The Pingluo area, as an experimental study area in Yinchuan, has been subjected to major environmental degradation due to soil salinization problems. Soil salinization is one of the main problems of land degradation in arid and semiarid regions. In the present study, remote sensing was integrated with mathematical modeling to evaluate soil salinization adequately. To detect soil salinization, soil water content and electrical conductivity of soil samples were analyzed. The reflectance of soil samples was measured using a spectrometer (SR-3500) with 1024 bands. Indices of soil salinity, vegetation and drought were analyzed using Landsat images over the study area. Based on Landsat images, physicochemical analysis, reflectance of sensitive bands for soil salinization and environmental indices, canopy response salinity index (CRSI), perpendicular drought index (PDI) and enhanced normalized difference vegetation index (ENDVI), a new model was established for simulation and prediction of soil salinization in the study area. Correlation analyses and multiple regression methods were used to construct an accurate model. The results showed that green, blue and near-infrared light was significantly correlated with soil salinity and that the spectral parameters improved this correlation significantly. Therefore, the model was more effective when combining spectral parameters with sensitive bands with modeling. After mathematical transformation of soil reflectance, the correlations of bands sensitive to soil salinization were 0.739 and 0.7 for electrical conductivity and water content, respectively. After transformation of vegetation reflectance, the correlation coefficient of soil salinity became 0.577. After inversion of the model based on soil hyperspectral and water content, the significance became 0.871 and 0.726, respectively, which can be used to predict soil salinity and water content. The spectral soil salinity model had a coefficient of 0.739 for soil salinity prediction. Among the salinity indices, the CRSI was selected as the most significant, with R2 of 0.571, whereas the R2 for PDI reached only 0.484. Among the vegetation indices, the ENDVI had the highest response to soil salinity, with R2 of 0.577. After scale conversion, the correlation percentages between CRSI and measured soil salinity and between ENDVI and measured soil salinity increased to 16.2% and 8.5%, respectively. Following the correlation between PDI and soil water content, the percentage of correlation increased to 11.6%. The integration of hyperspectral remote sensing, ground methods and an inversion method for salinity is a very important and effective technique for rapid and nondestructive monitoring of soil salinization.
相似文献 |
|||||||
|
|||||||
|
共查询到18条相似文献，搜索用时 125 毫秒
1.
基于高光谱的民勤土壤盐分定量分析 总被引：2，自引：0，他引：2
土壤盐渍化是重要的生态环境问题,严重影响着干旱、半干旱区的农牧业及经济发展。高光谱遥感技术能够提供地物的连续光谱信息,易于分析细微差别,在定量研究土壤盐分含量方面具有较大优势。民勤县位于甘肃省石羊河流域下游,水力资源匮乏,盐渍化问题十分严峻。本研究基于实验室光谱数据,通过建立模型定量分析土壤盐分含量。首先对原始数据进行连续统去除（cn）预处理,然后分别建立了土壤盐分含量的高光谱指数模型（NDSI）、偏最小二乘回归模型（PLS）、间隔偏最小二乘法模型（iPLS）和反向间隔偏最小二乘法模型（BiPLS）,考察各种模型对土壤盐分的预测能力。对比分析发现,使用全部波段信息建模的PLS模型优于仅使用两个波段信息的NDSI模型,而iPLS和BiPLS模型通过选择特征波段进行建模,结果均好于全谱PLS模型。其中,BiPLS模型波段选择的能力优于iPLS模型,得出的模型结果最好,预测相对偏差RPD达到2.02,决定系数R2和模拟值与预测值线性回归的斜率分别为0.76和0.92,模型可以近似地预测土壤盐分含量。结果说明特征波段选择方法能够从大量数据中提取有效信息,简化模型,并获取比NDSI模型和全谱PLS模型更优的预测结果。这些研究对于使用高光谱数据定量分析土壤盐渍化有一定的意义。 相似文献
2.
