基于实测高光谱和Landsat 8 OLI影像的土壤盐化和碱化程度反演研究

针对宁夏银北地区土壤盐碱化定量监测的需要,利用实测土壤高光谱和Landsat 8 OLI多光谱影像数据采用多项式、多元线性回归等方法进行土壤含盐量和pH值反演研究,并对影像光谱反演模型进行校正,以提高遥感定量反演精度。结果表明:(1)基于实测光谱的土壤含盐量反演精度均高于基于OLI影像反演精度;基于实测光谱敏感波段反射率反演精度高于实测盐分指数反演精度,其中实测光谱经平滑后敏感波段建立的模型效果最佳(R²=0.695)。(2)基于实测光谱平滑后敏感波段建立的pH值反演模型精度最高且最稳定(R²=0.545),基于OLI影像光谱反演精度低于实测光谱,但也通过了显著性检验和精度验证。(3)经实测光谱模型校正后的Landsat 8 OLI影像光谱的土壤含盐量反演模型R²从0.347提高到0.623。研究结果可以为准确、快速地定量监测当地土壤盐分含量、pH值的变化提供科学依据和技术手段。     

基于野外VIS-NIR光谱的土壤盐分主要离子预测

为明确干旱区土壤盐分主要离子的特征光谱,建立精度高和稳定性好的盐渍土预测模型,以新疆阜康市为研究区域,采用网格法采集55个土壤样本,利用实测VIS-NIR光谱,选择多元线性回归(MLR)、支持向量机(SVM)、随机森林(RF)法构建土壤盐分主要离子含量反演模型,而后对反演精度进行检验。结果显示:(1)在0.01显著水平下,土壤盐分与Na⁺、Cl^–、Ca²⁺含量均呈显著相关,相关系数分别为0.978、0.814、0.645;(2)综合光谱响应和相关性分析确定土壤盐分主要离子的特征波段为459、537、1 381、1 386 nm,显著特征波段为459、537 nm;(3)3种模型拟合效果从高到低依次为RF>MLR>SVM,采用RF所建模型盐分主要离子(Na⁺、Cl^–、Ca²⁺)R²最高,RMSE最小,RPD最大,分别为2.11、2.03、1.80,为最优预测模型。通过选取土壤主要离子显著特征波段,进而采用RF法构建其估测模型...     

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...     

基于高光谱的三江源区土壤有机质含量反演

土壤有机质(SOM)是指土壤中各种含碳有机化合物的总称,其动态变化不仅影响农业生态系统的稳定,而且与大气圈和生物圈的碳循环密切相关,对土壤有机碳的大规模快速监测和碳储量核算具有重要意义。本研究于2017年、2018年7月在三江源区野外采集了145个土壤样品,检测了土壤光谱信息。然后将原始光谱反射率数据及其不同数据变换形式下的光谱分别与土壤有机质(SOM)含量进行相关分析,并选取了特征波段,此外利用偏最小二乘回归(PLSR)、支持向量机(SVM)和随机森林(RF)模型对三江源区SOM含量进行建模估算。结果表明,不同深度土壤有机质含量差异明显,且呈逐层下降趋势。而三种建模方法的检验精度分别为:RF> SVM> PLSR,其中RF和一阶微分(FD)组合模拟最好(建模集和验证集的R²、RMSE分别为0.9678、8.9132和0.7841、20.9787)。对于三江源土壤有机质含量反演,不同模型的最佳数据变换方法不同。本研究成果能为后续的高光谱遥感反演提供理论支撑,从而实现三江源区土壤有机质含量的快速检测和实时动态监测。     

