干旱区盐渍化土壤高光谱遥感信息分析与提取

以干旱区典型区域新疆渭干河-库车河三角洲绿洲为研究区,以环境小卫星高光谱影像及野外实测土壤含盐量为主要数据源,进行光谱反射率及其变换形式与土壤含盐量的相关性分析,筛选盐渍化土壤响应最敏感波段,利用多元线性回归分析方法,建立基于HSI影像的研究区土壤含盐量定量反演模型。结果表明:研究区土壤含盐量与HSI波段的敏感性随着波长的增加而增强,位于近红外波段范围(797.826-923.913nm)的相关系数R普遍较高,基本在0.7左右。土壤光谱反射率对数的倒数一阶微分变换在628.261nm和923.913nm的波段组合为最佳敏感波段,所构建的土壤含盐量反演模型为最优模型,模型方程为Y=-11.731-114.996X628.261-186.637X923.913,模型及检验的决定系数R2都在0.85以上,均方根误差RMSE约为2.7。该模型的建立为地区土壤含盐量信息的提取及监测提供了参考。     

基于SPA-MLR方法的土壤含水量光谱预测模型研究

以人工调配的不同含水量土壤的高光谱数据为基础,运用11种常规的变换方法对原始光谱反射率进行变换,使用连续投影算法(SPA)提取特征波段,然后建立多元线性回归(MLR)模型,并对不同模型进行评价比较,旨在选择监测土壤含水量的最佳高光谱模型,实现土壤含水量高光谱监测。结果表明,随着土壤含水量的增加光谱反射率先升高后降低;使用SPA提取的特征波段为3~5个,且不同变换处理后提取的特征波段存在差异。利用特征波段建立MLR回归模型,表明原始光谱经一定数学变换处理可以提高土壤含水量高光谱监测精度,其中对数的一阶微分变换处理(T_8)后建立的SPA-MLR模型监测精度最高,其校正模型表现为R~2=0.957,RMSE=2.16,RPD=4.74,验证模型表现为R~2=0.903,RMSE=3.41,RPD=2.95。故基于反射率对数一阶微分变换处理所建立的SPA-MLR模型可以更好地实现土壤含水量的高光谱监测。     

基于Sentinel-2A遥感数据对吉林白城市土壤含盐量的反演

基于Sentinel-2A遥感数据,结合白城市表层土壤采样的全盐含量化验值,利用统计与拟合分析的方法,建立土壤盐渍化遥感监测模型,对研究区表层土壤含盐量进行反演分析。结果表明:①研究区土壤的反射率与含盐量呈正相关,相关系数在Sentinel-2A第5波段(中心波长为0. 705μm)达到最大值,为r=0. 902,利用第5波段反射率建立的土壤含盐量反演模型TSC=50. 776R_5-8. 262,模型的决定系数R~2=0. 813,检验样本的均方根误差RMSE=0. 814 g·kg~(-1);②将反射率进行指数、幂、S曲线等数学变换后,可以显著提高拟合精度,其中,第8波段反射率的幂函数变换后,建立土壤含盐量的单波段反演模型TSC=77. 51x~(2. 346)精度最好,模型的决定系数R~2=0. 888;③利用多元逐步回归分析的方法建立土壤含盐量的多波段反演模型TSC=-13. 810+38. 973R5-14. 122e~(R_5)+23. 896R_8~(2. 248)+1. 743ln(R_9),模型的决定系数为R~2=0. 924,检验样本的均方根误差为RMSE=0. 736 g·kg~(-1)。     

基于野外实测高光谱数据的干旱区耕作土壤含水量反演研究

利用2011年3月野外实地采集的不同含水量土壤的高光谱数据,研究了南疆地区耕作土壤草甸土含水量与高光谱反射率之间的定量关系,构建了一元线性回归与多元逐步回归的土壤含水量预测模型.结果表明,土壤含水量在380～ 1080 nm波段与反射率呈负相关关系;反射率经倒数(1/R)、对数(logR)、一阶微分(R’)变换后可提高其与含水量的相关性;以50个建模样本所建立模型的相关系数均达到极显著水平,所有模型通过对37验证样本进行预测,比较决定系数、均方根误差、相对误差后,表明多元逐步回归模型的预测能力要优于一元线性回归模型,从所有模型中优选出以698、702、703、746、747 nm波段反射率倒数(1/R)建立的多元逐步回归模型为最优模型,该模型实测值与预测值之间的R2为0.9199,RMSE为1.6026,RE为0.6517,可用于基于野外高光谱数据的土壤含水量的估测.     

