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。     

土壤墒情空间变异性研究

在R语言环境中以半方差函数和克里格插值为基础,对山东半湿润区现代农业节水试验基地土壤含水率进行了空间变异性研究,并绘制了空间分布图,对于区域土壤墒情预测预报具有一定的理论和实践意义.     

基于可见光/近红外技术的干旱区绿洲土壤盐分空间分布识别

土壤盐渍化是制约干旱区经济发展的重要因素,准确获取土壤盐分信息成为治理干旱区土壤盐渍化的前提。利用采集自渭干河-库车河绿洲的67个表层(0~10 cm)土壤样品,通过可见光/近红外(visible-near infrared spectroscopy,VNIR)光谱技术结合实验室测定的土壤盐分数据,在相关分析提取敏感波段的基础上,运用偏最小二乘回归(PLSR)和支持向量机(SVM)方法进行土壤含盐量的建模并对比分析;此外,利用地统计方法,将最优模型预测得到的土壤含盐量数据进行空间插值,最终获取土壤含盐量的空间分异规律。结果表明:1利用原始一阶微分经支持向量机方法(SVM)建立的土壤含盐量模型,预测集决定系数R2为0.853,均方根误差RMSE为0.381,该模型具有较高的预测精度和较好的稳健性,可以作为有效手段估算干旱区绿洲土壤含盐量。2土壤表层含盐量属于中等空间变异,且空间结构比小于25%,具有强空间自相关。3利用支持向量机得到的土壤含盐量盐分分布图中,土壤含盐量预测值和实测值的决定系数R2为0.786,均方根误差(RMSE)为0.528,显示了较高的预测精度,该研究为快速获取干旱区绿洲土壤含盐量空间分异规律提供了一种新方法。     

土壤热特性参数空间变异性与拟合方法研究

采用3S技术相结合的方法,在陕西省泾惠渠灌区研究了土壤热特性参数区域尺度的空间变异性,结果表明:土壤热容量、热扩散率及土壤导热率在该区域尺度下属于中等变异,土壤热扩散率和导热率的空间异质性较强,而土壤热容量的空间异质性相对土壤热扩散率和导热率表现较弱,三者均具有较强的空间依赖性。土壤热容量、热扩散率及土壤导热率的最优拟合模型分别为指数、球型、高斯模型,推荐三者的采样间距分别为2.67、3.68、2.76 km,推荐该区域范围内土壤热特性参数空间变异采样间距的最优值为3 km。在描述土壤热特性参数空间变异特征的基础上,建立利用土壤物理基本参数拟合土壤热特性参数的简单公式,并验证了此方法的适用性,决定系数R2达0.80以上,利用此方法能够实现土壤热特性参数的空间变异特征在复杂程度上的定量化。     

黄土高原北部草地表层土壤水分状态空间模拟

为探明黄土高原北部草地表层土壤水分空间分布特征及其与环境因素的关系，该文用自回归状态空间模型和经典统计的线性回归模型对该区草地表层土壤含水率的分布状况进行了模拟。结果表明，状态空间方程可以应用于环境因素复杂的黄土高原水蚀风蚀交错区，其拟合效果优于线性回归模型。单因素中基于饱和导水率的模拟效果最佳（R2 = 0.936）；多因素模拟中以饱和导水率+海拔+凋落物模拟效果最佳（R2 = 0.976），可以很好地解释表层土壤水分的变异状况。自回归状态空间模型可用于研究黄土高原北部水蚀风蚀交错区表层土壤水分与其他因素的空间关系。     

基于土壤物理基本参数的土壤导气率推求模型

土壤气体传输过程复杂,影响因素众多,各因素之间相互影响与制约,且存在严重的空间变异性,其空间分布特征与变异程度同众多影响因素间关系复杂,野外条件下难以准确计算大范围区域内土壤导气率平均值。通过已经获得的土壤样本实测资料,建立土壤物理基本参数与土壤气体传输参数之间的函数模型,结果表明:偏砂质土壤的导气率与饱和度的拟合度较好,决定系数R2达0.95以上,而偏黏性的土壤结构性强,R2在0.69以上;遗传算法程序拟合系数ai、bi,R2均达0.90以上;利用此函数模型,拟合导气率与实测导气率之间的相对误差绝对值小于0.1,效果较好,验证了预测模型的适用性。提出的推求方法简化了土壤气体传输动力学参数在实际应用中繁琐的测算过程,为野外环境下简单、快速获取土壤气体传输动力学参数提供了参考。     

