覆膜对无人机多光谱遥感反演土壤含盐量精度的影响

快速、准确地获取农田土壤盐分含量对指导合理灌溉及盐渍土的治理有重要意义。该文以内蒙古河套灌区沙壕渠灌域内的覆膜耕地为研究对象,利用无人机多光谱相机获取研究区内5月和6月的多光谱遥感数据,并同步采集区域内表层土壤含盐量数据,研究覆膜对无人机多光谱遥感图像反演农田土壤盐分含量精度的影响。利用支持向量机(support vector machine,SVM)、反向传播神经网络(back propagation neural network,BPNN)和极限学习机(extreme learning machine,ELM)3种机器学习方法,分别构建去膜前后基于原始光谱反射率和优选光谱指数的土壤含盐量估算模型。结果表明,去膜前后的各模型均可有效估测土壤盐分含量,但基于去膜处理后的数据构建的盐分含量估算模型精度较不去膜处理的有所提升,同时,基于光谱指数构建的盐分含量估算模型精度比基于光谱反射率构建的模型精度高;利用ELM构建的盐分含量估算模型在6月份预测效果最佳,其中基于光谱反射率和光谱指数的建模R2和RMSE分别为0.695、0.663和0.182、0.191,验证R2和RMSE分别为0.717、0.716和0.171、0.169。研究结果可为无人机多光谱遥感估算覆膜状态下的农田土壤盐分含量提供参考。     

松辽平原盐碱土含盐量的遥感反演研究

通过对Aster遥感影像前9个波段的相关系数、标准差和诊断指数的分析,发现Aster遥感影像1,2,3波段的土壤反射率对土壤含盐量最为敏感.利用Aster遥感影像1,2,3波段作为自变量,盐碱土含盐量作为因变量进行逐步回归分析,建立土壤反射率数据与土壤含盐量数据之间的统计模型,利用决策树分类将地物分成5类,反演得到研究区盐碱土含盐量的空间分布图.研究发现,基于统计模型的遥感反演效果较好,具有一定的参考和应用价值.     

无人机多光谱遥感反演不同深度土壤盐分

快速、精准获取作物覆盖下的土壤盐分信息,可以提高区域土壤盐渍化治理的有效性。该研究在内蒙古河套灌区沙壕渠灌域内试验地获取无人机多光谱遥感图像数据,并同步采集不同深度的土壤盐分数据。通过遥感图像数据提取光谱反射率并计算传统光谱指数,在此基础上引入红边波段建立新的光谱指数,同时使用Elastic-net算法（ENET）对光谱变量进行筛选,并将筛选后的光谱变量分为原始光谱变量组和改进光谱变量组;运用BP神经网络（Back Propagation Neural Networks,BPNN）、支持向量机（Support Vector Machine,SVM）和极限学习机（Extreme Learning Machine,ELM）3种机器学习方法,构建作物覆盖下不同土壤深度的土壤盐分反演模型,并基于最佳反演模型绘制试验区不同深度土壤盐分反演图。结果表明,使用ENET变量选择方法可以有效筛选出最优光谱变量,且基于改进光谱变量组构建的反演模型精度均高于原始光谱变量组;ELM模型反演效果优于SVM模型和BPNN模型,其验证集的决定系数为0.783,均方根误差为0.141,一致性相关系数为0.875;研究区域内,作物覆盖下的土壤盐分最佳反演深度为10～20 cm;在不同土壤深度下,基于改进光谱变量组构建的最佳反演模型绘制的土壤盐分反演图可以较为真实地反映试验区内的盐渍化程度,这说明引入红边波段构建光谱指数可以用于土壤盐分的反演。该研究为无人机多光谱遥感监测农田土壤盐渍化以及农田盐渍化治理提供了一种新途径。     

基于盲源分离的稀疏植被区土壤含盐量反演

植被对土壤光谱的干扰是目前土壤盐渍化遥感监测的重要限制因素之一,探索消除稀疏植被覆盖区植被对光谱影响的方法,对提高土壤含盐量遥感反演精度具有重要意义。本文通过对189组不同植被覆盖度且不同盐渍化程度种植微区野外实测地表可见-近红外反射光谱进行分析,比较并评价了基于原始光谱和盲源分离(blind source separation,BSS)后光谱预测土壤含盐量的结果。结果表明:地表植被覆盖严重影响基于可见-近红外反射光谱的土壤含盐量反演精度。盲源分离方法,尤其是基于方程z=tanh(y)的独立分量分析(independent components analysis,ICA)算法,可有效分解植被和土壤的混合光谱,并提高植被覆盖下基于可见-近红外反射光谱的土壤含盐量反演精度。该方法为植被覆盖区大尺度土壤盐渍化遥感监测提供了方法指导。     