基于光谱预处理和机器学习算法的烤烟叶绿素含量预测

叶绿素是作物进行光合作用合成有机物的主要色素,实时监测烤烟叶片叶绿素含量对跟踪烟株氮素营养状况和判别烟叶成熟度具有重要的指导作用。基于对烤烟叶片光谱特征的分析,以不同供氮水平下实测的烟叶高光谱数据及叶绿素相对含量(SPAD)为数据源,采用一阶导数(1st Der)、多元散射校正(MSC)、标准正态变量(SNV)和SG平滑(SG)对原始光谱数据进行预处理,先采用连续投影法(SPA)挑选出每个预处理条件下的特征波长,后将各特征波段下的光谱反射率作为模型的输入变量,利用反向传播神经网络(BPNN)、随机森林(RF)和支持向量机(SVM)3种机器学习的方法分别构建烤烟叶片叶绿素含量估测模型。使用决定系数(R²)、均方根误差(RMSE)和平均绝对值误差(MAE)对每个机器学习模型的性能进行了评估和比较。结果表明：3种机器学习方法训练出的模型相比较,RF模型的预测准确率最高;烤烟叶片原始光谱经MSC和SNV预处理后的光谱信息作为输入变量,经RF算法建模具有较高的精度和良好的预测能力,模型为MSC-SPA-RF(R²=0.96,RMSE=1.15,MAE=...     

基于耦合算法的花生叶片光合色素含量反演模型

准确获取及预测光合色素含量可为精细化种植管理提供数据依据,为探究花生冠层叶片色素吸收特征,该研究以开花下针期的花生冠层叶片为研究对象,以ASD Field Spec4野外便携式高光谱仪采集的光谱数据为数据源,进行花生叶片叶绿素含量和类胡萝卜素含量反演。通过对比7种单一筛选特征波长变量算法及结合4种模型(PLSR、SVR、GBDT和XGBoost)的结果,优选出3种算法进行两两耦合。结果表明:1)在单一算法试验中IRIV、UVE和GA算法结果较优;2)在耦合算法试验中UVE-IRIV、GA-IRIV和GA-UVE方法都能有效降维,且模型稳定性提升。在叶绿素含量反演模型中,GA-IRIV-XGBoost模型精度最高,R²=0.622,RMSE=0.235 mg/g;在类胡萝卜素含量反演模型中,UVE-IRIV-XGBoost模型精度最高,R²=0.575,RMSE=0.056 mg/g;3)比较两种色素反演模型的预测精度,表明叶绿素的预测精度优于类胡萝卜素。该结果可为快速、准确预测花生叶片光合色素含量提供一种方法。     

基于EM38-MK2的南疆干旱区表观电导率反演土壤水分研究

土壤水分含量是农田进行定额灌溉的基本参数,南疆地处干旱区,土壤水资源稀缺,实现田间定额灌溉更利于充分利用土壤水分。EM38-MK2快速和高效获取土壤水分含量数据,适时监测土壤水分含量,可成为农田精准灌溉的重要途径。用EM38-MK2测定轻度、中度和重度3个不同程度盐渍化区域土壤0～0.75 m和0～1.5 m的表观电导率,结合同步采集的0～20 cm、20～40 cm、40～60 cm、60～80 cm和80～100 cm土壤剖面剖面及室内测定含水量数据,对比三个不同盐渍化程度表观电导率反演土壤含水率模型精度,比较分区模型和全区模型的反演精度,分析土壤盐分含量对反演土壤含水率精度的影响。结果表明,用EM38-MK2对土壤含水率反演效果在轻度盐渍化表现最好,中度盐渍化次之,重度盐渍化较差。不同深度土层的分区模型精度均高于全区模型精度,分区模型R²为0.73～0.88,RMSE低于全区模型,全区模型各层的RPD均低于1.5,不具备预测能力。土壤盐分含量对土壤水分的反演有影响,并且随土壤盐分含量的增加,反演精度下降。     