融合光谱和空间特征的土壤重金属含量极端随机树估算

针对高光谱遥感土壤重金属含量估算研究中光谱特征信息弱、模型反演鲁棒性差的问题,提出构建污染源-汇空间特征量化污染物扩散与汇聚空间影响因子,融合光谱特征建立基于极端随机树（Extremely randomized trees,ERT）的土壤重金属含量估算模型。以济源市耕地土壤为研究区,布设采集土壤样本249个,分析了光谱特征、地形特征和污染源空间特征在土壤重金属铅（Pb）、铬（Cd）含量反演中的有效性及影响机理,采用置换重要性指数优选多源特征,通过与多种回归模型对比,评价ERT模型的预测精度。研究表明,变换后的土壤光谱特征构建ERT模型引入地形特征和污染源空间特征后精度提升显著,尤其是污染源空间特征优势更为明显,Pb的ERT模型均方根误差由43.185mg/kg下降到22.301mg/kg,下降了48.36%。Cd的ERT模型均方根误差由0.738mg/kg下降到0.371mg/kg,下降了49.73%,充分说明引入污染扩散空间特征的有效性。与其他回归模型对比,ERT估算模型在各项指标评价中优势明显,其中Pb的ERT模型的测试集R2达0.964,Cd的ERT模型R2为0.923。     

土壤水盐空间异质性及尺度效应的多重分形

为了揭示研究区域林地内土壤含水率和电导率的空间分布特征及尺度效应，利用多重分形方法，对杨凌一林地内不同采样时间和不同采样面积下土壤含水率和电导率的空间异质性进行了研究。结果表明：3种采样面积下土壤含水率和电导率的空间异质性都分别随平均含水率和电导率的增大而减弱。随采样面积的增大，平均含水率和电导率较高时，土壤含水率的空间异质性趋于增强，土壤电导率的尺度效应不明显；平均含水率和电导率较低时，土壤含水率和电导率的空间分布都存在明显的斑块结构。不同采样时间和不同采样面积下土壤含水率和电导率的多重分形谱的形态有所差异，表明引起他们空间异质性的信息有所不同。多重分形分析能揭示出较多的采样林地内土壤含水率和电导率分布的局部信息。     

耕地土壤有机质空间变异性的随机模拟

有机质是土壤重要的肥力特征，研究盐渍土改良区耕地土壤有机质空间变异特征可为土壤质量提升提供科学依据。以山东省禹城市盐渍土改良区典型地块耕地土壤有机质为研究对象，在全面野外调查和室内化验分析以获得大量的土壤有机质相关信息的基础上，运用地统计学方法对有机质进行了序贯高斯模拟各次实现（SGSV）、序贯高斯模拟平均实现（SGSA）和ordinary Kriging插值（OK），并将SGSV、SGSA、OK与实测数据进行了统计参数、变异函数、空间分布趋势等方面进行了对比分析。结果表明OK、SGSA改变了有机质数据的空间结构,具有“平滑”效应，SGSA在消除平滑影响方面优于Kriging插值；SGSV具有与实测数据相同的空间自相关结构,对预测点的模拟值具有不确定性，为揭示研究区域土壤有机质的空间结构特征提供了有力的工具，对盐渍土改良区土壤有机质空间不确定性的风险研究具有更实际的意义。     

基于条件温度植被指数的土壤水分反演研究

土壤水分是作物生长发育的基本条件,同时也是旱情监测的重要指标。以彰武县为研究区域,基于影像的Artist算法和二维特征空间模型算法,进行了环境减灾卫星数据的地表温度(LST)反演,提取了归一化植被指数(NDVI)和修正的土壤调节植被指数(MSAVI),并构建二维特征空间,提取干、湿边方程,分析了地表实测土壤水分和植被指数的线性关系。结果表明,鉴于彰武地区土质的多样化,修正的土壤调节植被指数可提高土壤墒情的反演精度,相关系数为R2=0.852,标准差为2.064,协方差为3.139,相关性较好。     

基于分数阶微分的荒漠土壤铬含量高光谱检测

为解决高光谱检测土壤中痕量级重金属含量存在的困难,提高土壤重金属铬含量检测的准确度,利用新疆准东煤田周边168个荒漠土壤样本的重金属铬含量及其对应的高光谱数据,运用分数阶微分算法进行光谱数据预处理,最后利用全部波段进行偏最小二乘建模并进行可视化分析,旨在探讨分数阶微分预处理在高光谱数据估算荒漠土壤重金属铬含量的可能性。结果表明:原始光谱与吸光率变换的分数阶微分模型均在1.8阶微分处达到了最好的精度效果。吸光率变换1.8阶微分模型为最优模型,模型的校正均方根误差为7.68 mg/kg,R_c~2=0.83,预测均方根误差为8.39 mg/kg,R_p~2=0.78,相对分析误差为2.14。最后利用铬含量实测值与光谱预测值通过反距离加权法插值获得研究区土壤重金属铬含量的空间分布,说明利用该方法对土壤重金属铬含量定量检测并进行大尺度的空间分布反演在一定程度上是可行的,为荒漠土壤重金属污染状况的高光谱检测提供了一定的科学依据和技术支持。     

