基于野外高光谱的黄河三角洲滨海盐渍土盐分含量估测研究

为探索适合黄河三角洲滨海地区土壤盐分含量的快速准确估测方法,以黄河三角洲垦利县为研究区,采用野外原位土壤高光谱数据与室内实测土样盐分数据相结合的分析方法,进行土壤盐分估测研究。通过对土壤盐分高光谱反射率、一阶微分反射率与盐分含量进行相关性分析,筛选出土壤盐分敏感波段;通过波段组合构建并筛选出土壤盐分敏感光谱参量;通过对敏感波段进行主成分回归建模、多元逐步线性回归建模和运用光谱参量建模,筛选出最佳的估测模型。结果显示:一阶微分可放大样品间的光谱特征差异,提高了相关性;波段组合可消除部分背景因素影响,与盐分的相关性明显提高;利用敏感光谱参量构建的估测模型优于直接用敏感波段构建的模型,土壤盐分最佳估测模型为y=0.623-2003920.934*X507*X772+0.259*(X512+X1093)-469.717*X772/X512,R2为0.591,验证R2为0.556,RPD为1.624,RMSE为0.116,拟合度较好,稳定性较高。该研究为滨海区土壤盐分含量的野外高光谱估测提供了新的方法,同时为土壤盐分含量的高光谱定量研究提供理论和技术参考。     

基于光谱指数优选的土壤盐分定量光谱估测

[目的]探索基于光谱指数的盐渍土盐分估测的最佳技术路线,为研究区土壤盐分定量、快速遥感监测提供理论基础和技术参考。[方法]以山东省垦利县为研究区,野外采样,获取盐分及其主要离子(Cl-,Na+,Ca2+)含量及高光谱数据;然后采用2种思路:(1)先选取敏感波段,进而构建常见的5种光谱指数;(2)先任意两波段组合构建光谱指数,进而筛选敏感光谱指数。最后皆采用随机森林方法(random forest,RF)构建土壤盐分及其主要离子的光谱模型。[结果]基于筛选的敏感亮度指数(1 750,1 620nm)的RF模型精度最高,作为研究区土壤盐分的最佳估测模型,亮度指数作为最佳光谱指数;思路(2)明确的特征光谱范围涵盖思路(1)筛选的敏感波段,更有利于光谱特征分析;思路(2)建模的结果明显优于思路(1);确定最佳技术路线为:任意波段两两组合构建光谱指数后,利用相关分析筛选土壤盐分及其主要离子的敏感光谱指数,进而构建其RF模型。[结论]该技术路线适用于黄河三角洲地区土壤盐渍化信息的有效提取。     

基于光谱变换的高光谱指数土壤盐分反演模型优选

该文探索基于光谱变换建立光谱指数,进而建立土壤盐分反演模型的可行性。运用倒数、导数、对数等15种光谱变换对土壤含盐量进行反演,并利用原始光谱的波段反射率构造光谱指数对土壤盐分进行建模。在15种高光谱变换中,一阶微分R'和一阶对倒数(log1/R')变换下土壤盐分估算模型的精度较高。但总体而言,基于单一光谱变换和光谱指数的模型模拟精度均较低。采用光谱变换建立光谱指数,并进一步建立土壤盐分反演模型,结果表明,基于(log1/R')光谱变换构建归一化植被指数,然后建立的土壤盐分精度最高,经验证,其R2为0.89,均方根误差为3.34 g/kg,高于单一方法构建的模型,可为半干旱地区土壤盐分反演提供参考。     

基于遥感数据融合的黄河三角洲土壤盐分时空变化研究

  目的  研究2005 ~ 2018年黄河三角洲地区土壤盐分在年内和年际尺度上的时空变化特征。  方法  基于2005 ~ 2018年春季覆盖黄河三角洲地区的MODIS和Landsat系列数据,采用增强型自适应反射率时空融合模型（ESTARFM）获得30米分辨率高频地表反射率数据。基于2005年实测土壤盐分数据和Landsat地表反射率数据,采用随机森林方法建立土壤盐分反演模型,反演2005 ~ 2018年黄河三角洲地区春季土壤盐分数据,分析土壤盐分含量的时空演变特征。  结果  ESTARFM融合数据具有较为理想的精度,地表反射率总体误差在4%以内。年内尺度上,2 ~ 4月份黄河三角洲地区土壤盐分含量呈总体下降趋势,3 ~ 4月份存在盐分含量短期回升现象,进入4月份后,土壤盐分含量明显下降,非盐渍土和轻度盐渍土占比增加。年际尺度上,2005 ~ 2018年研究区土壤盐分含量呈先升后降趋势,最大值出现在2009年（4.262 g kg?1）,最小值出现在2005年（3.604 g kg?1）。2009年以来,研究区内非盐渍土和轻度盐渍土面积显著增加,盐土面积显著减少,盐渍化程度明显改善。  结论  增强型自适应反射率时空融合模型可用于高频次土壤盐分数据反演,反演结果可加深对土壤盐分年内和年际变化规律的认识。     

