基于多光谱影像反演土壤盐分的建模方法研究

土壤盐分的定量遥感反演,为快速、准确、全面地监测盐渍化状况提供了可能。本文以黄河三角洲地区垦利县为例,实地调查采集土壤样本,并获取同时相Landsat 8影像,建立土壤盐分遥感反演的BP神经网络、偏最小二乘回归、主成分分析、多元线性回归多种模型,进而进行精度对比分析,评价、优选最佳建模方法,最后,基于最佳模型进行研究区土壤盐分的空间分布反演分析。结果显示:遥感影像的反射率与土壤盐分含量并不是单纯的线性关系,构建的盐分估测模型BP神经网络预测决定系数为0.8467,均方根误差为0.071,明显高于传统线性统计模型,能较好地模拟土壤盐分与光谱数据的关系。该研究既能为盐渍土的治理、利用提供数据支持,又能推动盐渍化区域遥感研究的定量发展。     

海伦市耕层土壤有机质含量空间预测方法研究

有机质含量是表征土壤肥力质量的重要属性,其空间分布模式对于施肥等耕作管理措施的推荐具有重要的指导意义。本文以我国黑土区黑龙江省海伦市为研究区域,在土壤采样点数量较有限的情况下,分别采用普通克里格、反距离权重、遥感反演和基于土壤学专业知识四种方法对耕层土壤有机质含量进行了空间预测。结果表明:四种方法表征的海伦耕地土壤有机质含量空间分布特征具有相似性,即由东北向西南方向递减。空间预测精度从高到低依次为反距离权重、普通克里格、基于土壤学专业知识和遥感反演法;而在有机质的局部变异细节表达方面,从高到低为遥感反演、基于土壤学专业知识、反距离权重和普通克里格法。四种方法中仅遥感反演法预测结果的极差范围较宽,普通克里格法则存在明显的平滑效应,而综合比较结果则表明,最合适的方法是基于土壤学专业知识的方法。     

土壤有机质高光谱遥感和地统计定量预测

通过两种不同的尺度进行了土壤有机质含量的预测,在全县范围（大尺度）内运用地统计方法进行最优无偏内插估计,得到全县土壤有机质含量的空间分布格局。在小尺度高光谱Hyperion影像范围内,确定623.6 nm处反射率倒数之对数的一阶微分与564.4 nm处反射率倒数之对数的一阶微分的比值为土壤有机质的敏感变量,运用多元统计分析方法,确立各土壤有机质高光谱定量最佳反演模型,并把该模型应用于高光谱影像进行有机质含量定量填图,取得了很好的预测效果（R2=0.8684）。同时为了进行客观比较,基于同一尺度,利用30个样点进行地统计空间插值定量预测,比较两种预测结果,通过分析得出由于地统计学受到样点的数目、分布和间距情况以及内蕴假设的影响,其预测效果不如高光谱遥感反演模型。     

黑土典型区土壤有机质遥感反演

土壤有机质（SOM）含量时空变异规律研究对于土壤肥力评价、土壤碳库估算、土壤资源利用与保护具有重要意义,而地貌、成土母质、土壤类型等差异、高光谱卫星影像较少等因素制约了区域尺度的SOM含量遥感反演方法研究的开展。该文以黑龙江省黑土带典型区为例,采集区域土壤样本,获取Landsat TM遥感影像,基于有机质含量与土壤反射率的定量关系,建立区域SOM遥感预测模型。结果表明：黑土区SOM含量高,一般大于2%,决定了有机质对土壤反射光谱特性的主要作用,而且该区SOM空间变异性显著,且耕作方式、气候等因素决定了裸土时间长,因而该区适于SOM含量遥感反演;有机质与TM各波段反射率均显著相关,最大相关系数在第3波段（0.63～0.69 μm）,为-0.710,其次为4波段（0.76～0.90 μm）,与实验室基于高光谱反射率数据分析的结果一致;基于TM影像2、3、4波段的SOM指数模型最优,预测精度高、稳定性好,可以用于揭示黑土典型区SOM含量的空间分布特征。该研究将为改进土壤理化参数遥感反演、土地质量评价、土壤碳库估算等工作方法提供理论与技术支持。     

