微波遥感反演地表土壤含水量的方法研究

土壤含水量是土壤的一项重要指标,如何通过遥感反演获取高精度的土壤含水量一直是研究者关注的问题。本文针对利用微波反演裸露地表土壤含水量和植被覆盖地表土壤含水量的问题,比较了相关研究在反演模型、反演技术流程方面的改进和不足,分析了反演问题的关键环节,结合微波和光学联合反演地表土壤含水量的研究进展,指出了微波遥感反演土壤水分研究的发展趋势。     

黄河三角洲土壤盐分含量的遥感反演

土壤盐渍化是土地退化的常见问题之一,利用遥感技术快速获取土壤的盐分含量及其空间分布是盐渍土改良和治理的客观需要。本文以黄河三角洲的垦利县为例,基于Landsat8 OLI数据,提取采样点的土壤光谱信息,发现反射率与含盐量的相关性较小,故采用线性混合像元分解的方法从原始影像的混合光谱中将植被光谱剔除,相关性有了明显的提升,之后采用多元逐步回归方法构建土壤盐分含量的遥感反演模型。研究表明,剔除植被信息后建立的遥感反演模型在精度上有了明显的提升。     

基于组合模型的玛纳斯河流域农田土壤盐分反演

盐渍化是影响土壤质量和作物生长的重要因素之一,利用遥感技术大面积获取土壤盐分信息具有重大意义。以新疆玛纳斯河流域农田为研究对象,将偏最小二乘回归模型(PLSR)和BP神经网络模型(BPNN)相结合,构建组合模型来反演土壤盐渍化状况。结果表明,与土壤盐分相关性较高且具有代表性的遥感指数为归-化植被指数(NDVI)、比值植被指数(RVI)和土壤调整植被指数(SAVI),其相关性系数分别为-0.746、-0.663和-0.733。单项预测模型中偏最小二乘回归模型的预测精度最高,其决定系数(R²)为0.759,均方根误差(RMSE)为3.159。组合模型R²为0.797,RMSE为3.611,其验证精度较单项预测模型有所提高,较PLSR模型提高了0.038,较BPNN提高了0.094。组合模型可更准确地预测出玛纳斯河流域农田土壤盐分空间分布状况。玛纳斯河流域农田土壤盐渍化以轻度和中度盐渍化为主,所占比例达到35.34%和25.66%,与实测结果一致。组合模型较单项模型可以获得更准确的土壤盐分空间分布状况,为新疆玛纳斯河流域农田土壤盐渍化治理和土地资源...     

四极化Radarsat-2数据对裸露地表土壤水分的反演

利用四极化Radarsat-2雷达影像数据对裸露地表进行土壤水分的监测,首先选取裸露地表的经验散射模型,然后与四极化后向散射影像反演获得土壤含水量的模拟值,最后分析模拟值与实测值的相关性。结果表明,模拟值与实测值有着很好的相关性(r2=0.870 1),即研究者可以在任何气候条件下利用四极化Radarsat-2雷达数据进行大面积地表土壤含水量的监测。     

基于高光谱的干旱区盐渍化土壤盐分含量估算

针对目前干旱半干旱区存在的土壤盐渍化问题,以新疆维吾尔自治区渭干河-库车河三角洲绿洲为研究区,对土壤样品总盐含量及其光谱反射率进行测量。经过15种数学变换,遴选出达到0.01显著性检验的变换形式,利用偏最小二乘回归、主成分回归和多元逐步线性回归方法建立土壤盐分的估算模型。结果表明,(1)多种光谱数据变换形式中,以微分为基础的变换方法具有很好的效果;(2)基于多元逐步线性回归的立方根一阶微分光谱特征波段所构建的模型最优,模型的稳定性和预测精度最高,R2=0.85,RMSEc=1.8 g/kg,RPD=2.36。本研究所建立的模型将为估算土壤盐渍化提供理论依据。     