干旱区典型盐碱土壤含盐量估算的最佳高光谱指数研究

盐碱土的表层土壤含盐量是土壤盐碱化程度分级的主要因素之一。对西北干旱区不同含盐量和含水率的典型盐碱土进行了分析,运用统计方法分析了5种高光谱指数与土壤含盐量的定量关系,并通过对比研究,确定了能提高盐碱土壤含盐量估算精度的最佳光谱指数及定量预测模型。结果表明,不同的指数所选择出的对土壤含盐量最敏感的波段基本都位于近红外(NIR)和短波红外波段(SWIR),说明盐类矿物在近红外和短波红外波段(VNIR-SWIR)区域会产生特有的光谱特征。所选定的最佳光谱ND指数结构简单,易于计算,且对土壤中的水分不敏感,该技术对于大面积土壤含盐量制图具有较广的应用前景。     

基于电磁感应仪的黄河三角洲地区土壤盐分时空变异特征

针对黄河下游三角洲土壤盐渍化的空间复杂性与发生反复性,运用磁感式大地电导率仪EM38及其移动测定系统,结合GIS与地统计学方法,对该地区典型地块两个关键季节土壤盐分的时空变异特征进行了分析.结果表明,土壤表观电导率与盐分呈极显著相关性;各时段土壤盐分都表现出多层次空间结构的复合尺度效应,且短程变异构成了土壤盐分空间异质性的最主要部分;土地利用方式差异使得秋季时段土壤盐分呈弱各向异性,地形因素导致春季时段土壤盐分各向异性比在全步长域波动,但在整个研究尺度上仍为各向同性.空间分析表明,结构性因素主导了土壤盐分空间分布格局,随机性因素是加快该分布格局形成的重要因素;春季时段研究区总体表现出积盐趋势,且盐分变动幅度主要集中在10.0g/kg范围内.电磁感应仪与GIS的结合运用为不同尺度土壤调查与质量评价提供了新的途径,并为农业水土资源的决策管理提供指导.     

黄河三角洲土壤含水量状况的高光谱估测与遥感反演

为探讨利用近地高光谱和遥感影像数据结合预测土壤含水量的可行方法,以黄河三角洲垦利县为研究区,采用中心波长反射率和波段平均反射率两种拟合方法,利用室外实测高光谱窄波段反射率数据模拟Land Sat8卫星宽波段反射率,进而通过组合,选取敏感光谱参量,应用多元逐步线性回归方法分别建立土壤含水量高光谱单一形式波段组合与多形式波段组合估测模型,并选取最优估测模型。采用线性混合像元分解处理遥感影像,同时采用比值均值订正方法对遥感影像反射率进行订正,在此基础上,将模型应用到经过订正的Land Sat8卫星影像,实现了对研究区土壤含水量的遥感反演。结果表明,最佳模型是基于波段平均反射率拟合方法建立的多形式波段组合估测模型。从反演结果看较为符合研究区土壤含水量的实际状况。     

基于PLSR方法的青海茶卡-共和盆地土壤盐分高光谱遥感反演

摘要：对青海省茶卡地区盐渍土实地调查、采集土壤样品及土壤理化分析的基础上,于实验室测量土样光谱数据,通过PLSR(Partial Least Squares Regression)方法,充分地利用多个与土壤盐分相关的波段组合,综合所有波段信息来定量地估算土壤盐分含量,建立了PLSR土壤盐分反演模型。利用25个土壤样品建模的均方根误差RMSEC = 4.74 mg kg−1(R2 = 0.97),17个独立的检验样本的均方根误差RMSEV=5.72g kg-1(R2 = 0.92)。将模型用于Hyperion星载髙光谱数据进行土壤盐分含量空间分布估算研究,并综合地形及地下水的因素对土壤盐分含量空间分布信息的估算结果进行了评价,结果与实地调查及前人的文献较为一致。揭示了PLSR方法的有效性及Hyperion星载髙光谱数据进行土壤盐渍化探测、土壤盐分定量估算的潜力。     

