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。     

基于差分理论的混凝土温度参数反演模型的GA算法研究

混凝土温度参数对于混凝土温控防裂具有重要意义,采用差分算法,对混凝土温度场进行仿真计算,依据实测温度数据,对仿真计算进行误差分析,并建立基于实测数据的反演模型,针对反演模型的具体特性,构建了GA算法,通过反演模型的求解计算,可以确定更符合实际情况的混凝土温度参数,从而为混凝土温度参数的合理确定以及后续温控计算提供参考。     

基于Landsat 8 OLI影像的渭-库绿洲植被地上生物量估算

干旱区绿洲植被地上生物量估算研究可为绿洲生态系统稳定性评价与区域碳储量估算提供重要依据。以渭干河-库车河三角洲绿洲为研究区，利用ENVI 5.3软件对Landsat 8 OLI 影像数据进行预处理，提取反映植被地上生物量信息的植被指数和波段因子，并结合样地实测数据，采用常规统计模型、多元逐步回归和偏最小二乘回归方法建立研究区植被地上生物量最优估测模型，从而揭示该绿洲植被地上生物量的空间分布特征。结果表明：1）所选的20个遥感因子与实测植被地上生物量呈极显著正相关关系，相关系数为0.5~0.7（P<0.01）。2）乔木与灌木地上生物量最优估测模型均为多元逐步回归模型，草本与农作物地上生物量的估测模型以偏最小二乘回归模型为最优，模型验证决定系数均在0.6以上，均方根误差和平均绝对误差均较小。3）研究区植被地上生物量主要在280~1450 g·m^-2 分布，面积约为6973.82 km²，低水平地上生物量（ABG<65 g·m^-2）分布区域约占研究区总面积的15.02%。地上生物量由高到低依次为：农作物>乔木>灌木>草本。根据不同的植被类型，基于地物光谱特征构建的遥感估测模型可准确估算干旱区绿洲植被地上生物量，并对其空间分布特征进行遥感定量反演。     

沙地整治下榆林土地利用及土壤有机质时空分异特征

毛乌素沙地是典型的生态脆弱区,近年来针对其在榆林境内的沙地整治利用取得显著成效,也对土壤环境产生了深刻影响。为了探究由沙地转变的不同土地类型下土壤有机质的含量变化,明晰沙地不同整治利用方式对土壤有机质的影响。该研究选取榆林市显性沙地,利用多光谱遥感影像及相关光谱指数,结合沙地土地利用变化特征,通过XGBoost机器学习方法,反演1990-2020年土壤有机质含量;分析不同土地类型下土壤有机质含量变化,通过半变异函数揭示了其空间变异性,厘清人为因素和自然环境的影响程度。结果表明,30年间榆林5 460 km2沙地中超过半数得到整治和利用,沙地-草地是最主要的地类转变方式,建设用地面积增长最迅速,增速一度超过70%;沙区土壤有机质含量上升,但整体呈现先增加后降低的趋势,有机质均值由0.34%增长至0.79%,近十年降低至0.51%;榆林沙区土壤有机质具有较强的空间自相关性。起初,人为利用对其有积极作用,但随着沙地的利用强度增大,对土壤有机质产生负向作用,进而致使其含量下降,面临土地退化危机。建议加强退化林草修复改良,放缓开发力度,以期为沙地整治提供理论和实践借鉴意义,保护榆林沙地土壤环境安全。     