基于光谱变换的宁夏银北地区可溶性阴离子反演

可溶性阴离子是土壤盐分的重要组成部分,对植物生长发育有重要影响。为探讨野外实测光谱对土壤可溶性阴离子的反演精度,以宁夏银北平罗县盐渍化土壤为研究对象,对野外实测光谱选用6种常规变换[平滑R、平滑倒数1/R、平滑对数lg(R)、平滑倒数的对数lg(1/R)、平滑一阶微分R′、平滑二阶微分R″]预处理,然后分别利用相关性分析和逐步回归法筛选离子敏感特征波段,最后采用主成分回归(PCR)、偏最小二乘回归(PLSR)和支持向量机(SVM)建立土壤各阴离子反演模型。结果表明:1)研究区土壤中Cl-和SO42-含量较高,CO32-含量最低,属于氯化物-硫酸盐盐渍土。2)原始反射率经R″变换后与土壤阴离子的相关性最强,与CO32-、HCO3-、Cl-和SO42-相关系数分别达到0.572、0.741、0.802和0.545。3)与相关性分析相比,逐步回归(SR)更好地解决了光谱间共线性的问题,反演精度更高。4)与PCR、PLSR相比,SVM所建可溶性阴离子反演模型效果最佳。土壤CO32-、Cl-、SO42-反演效果最佳的模型均为R″-SR-SVM,其中对CO32-的反演模型建模决定系数(Rc2)为0.984、验证决定系数(Rp2)为0.560、相对分析误差(RPD)为6.76;SO42-的反演模型Rc2为0.970、Rp2为0.841、RPD为5.59;Cl-的反演模型Rc2为0.925、Rp2为0.940、RPD为3.62;HCO3-效果最佳的模型为R′-SR-SVM,Rc2为0.970、Rp2为0.840、RPD为5.59。研究结果可为该区域及同类地区土壤盐渍化反演提供理论依据。     

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。     

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。     

基于试验反射光谱数据的土壤含水率遥感反演

土壤含水率是土壤水循环研究中不可或缺的参数,已广泛应用于土壤水分的监测。土壤光谱特性的研究是土壤含水率光学遥感定量反演的基础。该研究首先通过野外调查收集土样;然后,在实验室条件下制备不同水分梯度的土壤样品,并利用便携式地物光谱仪采集不同水分梯度土壤样品的反射光谱;最后,通过试验光谱数据分析建立一个基于指数函数的土壤含水率遥感反演模型,并对结果进行精度评价。结果表明,基于指数函数的土壤含水率反演模型可以较好的反演土壤水分特征,在640 nm处土壤含水率的估计值与真实值之间的决定系数为0.7062,RMSE为3.49%。相关研究为表层土壤含水量的遥感监测提供新方法和新思路。     

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Sentinel-1双极化雷达影像的土壤含盐量反演

该文以松嫩平原土地盐碱化区域-大庆市为研究区,Sentinel-1双极化雷达影像为数据源,结合研究区土壤采样的全盐含量测量值,反演研究区表层土壤含盐量。首先,在研究区进行土壤采样,并在实验室化验土壤样品的全盐含量,利用S1TBX软件对雷达影像进行噪声处理、辐射校正、几何校正;然后通过分析雷达影像不同极化组合的后向散射系数与土壤含盐量之间的关系,确定最优的极化组合方式;最后,利用回归分析的方法建立土壤含盐量的反演模型并进行精度评价。研究结果显示：(VV2+VH2)/(VV2-VH2）极化组合的后向散射系数可以较好的分离不同含盐量的土壤,建立起来的反演模型,决定系数R2达到0.872,均方根误差RMSE为0.988。该研究可以满足大区域土地盐碱化监测的需要,并为Sentinel-1 雷达数据在土壤成分提取等方面研究提供了参考。     

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。     

基于Sentinel多源数据的农田地表土壤水分反演模型构建与验证

土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该文基于Sentinel-1和Sentinel-2多源遥感数据,利用Oh模型、支持向量回归(support vector regression,SVR)和广义神经网络(generalized regression neural Network,GRNN)模型对土壤水分进行定量反演,以减小植被影响,提高反演精度。结果表明:通过水云模型去除植被影响后的Oh模型反演精度有所提高。加入不同植被指数的SVR和GRNN模型的反演效果总体优于Oh模型,基于SVR模型的多特征参数组合(双极化雷达后向散射系数、海拔高度、局部入射角、修改型土壤调整植被指数)反演效果最优,其测试集相关系数和均方根误差分别达到了0.903和0.015 cm~3/cm~3,为利用多源遥感数据反演农田地表土壤水分提供了参考。     