基于PLSR方法的青海茶卡-共和盆地土壤盐分高光谱遥感反演

青海柴达木盆地气候干旱,蒸降比为10~20,地形封闭,属漠境草原盆地景观。由于气候干旱、蒸发强烈、地势低洼、含盐地下水接近地表使得土壤盐渍化较为严重。土壤盐渍化造成了资源破坏、农业生产损失,对生物圈和生态环境构成威胁[1-3]。及时探测土壤盐渍化信息,评价盐渍化程度,对生态环境保护、农业生产至关重要。土壤盐渍化监测的遥感信息定量化解决的主要问题是利用遥感数据进行土壤盐分含量的定量化反演。高光谱遥感图像具有图谱合一的特征,提供了地物完整连续的光谱信息,并且已从航空时代发展到航天时代。高光谱数据精细的光谱分辨率能够反映地物光谱的细微特征,揭示物质的组成成分与结构的差异,使得进行遥感定量分析和研究地     

基于土壤光谱特征的宁夏银北地区盐碱地盐分预测研究

对宁夏回族自治区银北地区盐碱地野外土壤表层光谱反射率和土壤全盐及盐分进行定量分析,筛选出各土壤盐分指标的敏感波段,然后采用全回归和逐步回归的方法建立各盐分的预测模型。结果表明：表层土壤高光谱反射率r,及其平滑去嗓处理后的值R,lg(R)与全盐含量呈极显著正相关关系,1/R,lg(1/R)与全盐呈极显著负相关关系,(R)'和〔lg(1/R)〕'在特定单波段处表现较佳;土壤表层光谱反射率与CO₃^2-的相关性最强,其次是SO₄^2-;土壤光谱反射率与Na⁺的相关性在各种变换方法下均较强,其次为Mg²⁺,与Ca²⁺的相关性最弱。基于R的逐步回归方程为全盐含量预测的最佳模型;基于土壤光谱反射率拟合土壤CO₃^2-的准确度略高于对土壤HCO₃^-;敏感波段估测土壤SO₄^2-含量的决定系数明显高于其他阴离子;采用〔lg(1/R)〕'逐步回归得到的方程拟合土壤Na⁺,K⁺和Mg²⁺含量相对于其他变换方式效果更理想。预测模型中对土壤全盐和Na+的模型精度较高,预测能力强;光谱对土壤SO₄^2-和Mg²⁺的预测能力也较强;对土壤Cl^-和Ca²⁺的预测稳定性、预测能力和精度都较差。     

Estimating Soil Salinity in the Yellow River Delta,Eastern China——An Integrated Approach Using Spectral and Terrain Indices with the Generalized Additive Model

Soil salinity is one of the most severe environmental problems worldwide. It is necessary to develop a soil-salinity-estimation model to project the spatial distribution of soil salinity. The aims of this study were to use remote sensed images and digital elevation model (DEM) to develop quantitative models for estimating soil salinity and to investigate the influence of vegetation on soil salinity estimation. Digital bands of Landsat Thematic Mapper (TM) images, vegetation indices, and terrain indices were selected as predictive variables for the estimation. The generalized additive model (GAM) was used to analyze the quantitative relationship between soil salt content, spectral properties, and terrain indices. Akaike’s information criterion (AIC) was used to select relevant predictive variables for fitted GAMs. A correlation analysis and root mean square error between predicted and observed soil salt contents were used to validate the fitted GAMs. A high ratio of explained deviance suggests that an integrated approach using spectral and terrain indices with GAM was practical and efficient for estimating soil salinity. The performance of the fitted GAMs varied with changes in vegetation cover. Salinity in sparsely vegetated areas was estimated better than in densely vegetated areas. Red, near-infrared, and mid-infrared bands, and the second and third components of the tasseled cap transformation were the most important spectral variables for the estimation. Variable combinations in the fitted GAMs and their contribution varied with changes in vegetation cover. The contribution of terrain indices was smaller than that of spectral indices, possibly due to the low spatial resolution of DEM. This research may provide some beneficial references for regional soil salinity estimation.     