基于无人机多光谱影像的土壤盐分反演模型

为探究不同作物覆盖下不同深度的土壤盐分快速反演模型,该研究采集苜蓿、玉米覆盖下0～15、>15～30、>30～50 cm层深度的土壤盐分含量,基于无人机多光谱影像数据,提取各地块采样点的光谱反射率,在此基础上引入红边波段计算光谱指数作为特征变量,采用支持向量机递归特征消除算法(Support Vector Machine-Recursive Feature Elimination,SVM-RFE)以筛选光谱指数及未经过筛选的全指数组作为模型输入组,共构建出36个基于随机森林(Random Forest,RF)、极限学习机(Extreme Learning Machine,ELM)、BP神经网络(Back Propagation Neural Network)等机器学习模型,确定不同作物覆盖下的最佳土壤盐分反演模型。结果表明：SVM-RFE算法筛选光谱指数构建模型精度优于未进行筛选构建的模型。对于苜蓿和玉米覆盖土壤,整体上,RF反演效果优于ELM模型和BPNN模型,反演结果能体现真实土壤盐分含量,在0～15和>30～50 cm土层上,RF模型反演效果优于其他模型,苜蓿样...     

基于PLSR-BP复合模型的红壤有机质含量反演研究

对红壤地区土壤有机质进行快速预测,以满足智慧农业与精准施肥的需要。以江西省奉新县北部为研究区域,采用1 km×1 km标准格网划分研究区进行采样,共得到红壤样本248个。对土壤光谱进行了包含分数阶导数在内的3种数学变换方法,将经过P=0.01显著性检验的波段用于模型的构建,选用偏最小二乘回归(PLSR)和BP神经网络建立土壤有机质含量预测模型。结果表明:当对红壤光谱数据进行1.5阶导数变换后再使用PLSR-BP复合模型对土壤有机质含量进行预测时的结果为最优,训练集R²=0.89,RMSE=4.68g·kg^-1,验证集R²=0.87,RMSE=5.55g·kg^-1,RPD=2.75。1.5阶导数对红壤光谱数据的变换能够更好地突出与有机质相关的特征信息,有助于其含量预测。PLSR-BP复合模型预测精度优于单一模型,能够较好地预测红壤有机质含量,为精准农业快速监测红壤有机质含量提供了新的途径。     

基于Sentinel-2卫星影像的黑龙江绥化市土壤全氮定量遥感反演

为及时准确评估黑土区土壤全氮（soil total nitrogen,STN）含量的空间分布,以指导作物精准施肥和提高农作物产量,该研究基于绥化市实测STN数据和Sentinel-2卫星Level-2A遥感影像反射率,构建光谱指数结合环境变量的STN预测模型,包括随机森林（random forest,RF）、自适应增强（adaptive boosting,AdaBoost）、梯度提升（gradient boosting categorical features,CatBoost）等集成学习算法和多元逐步线性回归（simple linear regression,SLR）、支持向量机（support vector regression,SVR）、神经网络（back propagation neural network,BPNN）等监督学习算法,并考虑波段1～12遥感反射率、波段1~12遥感反射率联合光谱指数和环境变量作为算法输入变量的2种情景。结果表明：1）绥化市实测STN平均含量为1904.06 mg/kg,变异系数为17.93%;2）以波段1～12遥感反射率作为输入变量时,6种STN模型验证集拟合决定系数（coefficient of determination,R²）小于 0.6,模型验证集决定系数精度由大到小顺序为：RF、CatBoost、AdaBoost、BPNN、SLR、SVR;3）结合波段1～12遥感反射率、光谱指数和环境变量优选方法,构建STN含量预测模型,模型验证集决定系数精度由大到小顺序为：RF、CatBoost、BPNN、AdaBoost、SLR、SVR,验证集模型决定系数精度提升幅度从大到小依次为RF、SVR、BPNN、AdaBoost、CatBoost、SLR,其中RF模型验证集决定系数预测精度提升最大,决定系数增加0.22,均方根误差（root mean square error,RMSE）降低了35.30 mg/kg;4）基于光谱指数和环境变量优选的机器学习算法具有强大的非线性拟合能力,RF能够更好地模拟STN与遥感光谱信息及地形因子之间复杂的多元非线性关系,并获得较高的实测和反演模型拟合结果;5）结合模型,绥化市STN的空间分布呈现东北高西南低、由北向南逐渐降低及中部略高的空间分布特点。研究结果为东北黑土区STN含量实时动态监测、土地肥力评价和农业可持续发展提供技术支持,为开展黑土地保护与利用及农田生态系统保护提供决策依据。     