基于地表高光谱与OLI影像的土壤含盐量和pH值估测

针对宁夏银北地区大面积土壤盐碱化监测的需要,利用实测植被冠层光谱与Landsat 8 OLI影像相结合进行土壤含盐量和pH值估测研究.对实测植被冠层高光谱与影像多光谱反射率进行倒数、对数、三角函数及其一阶微分等一系列变换,确定最佳光谱变换形式,筛选敏感植被指数和敏感波段,分别建立基于实测植被光谱与Landsat 8 O...     

基于HJ1A-HSI反演松嫩平原土壤盐分含量

以HSI高光谱遥感影像为数据源,利用地理信息系统和偏最小二乘回归（PLSR）分析方法,结合实地采样的盐分离子、EC值、pH的化验数据,分析盐分离子在HSI数据中的光谱特征,建立土壤盐分与高光谱数据的偏最小二乘回归模型,实现对松嫩平原土壤中主要盐分参数的反演实验。结果表明：偏最小二乘回归分析方法在保证信息量最大的前提下,降低了光谱数据维数,提高了分析的效率。利用偏最小二乘回归建立的预测模型,对全盐、[WTBX]EC[WTBZ]值、Na⁺+K⁺、Cl^-、HCO^-₃有较好的反演精度,模型的判定系数分别为0.799、0.879、0.772、0.791和0.694。在土壤含盐量的定量反演方面,探索了使用HSI影像作为新的数据源,为松嫩平原土壤盐分含量的精确、定量、快速获取及盐碱化防治等提供参考。     

基于Sentinel-1/2的土壤盐分含量反演研究

本试验利用Gram-Schmidt（GS）变换将Sentinel-1A雷达影像与Sentinel-2A多光谱影像进行融合,并分析雷达影像、多光谱影像及融合影像各波段与吉林省白城市表层土壤含盐量的相关性,建立研究区土壤含盐量的反演模型,对研究区土壤含盐量进行制图。研究结果表明：Sentinel-1A 的VH、VV波段后向散射系数与研究区土壤含盐量均呈显著正相关,可用作土壤盐碱化监测的遥感数据源;合适的数学变换可以提升Sentinel-1A、Sentinel-2A及融合影像与土壤含盐量的相关性,其中,Sentinel-1A的VV波段与Sentinel-2A第5 波段融合后,其二次方变换与土壤含盐量的相关系数达到0.820;引入合适的盐分指数可以有效改善Sentinel-2A及融合影像与土壤含盐量的相关性,其中,融合影像的盐分指数(D₂D₄)/D₃与土壤含盐量相关系数达到0.889;利用融合影像及盐分指数(D₂D₄)/D₃建立的研究区土壤含盐量反演模型Y=86.260X-66.206X²-5.312,模型决定系数达到0.791,均方根误差为1.884 g·kg^-1,表明将Sentinel-1A雷达影像与Sentinel-2A多光谱影像进行融合来提升土壤含盐量反演精度的方法切实可行。     

开都河流域下游绿洲盐渍化土壤高光谱特征

土壤光谱反射特性是土壤遥感的物理基础.通过野外调查采样、土壤盐分实验分析与土壤高光谱数据采集,对土壤高光谱数据一阶和二阶导数微分变换处理,分析土壤样品的光谱特征,建立土壤光谱和土壤盐分含量间的相关关系,对研究区盐渍化土壤含盐量进行定量反演.研究结果表明:1)从土壤光谱反射率的形态特征来看,土壤的光谱反射率曲线总体上变化较为平缓,光谱特征形态较为相似,且基本平行.2)研究区土壤光谱反射率曲线的形状大致可由300 ～ 600nm、600 ～ 800nm、800～1000nm、1000 ～ 1400nm、1400 ～1900nm、1900 ～ 2100nm、2100～ 2500nm七个折线段和560nm、900nm、1400nm、1900nm、2200nm五个特征吸收点来控制.3)利用光谱反射率一阶导数微分的盐渍化土壤含盐量多元线性回归预测模型的预测效果均优于利用反射率原型和反射率二阶导数微分,其中氯化物-硫酸盐型RMSE=0.33,硫酸盐型RMSE=0.31,硫酸盐-氯化物型RMSE=0.22.     