博斯腾湖西岸湖滨带土壤盐分高光谱反演

选取博斯腾湖西岸湖滨带为研究区,沿垂直湖岸线方向采集14个土壤剖面70个样本,利用ASD FieldSpec3地物光谱仪获取高光谱数据,基于Q型聚类分析研究不同含盐量土壤光谱特征,对土壤光谱反射率与含盐量做逐波段相关分析和显著性检验,筛选不同光谱变换下的敏感波段,通过多元逐步回归和偏最小二乘回归方法,分别以敏感波段和全波段光谱构建12个土壤含盐量反演模型,优选最佳反演模型。结果表明:17种高光谱变换中, 4种最优光谱变换使土壤含盐量与Savitzky-Golay平滑后的反射率极显著相关波段数明显增多,分别是反射率的一阶微分、平方根一阶微分、对数倒数一阶微分、倒数对数一阶微分,综合确定盐分敏感波段聚集在749、1 024、1 083、1 230、1 677和2 387 nm处;以对数倒数一阶微分光谱全波段建立的偏最小二乘回归模型更适合该区0～50 cm土壤含盐量的高光谱反演,其建模和验证决定系数R~2分别为0.93和0.85,均方根误差RMSE分别为0.37和0.42,相对预测偏差RPD为3.57。     

基于CARS-SAA的土壤铵态氮含量高光谱反演

利用高光谱技术对河套灌区土壤铵态氮含量检测过程中,为降低高光谱数据中存在的冗余变量信息对模型预测精度的影响。本文针对河套灌区土壤铵态氮含量提出了一种竞争性自适应重加权算法(CARS)和模拟退火算法(SAA)相结合的特征变量筛选方法,并建立偏最小二乘回归(PLSR)和随机森林回归(RF)相结合的预测模型(PLSR-RF、RF-PLSR)。结果表明,CARS-SAA能有效筛选变量个数和减小计算量,并稳定模型预测精度。其中,CARS-SAA-PLSR-RF模型的预测精度最佳,验证集的决定系数R²为0.902、均方根误差RMSE为1.583mg·kg^-1、相对分析误差RPD为3.198。具有很好的预测效果,可知CARS-SAA是一种有效的高光谱特征变量筛选方法,在提高预测精度的同时简化了模型的运算。该模型结合高光谱技术可以对河套灌区土壤铵态氮含量进行快速有效的无损检测。     

基于地表相对湿度数据反演地表温度研究

在地表温度反演中,大气透射率是一个关键参数。覃志豪的单窗算法依靠从探空数据中获得大气水分含量来计算大气透射率。因此在缺乏探空数据的情况下,对地表温度的反演就比较困难。目前解决这个问题的方法是利用地表相对湿度来估测大气水分含量。估算的大气水分含量是否能精确地反演地表温度的这类研究还比较少见,此研究利用冀蒙接壤区LandsatTM热红外波段数据和估算的大气水分含量,采用覃志豪的单窗算法反演冀蒙接壤区内的地表温度,并与地表实测数据进行了比较。研究结果表明,反演多伦的地表温度与实测数据相差6.29℃,反演的地表温度精度较高;研究区地表温度除了与NDVI指数相关外,还与土壤、人类活动关系密切。     

滨海盐渍区土壤盐分遥感反演及动态监测

为探索快速提取滨海盐渍土信息的有效方法,实现对滨海盐渍区土壤盐分含量变化趋势的分析,本研究以黄河三角洲垦利区作为研究区,采用野外实测土壤盐分数据与遥感影像相结合的方法,通过土壤盐分敏感波段和光谱参量的筛选,构建土壤盐分估测模型;优选出最佳模型用于反演,并结合土壤盐分含量指数、土壤盐分动态度和重心向量模型3个指标对研究区土壤盐分含量动态变化进行统计和分析。结果显示：土壤盐分的敏感波段为绿光、红光和近红外波段;波段组合可以提高其与盐分的相关性,运用敏感波段与波段组合相结合的方法建模更优;土壤盐分最佳估测模型为：Y=-6.94-281.762Bnir+60.625Bg×Br+1 178.14Bg×Bnir-152.396Br×Bnir-1 495.491Bg×Br×Bnir,建模精度和验证精度分别为0.878和0.854,说明模型拟合度好,预测能力强,具有可行性。2001-2005年、2005-2009年和2009-2015年3个时段,研究区土壤盐渍化程度的变化趋势表现为加重-减轻-减轻趋势,盐化重心总体向东部沿海方向迁移,各时段土壤盐渍化变化程度较高。本研究提出了利用卫星遥感影像对土壤盐分含量进行预测和动态监测的快捷方法,对滨海盐渍土地资源的利用管理有积极意义。     