基于实测数据及遥感图片的土壤采样方法

如何结合土壤特性和先进手段，制定具有代表性，同时又经济的土壤采样方案一直是土壤分析的难题。该文根据陕西省卤泊滩盐碱地改良区土壤含盐量的实测资料和相应的遥感图片数据，并结合土壤属性空间分布特性，提出一种新的土壤水盐含量采集方案。结果表明，用33个已知点的实测数据可以估算出101个未测点的含量并最终构成插值343个点的空间分布图，且水分与盐分含量预测结果相关的确定系数分别为0.869和0.817。在此基础上进而对工程改良措施下的卤泊滩盐渍土表层水盐空间变异性进行研究。分析结果表明，研究区土壤水盐含量具有中等较强的空间自相关性和较弱的变异性。通过对该地区水盐空间变异性的研究可以及时了解盐渍地试验区的改良效果及水资源管理情况。     

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。     

东北地区土壤温度和湿度空间变异特性研究

于2015年4月在黑龙江农垦赵光农场,使用20套无线传感器网络节点部署在赵光农场一面积为33.4 hm 2 的玉米地块,并通过2个手持式移动节点进行加密测量。根据这一方案,获得了从4月5—29日在240 m×240 m、120 m×120 m、60 m×60 m和30 m×30 m网格下的土壤温度和土壤湿度数据。在此基础上,基于统计半方差函数理论和GIS空间Kriging插值方法分别分析了土壤温度和土壤湿度各向同性、各向异性变化特征及分布模式。结合土壤温度和土壤湿度在不同尺度下的Kriging插值结果,确定了两者最佳采样间距。试验结果表明,土壤温度和土壤湿度的半方差函数分别适用于球形模型和指数模型,两者均有很强的空间自相关。其中,土壤温度自相关距离为51.56 m,土壤湿度的自相关距离为154.16 m。土壤温度在45°、90°方向变化明显大于0°、135°方向;土壤湿度拟合决定系数( R 2 )为0.77,在0°、135°方向上变化较大,土壤温度和土壤湿度最佳采样间距分别为60 m和100 m。     

基于采样点光谱信息窗口尺度优化的土壤含水率无人机多光谱遥感反演

针对空间异质性导致的土壤含水率反演误差较大的问题,分别以玉米灌浆期和小麦苗期的土壤含水率反演为例,利用无人机多光谱遥感技术获取喷灌和畦灌灌溉方式下的正射影像。将34组光谱特征变量按照滑动窗口法提取不同空间尺度的光谱信息平均值,通过极端梯度提升（Extreme gradient boosting,XGBoost）、支持向量机回归（Support vector machine regression,SVR）以及偏最小二乘回归（Partial least squares regression,PLSR）3种机器学习模型确定采样点光谱信息最优窗口尺度;然后,采用皮尔逊相关系数特征变量筛选法（Pearson correlation coefficient feature variable screening method,R）结合XGBoost和SVR模型对提取的34组光谱特征变量进行筛选,选取与土壤含水率敏感的特征变量;最后,估算土壤含水率。结果表明：喷灌方式下所选择的采样点最优光谱信息窗口尺度比畦灌小,其最优窗口尺度范围分别为11×11~21×21和15×15~29×29;采用皮尔逊相关系数特征变量筛选方法结合机器学习模型可有效提高土壤含水率反演精度;5种机器学习模型（R_XGBoost、R_SVR、XGBoost、SVR、PLSR）中R_XGBoost模型估算土壤含水率精度最优,在喷灌和畦灌方式下玉米灌浆期R_XGBoost模型的测试集决定系数R2分别为0.80、0.83,均方根误差（Root mean square error,RMSE）分别为1.27%和0.98%,小麦苗期R2分别为0.76、0.79,RMSE分别为1.68%和0.85%;土壤含水率反演模型在畦灌条件下的精度优于喷灌条件下。该研究可为基于无人机多光谱影像分析的信息挖掘和土壤水分监测提供参考。     

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。