基于多光谱遥感图像的青海湖流域土壤有机质估算初探

土壤有机质是土壤固相部分的重要组成成分,也是陆地表层重要的碳库,其含量的快速、准确测定关乎农牧业生产活动安排与地表过程研究中关键参数的获取效率。为了探寻适合青藏高原高寒地区土壤有机质遥感反演的响应波段及遥感模型,实现区域像元尺度上的土壤表层有机质估算,本文利用Landsat8-OLI多光谱遥感数据与实地采样数据对青海湖流域表层(0～20 cm)土壤进行了有机质含量反演研究。结果表明:Landsat8-OLI影像的第5、6和7波段是青海湖流域土壤有机质含量的特征波段,基于这3个波段构建的土壤有机质遥感反演三元回归模型(R~2=0.704,P0.001),经实测点验证(RMSE=8.66)与相关文献研究结果验证(RMSE=8.85),精度高、稳定性强、预测趋势平稳。本研究不仅为高寒地区土壤有机质含量快速测定提供了一定的技术支持,也为高寒地区的碳库计算、土壤肥力评价、土壤碳循环、农作物估产、草地退化监测等提供了参考。     

基于组合模型的庐山森林土壤有效铁光谱间接反演研究

铁是植物生长的重要微量营养元素之一,土壤有效铁含量对林地环境起着重要的影响,利用土壤光谱预测技术获取土壤有效铁含量信息具有重要意义。而要通过土壤光谱直接预测土壤有效铁含量是难以实现的,因此提出利用土壤有机质含量与有效铁含量之间的相关性,探讨间接估算土壤有效铁含量的可行性。以庐山森林土壤样本为研究对象,研究基于偏最小二乘回归(PLSR)和径向基函数(RBF)神经网络的组合模型预测土壤有机质含量的适用性,并且通过构建有机质含量与有效铁含量的二项式线性模型,对土壤有效铁含量进行间接反演,探讨不同权重下的最优组合模型。结果表明,组合模型的预测效果优于偏最小二乘回归和RBF神经网络单个模型,并且熵值组合为最优组合模型,其中,土壤有机质的反演模型验证的决定系数(R~2)为0.81,均方根误差(RMSE_p)为11.54 g kg~(-1),测定值标准差与标准预测误差的比值(RPD)为2.18;有效铁的间接反演模型R~2为0.70,RMSE_p为21.60 mg kg~(-1),RPD为1.77。通过土壤有机质构建土壤有效铁含量的光谱反演间接模型,在光谱反演模型中,组合模型能较大限度地利用各种预测样本信息,能有效减少单个预测模型中随机因素的影响,增强预测稳定性,提高模型的预测能力。因此,组合模型可对土壤有机质含量的光谱预测及土壤有效铁的间接预测发挥更好的作用。     

基于GIS和地统计学的作物需水量等值线图

利用“全国灌溉试验资料数据库”中作物需水量试验数据,在ERSI的ARCGIS和微软电子表格EXCEL支持下,将GIS的空间数据管理功能和地统计学的空间分析功能有机结合,用多种插值方法进行山东省冬小麦需水量等值线图的绘制,结果表明：地统计学方法优于常规的反距离加权方法、多项式方法和径向基函数法;地统计方法中的普通克里金(Ordinary Kriging)球状模型的预测误差的均值、预测误差的均方根、平均预测标准差、平均标准差、标准均方根预测误差等5个指标均优于普通克里金指数模型、简单克里金(Simple Kriging)球状模型和简单克里金指数模型,具有较高的插值精度。     

基于HJ卫星的棉田土壤有机质空间分布格局反演

以北疆绿洲区棉田表层土壤为研究对象,利用国产HJ-1A/1B卫星CCD多光谱数据对裸土有机质空间分布格局进行研究。通过分析多光谱数据不同波段的光谱反射率及其变换形式与实地采样得到的土壤有机质含量的相关性,探寻适合绿洲区棉田表层土壤有机质含量快速反演的敏感波段及参数,并针对不同参数分别建立一元线性、二次、三次、对数、倒数、幂函数、生长型、S型回归模型,以及多元回归模型;对生成的模型进行综合对比分析,获取北疆绿洲区棉田表层土壤有机质含量的最佳反演模型,从而实现整个研究区土壤有机质空间格局的遥感反演。结果表明:HJ卫星多光谱数据4个波段的反射率均与土壤有机质含量存在显著的相关性,第3波段的倒数与土壤有机质含量相关性最为显著;且以第3波段光谱反射率作为因变量得到的三次线性回归模型对土壤有机质含量进行反演的效果最佳;通过空间布局反演得到研究区土壤有机质空间分布整体呈现南北两端有机质含量较高,中部有机质含量较低的格局。该研究表明虽然与黑土有机质含量具有差别,但是遥感技术仍能够作为绿洲区土壤有机质含量空间布局反演的方法,为遥感技术在土壤参数监测中更好的发挥作用提供理论支持,同时也为新疆棉田生产管理和农田可持续利用提供科学依据。     