基于LiDAR点云能量信息的樟子松郁闭度反演方法

为提高小光斑激光雷达估测针叶林郁闭度的精度,采用回归分析法建立多变量回归模型,通过对小光斑激光 雷达点云数据进行处理,分别提取3 个数量比值变量、3 个能量比值变量,并建立郁闭度单变量反演模型,接着在单 变量的基础上进行多元线性回归分析,建立郁闭度多变量反演模型,最后用剩余数据对所建立的反演模型进行精 度评价。结果表明:在郁闭度单变量反演模型中I2反演模型最好, 拟合相关性为R2 =0.818, Adj R2 =0.810, RMSE = 0.016,模型精度为P =0.978;多变量反演模型中LPI' 和I'3 组合的模型最好, 拟合相关性为R2 = 0.898, AdjR2= 0.889, RMSE =0.012,模型精度为P =0.972。由最终所得模型可知,能量比值变量模型所得结果相对数量比值变 量模型结果要好且稳定,多变量反演模型的拟合相关性及精度都比单变量模型要高。本研究所提取的参数相对较 少,且能量比值变量的提取有一定的局限性,未来研究中应提取更多的高效参数且进一步加强能量比值变量的探究。      

冻结状态下盐渍化土壤中水溶性盐基离子含量高光谱反演

为探究采用高光谱技术反演冻结状态土壤水溶性盐基离子含量的可行性,该研究针对河套灌区盐渍化土壤,测定土壤在冻结与未冻结状态下的光谱和主要水溶性盐基离子含量(HCO₃^-、Cl^-、CO₃^2-、SO₄^2-、K⁺、Na⁺、Ca²⁺、Mg²⁺),光谱经标准正态变量变换(standard normal variable,SNV)和变量投影重要性法(variable importance in projection,VIP)筛选出敏感波段后,采用偏最小二乘回归法(partial least squares regression,PLSR)、支持向量机回归法(support vector regression,SVR)和极限学习机法(extreme learning machine,ELM)构建基于特征光谱的土壤离子含量高光谱反演模型,并对比冻结与未冻结状态反演模型...     

无人机多光谱遥感反演各生育期玉米根域土壤含水率

为准确及时地获取植被覆盖条件下农田土壤水分信息,该文以不同水分处理的大田玉米为研究对象,利用无人机遥感平台对夏玉米进行多期遥感监测,并同步采集玉米根域不同深度土壤含水率(Soil Water Content,SWC)。基于2018年夏玉米拔节期、抽雄-吐丝期和乳熟-成熟期的无人机多光谱遥感影像数据集,通过支持向量机(Support Vector Machine,SVM)分类剔除土壤背景,提取玉米冠层光谱反射率并计算10种植被指数(VegetationIndex,VI),然后利用全子集筛选(FullSubsetSelection)法对不同波段和植被指数进行不同深度土壤含水率的敏感性分析,并分别采用岭回归(Ridge Regression,RR)和极限学习机(ExtremeLearningMachine,ELM)2种方法构建全子集筛选后0～20、20～45和45～60cm不同深度下的土壤含水率定量估算模型。结果表明:基于贝叶斯信息准则(BayesianInformationCriterion,BIC)的全子集筛选法可以有效筛选最优光谱子集,筛选变量基本都通过了显著性检验,自变量个数较少;在同一生育期、同一深度条件下,ELM模型效果均优于RR模型;玉米在拔节期、抽雄-吐丝期的最佳监测深度为0～20cm,在乳熟-成熟期的最佳监测深度为20～45cm;乳熟-成熟期的20～45cm深度下的ELM反演模型效果最优,其建模集和验证集的决定系数Rc2和Rv2分别为0.825和0.750,均方根误差RMSEc和RMSEv分别为1.00%和1.32%,标准均方根误差NRMSEc和NRMSEv分别为10.85%和13.55%。利用全子集筛选法与机器学习相结合的方法可以提高土壤含水率的反演精度和鲁棒性,本研究为快速、准确地监测农田土壤墒情、实施精准灌溉提供了一种新的途径。     