基于环境变量的渭干河-库车河绿洲土壤盐分空间分布

土壤属性的数字制图对精准农业生产和环境保护治理至关重要。为了在大尺度上尽可能精确的监测土壤盐分空间变异性,该文使用普通克里格(ordinary kriging,OK)、地理加权回归(geographically weighted regression,GWR)和随机森林(random forest,RF)方法,结合地形、土壤理化性质和遥感影像数据等16个环境辅助变量,绘制渭干河-库车河绿洲表层土壤盐分分布图。基于决定系数(R^2)、均方根误差(RMSE)和平均绝对误差(MAE)验证模型精度。结果表明:不同方法预测的盐分分布趋势没有显著差异,大体上从研究区的西北向东南部方向增加;结合辅助变量的不同预测方法中,RF方法预测精度最高,R^2为0.74,RMSE和MAE分别为9.07和7.90 mS/cm,说明该模型可以有效地对区域尺度的土壤盐分进行定量估算;RF方法对电导率(electric conductivity,EC)低于2 mS/cm时预测精度最高,RMSE为3.96 mS/cm,很好的削弱了植被覆盖对电导率EC的影响。     

大冶市农田土壤中镉的空间分布特征及污染评价

矿山开采和冶炼是造成土壤重金属Cd污染的主要原因,了解典型区域土壤中Cd的空间分布特征及其污染现状,可为区域土壤污染防治与安全利用提供重要信息。本研究针对湖北省大冶市所有农田采集92个表层土壤样品和3个土壤剖面,利用GIS方法对土壤重金属Cd空间分布特征及污染状况进行了研究。结果表明大冶市土壤中Cd的含量范围为0.6 ~ 4.6 mg/kg,平均值为1.41 mg/kg,Cd迁移深度可达 40 cm。区域内土壤Cd污染范围较广,空间变异较大,还地桥镇、罗桥街办、陈贵镇等地农田土壤Cd含量较高。地积累指数评价结果显示大冶市大部分农田土壤为轻度、中度污染程度,在合理调整种植结构等方式下仍可保障农田安全利用。     

基于GIS的山东寿光蔬菜产地土壤重金属空间分布特征

以山东省寿光市蔬菜种植基地为研究区,通过数理统计与地统计学空间分析的方法,研究了寿光市表层土壤中的重金属质量分数及其空间分布特征,并在地理信息系统支持下绘制土壤重金属的空间分布图。结果表明：寿光市表层土壤中重金属质量分数平均值低于食用农产品产地环境质量标准（HJ332-2006）。除Zn、Pb和As 3种元素外,其他5种重金属元素（Cu、Cd、Cr、Hg、Nr）呈现出正偏态的分布特征,所有重金属元素分布峰的顶点均超出正态分布的最高点。空间分析结果表明,8种重金属元素在寿光市表层土壤中的质量分数呈中等程度的空间相关性。土壤中各重金属的分布呈现出中部、南部、东南部质量分数较高,北部、东北部与西南部质量分数较低的空间分布特征。寿光表层土壤中的重金属质量分数受到自然因素与人为因素的双重影响。     

