基于ETM+数据的干旱区盐渍化土壤信息提取研究

准确而自动地提取盐渍化土壤信息对于土壤盐渍化监测和土壤盐渍化动态变化研究具有重要意义。选择新疆渭干河—库车河三角洲绿洲特有的干旱地区为研究区,在对研究区土壤特征实地调查和典型土壤遥感信息分析基础上,利用含有7个多光谱波段的2001年8月1日增强-加型专题绘图仪(ETM+)遥感图像提取了归一化植被指数(NDVI)、第三主成分(PC3),分别作为非盐渍化土壤和盐渍化土壤信息提取的主要特征变量,改进归一化差异水体指数(MNDWI)、TM1、TM7作为辅助特征变量。利用决策树分类方法建立信息提取模型,对研究区遥感图像进行了分类。研究结果证明,基于研究区遥感信息特征基础上的盐渍化土壤信息自动提取是可行并能达到较高信息识别精度的。     

基于PLSR方法的青海茶卡-共和盆地土壤盐分高光谱遥感反演

青海柴达木盆地气候干旱,蒸降比为10~20,地形封闭,属漠境草原盆地景观。由于气候干旱、蒸发强烈、地势低洼、含盐地下水接近地表使得土壤盐渍化较为严重。土壤盐渍化造成了资源破坏、农业生产损失,对生物圈和生态环境构成威胁[1-3]。及时探测土壤盐渍化信息,评价盐渍化程度,对生态环境保护、农业生产至关重要。土壤盐渍化监测的遥感信息定量化解决的主要问题是利用遥感数据进行土壤盐分含量的定量化反演。高光谱遥感图像具有图谱合一的特征,提供了地物完整连续的光谱信息,并且已从航空时代发展到航天时代。高光谱数据精细的光谱分辨率能够反映地物光谱的细微特征,揭示物质的组成成分与结构的差异,使得进行遥感定量分析和研究地     

基于高光谱的ASTER影像土壤盐分模型校正及验证

快速准确地获取土壤盐分信息是监测和治理土壤盐渍化现象的重要前提.该文以新疆维吾尔自治区典型盐渍化区域——艾比湖流域为研究区,analytical spectral devices(ASD)光谱仪采集的土壤高光谱数据和advanced space borne thermal emission and reflection radiometer(ASTER)影像为数据源,结合实测土壤盐分含量信息,对遥感定量反演土壤盐渍化现象进行研究.再经过光谱反射率数学变换后,结合相关性分析,利用多元回归方法分别建立基于重采样后的高光谱和影像光谱的土壤含盐量估算模型,对遥感影像光谱盐分估算模型进行校正,以提高遥感定量监测盐渍化土壤的精度.结果表明:ASTER影像光谱反射率二阶导数变换和ASD重采样光谱的对数的二阶导数变换所建立的盐分估算模型最佳,决定系数R2分别为0.59和0.82.经ASD重采样光谱模型校正后的ASTER影像光谱的盐分估算模型精度R2为0.91,有效地提高大尺度条件下土壤盐渍化反演精度.研究为大尺度土壤盐分定量遥感监测提供了一种有效方法.     

盐渍化土壤光谱特征的区域异质性及盐分反演

该文通过分析中国新疆、浙江、吉林3个不同地区盐渍化土壤的高光谱特征,研究了盐渍化土壤高光谱特征的区域异质性,并对构建高精度的跨区域土壤盐分高光谱定量反演模型,应用25种数据处理方式来提高全局建模的精度,旨在提高具有光谱异质性土壤的盐分反演精度。结果表明:不同地区的盐渍化土壤,无论是反射率还是光谱曲线形态方面,均存在较明显的差异,但经过一阶微分处理后,光谱差异有所降低;对3个地区土壤盐分含量局部建模与全局建模的精度进行比较,在所选用的直线回归、主成分回归、多元线性回归、偏最小二乘回归4种建模方法中,全局建模精度均低于局部建模精度;不同地区盐渍化土壤的盐分敏感波段不一致,在所采用的25种数据处理方式中,SG3点一阶微分(savitzky golay)、SG5点一阶微分、SG7点一阶微分、线性基线校正+SG3点一阶微分、SG平滑+SG3点一阶微分、SG平滑+线性基线校正+SG3点一阶微分这6种数据处理方式对全局建模的建模精度有明显改善作用,模型的相对分析误差均达到2.0以上,其中以SG平滑+SG3点一阶微分为最佳,其决定系数、均方根误差、相对分析误差分别为0.80、0.43、2.23。研究结果为跨区域土壤盐渍化的航天高光谱遥感监测提供了一定的参考依据。     