基于鲜叶光谱估测氮素营养的新植被指数(英)

采用田间试验的方法开展利用鲜叶光谱反射率估测水稻氮素营养状况的研究.基于氮素在水稻不同功能叶片之间运转规律的机理,文章重点分析了第一和第三完全展开叶红边斜率和红边位置的变化,并基于红边位置和红边斜率构建了一个新的植被指数(命名为"红边曲线肩夹角植被指数",简称为RSAVI)监测水稻氮素营养状况.为了证明RSAVI在监测水稻氮素营养状况的可行性,分析了不同生育时期氮素含量和RSAVI之间的相关性.结果表明RSAVI和叶片氮素含量显著相关,相关系数介于0.867～0.938之间.并且RSAVI和氮素含量之间建立的回归模型以多项式模型效果最佳.决定系数介于0.7512～0.8796之间,模型均通过0.01水平检验.因此研究结果表明,在本次试验中使用RSAVI估测水稻氮素营养是可行的.     

利用多源光谱信息反演宁夏银北地区干湿季土壤含盐量

土壤盐渍化是导致全球荒漠化和土壤退化的主要诱因之一。为确定高光谱和多光谱遥感反演干湿季土壤含盐量的最优模型,该研究以宁夏银北平罗县为例,以干季(4月)和湿季(10月)实测高光谱和Landsat 8 OLI多光谱以及干湿两季实测土壤含盐量为基础数据源,利用相关系数法、灰度关联法和逐步回归法筛选敏感光谱数据,分别采用偏最小二乘、支持向量机、岭回归、BP神经网络和地理加权回归建立干湿两季土壤含盐量反演模型。结果表明:1)银北地区土壤盐渍化较为严重,干湿季含盐量均表现为强度变异,且干季变异程度大于湿季;2)在不同土壤含盐量条件下,重采样后的高光谱波段反射率和影像波段反射率具有显著相关性;3)对比相关性分析、灰度关联和逐步回归三组变量筛选方法下各模型R2和RMSE,逐步回归组模型整体效果较好;4)5种土壤含盐量反演模型中地理加权回归模型精度较高,支持向量机算法和BP神经网络算法在基于不同变量组的模型中表现较为接近,岭回归表现最差,偏最小二乘回归模型出现了较严重的"过拟合"现象。局部模型在土壤含盐量反演方面更具优越性。干季以实测灰度关联组-地理加权回归模型效果最佳,其验证决定系数Rp2和相对分析误差RPD分别为0.94和4.49;湿季以影像相关系数组-地理加权回归模型反演效果最好,其验证决定系数Rp2和相对分析误差RPD分别为0.96和4.83。研究结果可为当地及同类地区土壤盐渍化的识别、防治提供理论依据。     

Prediction of soil salinity in the Yellow River Delta using geographically weighted regression

It is essential to determine the content and spatial distribution of soil salinity in a timely manner because soil salinization can cause land degradation on a regional scale. Geographically weighted regression (GWR) is a local regression method that can achieve the spatial extension of dependent variables based on the relationships between the dependent variables and environment variables and the spatial distances between the sample points and predicted locations. This study aimed to explore the feasibility of GWR in predicting soil salinity because the existing interpolation methods for soil salinity in the Yellow River Delta are still of low precision. Additionally, multiple linear regressions, cokriging and regression kriging were added to compare the accuracy of GWRs. The results showed that GWR predicted soil salinity with high accuracy. Furthermore, the accuracy was improved when compared to other methods. The root mean square error, correlation coefficient, regression coefficient and adjustment coefficients between the observed values and predicted values of the validation points were 0.31, 0.65, 0.57 and 0.42, respectively, which were better than that of other methods, indicating that GWR is an optimal method.     

不同灌水量对黄河三角洲盐碱地改良效果研究

通过室内土柱模拟试验,研究不同灌水量对盐渍土的改良效果。试验共设计3个不同灌水量,分别为S1 (200 mm)、S2 (300 mm)、S3 (400 mm)。结果表明:(1)灌溉淋洗对0—40 cm土壤盐分淋失影响较大,其中0—20 cm脱盐率最高,表现为S3S2S1,不同处理在剖面上均出现积盐,S1、S2在40—60 cm出现积盐,说明低灌水量对土壤表层盐分具有淋洗作用,但会造成底层土壤盐分累积;(2)K~+、Na~+、Ca~(2+)、Mg~(2+)、Cl~-、SO_4~(2-)、HCO_3~-含量在灌水后有较大幅度的下降,且整体溶脱率随灌溉水量的增加而增加。各离子在0—20 cm随灌水量增加表现为不同的变化规律,Ca~(2+)先溶脱后积累,HCO_3~-变化规律与Ca~(2+)相反,表现为先积累后溶脱,其他离子均随灌水量的增加而减少;(3)灌水后,S1、S2的pH在剖面上的分布与灌水前相似,0—40 cm土壤总碱度随灌水量增加呈先增后减的趋势,表现为先碱化再脱碱,与土壤pH变化一致。研究成果可为盐碱地改良和节水灌溉提供参考。     

