。土壤盐分遥感反演模型对土地覆盖/利用模式、土壤湿度、地下水埋深、土壤类型的适用性,光谱特征指标的选择,遥感和电磁感应技术相结合,国家甚至全球尺度监测模型的建立将是土壤盐分监测今后的发展研究方向。     

BP神经网络在渭干河流域土壤盐渍化预测中的应用

[目的]比较神经网络算法和传统统计建模方法对土壤盐渍化预测模型的效果.[方法]对渭干河流域多年土壤盐渍化和其影响因子进行分析的基础上,采用BP网络的3种算法,建立基于BP神经网络土壤盐渍化预测模型.将预测结果与多元线性回归模型预测结果进行对比分析,讨论线性和非线性方法用于土壤盐渍化预测模型.[结果]与传统的统计建模方法相比BP神经网络结构简单、快捷,预测精度高,很好地再现了土壤盐渍化与其影响因素之间复杂的非线性函数关系;三种BP算法中,基于trainlm算法建立的壤盐渍化预测模型具有较好的推广能力.[结论]BP神经网络的土壤盐渍化预测性能良好,用来可以预测土壤盐渍化情况.     

典型绿洲灌区棉田土壤盐分多光谱遥感反演与季节差异性研究

为探究区域尺度的土壤含盐量空间分布、季节性变化和年际变化特征，本研究以新疆第二师31团棉田为研究区，以2019年和2021年春、夏、秋季实测土壤含盐量和Landsat 8 OLI多光谱影像为基础，将波段组、盐分指数组、植被指数组和全变量组作为模型输入变量组，通过相关性分析优选特征光谱参量，采用极限学习机（Extreme Learning Machine，ELM）、支持向量机（SupportVector Machine，SVM）和BP神经网络（Back Propagation Neural Network，BPNN）构建基于各变量组的不同季节土壤盐分反演模型，通过实测数据评价精度筛选确定各季节最优模型，定量反演地表土壤含盐量。结果表明：研究区两年春、夏、秋季土壤含盐量总样本变异系数分别为 0.67、0.56、0.67，呈中等变异性；中度盐化土的光谱反射率高于轻度盐化土和非盐化土；基于全变量组的BPNN模型均为各季节最优的土壤盐分反演模型，精度由高到低依次为夏季>春季>秋季；两年各季节土壤含盐量由大到小顺序均为秋季>春季>夏季，说明灌排及农业耕作措施对土壤盐分动态变化影响较大；2019—2021年各季节土壤含盐量均有所减小，说明灌区灌排措施对盐碱地治理效果明显。研究表明，基于多光谱影像建立的机器学习模型可定量反演土壤含盐量，为南疆典型绿洲灌区棉田土壤盐渍化监测提供参考。     

基于XGBoost与地理加权回归的吉林省西部土壤盐渍化反演

为及时、准确地应用多源遥感数据提取干旱和半干旱区域土壤盐渍化反演特征及获取土壤盐渍化程度的空间分布数据,以吉林省西部大安市为研究区,利用Sentinel-1 SAR、Sentinel-2 MSI多源遥感数据和DEM数据,构建土壤盐分含量（Soil Salt Content,SSC）反演特征集,结合BorutaShap算法优选特征,通过耦合地理加权回归（Geographically weighted regression,GWR）与极限梯度提升树（XGBoost）回归构建土壤盐渍化反演模型,并与XGBoost回归、GWR反演结果对比分析。结果表明：SSC反演特征集中,盐分指数、植被指数在BorutaShap算法中取得了较高的重要性排名,是大安市SSC反演的重要特征。GWR模型的R²和RMSE分别为0.48和4.83 g/kg,XGBoost回归模型的R²和RMSE分别为0.54和4.35 g/kg,耦合GWR与XGBoost回归构建的土壤盐渍化反演模型预测精度得到显著提高,R²与RMSE分别达到0.63和3.71 g/kg。依据该模型反演结果,大安市各类盐渍土分布存在较强的空间异质性,土壤盐分含量呈现出由东南向西北逐渐递减的趋势,与实地调查基本一致。综上,耦合GWR与XGBoost回归模型充分考虑了反演特征的空间异质性和非线性关系,可有效提高SSC反演精度,可获得更符合实际的SSC空间分布,可用于干旱和半干旱地区土壤盐分含量的反演。     