基于WorldView-2影像的土壤含盐量反演模型

针对WorldView-2影像高空间分辨率评价其定量反演土壤含盐量的能力,以盐渍化现象较为明显的新疆克里雅河流域为研究对象,基于WorldView-2影像和实测高光谱数据,利用偏最小二乘回归(partial least squares regression,PLSR)和BP人工神经网络(back propagation artificial neural networks,BP ANN)方法建立定量反演该流域土壤含盐量模型并做出研究区高空间分辨率土壤含盐量分布图。结果表明:1)利用实测高光谱数据和影像数据分别建立的2种模型中BP神经网络模型预测精度都高于PLSR模型,其中基于影像数据建立的6:8:1结构的3层BP神经网络模型决定系数R2、均方根误差RMSE、相对分析误差RPD分别为0.851、0.979、2.337,模型的稳定性和预测能力都优于PLSR模型(R2、RMSE、RPD分别为0.814、1.139、2.007)。2)利用WorldView-2影像提高了土壤含盐量制图的空间分辨率,归一化植被指数NDVI和比例植被指数RVI较有效降低了植被覆盖与土壤水分对预测精度的影响。该文建立的考虑植被覆盖与土壤水分定量反演土壤含盐量的模型不需要复杂的参数,一定程度上满足了干旱、半干旱地区的盐渍化监测需求,可以促进WorldView-2等高空间分辨率卫星在盐渍化监测中的进一步应用。     

东北农田黑土中Cd、Pb、As含量空间分异特征分析

采用点面结合方法,研究了东北区农田黑土中Cd、Pb、As含量的空间分异特征。结果表明,三种元素含量的变异系数为Cd>Pb>As。Cd、Pb的平均含量高于其背景值;其中Cd有45个样品超过了国家二级标准限值。Cd、Pb、As含量由南至北未表现出明显的分布规律。对煤矿区周围农田土壤的调查发现,煤矿是其周围农田土壤的主要污染源。采用最优内插法得到了长春市市郊农田黑土中Cd、Pb、As含量的空间分布图,结果表明人为活动显著改变了局部地区Cd、Pb、As的含量,污染源主要为汽车尾气和固体废弃物的堆积。对三种元素垂直分布进行了分析,剖面土层Cd、Pb、As主要来自于表面污染源,向下迁移作用还不很强烈。     

基于多变量与RF算法的耕地土壤有机碳空间预测研究 ——以福建亚热带复杂地貌区为例

耕地土壤有机碳(Soil Organic Carbon,SOC)含量不仅是土壤质量的重要表征,还是农业温室气体的重要源库,而基于环境变量建立的随机森林算法(Random Forest,RF)是当前提高土壤有机碳空间预测精度的方法,但不同组合环境变量对RF模型预测精度的影响仍需深入研究.本文以福建闽东南复杂地貌区为例,以...     

松嫩平原产油区农田土壤重金属含量及污染风险评价

  目的  为探明松嫩平原石油开采及石化工业活动区周边农田土壤重金属污染分布及风险状况。  方法  在大庆市让胡路区选择代表性农田采集96份土壤样品,测定重金属（Cd、Hg、Ni、Pb、Cu、Zn、Cr、As）含量;在利用地统计学克里金插值法分析重金属含量空间分布特征的基础上,采用地积累指数法和潜在生态危害指数法对该地区农田土壤重金属污染状况及其生态风险进行评价。  结果  该区土壤中Cd和Ni的含量分别为土壤背景值的1.39倍和1.27倍。在对各样点Pb、Zn、Cu和Cr 4种元素含量分析中,均出现不同程度的高于土壤背景值的样点。重金属Cd的地积累指数平均值为0.11,达到轻度~中度污染水平。研究区土壤重金属潜在生态危害风险指数（RI）平均值为84.84,从大到小为Cd > Hg > Ni > As > Pb > Cu > Zn > Cr,其中Cd的RI值最大为190.23,达到中等生态危害范围。研究区农田土壤重金属含量在空间分布上表现为:Cd、Zn和Pb含量高值区出现在中部地区,其它重金属元素含量高值区分布比较零散。  结论  研究区域内,8种重金属含量的平均值均低于风险筛选值,Cd和Ni两种重金属平均含量超出了背景值,从地积累指数来看,Cd污染等级为1级,其它7种元素均处于无污染水平。从潜在生态风险分析可知,该区域污染程度属于轻度生态危害范围。     

