基于Sentinel卫星及无人机多光谱的滨海冬小麦种植区土壤盐分反演研究——以黄三角垦利区为例

【目的】探究黄河三角洲麦田土壤盐分准确高效的遥感提取方法,掌握土壤盐渍化程度与分布。【方法】以垦利区为研究区,均匀布设冬小麦种植区样点77个,同时设置代表性试验区2个,网格布设样点99个,实测采集麦田土壤表层盐分数据及试验区无人机多光谱图像。筛选红、绿、红边、近红4个波段及SI、NDVI、DVI、RVI、GRVI 5个光谱指数中的敏感光谱参量,采用逐步回归、偏最小二乘法、BP神经网络及SVM支持向量机4种方法建立土壤盐分估测模型,使用波段比值均值法得到Sentinel-2A卫星影像相应波段的修正系数,进而将筛选的土壤盐分估测模型转换为基于卫星影像的反演模型,经麦区实测样点数据验证,得到最佳的麦区土壤盐分反演模型,实现试验区和研究区2个尺度的麦田土壤盐分反演。【结果】无人机4个波段及光谱指数NVDI、RVI、SI与土壤盐分含量相关性显著,4种建模方法的13个模型中,以NDVI、RVI、SI建立的4个指数模型的建模及验证R²均优于其他模型;对4个模型进行升尺度修正及验证,效果最佳的反演模型为偏最小二乘法光谱指数模型：Y=-9.4774×NDVI₁+0.4794×RVI₁+3.0747×SI₁+5.0604,验证R²为0.513,RMSE为1.379;利用该模型反演得到了试验区及整个研究区麦田土壤盐分等级分布图,结合实测插值及调查结果,证明反演模型及空间分布结果准确、可靠。【结论】本研究构建了卫星、无人机一体化的滨海麦区土壤盐分反演模型,对滨海盐渍区农作物的生产管理有积极参考价值。     

土壤污染耦合模型的有限元模拟及参数反演

【目的】对污染物在土壤环境中的运移分布规律进行模拟,并对模型中的主要参数进行反演。【方法】以土壤中的硝酸盐氮和氨氮为研究对象,建立一维数学耦合模型,用建立的模型对不同时间和不同深度土壤的硝酸盐氮和氨氮含量变化进行分析,并给出其求解的有限元过程。在此基础上,采用微分进化算法对建立的一维耦合模型的多个参数进行反演。【结果】构建了土壤污染一维耦合模型,用该模型对不同时间和不同深度土壤的硝酸盐氮和氨氮含量变化进行分析,结果表明,污染物在土壤中的含量达到一定值后会趋于稳定或降低,说明污染物在土壤中先有一个积累过程,然后有一个释放过程。采用微分进化算法反演得到的一维耦合模型的主要参数值与真值较为接近。【结论】构建的一维耦合模型可以定量地研究污染物在土壤中的运移分布规律;遗传进化反演算法可为土壤水分运动及溶质运移数值模拟提供所需的基本参数。     

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。     

我国的森林生物量研究

论述了我国森林生物量的研究内容及方法,对乔木层、林下植被、凋落物、粗木质残体、根系以及区域尺度的生物量研究进行了总结,概述了直接收获法、回归模型、平均换算因子法等常见的森林生物量估测方法.最后提出当前我国在研究重点分布、基础数据采集以及空间尺度转换等方面存在的一些问题,指出森林生物量研究在遥感监测等方面的发展趋势.     

沙地整治下榆林土地利用及土壤有机质时空分异特征

毛乌素沙地是典型的生态脆弱区,近年来针对其在榆林境内的沙地整治利用取得显著成效,也对土壤环境产生了深刻影响。为了探究沙地不同整治利用方式对土壤有机质的影响,该研究选取榆林市显性沙地,利用多光谱遥感影像及相关光谱指数,结合沙地土地利用变化特征,通过XGBoost机器学习方法,反演1990—2020年土壤有机质含量;分析不同土地类型下土壤有机质含量变化,通过半变异函数揭示了其空间变异性,厘清人为因素和自然环境的影响程度。结果表明,30 a间榆林5 460 km2沙地中超过半数得到整治和利用,沙地-草地是最主要的地类转变方式,建设用地面积增长最迅速;沙区土壤有机质含量上升,但整体呈现先增加后降低的趋势,有机质均值由0.34%增长至0.79%,近10年降低至0.51%;榆林沙区土壤有机质具有较强的空间自相关性。起初,人为利用对其有积极作用,但随着沙地的利用强度增大,对土壤有机质产生负向作用,进而致使其含量下降,面临土地退化危机。建议加强退化林草的修复改良,放缓建设用地开发力度,研究以期为沙地整治提供理论和实践借鉴意义,保护榆林沙地土壤环境安全。     