黄河三角洲土壤有机质含量的高光谱反演

【目的】土壤有机质(SOM)具有改良土壤结构、 促进团粒结构形成、 增加土壤疏松性、 改善土壤通气性和透水性以及促进植物生长发育的作用。传统测定土壤有机质的方法,虽然精度高,但是实时性差。本文通过对土壤高光谱数据进行变换和分析,筛选出与土壤有机质含量相关性高的敏感波长,构建能够实时、 快速反演黄河三角洲土壤有机质含量的数学统计模型。【方法】60个土壤样品采于黄河三角州。利用ASD Fieldspec3光谱仪,在室内环境下对黄河三角洲不同有机质含量的风干土壤样本进行了光谱测量,利用化学方法测定了土壤的有机质含量。在对土壤样品高光谱反射率进行去包络线处理的基础上,与土壤有机质含量进行相关分析,筛选敏感波长;运用主成分回归分析、 多元线性回归分析、 二次多项式逐步回归分析和支持向量机回归分析方法,分别建立了有机质含量的反演模型。【结果】确定了估测土壤有机质含量的敏感波长,建立了能够快速反演黄河三角洲土壤有机质含量的数学统计模型。从土壤光谱反射率曲线可以看出在1400 nm、 1900 nm和2200 nm等波段附近有十分明显的水分吸收谷。经对比相关性可以看出,去包络线的数据处理方法明显提高了光谱反射率与土壤有机质之间的相关性。1278 nm、 1307 nm、 1314 nm、 1322 nm、 1328 nm、 1334 nm、 1343 nm 7个相关性较高的波长作为估测土壤有机质含量的敏感波长。基于主成分回归分析、 多元线性回归分析、 二次多项式逐步回归分析和支持向量机回归分析方法,分别构建了反演有机质含量的模型。其中,二次多项式逐步回归模型校正集的决定系数达到了0.865,验证集的决定系数最大,达到了0.837,为黄河三角洲土壤有机质含量的最佳反演模型。【结论】去包络线的数据处理方法可提高光谱反射率与土壤有机质之间的相关性,确定的1278 nm、 1307 nm、 1314 nm、 1322 nm、 1328 nm、 1334 nm、 1343 nm 7个波长是估测黄河三角洲土壤有机质含量的敏感波长。由于二次多项式逐步回归模型校证集的决定系数最高、 均方根误差最小,其拟合效果最好。因此二次多项式逐步回归模型对反演黄河三角洲土壤有机质含量是最佳的。     

基于回归克里格和遥感的紫色土区土壤有机质含量空间预测

精确预测紫色土区土壤有机质含量的空间分布,对于指导紫色土区农业生产和培肥土壤具有重要意义。以杜家沟小流域为研究区,以遥感影像作辅助变量,采用回归克里格法,预测土壤有机质含量的空间分布,并与参照方法的预测精度进行比较。结果表明:(1)Landsat ETM+影像的波段2和波段5是土壤有机质含量多元线性回归预测的最佳辅助变量,回归残差的最优半方差函数模型为球状模型,模型的拟合精度较高;(2)土壤有机质含量呈由沟谷逐渐向坡顶递减的趋势,空间变异的细节信息表达较好;(3)回归克里格法在验证点的预测值与实测值的拟合能力更好,预测结果更倾向于无偏的,MAE、RMSE和R2均优于参照方法。因此,回归克里格法是紫色土区土壤有机质含量高精度空间预测的有效方法。     

基于特征变量与支持向量机回归克里格(SVRK)法的湿地土壤有机质空间变异特征分析

选取适宜变量与有效方法有助于揭示河口湿地土壤有机质的空间异质性,对维护湿地生态平衡和全球碳循环的具有重要作用。以福州市闽江河口湿地为研究区,采用逐步回归分析与主成分分析法筛选显著的特征变量,运用支持向量机回归克里格法(SVROK)分析湿地土壤有机质的空间异质性,并与神经网络克里格法(BPNNOK)、回归克里格法(RK)进行比较。结果表明：归一化植被指数(NDVI)、比值植被指数(RVI)、土壤水分指数(PDI)、汇流累积量(FA)及沉积物移动指数(STI)与土壤有机质含量关系密切,其逐步回归模型的判定系数R_²为0.446,显著性概率值P<0.0001,可转换为3个独立的主成分作为模型的自变量。研究区土壤有机质的空间变异主要受结构性因素影响,呈现出“北低南高”的空间格局,采用SVROK模型的预测精度更高,可较好的体现河口湿地土壤有机质的空间异质特征。该研究可为同类区域的土壤有机质空间特征研究提供方法支撑。     