基于Hyperion数据的耕地土壤有机质含量遥感反演

为了探究耕地土壤有机质含量与卫星影像光谱间的关系,确定土壤有机质的光谱特征,构建土壤有机质含量反演模型.利用Hyperion高光谱卫星影像和福建省三明市80个土壤调查样点分析数据,对土壤有机质与光谱指数相关性进行了分析;在提取特征光谱指数的基础上,分别基于敏感波段和特征指数建立线性模型和多元逐步回归模型.结果表明:土壤有机质含量在Hyperion高光谱782.95~813.48 nm波段具有良好的响应能力;反射率的一阶导数所建立的模型拟合效果最优,其R2为0.777,RMSE为5.31,验证模型有机质实测值与预测值的R2为0.809,表明它能够用于区域有机质含量的快速测定.     

基于高光谱特征参数优选的土壤盐分含量建模及其验证

目的 研究不同维度光谱变换下土壤盐分反演模型及其验证。方法 以博斯腾湖西岸湖滨绿洲为研究区,面向ASD高光谱数据,利用17种一维数学变换光谱和3种二维变换光谱指数,分别与实测土壤盐分进行相关分析,得到0.01显著性检验水平下初步优选的光谱特征参数,基于VIP准则选入最佳自变量实现PLSR模型构建,进行精度验证。结果 研究区干季土壤平均反射率随含盐量的增加而高于湿季土壤平均反射率,尤其体现在590、800、1 810、2 150 nm处;17种一维单波段光谱变换中,对数倒数的一阶微分(1/lgR)变换与土壤盐分含量相关性最好,峰值敏感波段为1 083 nm,相关系数绝对值|r|最高达0.63;3种二维两波段光谱变换中,归一化光谱指数NDSI(R_{1 780},R_{1 742})与土壤盐分含量相关性最好,相关分析决定系数R ²最大值为0.57;基于特征归一化光谱指数结合VIP准则进行自变量筛选的PLSR估算模型效果最佳,土壤盐分建模集和验证集的决定系数 {R_{\mathrm{V}}}^2 达0.77,均方根误差RMSEV为0.64 g/kg,相对分析误差RPD为2.11。 结论 利用归一化光谱指数NDSI建立PLSR高光谱模型可有效地对研究区土壤盐分进行定量估算。     

宿豫保护地土壤盐分含量及组成特征

为针对宿迁市宿豫区保护地盐渍化状况,采取科学有效的控制措施,对辖区保护地进行了土壤样品的采集与测定分析。测定与分析包括土壤水溶性盐总量及其离子组成。结果表明：(1)土壤硝酸根含量介于138~4034 mg/kg,平均值1022 mg/kg,占总盐量的34.6%,是构成土壤氮素污染与次生盐渍化最重要的离子。土壤硫酸根含量介于65~2816 mg/kg,平均值672 mg/kg,占总盐量的22.7%,也是构成土壤次生盐渍化的重要离子之一。土壤碳酸氢根、氯离子对土壤次生盐渍化影响很小。(2)土壤钙离子含量介于154~1792 mg/kg,平均值589 mg/kg,占总盐量的19.9%,是构成土壤次生盐渍化最重要的阳离子。(3)土壤镁离子含量介于20~285 mg/kg,平均值79.9 mg/kg,占总盐量的2.7%,对土壤次生盐渍化的贡献并不大。(4)镁离子含量小于50 mg/kg的土样占40.6%,最小含量仅为20 mg/kg,加上部分土壤水溶性钙/镁高,存在作物缺镁的风险。(5)土壤钾离子含量介于9~423 mg/kg,平均值113 mg/kg,占总盐量的3.8%。钾离子含量小于50 mg/kg的土壤样品占34.4%,这部分土壤可能存在供钾不足的问题。从土壤钾/镁来看,少数土样该数值达到了2.5以上,最高达到9.9,存在钾镁颉颃引起缺镁的情况。因此,在保护地土壤盐渍化治理方面,应特别重视科学施用氮肥,减少土壤硝酸盐的来源;注意平衡施肥,加强对土壤物理、化学、生物学环境的全面改善,提高作物对氮素的利用效率。     