基于多源数据的中原黄泛区土壤盐分空间变异分析

为研究中原黄泛区土壤盐分空间变异,以河南省封丘县为研究区,综合考虑引起土壤盐渍化的土壤盐分、地形、地下水位及矿化度、植被情况及其他影响因素,基于遥感影像和磁感式探测获得的土壤表观电导率等多源数据建立了区域土壤盐分综合评估模型,并对研究区分层土壤盐分空间变异进行评估。结果表明:对于0~60 cm土层利用多源数据进行模型构建中土壤表观电导率与光谱指数占主要比例,模型对于各层土壤盐分的评价精度0~60 cm土层优于≥60~120 cm土层。土壤盐分含量随着深度的增加而增大,变异系数在0.22~0.28之间,属中等变异强度。土壤盐分主要集中分布在研究区北部与东南部,尤其是东南角黄河沿线区域,且随着土壤剖面显示出从表现到深层逐渐增加的趋势。利用多源数据建立的分层土壤盐分综合评估模型对于区域土壤盐分解析具有较高精度。该研究为中原黄泛区土壤盐化消减与土壤质量提升提供了可靠新方法。     

黄河三角洲地区典型地块土壤盐分空间变异特征研究

针对目前黄河三角洲地区存在的土壤盐渍化问题,以黄河三角洲地区典型地块为研究区,运用经典统计学和地统计学相结合的方法研究了不同深度土层盐分含量的空间变异特征,绘制了各土层盐分的随机性和结构性的半方差图以及空间分布图。结果表明：受内在因子和外在因子的共同作用,各土层含盐量均具有中等的变异强度和空间自相关性,自相关距差异不大。Kriging插值结果表明,研究区内各土层含盐量的空间分布表现为条带状和斑块状分布。微地形和气候条件是影响表层土壤盐分空间变化的主要因素,地下水性质是影响深层土壤盐分空间分布的主要因素。该研究为黄河三角洲地区盐渍化土壤的分区、改良、管理和合理利用提供了理论基础和参考依据。     

黄河三角洲土壤质量自动化评价及指标体系研究

采用4种评价方案,利用相关系数法确定指标权重,利用隶属度函数计算指标隶属度,采用综合指数法,在Arcgis中进行黄河三角洲土壤质量的自动化评价和比较。结果表明:利用GIS自动化评价土壤质量快速准确;基于土壤全量养分和速效养分的评价差异较小,两者可选其一;基于土壤有机质和土壤含盐量指标的评价与土壤质量的全面评价(基于土壤全量、速效养分、有机质、含盐量、地下水埋深及矿化度)之间差异较小,在其他数据有限的前提下,土壤质量可以用土壤有机质和盐分含量指标评价。     

基于分数阶微分光谱指数的冬小麦根域土壤含水率估算模型

为探讨分数阶微分（fractional-order differentiation,FOD）技术联合光谱指数改善高光谱反演冬小麦根域土壤含水率（soil moisture content,SMC）的效果,该研究以冬小麦为研究对象,测取高光谱反射率和土壤含水率数据,将高光谱反射率经Savitzky-Golay(SG)平滑处理后计算典型光谱指数以此构建偏最小二乘回归（partial least squares regression,PLSR）、随机森林（random forest,RF）和BP神经网络（back propagation neural network,BPNN）3种土壤含水率反演模型;将高光谱反射率进行0～2.0阶（步长为0.2）的分数阶微分处理后计算比值指数（ratio index,RI）和归一化指数（normalized difference index,NDI）,分析不同阶的RI、NDI与SMC之间的二维相关性,筛选得出敏感光谱指数并分组,以此构建3种反演模型（PLSR、RF和BPNN）。结果表明：不同典型光谱指数与土壤含水率的相关性存在很大差异,相关系数波动范围在0....