基于变量优选与机器学习的干旱区湿地土壤盐渍化数字制图

土壤盐渍化是导致土壤退化和生态系统恶化的主要原因之一,对干旱区的可持续发展构成主要威胁。为了尽可能精确地监测土壤盐渍化的空间变异性,该研究收集新疆艾比湖湿地78个典型样点,其中选取54个样本作为训练集,24个样本作为独立验证集。基于Sientinel-2 多光谱传感器（Multi-Spectral Instrument,MSI）、数字高程模型（Digital Elevation Model,DEM）数据提取3类指数（红边光谱指数、植被指数和地形指数）,经过极端梯度提升（Extreme Gradient Boosting,XGBoost）算法筛选有效特征变量,构建了关于土壤电导率（Electrical Conductivity,EC）的随机森林（Random Forest,RF）、极限学习机（Extra Learning Machine,ELM）和偏最小二乘回归（Partial Least Squares Regression,PLSR）预测模型,并选择最优模型绘制了艾比湖湿地盐渍化分布图。结果表明：优选的红边光谱指数基本能够预测EC的空间变化;红边光谱指数与植被指数组合建模效果总体上优于其与地形指数的组合,3类指数组合的建模取得了较为理想的预测精度,其中RF模型表现最优（验证集R2=0.83,RMSE=4.81 dS/m,RPD=3.11）;在整个研究区内,中部和东部地区土壤盐渍化程度尤为严重。因此,XGBoost所筛选出的环境因子结合机器学习算法可以实现干旱区土壤盐渍化的监测。     

基于多源环境变量的渭–库绿洲土壤颗粒含量预测研究

本文以渭干河–库车河绿洲(简称渭–库绿洲)土壤颗粒为研究对象,采集了绿洲内50个典型表层(0～10 cm)土壤样本,通过相关软件,提取到遥感指数变量、地形和气候等环境变量,经过相关性分析确定环境变量和预测目标间的关系,使用R语言构建了预测土壤颗粒含量的随机森林(random forest,RF)模型和极端梯度提升(extreme gradient boosting,XGBoost)模型。研究结果表明：XGBoost模型的预测结果整体好于RF模型,其中相关系数介于0.39～0.78;土壤pH、高程及衍生变量、光谱变换变量均是两个模型预测土壤颗粒含量的重要因子;将模型预测结果、实测数据和世界土壤数据库(HWSD)中的3种土壤颗粒数据作对比分析,结果表现出模型预测数据的误差小于HWSD与实测数据的误差。综上所述,通过筛选环境变量建立的XGBoost模型,是预测渭–库绿洲土壤颗粒含量的有效方法。     

利用高光谱遥感技术监测小麦土壤重金属污染

为了探讨基于小麦叶片高光谱间接估测土壤重金属含量的潜力,该研究以江苏省宜兴市徐舍镇为研究区域,于2019－2020年采集农田土壤样品和小麦叶片光谱,经7种不同的光谱变换预处理后,以遗传算法（genetic algorithm,GA）优化的偏最小二乘回归算法（partial least squares regression,PLSR）对预处理后的光谱建立土壤重金属镉（Cd）和砷（As）含量的估测模型,并对模型结果进行精度评价。研究结果表明：1）光谱预处理技术能够突出光谱中的一些隐藏信息,对小麦叶片光谱进行微分变换、多元散射校正、标准正态变换等数学变换后更加有利于提取光谱敏感信息。2）GA-PLSR相较于一般的PLSR方法提高了模型精度,将GA用于光谱波段选择可以优化模型精度和提高稳定性。3）土壤Cd含量的最佳估测模型为标准正态变换预处理光谱与GA-PLSR结合,其外部验证的决定系数为0.87、均方根误差为0.04 mg/kg、相对分析误差为2.72;土壤As含量的最佳估测模型为多元散射校正预处理光谱与GA-PLSR结合,其外部验证的决定系数为0.91、均方根误差为0.32 mg/kg,相对分析误差为3.25。因此,能够利用小麦叶片高光谱间接估测土壤重金属Cd和As含量,该研究为将来实现定量、动态、无损遥感监测大面积农田土壤重金属污染状况提供参考依据。