多光谱遥感结合随机森林算法反演耕作土壤有机质含量

土壤有机质(Soil Organic Matter,SOM)遥感反演一般以单期影像作为输入量,为研究多时相影像遥感结合随机森林提高SOM遥感反演精度的可能性,该研究以黑龙江省农垦总局胜利农场耕地范围为研究区,以Sentinel-2A和Landsat 8影像作为数据源,获取两期裸土遥感影像,构建光谱指数,以随机森林算法筛选波段和光谱指数作为输入量,构建SOM反演模型。结果表明:1)两期影像的SOM反射光谱响应波段包括二者共有的中心波长:约560、660、850 nm,以及Sentinel-2A特有的中心波长740 nm 4个波段;2)基于单期影像最佳波段和光谱指数,Sentinel-2A影像SOM最优反演模型R2为0.913,均方根误差为0.860 g/kg,精度高于Landsat 8影像反演模型;3)单期影像最佳波段引入光谱指数,相比以最佳波段作为输入量,使SOM最优反演模型的均方根误差分别提高了28.867%和8.722%;4)引入时相信息,基于单期和两期影像波段和光谱指数,SOM最优反演模型精度由高到低为两期影像(R2为0.938,均方根误差1.329 g/kg)、Sentinel-2A影像(R2为0.935,均方根误差为1.944 g/kg)、Landsat 8影像(R2为0.922,均方根误差2.022 g/kg),两期影像SOM最优反演模型的稳定性和精度略高于单期影像。研究结果证明了Sentinel-2A影像数据以及多时相裸土影像反演SOM的优势。     

银杏种子萌发过程低场核磁T2反演谱解译初探

随着科学技术的发展，低场核磁共振（Low Field Nuclear Magnetic Resonance, LF-NMR）横向弛豫时间（Transverse Relaxation Time, T2）反演谱检测技术越来越多的被应用于农业，但当前对T2反演谱的解译尚停留在水分相态分布层面。为探索从物质成分角度对种子T2反演谱进行解译的新方法，该研究以银杏种子为对象，利用低场核磁共振技术检测并对比银杏鲜种、种子粉末及其主要成分试样的T2反演谱，分析各信号峰的形成机理，并以此为依据对其在种子萌发过程中的变化进行解译。研究结果表明：淀粉与蛋白质混合试样T2反演谱的峰T21、T22、T23以及淀粉与油脂混合试样的峰T24在峰顶时间上和种子粉末试样相对应信号峰完全一致；在物质成分及配比完全相同的情况下，种子粉末试样T2反演谱的峰T21～T24的峰顶时间较鲜种分别相差12.98%、32.21%、13.02%、0%，T21、T22峰比例较鲜种分别偏少41.72%、29.33%，T23峰比例偏多92.26%，T24峰比例偏少91.71%，说明种子组织结构会对其内部水分的弛豫时间和相态分布比例造成一定影响。仅从物质成分角度考虑，种子内水分的弛豫时间主要在淀粉、蛋白质的影响下表现为T21、T22、T23，在淀粉和油脂的影响下表现为T24。由此认为峰T21、T22主要为吸附在淀粉和蛋白质上相态不同的结合水的信号，峰T23为主要被淀粉和蛋白质束缚后产生的半结合水的信号，峰T24主要为种子中自由水的信号（少量源自油脂）。此外，种子即将裂壳时将形成T2a（峰顶时间在10 ms左右）、T2b（峰顶时间＞1 000 ms）2个新信号峰，可作为预示种子萌发状态即将发生重要变化的"预兆峰"。提出的从化学组分及核磁检测原理角度对银杏种子萌发过程T2反演谱进行解译的新途径，可为基于LF-NMR方法对种子萌发过程中化学组分变化进行活体分析提供参考。     

西平县高标准农田Zn含量高光谱反演研究

为实现高标准农田土壤重金属Zn含量的快速测定,本文以西平县土壤Zn为研究对象,通过采集168个土壤样本进行室内实验,获得土壤高光谱数据（400~2 400 nm）并进行Savitzky-Golay平滑后,利用5种光谱变换,结合连续投影算法识别最佳特征波段,采用偏最小二乘回归方法构建Zn元素最佳反演模型。结果表明：二阶微...