盐城市盐土农业区土壤盐分含量情况初探

对盐城市盐土农业区土壤盐分情况进行了研究,结果表明:盐城市盐土农业区内盐分含量,从经纬度上看由南向北逐渐升高,自东向西逐渐降低;采样深度上,盐分含量高低变化与区域位置没有明显的相关性,但二层土样盐分含量之间相关性较高,表层土样盐分高的,下层土样盐分也高;植被覆盖上,没有植被覆盖的自然点土样盐分含量明显高于有植被自然点,与自然植被相比,人工栽种作物可以有效降低土壤盐分,不同作物降盐效果也不一样,不合理海水灌溉阻碍土壤自然脱盐进程;开展盐土农业时间越长的企业,园区内脱盐土、轻度盐渍土比重越高。     

土壤盐分含量对落羽杉营养吸收的影响

应用温室盆栽试验方法,采用完全随机试验设计,研究了土壤盐分含量对1年生落羽杉实生苗的营养吸收的影响 试验共有4种处理(对照、NaCl含量为土壤干重的0 15%、0 3%和0 45%),处理时间为130d 研究结果表明,(1)各种盐分处理在不同程度上提高了落羽杉根系、茎和叶片中全N、全Ca、全Na、全Fe浓度,全P、全K和全Mg浓度在根系中随着土壤盐分浓度的增加而下降,但在茎和叶中则逐渐升高;(2)根系中Ca/Na随土壤盐分浓度的增大而增大,而茎和叶中Ca/Na、以及根、茎和叶中K/Na、Mg/Na、Fe/Na均随着土壤盐分浓度的增大而减少;(3)根、茎和叶中全N和全P浓度的大小均是叶>根>茎,全Ca浓度大小的顺序是叶>茎>根,全Fe浓度大小的顺序是根>叶>茎,而根、茎和叶中全K、全Na和全Mg浓度的大小因不同盐分处理水平有差异     

基于连续小波变换的土壤有机质含量高光谱反演

以托克托县境内120个土壤有机质含量以及对应光谱数据为数据源,探究了不同土壤类型与土地利用类型下土壤有机质高光谱反演研究的可行性,采用连续小波变换对原始光谱（R）、光谱倒数（1/R）、光谱对数（LnR）、光谱一阶微分（R′）进行分解生成小波系数并与土壤有机质进行相关系分析,提取特征波段建立BP神经网络与支持向量机模型（SVM）。结果表明：①R、1/R、LnR、R′与土壤有机质相关系数经过连续小波变换后,较之前增加了0.204、0.090、0.199、0.252,表明连续小波变换可深度挖掘光谱潜在信息,提升与有机质含量之间的相关系数。②未经过连续小波处理前,SVM无法实现对当地土壤有机质含量的预测,经过处理后,模型SVM-CWT-R与SVM-CWT-R′的精度决定系数分别达到了050、0.56,均方根误差为0.17、0.15,相对分析误差为1.62、1.53,实现了对土壤有机质的有效估算。③经过连续小波变换后BP神经网络预测模型结果得到提升,其中BP-CWT-LnR预测模型效果最佳,精度决定系数达到0.76,较之前BP-LnR提升了0.2;均方根误差达到015,降低0.04;相对分析误差为2.12,增加了0.87。因此利用BP-CWT-LnR高光谱反演模型进行区域土壤有机质遥感监测,可为当今精准农业提供理论参考与技术支持。     