基于Landsat8吉林中北部地区土壤有机质定量反演研究

以Landsat 8 OLI遥感影像为数据源,以吉林省中北部黑土过渡区为研究对象,对研究区进行土壤实地采样并化验土壤有机质含量,采用多元回归分析的方法,建立土壤有机质含量的反演模型,反演研究区土壤有机质含量。结果表明:研究区土壤反射率与有机质含量呈负相关,其中,第5波段达到最大值,为-0.827;将反射率进行倒数、对数等变换后可以显著提高与有机质含量的相关性;以第4、第5、第6波段反射率倒数为自变量,利用多元回归分析方法建立起来的反演模型,模型判定系数R2=0.860,总均方根误差RMSE=0.229,反演研究区土壤有机质含量获得了良好的效果。本研究成果实现土壤有机质含量监测的准确性与时效性,为我国黑土区土壤光谱分析提供借鉴,为区域土壤生态环境监测提供数据支持。     

新疆阜康荒地土壤有机质高光谱特征及其反演模型研究

针对干旱区荒地土壤贫瘠且有机质含量少,难以快速、准确测定的问题,以阜康中部荒地土壤为研究对象,对64个样点野外光谱进行测定和室内土壤样品农化分析,在原始反射率(R)基础上,利用ENVI5.1软件提取光谱反射率一阶微分(R')、倒数的对数(lg(1/A))、倒数的对数一阶微分(lg(1/A)')、去包络线(CR)等4种光谱反射率,分析了5种光谱反射率的变换形式与土壤有机质含量的相关性,基于全波段(450～2 350 nm)和显著性波段(相关系数通过P=0.01水平检验),利用偏最小二乘法回归(PLSR)建立土壤有机质含量的高光谱预测模型。结果表明:(1)对不同有机质含量的土壤光谱去包络线后,光谱曲线吸收特征差异更加显著,且土壤有机质含量越多,土壤光谱反射率越低。(2)土壤反射率经过数学变换后提高了与有机质含量的相关系数。(3)在全波段的PLSR中,CR、R'和lg(1/R)'模型的RPD均大于2.0,表明预测能力极好。其中以CR的预测精度最为突出,其模型R2和RMSE分别为0.79、4.12,RPD为2.18。在显著性波段的PLSR中,虽然R'和CR的模型RPD均大于2.0,可以准确预测有机质含量,但CR的R2,RPD更高;基于全波段PLSR模型精度均略优于显著性波段,但其使用数据量大,增加了计算量。同时,其CR模型的RPD仅比显著性波段模型的高0.03。因此,选择显著性波段CR模型作为估测该荒地土壤有机质含量的模型更为简洁、科学、可行。     

基于Landsat 8 OLI影像的三江源区表层土壤全氮空间格局反演

利用Landsat 8 OLI影像反演三江源区玉树、称多及玛多县的表层土壤全氮含量空间分布格局,选取光谱反射率(R)、光谱反射率的倒数(1/R)、光谱反射率倒数的对数〔lg(1/R)〕3个光谱指标,与表层土壤(0~30 cm)全氮实测数据进行相关性分析,筛选相关性最高的光谱指标,以达到显著性相关水平波段的主成分分量建立回归模型。结果表明:OLI影像的B1~B4和B7的R、1/R、lg(1/R)均与实测全氮数据达到显著性相关水平,以lg(1/R)变换最为明显;利用这5个波段lg(1/R)的第一、第二主成分建立负二次多项式回归模型,其中建模样本的R2为0.621,RMSE为2.075,验证样本的R2为0.730,RMSE为1.493,RPD为1.849,反演模型精度较高,稳定性较好。利用OLI影像可较好的估算表层土壤全氮含量的空间分布格局。     

