博斯腾湖西岸湖滨绿洲土壤盐分特征

以博斯腾湖西岸湖滨绿洲为研究区,采用Pearson相关分析与主成分分析方法,探究研究区土壤盐分特征。研究结果表明:(1)土壤表层盐分类型主要为氯化物-硫酸盐类型,其占比大于60.00%;土壤全盐量、Na~++K~+、Ca~(2+)、SO_4~(2-)和C1~-的变异系数均大于100.00%,呈强变异性,HCO_3~-的变异系数大于90.00%,小于100.00%,呈中等变异性;Mg~(2+)在0～10与10～30 cm土壤层中分别呈强变异性与中等变异性,变异系数分别为132.85%与93.30%;(2)土壤全盐量与主要土壤盐分离子均存在极显著正相关(P0.01),与土壤全盐量相关性最强的土壤盐分离子为Na~++K~+,相关系数为0.99,相关性最低的土壤盐分离子为Mg~(2+),相关系数为0.37;(3)在不同土地利用类型中,土壤全盐量由高至低依次为未利用地(11.82 g·kg~(-1))林地(5.98 g·kg~(-1))草地(4.89 g·kg~(-1))耕地(2.50 g·kg~(-1)),土壤全盐量变异系数依次为耕地草地林地未利用地,变异系数最大为176.31%,变异系数最小为87.97%;(4)土壤盐分状况的特征因子为Na~++K~+、HCO_3~-、SO_4~(2-),其主成分综合得分模型Y=0.09(HCO_3~-)+0.30(Cl~-)+0.10(SO_4~(2-))+0.17(Ca~(2+))+0.18(Mg~(2+))+0.09(Na~++K~+),综合得分的平均值为0.58,变异系数为122.00%,呈强变异性。     

新疆库山河洪水过程模拟分析

全球气候变暖背景下极端洪水灾害频发,对地处干旱、半干旱地区的新疆影响尤为明显,洪水灾害风险增大。为了提高干旱区洪水灾害应对能力,针对新疆典型流域库山河构建了洪水分析计算模型,确定模型关键参数和边界条件,经场次洪水验证,水深平均绝对误差为24.1 cm,相对误差为24%,决定系数为0.66;流量纳什系数为0.86,决定系数达到0.97,模型具有较高的计算精度。利用高精度河道地形,洪水灾害风险普查结果、遥感信息等资料建立流域数据底板,计算了不同频率下洪水行进过程、淹没范围、水深分布以及淹没历时等情景,实现了大尺度、全流域干旱区河流的洪水演进模拟,研究成果可以为干旱内陆区河流洪水风险分析提供技术依据。     

利用高光谱估算博斯腾湖西岸湖滨绿洲土壤有机质含量

以新疆博斯腾湖西岸湖滨绿洲为研究区,利用实测的土壤有机质含量与高光谱数据,通过多元逐步回归与偏最小二乘回归法分别构建反演土壤有机质含量估算模型。结果表明:(1)研究区土壤有机质含量变化范围为5.09~44.00 g·kg^-1,均值为16.87 g·kg^-1,变异系数为44.69%,呈中等变异;土壤有机质含量与土壤光谱反射率呈极显著负相关(P<0.01),相关系数为0.09<|r|<0.42;(2)通过显著性检验(P<0.01)的波段主要集中在590~687、758~892、1003~1092和1171~1297 nm 4个波段,反射率(1/R)′变换下相关性最高,相关系数|r|为0.50(P<0.01);(3)研究区的土壤有机质含量高光谱估算模型为Y=30428.37X677+12738.78X775+2894.02X865+11589.35X885+5.56,建模集和验证集的决定系数(R2)分别为0.83和0.82,均方根误差(RMSE)分别为4.01和2.64 g·kg^-1,验证集统计量F=116.41(P<0.01),相对分析误差(RPD)=2.30,预测能力较好。     