黑土区田块尺度土壤有机质含量遥感反演模型

为了对田块尺度土壤有机质进行空间反演并提高模型精度和稳定性,该文以黑龙江省黑土带41.3 hm~2田块为例,获取2016年5月中下旬两期(受限于拍摄周期和天气原因而选择不同卫星影像,2016年5月17日Landsat 8影像和5月25日Sentinel-2A影像)裸土时期遥感影像和4 m分辨率DEM数据;分析单期影像与土壤有机质(soil organic matter,SOM)的关系,两期影像所包含的土壤含水量变化信息与地形因素对SOM预测模型精度的影响,建立基于BP神经网络的SOM遥感反演模型。结果表明:该田块内SOM含量差异较大;利用单期影像预测SOM时,基于红波段和785~899 nm波段建立的预测模型精度(建模均方根误差RMSE 1.033,检验RMSE 1.079)和稳定性(建模决定系数R2 0.677,检验R20.644)较高;两期影像时,基于红波段和1 570~1 650 nm波段建立的预测模型精度(建模RMSE 0.855,检验RMSE 0.898)和稳定性(建模R2 0.792,检验R2 0.797)显著提高;在两期影像模型基础上,加入地形因子作为输入量,模型精度(建模RMSE 0.492,检验RMSE 0.499)和稳定性(建模R2 0.917,检验R2 0.928)进一步提高。研究成果可为土壤碳库估算和农田精准施肥提供理论与技术支持。     

引入时相信息的耕地土壤有机质遥感反演模型

土壤有机质(soil organic matter,SOM)是土壤质量评价的重要指标。监测SOM含量及其空间分布对土壤利用与保护、土壤有机碳库估算等具有重要意义。该文以松嫩平原典型区为研究区,采集4种主要土壤类型样本共147个,获取裸土期多时相MODIS地表反射率8 d合成产品,以单期、多期影像所构建光谱指数作为输入量,构建包含含水量变化与有机质含量信息的多光谱指数,建立SOM线性回归遥感反演模型,揭示SOM空间分布规律。结果表明:由于土壤含水量空间差异随时间变化,基于单期影像构建的模型主要输入量发生规律性改变,其中年积日137 d裸土条件最好,反演模型最优;比值光谱指数R61与SOM显著相关,而和含水量相关性极小,适于作为反演模型输入量;基于多期影像构建的模型引入时相信息后,精度与稳定性较单期影像模型显著提高,其中基于年积日137、105 d两期影像光谱指数所建立的多元线性模型最优;松嫩平原SOM呈现由东北向西南递减趋势。     

基于环境相关法和地统计学的土壤属性空间分布预测

土壤属性是土壤质量的重要决定因素,并强烈影响土地利用和生态过程。正确理解并充分考虑土壤空间变异,对于在景观尺度上建立生态、环境过程模型是必不可少的。在黄土高原横山县采集了254个样点,应用数字地形与遥感影像分析技术,获取相关地形因子与遥感指数,分析土壤属性（土壤容重、有机质和全磷）与环境因子相互关系,并利用环境变量进行空间预测。结果表明,土壤容重、有机质与地形因子和遥感指数之间存在较好相关性,而全磷与地形因子相关性不大;多元线性逐步回归模型对于土壤容重和有机质拟合较好,而对于全磷,预测结果较差;回归－克里格预测有效地减小了残差,消除了平滑效应,与实测值较为接近。     

潮土区土壤有机质含量的趋势演变研究——以禹城市为例

通过分析山东省禹城市100个采样点1980年和2003年耕层土壤的有机质含量,研究了土壤有机质的时空变异特征,探讨了潮土区有机质含量的变化,形成了研究区1980年和2003年有机质含量空间分布图及1980~2003年有机质含量的空间变化图。分析了研究区有机质含量增加的原因。研究结果表明,该市目前土壤有机质含量平均为14.68g kg-1,比1980年的6.0g kg-1增加了8.68 g kg-1,年均提高0.38g kg-1。土壤表层含盐量的降低为土壤养分含量提高提供了条件。     