基于室内高光谱数据的多种类型土壤有机质估算模型比较

基于高光谱数据的土壤有机质反演是土壤遥感及精准农业的重要研究内容,然而不同的光谱处理及建模方法使得模型的估算能力及精度差异明显,限制了模型之间的通用性。为了构建陕西省土壤有机质含量估算的最优模型,以陕西省9种主要土壤类型的216个土样的光谱反射曲线和土壤有机质含量为数据基础,将光谱反射曲线进行一阶微分d(R)、倒数对数log(1/R)、倒数对数一阶微分d[log(1/R)]和包络线去除N(R)4种变换,结合一元线性回归(SLR)、偏最小二乘回归(PLSR)和支持向量机回归(SVR)3种建模方法构建了不同的土壤有机质含量估算模型。结果显示:不同类型土壤的反射光谱曲线总体态势基本一致,吸收特征位置基本相同,且土壤有机质含量与光谱反射率呈负相关态势;基于d [log(1/R)]光谱变换构建的SVR估算模型精度最高,建模集和验证集的判断系数(R~2)分别为0.9210、0.8874,验证均方根误差(RMSE)为2.18,相对分析误差(RPD)达到2.8751,是估算陕西省土壤有机质含量的最优模型,PLSR次之,SLR最差。     

基于实测光谱的环境减灾卫星HSI数据应用实效性检验

以石河子地区兵团农八师143团10连的棉花大田作为研究区,采用ASD(Analytical Spectral De-vices)公司研制的Field Spec3光谱仪对不同播期、生育期的棉花冠层进行反射光谱野外数据采集,并对其光谱特性和变化规律进行分析。对比分析实测光谱与同期环境减灾卫星HSI数据,评价HSI应用有效性。结果表明:1)不同生育期的棉花在750～950nm间,差异显著,因此可以用光谱曲线来区分不同生育期的棉花。2)选取了波长在450～950nm间实地观测光谱数据波谱特征,并把对应波段的HSI数据进行转化处理。3)运用HSI数据校正前后反射率与实测棉花光谱反射率进行对比,得出HSI数据经过大气校正后,获得的地物真实高光谱反射率,波长大于700nm波段范围内校正结果与地面实测值较一致,其它波段校正后的结果反射率高于地表观测光谱值,说明该分析为HSI数据定量分析与应用提供了一定的实例进行了验证。     

渭干河—库车河三角洲绿洲棉田土壤盐分估算及遥感反演

基于研究区的野外采样数据与Landsat 8遥感影像提取的增强型植被指数,构建渭干河—库车河三角洲绿洲棉田土壤盐分估算模型,并对土壤盐分的空间分布格局进行预测。结果表明:(1)由土壤含盐量与增强型归一化植被指数(ENDVI)构建的线性回归模型(y=-56.494x+22.687)拟合效果最好(R2=0. 886,RMSE=0. 907)。(2)通过选取的82个采样点,依据最佳遥感反演模型,预测出研究区土壤含盐量在9.33～26.99 g·kg-1之间变化,平均值为17.42 g·kg-1,标准差为2.30 g·kg-1,预测结果与土壤盐分的实测值较为一致。(3)利用地统计分析方法制作研究区棉田土壤盐分的空间分布图,分析可知土壤盐分从绿洲内部向外围呈逐渐增加的趋势。     

基于实测高光谱和电磁感应的绿洲土壤含水量估测

以新疆渭-库绿洲为研究区,利用电磁感应和高光谱技术并以地形因子作为辅助参量,构建土壤含水量的支持向量机回归(Support Vector Regression,SVR)预测模型,采用泛克里金法(Universal Kriging)将预测的土壤含水量进行插值在地图上实现空间可视化。结果表明:1)表层土壤含水量与表观电导率具有良好的相关性,两种模式相结合建立的土壤含水量解译模型的拟合优度达到0.853。2)原始反射率光谱经微分变换后更能凸显出细微差异,利用原始一阶微分建立的SVR土壤含水量模型,预测集决定系数(R2)为0.913,相对分析误差(RPD)为2.06,该模型具有较高的预测精度和稳定性。3)表层含水量空间分布不均,由绿洲内部到荒漠-绿洲交错带再到荒漠呈现逐渐减少的趋势。综上所述,利用该支持向量机模型对绿洲土壤含水量的预测具有实际与理论意义。     

不同大气校正模型对叶面积指数遥感反演精度的影响比较

分别利用6S模型和FLAASH模型对TM影像进行了大气校正,建立了两种校正模型下的叶面积指数(LAI)与多种植被指数(VI)间的线性与非线性统计回归关系,并从植被指数角度和大气校正模型角度对LAI-VI回归相关性进行了分析,最后通过验证数据组LAI预测值(Y)与LAI实测值(X)的RMSE均方根误差及Nash-Sutcliffe效率系数对各模型下的LAI反演结果进行了精度对比验证。结果表明:除RVI外,两种大气校正模型下的LAI与SAVI、MSAVI有良好的相关性,其中6S模型下的LAI-MSAVI一元二次多项式回归模型拟合优度最佳;不同大气校正模型对LAI-VI回归方程的相关性有显著影响,6S模型的LAI反演精度优于FLAASH模型;借助遥感技术定量提取植被生理参数时,应慎重选择适宜的大气校正模型。     