盐渍化土壤水分微波雷达反演与验证

土壤介电常数是微波遥感进行土壤含水率测量的物理基础,尤其介电常数实部是必须解决的问题,土壤介电特性的研究显得尤为重要。该文目的是试验与评价C波段RADARSAT-2 SAR(synthetic aperture radar)数据模拟土壤介电特性,进而反演土壤水分的性能。以受盐渍化影响较严重的内蒙古河套灌区解放闸灌域为试验区,首先回归分析了介电常数实部与SAR四极化后向散射系数、地表粗糙度的复杂关系,并与Oh经验模型对照,其决定系数R2为0.859 7,模拟精度较高;然后验证常用的2个介电常数模型,Dobson半经验模型、Hallikainen简化实部经验模型模拟的介电常数实部与实测值的决定系数R~2分别为0.935 9、0.869,表明2个模型均能模拟地表土壤水分与介电常数实部的密切关系;最后构建了Dobson模型、Hallikainen简化实部模型反演土壤含水率的模型,并与统计回归模型比照,其模拟数值与土壤实测值的决定系数R2分别为0.803 8、0.737 4、0.842 1,均方根误差RMSE分别为5.2%、5.7%、5%。Dobson模型与统计回归模型反演结果与实地土壤墒情分布较为吻合,具有良好的精度和适用性,从而建立了一个较为完整的土壤介电特性研究体系,为微波遥感监测土壤水分奠定了基础。     

基于光谱反射信息的作物单产估测模型研究进展

及时准确地估测区域作物单产信息,对于粮食安全预警、粮食贸易流通,以及农业可持续发展都具有非常重要的意义。基于光谱反射信息的遥感技术,能够实时获取作物和土壤在不同时间和空间尺度下的分布信息,为区域作物单产估测研究提供了新的机遇和挑战。在简单介绍作物反射光谱特性和作物单产影响因素的基础上,分经验模型、半经验半机理模型和机理模型三部分,详细论述了基于光谱反射信息的作物单产遥感估测模型的国内外研究进展,并指出基于作物生长机理模型与多时相遥感信息同化技术的研究,应该是未来区域作物单产估测的重要发展方向之一。今后应该重点加强作物冠层关键参数(如叶面积指数、叶绿素浓度、作物吸收光合有效辐射系数、植被覆盖率等)的定量反演研究,同时加强多源遥感数据替代和整合技术研究,以及作物模型与遥感信息同化关键技术研究,以进一步改善单产估测精度和提高系统可运行性。     

光谱指数用于EO-1 Hyperion 数据估算中国黄河三角洲地区土壤盐分

Soil salinization is one of the most common land degradation processes. In this study, spectral measurements of saline soil samples collected from the Yellow River Delta region of China were conducted in laboratory and hyperspectral data were acquired from an EO-1 Hyperion sensor to quantitatively map soil salinity in the region. A soil salinity spectral index (SSI) was constructed from continuum-removed reflectance (CR-reflectance) at 2052 and 2203 nm, to analyze the spectral absorption features of the salt-affected soils. There existed a strong correlation (r = 0.91) between the SSI and soil salt content (SSC). Then, a model for estimation of SSC with SSI was established using univariate regression and validation of the model yielded a root mean square error (RMSE) of 0.986 and an R² of 0.873. The model was applied to a Hyperion reflectance image on a pixel-by-pixel basis and the resulting quantitative salinity map was validated successfully with RMSE = 1.921 and R² = 0.627. These suggested that the satellite hyperspectral data had the potential for predicting SSC in a large area.     

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。     

基于改进植被指数的黄河口区盐渍土盐分遥感反演

快速获取土壤盐分的含量、特征及空间分布信息是盐渍土治理、利用的客观需求。该文针对黄河三角洲盐渍土,以垦利县为例,基于Landsat 8 OLI多光谱影像,在传统植被指数的基础上引入短波红外波段进行扩展,提出了改进植被指数;然后基于改进前后对应的植被指数,分别采用多元逐步回归(multivariable linear regression,MLR)、反向传播神经网络(back propagation neural networks,BPNN)和支持向量机(support vector machine,SVM)方法构建土壤盐分含量的遥感反演模型,并进行模型验证、对比和优选;最后基于最佳模型进行研究区土壤盐分含量的空间分布反演和分析。结果显示:相对传统植被指数,扩展后植被指数可增强与土壤盐分的相关性,大幅降低指数间的多重共线性;采用上述3种方法建模,改进后模型的精度比改进前都有提高,验证集决定系数R2提高0.04~0.10,均方根误差RMSE降低0.13~0.73,相对分析误差RPD提高0.25~0.34,改进后模型RPD均大于2.0,普遍达到性能良好;对比3种建模方法,SVM建模精度最高,BPNN模型次之,MLR分析精度最低,最佳模型为基于改进植被指数的土壤盐分含量支持向量机反演模型,建模集R2和RMSE为0.75、3.48,验证集R2、RMSE和RPD为0.78、3.02和2.56,模型较为准确、可靠;基于该模型反演的研究区土壤盐分含量整体较高,盐渍化程度空间分布表现为自西南部农业生产区至东北沿海区域逐渐加重,与实地调查一致。研究表明基于Landsat 8 OLI多光谱影像,引入第7波段对植被指数进行改进,从而构建土壤盐分含量的支持向量机模型,可获得较好的土壤盐分空间分布反演结果。