基于决策树模型的土壤有机质制图

Based on a case study of Longyou County, Zhejiang Province, the decision tree, a data mining method, was used to analyze the relationships between soil organic matter (SOM) and other environmental and satellite sensing spatial data.The decision tree associated SOM content with some extensive easily observable landscape attributes, such as landform,geology, land use, and remote sensing images, thus transforming the SOM-related information into a clear, quantitative,landscape factor-associated regular system. This system could be used to predict continuous SOM spatial distribution.By analyzing factors such as elevation, geological unit, soil type, land use, remotely sensed data, upslope contributing area, slope, aspect, planform curvature, and profile curvature, the decision tree could predict distribution of soil organic matter levels. Among these factors, elevation, land use, aspect, soil type, the first principle component of bitemporal Landsat TM, and upslope contributing area were considered the most important variables for predicting SOM. Results of the prediction between SOM content and landscape types sorted by the decision tree showed a close relationship with an accuracy of 81.1%.     

克里格插值在区域土壤有机碳空间预测中的应用

基于河北省第二次全国土壤普查数据,对比了常用土壤有机碳相关因子土地利用和土壤类型与普通克里格插值结合前后对土壤有机碳密度空间预测精度的差异,探讨了普通克里格插值在区域土壤有机碳空间预测中的应用。研究结果表明,土地利用能够独立解释土壤有机碳密度总方差的19.0%,与普通克里格插值结合以后能够将对土壤有机碳密度总方差的解释程度显著提高到30.2%。低级土壤分类土属能够独立解释土壤有机碳密度总方差的45.0%,但与普通克里格插值结合以后对土壤有机碳密度总方差的解释程度为44.8%,两者相差不大。因此区域空间上能否进一步应用普通克里格插值优化土壤有机碳的空间预测与所选用的土壤有机碳相关因子有关。     

Do model choice and sample ratios separately or simultaneously influence soil organic matter prediction?

This study was performed to examine the separate and simultaneous influence of predictive models’ choice alongside sample ratios selection in soil organic matter (SOM). The research was carried out in northern Morocco, characterized by relatively cold weather and diverse geological conditions. The dataset herein used accounted for 1591 soil samples, which were randomly split into the following ratios: 10% (～150 sample ratio), 20% (～250 sample ratio), 35% (～450 sample ratio), 50% (～600 sample ratio) and 95% (～1200 sample ratio). Models herein involved were ordinary kriging (OK), regression kriging (RK), multiple linear regression (MLR), random forest (RF), quantile regression forest (QRF), Gaussian process regression (GPR) and an ensemble model. The findings in the study showed that the accuracy of SOM prediction is sensitive to both predictive models and sample ratios. OK combined with 95% sample ratio performed equally to RF in conjunction with all the sample ratios, as the latter did not show much sensitivity to sample ratios. ANOVA results revealed that RF with a ～10% sample ratio could also be optimum for predicting SOM in the study area. In conclusion, the findings herein reported could be instrumental for producing cost-effective detailed and accurate spatial estimation of SOM in other sites. Furthermore, they could serve as a baseline study for future research in the region or elsewhere. Therefore, we recommend conducting series of simulation of all possible combinations between various predictive models and sample ratios as a preliminary step in soil organic matter prediction.     

基于遥感与电磁感应仪数据的土壤盐分空间变异性

针对目前黄淮海平原存在的土壤盐渍化问题,以河南省封丘县为研究区,利用遥感影像与磁感应电导率仪 （EM38）在田间定位、定点测量,对研究区土壤盐分的空间变异性进行研究。利用Kriging、指数回归和回归-Kriging 3种不同的方法对土壤盐分空间变异性进行分析。结果表明：土壤电导率在一定的区域范围内具有空间结构特征,符合指数模型分布,具有极强的空间自相关性。通过3种不同的方法对土壤盐分的空间变异性进行分析,结果表明Kriging法、指数回归法及回归-Kriging法在描述土壤盐分空间分布的总体趋势上相似,但指数回归法与回归-Kriging法对于盐分的分布表达更具体,更细致。综合运用多种数据源的方法,即遥感影像数据与EM38测量数据相结合,经典统计学与地统计学方法相结合的方法,能够提高土壤盐分空间预测的精度,结果表明研究区土壤盐分由北向南、自西向东有逐渐升高的趋势,具有明显的趋势效应。