基于HJ-1A高光谱影像的土壤盐碱化遥感研究

探讨了使用HSI影像研究大面积土壤盐渍化状况的可行性。方法是:使用HSI影像作为数据源,将大气校正以后的地表反射率进行多种数学变换,然后与采样土壤含盐量的化验数据进行回归分析,建立土壤含盐量的反演模型,最后将采样点土壤含盐量的反演值与实测值进行比较,评价模型的预测能力。结果表明:HSI影像经过大气校正后可以消除水汽对反射率的影响,有利于土壤含盐量的反演;影像中的反射率经过一阶微分(R')、倒数的一阶微分(1/R)'等数学变换后可以显著提高与土壤含盐量的相关系数,判定系数R2达到0.547和0.556;利用回归分析方法所建立的反演模型能够较好的反演松辽平原盐碱土的含盐量。     

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。     

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。     

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...     

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Quickbird影像的碱化土壤pH值定量监测研究

土壤碱化对干旱区农牧业发展危害严重,当前对碱化程度的评估主要为实验室理化性质测定及实地土壤光谱测定。土壤pH值是土壤碱化程度预测的重要参数,为讨论高分辨率卫星数据快速、准确获取土壤碱化程度的可行性,以准噶尔盆地东南缘新疆奇台碱化土壤为研究对象,通过对采样点Quickbird数据的反射率及其土壤pH数据的相关分析,探究其对土壤碱化程度预测的"敏感"波段,并建立影像反射率与土壤实测pH值之间的多种回归预测模型,选择模型判定系数、均方根误差等进行模型精度评价,得到土壤碱化程度预测的最优模型。结果表明:Quickbird影像各波段反射率均能较好反映研究区土壤的碱化程度。630~690 nm范围的band3是预测碱化土壤pH预测的最"敏感"波段。band1、band2和band3所建立的碱化土壤pH值定量模型精度最高,其预测精度达到82.41%,明显高于LANDSAT数据所建立的模型。     

基于垂直植被指数的东北黑土区玉米LAI反演模型研究

本文旨在探讨以不同波段组合垂直植被指数所建立的高光谱模型对玉米叶面积指数(Leaf Area Index,LAI)的反演精度。在不同水肥耦合作用条件下,实测玉米冠层的高光谱反射率与叶面积指数数据以及裸土的高光谱反射率数据,在高光谱红光波段(631~760 nm)与近红外波段(760~1050 nm)逐波段构建土壤线,并在此基础上构建垂直植被指数(Perpendicolar Vegetation Index,PVI),找出与LAI具有最佳相关性波段组合PVI,建立玉米LAI估算模型。结果显示,采样波段间隔越窄,反演精度越高,在采样波段间隔1.4 nm的PVI(R677,R918)反演2004年的玉米LAI模型中,最佳回归方程是指数函数,精度达91.1%,标准差为0.1997,RMSE=0.0399,通过了0.01极显著验证。采用高光谱数据构建的PVI植被指数对玉米LAI的估算可以取得较高的精度。     

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.     

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。     

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。     

准噶尔盆地人工林地土壤全盐的高光谱反演

随着高光谱遥感技术的快速发展,通过其定量估测土壤化学成分具有很好的可行性。使用ASD Pro FieldSpec3便携式光谱仪,测量准噶尔盆地人工林地风干土壤样品的可见光-近红外光谱,利用土壤反射光谱值预测全盐的含量。首先,通过皮尔森相关系数分析方法,计算土壤全盐与土壤反射光谱之间的相关性,其中土壤光谱值的二阶导数与土壤全盐的相关系数最高为0.806,均方根误差最小为1.508。其次,在基于光谱反射率的基础上,通过多元统计回归分析,表明土壤光谱在1 130 nm、1 430 nm和1 930 nm波段的全盐反演模型预测的效果较好,可以利用这3个波段建立回归方程,对土壤全盐进行反演估算。     

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。     

青海高寒区土壤光谱特性研究

以青海高寒区4种主要土壤类型为观测对象,利用ASD手扶式波谱辐射仪测定其土壤剖面光谱反射率,结合土壤有机质和氧化铁含量进行统计分析.结果表明:4种类型土壤的光谱反射率表现为流动风沙土＞半固定风沙土＞淡栗钙土＞暗栗钙土;土壤有机质含量与光谱反射率在375 nm波段、575 nm波段和775 nm波段附近有较好的负相关性;...     

基于高光谱与电磁感应技术的干旱区绿洲土壤含水量反演研究

为实现干旱区绿洲土壤含水量的快速、准确监测,利用采集自渭干河-库车河绿洲的84个表层(0~10cm)土壤样本,通过利用电磁感应仪(EM38)将所测解译后数据代替实测土壤含水量数据,将高光谱反射率重采样为Landsat8卫星遥感波段反射率,在选取光谱特征参数、提取敏感波段的基础上,利用偏最小二乘回归(PLSR)方法建立土壤含水量模型,将最优估算模型应用于遥感影像,实现研究区土壤含水量遥感反演。研究结果表明:(1)利用EM38所测水平模式土壤表观电导率与土壤含水量拟合效果最优,能够代替实测土壤含水量进行后续建模分析。(2)相比3种单一的光谱特征指数,利用多种光谱特征指数所建土壤含水量估算模型的建模效果更优,其干、湿各季建模集决定系数R~2大于0.7,均方根误差(RMSE)均小于0.5%,RPD均大于2,能够作为有效手段估算干旱区绿洲土壤含水量。(3)不同季节土壤含水量遥感反演值与实测值决定系数R~2均大于0.6,均方根误差(RMSE)均小于0.6%,显示了较高的预测精度,证明利用电磁感应技术与高光谱相结合能够实现对干旱区绿洲土壤含水量的精准、高效监测。     

基于高光谱的渭北旱塬区棉花冠层叶面积指数估算

以棉花冠层高光谱反射率与冠层叶片叶面积指数(LAI)为数据源,在分析LAI与原始高光谱反射率、一阶微分光谱反射率、光谱提取变量和植被指数相关性的基础上,采用一元线性与多元回归的方法构建了棉花LAI高光谱估算模型,并进行精度估算。结果显示,在可见光范围内随着生育期的推进及施氮量的增加冠层光谱反射率逐渐降低,在近红外范围内从苗期到花铃期随着施氮量增加反射率逐渐增加,花铃期到吐絮期反射率明显降低;各生育期冠层光谱的提取变量与LAI的相关性不强,全生育期各种光谱提取量及植被指数与LAI的相关性高于不同生育期;棉花冠层叶片LAI在反射光谱1 461 nm处相关系数达到最大值(r=-0.726);对于一阶微分光谱,LAI的敏感波段发生在742 nm处,r=0.744;以敏感波段742 nm一阶微分光谱反射率建立的逐步回归估算模型精度最高,RMSE=0.94,RE=26.27%,r=0.78。说明以全生育期为基础,采用一阶微分光谱敏感波段,并根据实际条件选择有效的估测模型,可以进行棉花LAI的预测。     

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。