华南地区土壤有机质含量高光谱反演

为实现对土壤有机质含量的快速监测,在对土壤有机质含量作倒数变换的同时将土壤高光谱数据进行多种数据变换处理,筛选出与土壤有机质含量倒数变换后相关性最高的光谱指标,最后构建了土壤有机质含量高光谱反演的最佳模型,实现对土壤有机质含量的反演。结果表明:估算土壤有机质含量的最佳光谱指标为反射率一阶微分波段组合R_((587,126)*R_((734,049))*R_((1 095,892)),相关系数为0.769;在此基础上构建的土壤有机质含量高光谱反演模型最佳(Y=5×10~(16)x~3-5×10~(10)x~2+59 471.000 0x+0.101 1),其决定系数R~2为0.65,均方根误差(RMSE)为0.040 mg/kg。将其验证样本预测值与实测值进行比较,平均相对误差为27.00%,RMSE为4.19 mg/kg。该验证结果证明利用该模型进行华南地区土壤有机质含量的快速监测是可行的。     

临海·方强农场土壤盐分含量及测定方法研究

从临海农场和方强农场不同类型的具有代表性的地块中采取土样,用离子总和法、残渣烘干法和电导法测定水溶性盐总量,比较并筛选出适宜的测定方法。试验结果表明,两个农场土壤水溶性盐离子组成相似,方强农场土壤水溶性盐含量总体上高于临海农场;土壤水溶性盐测定方法中,残渣烘干法虽然比较准确,但操作繁琐、费时;电导法比较简单、方便、快速,测定结果可以按照特定计算式换算成土壤水溶性盐质量浓度。     

基于宽波段数据定量反演土壤有机质含量的研究

定量分析了北京顺义、通州区土壤高光谱反射特征,利用资源三号、高分一号、高分二号传感器的光谱响应函数,结合高光谱数据生成相应宽波段模拟数据;将土壤光谱数据、拟合宽波段数据分别与实测土壤有机质含量开展相关性分析,提取并筛选敏感波段,利用偏最小二乘法建立基于高光谱数据的土壤有机质含量预测模型;依据宽波段模拟数据和实测土壤有机质含量的相关性,提取并筛选敏感波段,建立土壤有机质含量预测模型。结果表明,在基于土壤高光谱数据建立的土壤有机质含量预测模型中,以对数的一阶微分为最优,其R和RMSE分别为0.697和0.195,偏最小二乘法得到的反演土壤有机质含量的模型是可靠的;在基于模拟宽波段构建的土壤有机质含量估测模型中,以高分一号的拟合精度最高,R和RMSE分别为0.334和0.240;受室外不可控因素的影响,模拟宽波段数据在估测北方地区土壤有机质含量方面仍需进一步研究。     

基于地表温度—植被指数特征空间的荒漠化草原表层土壤含水量反演

【目的】研究地表温度-植被指数特征空间的荒漠化草原表层土壤含水量反演状况。【方法】以2014年和2015年的3期MODISL1B数据构建地表温度Ts-植被指数NDVI的特征空间,拟合出特征空间的干、湿边方程,计算温度植被干旱指数(TVDI)。对TVDI与同期野外不同深度的实测土壤含水量数据进行回归分析,建立TVDI估测土壤水分的模型,并对模型进行验证。【结果】TVDI与各层实测土壤含水量数据都有一定程度的相关性,相关系数在0.5以上。TVDI模型对研究区0~10cm、0~20cm、0~30cm深度的土壤含水量反演相对误差均不大,且相对误差随着土壤深度的增加而增大。TVDI模型的土壤含水量遥感反演中,3期0~10cm深度的土壤含水量反演值与实测值的相对误差平均值均在10%左右。【结论】TVDI模型可以更为准确地反映研究区内土壤表层0~10cm深度的含水量空间变异特征及分布状况。