基于国产高分一号卫星数据的区域土壤盐渍化信息提取与建模

土壤盐渍化是干旱半干旱地区土地退化的主要原因之一,给当地生态系统和社会经济的可持续发展带来了严重的威胁,而对盐渍化空间分布信息的提取是治理盐渍化的基础。因此,选取生态脆弱区渭—库绿洲为研究区,利用2014年7月19日GF-1多光谱影像数据,提取光谱指数及波段信息,结合实际采样点的土壤表层电导率数据(0~10 cm),采用偏最小二乘回归模型(partial least squares regression,PLSR)对土壤盐渍化进行模拟,并对研究区盐渍化分布进行模拟和评估。结果表明:实测土壤表层电导率与光谱指数相关性较好;利用PLSR对渭—库绿洲土壤表层盐渍信息建模,对土壤盐渍化信息提取效果较好,精度较高;充分利用了GF-1影像包含的信息,提高了高分辨率遥感影像盐渍化信息提取的精度;非盐渍化和轻度盐渍化面积分别占总面积的42.88%和17.16%,绿洲中部偏东及东南区域,盐渍化现象稍弱,可成为今后绿洲扩张的重点方向;而中度盐渍化、重度盐渍化和盐土面积分别占总面积的29.51%、8.57%和1.88%,绿洲北部/西部及西南方向的重度盐渍化区域紧挨绿洲区域,已严重威胁了绿洲经济的健康发展,亟待治理。     

基于SI-Albedo特征空间的干旱区盐渍化土壤信息提取研究——以克里雅河流域绿洲为例

选取塔里木南缘克里雅河流域绿洲为研究靶区,利用Landsat-ETM+卫星图像数据和野外调查数据分析盐渍化土壤与地表反照率(Albedo)、土壤盐分指数(SI)之间的关系。回归分析发现,盐渍化土壤在SI-Albedo特征空间分布具有显著规律,即非盐渍化土壤呈团状分布;轻、中度盐渍化土壤具有线性分布特征;非盐渍化土壤与轻度盐渍化土壤分异明显。结合分异规律,编制分类算法模型,得到研究区盐渍化土壤信息提取结果,并与传统监督最大似然分类法结果进行对比分析。结果表明,在SI-Albedo特征空间中定量快速提取盐渍化土壤信息的总体效果较好,对准确且自动提取干旱区盐渍化土壤信息以及区域尺度盐渍化遥感监测研究具有重要意义。     

无人机多光谱遥感反演不同深度土壤盐分

快速、精准获取作物覆盖下的土壤盐分信息，可以提高区域土壤盐渍化治理的有效性。该研究在内蒙古河套灌区沙壕渠灌域内试验地获取无人机多光谱遥感图像数据，并同步采集不同深度的土壤盐分数据。通过遥感图像数据提取光谱反射率并计算传统光谱指数，在此基础上引入红边波段建立新的光谱指数，同时使用Elastic-net算法（ENET）对光谱变量进行筛选，并将筛选后的光谱变量分为原始光谱变量组和改进光谱变量组；运用BP神经网络（Back Propagation Neural Networks，BPNN）、支持向量机（Support Vector Machine，SVM）和极限学习机（Extreme Learning Machine，ELM）3种机器学习方法，构建作物覆盖下不同土壤深度的土壤盐分反演模型，并基于最佳反演模型绘制试验区不同深度土壤盐分反演图。结果表明，使用ENET变量选择方法可以有效筛选出最优光谱变量，且基于改进光谱变量组构建的反演模型精度均高于原始光谱变量组；ELM模型反演效果优于SVM模型和BPNN模型，其验证集的决定系数为0.783，均方根误差为0.141，一致性相关系数为0.875；研究区域内，作物覆盖下的土壤盐分最佳反演深度为10～20 cm；在不同土壤深度下，基于改进光谱变量组构建的最佳反演模型绘制的土壤盐分反演图可以较为真实的反映试验区内的盐渍化程度，这说明引入红边波段构建光谱指数可以用于土壤盐分的反演。该研究为无人机多光谱遥感监测农田土壤盐渍化以及农田盐渍化治理提供了一种新途径。     