银杏种子萌发过程低场核磁T2反演谱解译初探

随着科学技术的发展，低场核磁共振（Low Field Nuclear Magnetic Resonance, LF-NMR）横向弛豫时间（Transverse Relaxation Time, T2）反演谱检测技术越来越多的被应用于农业，但当前对T2反演谱的解译尚停留在水分相态分布层面。为探索从物质成分角度对种子T2反演谱进行解译的新方法，该研究以银杏种子为对象，利用低场核磁共振技术检测并对比银杏鲜种、种子粉末及其主要成分试样的T2反演谱，分析各信号峰的形成机理，并以此为依据对其在种子萌发过程中的变化进行解译。研究结果表明：淀粉与蛋白质混合试样T2反演谱的峰T21、T22、T23以及淀粉与油脂混合试样的峰T24在峰顶时间上和种子粉末试样相对应信号峰完全一致；在物质成分及配比完全相同的情况下，种子粉末试样T2反演谱的峰T21～T24的峰顶时间较鲜种分别相差12.98%、32.21%、13.02%、0%，T21、T22峰比例较鲜种分别偏少41.72%、29.33%，T23峰比例偏多92.26%，T24峰比例偏少91.71%，说明种子组织结构会对其内部水分的弛豫时间和相态分布比例造成一定影响。仅从物质成分角度考虑，种子内水分的弛豫时间主要在淀粉、蛋白质的影响下表现为T21、T22、T23，在淀粉和油脂的影响下表现为T24。由此认为峰T21、T22主要为吸附在淀粉和蛋白质上相态不同的结合水的信号，峰T23为主要被淀粉和蛋白质束缚后产生的半结合水的信号，峰T24主要为种子中自由水的信号（少量源自油脂）。此外，种子即将裂壳时将形成T2a（峰顶时间在10 ms左右）、T2b（峰顶时间＞1 000 ms）2个新信号峰，可作为预示种子萌发状态即将发生重要变化的"预兆峰"。提出的从化学组分及核磁检测原理角度对银杏种子萌发过程T2反演谱进行解译的新途径，可为基于LF-NMR方法对种子萌发过程中化学组分变化进行活体分析提供参考。     

岷江上游典型流域叶面积指数的遥感模型及反演

叶面积指数是植被定量遥感的重要参数,区域的时序列叶面积指数揭示了区域生态的演化过程,反演方法上主要是通过植被指数建立相关模型实现的,对于不同地区或不同气候带而言,模型的通用性以及各种植被指数在模型中的灵敏度都需做进一步探讨。以岷江上游典型流域毛儿盖地区为研究区,综合利用Aster和ETM遥感数据、地面实测数据和常规观测数据等资料,研究了植被指数与叶面积指数之间的相关性,以遥感图像中单个像元作为测算单位,对岷江上游毛儿盖地区叶面积指数进行了反演。利用研究区实测数据、生态环境本底遥感调查数据和水文气象数据,对上述模型反演结果进行验证和精度分析。结果表明,归一化植被指数NDVI在反演叶面积指数模型中具有较高的灵敏度,能较真实地反映研究区叶面积指数实际状况。     

基于定量遥感反演与生长模型耦合的水稻产量估测研究

作物遥感估产是农业遥感技术应用与研究的重点领域.在黑龙江省不同的种植区域下,采用GPS定位调查、定量遥感反演与产量形成过程模型相偶合的研究方法,进行了水稻产量估测研究.结果显示,水稻产量的预测值在6740～9600kg/hm2之间,实测值在6500～9500kg/hm2之间,二者总体上表现较为一致,预测水稻产量的RMSE为494.62kg/hm2,相对误差在0.23%～12.39%之间,平均为5.13%.表明采用定量遥感反演与生长模型耦合的模式可以对不同区域的水稻产量形成情况进行监测预报.     

基于支持向量机回归的冬小麦叶面积指数遥感反演

利用单一植被指数反演叶面积指数(LAI)时,存在不同程度的饱和性且每种指数只能包含部分波段的信息,该文提出利用支持向量机回归的方法进行叶面积指数的反演,可以用更多的波段信息作为输入参数以提高LAI反演精度。选取冬小麦起身期、拔节期和灌浆期的实测光谱和叶面积指数数据,用统计回归的方法分别建立NDVI-LAI和RVI-LAI模型,用支持向量机回归(SVR)方法分别建立以NDVI、RVI以及蓝、绿、红和近红外4个波段数据作为输入参数的回归预测模型,即NDVI-SVR、RVI-SVR和NRGB-SVR模型。上述5个模型分别利用对应时期的环境星HJ-CCD数据进行验证。结果表明:NDVI和RVI与叶面积指数(LAI)的回归模型预测的结果与实测值的RMSE分别为0.98与0.97;预测精度分别为59.2%与59.3%。以NDVI和RVI结合实测叶面积指数(LAI)训练并预测的结果与实测值的均方根误差RMSE分别为0.71与0.83预测精度分别为70.4%与67.1%。以蓝(B)、绿(G)、红(R)以及近红外(NIR)波段作为输入参数回归并预测的RMSE值为0.42,预测精度为81.7%。通过支持向量机回归预测具有更好的拟合效果,可以输入更多波段信息,提高了叶面积遥感反演精度,对冬小麦的多个生育期均具有较好的适用性。     

基于GF-1卫星遥感的河套灌区土壤含水率反演模型研究

为探究植被覆盖条件下GF-1卫星反演农田土壤含水率的可行性,以河套灌区解放闸灌域沙壕渠为研究区,采用GF-1卫星遥感影像作为数据源,通过全子集筛选法确定不同土壤深度下光谱指数的最优自变量组合,并分别采用多元线性回归(MLR)、BP神经网络(BPNN)、支持向量机(SVM)3种算法,构建不同深度下土壤含水率反演模型。结果表明,全子集筛选后模型反演精度有较大提升,且过拟合现象减弱;植被覆盖条件下各深度土壤含水率敏感程度从大到小依次为0~40cm、0~60cm、20~40cm、0~20cm、40~60cm;植被覆盖条件下各模型对土壤含水率反演能力由强到弱依次为BPNN、SVM、MLR;筛选后BPNN在深度0~40cm下的建模集和验证集R2adj均能达到0.50以上,RMSE在0.02%以内。研究结果可为植被覆盖条件下利用GF-1卫星监测农田土壤含水率提供参考。