基于Sentinel卫星及无人机多光谱的滨海冬小麦种植区土壤盐分反演研究——以黄三角垦利区为例

【目的】探究黄河三角洲麦田土壤盐分准确高效的遥感提取方法,掌握土壤盐渍化程度与分布。【方法】以垦利区为研究区,均匀布设冬小麦种植区样点77个,同时设置代表性试验区2个,网格布设样点99个,实测采集麦田土壤表层盐分数据及试验区无人机多光谱图像。筛选红、绿、红边、近红4个波段及SI、NDVI、DVI、RVI、GRVI 5个光谱指数中的敏感光谱参量,采用逐步回归、偏最小二乘法、BP神经网络及SVM支持向量机4种方法建立土壤盐分估测模型,使用波段比值均值法得到Sentinel-2A卫星影像相应波段的修正系数,进而将筛选的土壤盐分估测模型转换为基于卫星影像的反演模型,经麦区实测样点数据验证,得到最佳的麦区土壤盐分反演模型,实现试验区和研究区2个尺度的麦田土壤盐分反演。【结果】无人机4个波段及光谱指数NVDI、RVI、SI与土壤盐分含量相关性显著,4种建模方法的13个模型中,以NDVI、RVI、SI建立的4个指数模型的建模及验证R²均优于其他模型;对4个模型进行升尺度修正及验证,效果最佳的反演模型为偏最小二乘法光谱指数模型：Y=-9.4774×NDVI₁+0.4794×RVI₁+3.0747×SI₁+5.0604,验证R²为0.513,RMSE为1.379;利用该模型反演得到了试验区及整个研究区麦田土壤盐分等级分布图,结合实测插值及调查结果,证明反演模型及空间分布结果准确、可靠。【结论】本研究构建了卫星、无人机一体化的滨海麦区土壤盐分反演模型,对滨海盐渍区农作物的生产管理有积极参考价值。     

基于高光谱数据的土壤含盐量BP神经网络模型研究

运用Hyperion数据,以黑龙江省大庆市某一实验区为例,进行了对土壤含盐量的定量研究,将BP神经网络模型(Back Propagation Network)应用到高光谱数据对研究地区土壤含盐量的反演中。通过对隐含层的传递函数、输出层的传递函数、训练算法的优化组合以及最适合隐层节点数量,得到最优的BP神经网络模型,实现了土壤含盐量的反演。对高光谱数据反演土壤含盐量采用BP神经网络具有一定的指导意义。     

基于Sentinel2A影像的干旱区土壤盐渍化监测研究

以渭干河—库车河三角洲绿洲为例,在5种盐分光谱指数(NDSI、SI、SI1、SI2、SAVI)基础上,选择Sentinel2A多光谱影像中的3个红边波段和近红外窄波段进行扩展,提出了新的基于红边和近红外窄波段的光谱指数,用偏最小二乘回归(PLSR)方法构建土壤电导率遥感反演模型。结果表明：相对传统光谱指数,引入红边1波段(B₅)和近红外窄波段(B_8a)的光谱指数与土壤电导率相关性显著提高;基于Sentinel2A影像的PLSR的土壤电导率信息建模效果较好(R²=0.77),模型准确、可靠。盐分反演结果表明研究区土壤盐分含量整体较高,盐渍化影响范围广泛。自绿洲内部向外围由非盐渍化向轻度—中度—重度盐渍化过渡,绿洲西部、南部轻度盐渍土分布较多,绿洲东部、东南及西南方向有重度盐渍土及极重度盐渍土分布,盐渍化程度较高。