基于国产高分一号卫星数据的区域土壤盐渍化信息提取与建模

土壤盐渍化是干旱半旱地区土地退化的主要原因之一，给当地生态系统和社会经济的可持续发展带来了严重的威胁，而对盐渍化空间分布信息的提取是治理盐渍化的基础。因此，选取生态脆弱区渭—库绿洲为研究区，利用2014年7月19日GF-1 多光谱影像数据，提取光谱指数及波段信息，结合实际采样点的土壤表层电导率数据（0～10 cm），采用偏最小二乘回归模型（Partial least squares regression，PLSR）对土壤盐渍化进行模拟，并对研究区盐渍化分布进行模拟和评估。结果表明：实测土壤表层电导率与光谱指数相关性较好；利用PLSR对渭—库绿洲土壤表层盐渍信息建模，对土壤盐渍化信息提取效果较好，精度较高；充分利用了GF-1影像包含的信息，提高了高分辨率遥感影像盐渍化信息提取的精度；非盐渍化和轻度盐渍化面积分别占总面积的42.88%和17.16%，绿洲中部偏东及东南区域，盐渍化现象稍弱，可成为今后绿洲扩张的重点方向；而中度盐渍化、重度盐渍化和盐土面积分别占总面积的29.51%、8.57%和1.88%，绿洲北部/西部及西南方向的重度盐渍化区域紧挨绿洲区域，已严重威胁到了绿洲经济的健康发展，亟待治理。     

OLI与HSI影像融合的土壤盐分反演模型

土壤盐渍化问题是黄河三角洲地区主要的土地退化问题,借助遥感技术快速、准确地掌握土壤盐渍化信息,对农业可持续发展具有重要意义。该文以黄河三角洲垦利县为研究区,利用超球体色彩空间变换算法,将环境一号卫星HSI高光谱影像与Landsat 8 OLI多光谱影像进行融合,选择土壤盐分的特征波段,结合土壤盐分的实测数据,建立统计分析模型(多元线性回归、偏最小二乘回归)和机器学习模型(BP神经网络、支持向量机和随机森林),对土壤盐分进行遥感反演。结果表明:OLI影像的统计分析模型和机器学习模型精度均较低,精度最高的随机森林模型相关系数仅为0.570;HSI影像的反演模型精度高于OLI,BP神经网络模型相关系数为0.607;融合影像反演模型精度明显高于HSI影像和OLI影像,土壤盐分含量的实测值与机器学习模型预测值具有良好的相关性,BP神经网络模型、支持向量机模型和随机森林模型的决定系数R~2分别达到0.966、0.821和0.926,模型反演精度较高。研究表明,多光谱和高光谱影像融合能显著提高土壤盐分遥感反演精度,机器学习模型的反演效果明显优于统计分析模型。研究结果对黄河三角洲典型地区的土壤盐分反演具有积极的理论和实践意义。     

利用探地雷达低频天线监测滴灌棉田盐渍化土壤盐分迁移研究

盐渍化问题严重制约着新疆地区农业经济的发展,而掌握土壤盐分迁移情况是防治土壤盐渍化的前提。为更好地了解滴灌棉田盐渍化土壤盐分的迁移情况,本文选用一典型滴灌棉田为研究对象,采用探地雷达低频天线（250 MHz）进行土壤剖面的探测,由探地雷达图像中的信息,推测土壤盐分在垂直方向上的迁移情况,再用土壤剖面水盐动态、盐分通量变化等实际观测数据进行验证。结果表明:（1）当土壤盐分浓度具有一定梯度时,采用探地雷达低频天线收集的雷达图像中可以划分出盐分积累带、包气带和蒸发面。（2）在整个研究阶段盐分实际运移情况为先整体向上再整体向下。通过水盐动态和盐分通量等方式的验证,发现探地雷达图像中的蒸发面变化情况与实际盐分运移情况一致。因此,使用探地雷达低频天线监测滴灌棉田土壤盐分在垂直方向上的迁移情况是可行的,并且可以使用探地雷达中蒸发面的变化情况表征盐分的整体运移情况。探地雷达低频天线对蒸发面快速无损的识别,为防治盐分迁移导致的土壤盐渍化问题提供了新思路。