新疆北部不同类型土壤光谱特征及对有机质含量的预测

对北疆地区淡栗钙土、冷钙土、石灰性黑钙土、石膏灰棕漠土等4种土壤类型的反射光谱进行分析,研究土壤有机质含量与光谱反射率之间的关系。结果表明,石灰性黑钙土的反射率明显低于其它土壤类型。有机质含量高于14 g·kg^-1时光谱反射率与有机质含量呈负相关,有机质含量很低（<8 g·kg^-1）时,土壤的光谱反射率与有机质含量之间呈正相关。分别采用593.6 nm波段的原始光谱反射率、661 nm波段的反射率去除包络线和547.4 nm波段反射率的一阶微分与土壤有机质含量建立回归模型,经检验三种模型均能较好地预测有机质的含量,其中光谱的一阶微分预测精度相对较高,可较好地预测北疆主要类型土壤的有机质含量。     

基于地形校正后Landsat 8的土壤重金属反演研究

为快速地了解玛纳斯流域土壤中重金属的污染状况和潜在生态风险，在Landsat 8 OLI的基础上引入DEM数据进行地形校正，同时对地形校正后的反射率进行倒数、导数和对数等数学变换，从每种变换中筛选出与土壤各重金属相关性最高的波段构建土壤各重金属PLSR预测模型，并对研究区土壤重金属分布情况进行探索，并利用生态风险评价方法对研究区进行预警。结果表明：在Landsat 8的基础上，引入DEM数据对反射率进行地形校正，以B1波段反射率和重金属Cu为例，经过地形校正后的反射率值与实测土壤表层Cu含量的R²从0.46提高至0.52，表明地形校正后的表观反射率能够更好地反映土壤重金属状况；利用土壤各重金属的最佳预测模型分别反演相应的土壤重金属含量，并引入土壤重金属生态风险指数用于评价研究区的土壤重金属生态风险，研究表明土壤重金属风险等级总体上呈现从西南方向至东北方向逐渐减弱的趋势，其生态风险排序为恢复区(C区)＞退化区(B区)＞湖泊入湖口(A区)；为了验证基于遥感的土壤重金属生态风险预警的预测精度，将研究区土壤重金属含量实测数据也通过重金属生态风险指数进行计算，两者结果较为一致，表明可以用遥感的手段来反演该研究区的重金属分布情况，同时研究区土壤重金属污染总体上处于轻警以上级别，生态服务功能已开始退化，应该加强对该地区的重金属污染进行治理。     

干旱半干旱区土壤含水量定量反演技术研究

为系统地研究干旱半干旱区土壤含水量的反演方法,比较了目前常用的几种高光谱影像土壤含水量反演技术。结果表明:采用EO-1 Hyperion第149波段和197波段构建的光谱特征空间模型与土壤含水量值之间的R2为0.7093,两者存在良好的负相关性;土壤含水量热惯量反演模型整体拟合的R2为0.6149,与SMS拟合结果相比,效果不理想;回归分析模型中,对数变换光谱回归最优,R2值为0.6843。综合分析后,认为光谱特征空间模型对研究区土壤含水量的估测效果最佳。文中研究旨在为干旱半干旱区土壤含水量的更深入研究提供参考。     

基于无人机高光谱影像玉米叶绿素含量估算

以无人机为平台搭载高光谱相机获得玉米农田高光谱影像,从中提取光谱特征参数,构建玉米叶片叶绿素含量估算模型,并制作玉米叶片叶绿素含量分布图。结果表明,以红边面积（SDr）、红边一阶微分最大值（Dr）、差值植被指数(DVI)为自变量构建的回归模型建模精度较高,以此反演玉米叶片SPAD值分布图并对填图结果进行精度检验,得出SPAD-Dr模型填图预测效果最佳（R2=0.89,RMSE=1.28,RE=2.31）,可以作为玉米叶片叶绿素含量无人机高光谱影像遥感反演估算的基本模型。