基于光谱指数的博斯腾湖西岸湖滨绿洲土壤有机碳含量估算模型

以博斯腾湖西岸湖滨绿洲为研究区,将野外原位高光谱实测数据和土壤有机碳（SOC）含量作为基础数据,通过对原始光谱进行4种数学变换,探索不同光谱变换形式下的弓曲差（C）、差值光谱指数（DSI）、简单比值土壤指数（RSI）、亮度光谱指数（BSI）、归一化土壤指数（NDSI）与SOC含量的关系,并建立基于随机森林法（RF）的SOC含量估算模型。结果表明：（1）研究区SOC含量主要集中在5.25～78.76 g/kg,平均值为21.82 g/kg,变异系数为69.11%,呈中等变异性;（2）在光谱数据lgR下,SOC含量与DIS指数相关系数最高,相关系数为0.80,最佳组合波段为（1 758 nm, 1 752 nm）;（3）基于不同光谱指数与弓曲差（C）建立的模型验证集精度R²和RMSE分别介于0.67～0.84和5.85～8.45 g/kg,模型的RPD均在1.66以上;在基于光谱数据lg（1/R）变换下,模型的验证集R²=0.82、RMSE=3.52 g/kg、RPD=3.99,可以较好地估算研究区SOC含量,为干旱半干旱地区湖滨绿洲SOC含量反...     

基于地理加权回归模型的博斯腾湖湖滨绿洲土壤盐分离子含量高光谱估算

以博斯腾湖湖滨绿洲为研究区,分析HCO_3~–、Cl~–、SO_4~(2–)、Ca~(2+)、Mg~(2+)、Na~++K~+等主要土壤盐分离子含量与土壤高光谱反射率的分数阶微分光谱变换与RSI、DSI、NDSI等二维土壤指数的相关性优选特征波段,构建基于地理加权回归模型的土壤盐分离子含量估算模型。研究结果表明:Na~++K~+的微分变换特征波段集中在468～724 nm与1 182～1 539 nm,二维土壤指数的特征波段集中在1 742～2 395 nm,基于RSI的特征波段优选下地理加权回归模型对Na~++K~+含量的估算效果较好,建模集R~2=0.94,RMSE=0.22,验证集R~2=0.74,RMSE=0.19;SO_4~(2–)含量在1.2阶优选的位于469～636 nm波段估算效果较佳,建模集R~2=0.91,RMSE=0.02,验证集R~2=0.75,RMSE=0.33;Ca~(2+)、Mg~(2+)优选的特征波段主要集中在912～2 340 nm的近红外波段;Cl~–含量在1阶的近红外波段建模效果较好,建模集R~2=0.74,RMSE=0.03,验证集R~2=0.93,RMSE=0.11;含量相对较高的Na~++K~+、SO_4~(2–)、Cl~–的地理加权回归模型精度高于含量较低的Ca~(2+)、Mg~(2+)。     

博斯腾湖湖滨绿洲土壤电导率高光谱估算模型

以博斯腾湖湖滨绿洲为研究区，采用分数阶微分对光谱指数进行波段优化，筛选高光谱数据的特征波段，利用偏最小二乘回归(PLSR)和支持向量机(SVM)构建土壤电导率高光谱数据的估算模型。研究结果表明:(1)分数阶微分的高光谱数据与土壤电导率的相关性:随着分数阶微分阶数的增加，特征波段数呈现逐渐增加的趋势，2 阶是特征波段数量最多的阶数，特征波段数量为335(P=0.01)，相关系数绝对值最大为0.64。(2)分数阶微分优化光谱指数的高光谱数据:随着分数阶微分阶数的增加，光谱矩阵图表现为相关系数在正负值之间波动较大，0.8 阶在光谱指数DSI 的相关系数绝对值最大为0.75；平方根、对数、倒数的相关系数绝对值最大为0.64。(3)基于PLSR 和SVM 构建土壤电导率估算模型:基于0.8 阶微分和光谱指数DSI 筛选的特征波段建立的估算模型估算效果较好，其中SVM 构建的估算模型最优，模型精度为RSVMc2=0.89，RMSESVMc=0.03，RSVMv2=0.80，RMSESVMv=1.12。利用SVM 估算模型可以有效地对研究区土壤电导率进行定量估算。