及时准确掌握区域土壤盐渍化信息对盐渍土治理和土地利用可持续发展有着重要意义。以阿拉尔垦区Landsat 7 ETM+/8 OLI影像为数据源,采用盐分指数（Salinity index,SI）和归一化植被指数（Normalized difference vegetation index,NDVI）构建遥感盐分监测指数（Salinization detection index,SDI）模型,对阿拉尔垦区土壤盐渍化进行反演,分析近10 a垦区土壤盐渍化空间分布特征。结果表明：SDI模型与土壤实测电导率拟合度R2=0.7579,该模型可反演阿拉尔垦区土壤盐量;2011—2021年非盐渍土和轻度盐渍土面积分别增加318.22 km2和0.80 km2,中度、重度土壤盐渍化面积减少229.87 km2,盐土面积增加68.61 km2;阿拉尔垦区北部和南部地区的土壤盐渍化程度得到明显转好,中部和东部地区土壤盐渍化程度加重,垦区土壤盐渍化总体得到较好改善。SDI模型能较好反演阿拉尔垦区土壤盐渍化时空特征,可为阿拉尔垦区经济与社会发展提供一定的参考依据。 相似文献
3.
土壤盐渍化的遥感监测依赖于高时空分辨率影像,但受经费预算、卫星回访周期及天气的影响,高时空分辨率的遥感影像较难获取,这就限制了根据采样时间来获取对应时期遥感影像进行土壤盐渍化监测反演的应用。为此,提出融合MODIS和Landsat影像生成高时空分辨率影像来提取土壤盐渍化信息,为时空影像进行土壤盐渍化监测研究提供数据参考。以渭干河—库车河绿洲为研究区,利用增强型时空自适应融合率反射模型（Enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM）和灵活的时空融合模型（Flexible spatiotemporal data fusion,FSDAF）,对MODIS和Landsat影像进行时空融合,并基于融合影像数据构建了关于土壤电导率（EC）的随机森林（RF）预测模型,对比分析时空融合影像应用于土壤盐渍化遥感监测的适用性。结果表明：ESTARFM融合影像的特征波段反射率与Landsat验证影像对应波段反射率一致性决定系数R2（Red）=0.8066、R2（SWIR2）=0.8444;FSDAF融合影像的特征波段与Landsat验证影像对应波段反射率一致性决定系数R2（Red）=0.6999、R2（SWIR2）=0.7493;基于ESTARFM融合影像构建的EC值预测模型精度最高,R2=0.9268,基于FSDAF融合影像构建的EC值预测模型精度良好,R2=0.8987,基于验证影像构建的EC值预测模型R2=0.9103; ESTARFM模型的融合精度高于FSDAF模型,并且基于融合影像构建的EC值预测模型效果良好。 相似文献
4.
土壤电导率 (Electrical conductivity, EC)是评价土壤盐渍化的重要指标。通过实测新疆艾比湖湿地自然保护区土壤EC及可见光—近红外光谱数据，利用波谱响应技术模拟Landsat 8 OLI、Sentinel 2、Sentinel 3卫星的宽波段数据。构建宽波段模拟数据及其5种预处理后的三维光谱指数 (Three-dimensional spectral index, TDSI)，采用梯度提升回归树算法 (Gradient boosting regression tree, GBRT) 建立3种卫星土壤EC估算模型，并比对加入TDSI后模型精度的变化。结果表明：在不同土壤EC条件下，3种卫星具有相似的光谱趋势，均在红、近红外波段附近反射率较高；TDSI与土壤EC相关性基本均在0.4以上，最大程度保留了与土壤EC敏感度高的红、绿、蓝、近红外、短波红外波段信息；GBRT对于土壤EC估算能力表现突出，3种卫星对土壤EC的最佳预测精度R2分别为0.831、0.847、0.903，在加入TDSI后，R2分别提高至0.835、0.857、0.935，综合分析发现，Sentinel
3对土壤EC估算效果最佳 (R2=0.935，均方根误差RMSE=2.986 mS·cm-1，赤池信息准则AIC=57.500)。通过利用波谱响应技术结合TDSI深度挖掘波段间的协同信息，采用GBRT验证了不同卫星对土壤R2的估算效果，二者相结合可以有效提升模型预测精度，为干旱区土壤盐渍化定量监测与防控提供有利指导。 相似文献
5.
土壤盐渍化是新疆最常见的土地退化过程,已经严重威胁到了当地的农业生产、生态稳定和经济发展。通过对渭库绿洲土壤含盐量和土壤热红外光谱分析,探讨了土壤含盐量与热红外发射率之间的定量关系。结果表明：（1）盐渍化土壤的发射率随着含盐量的变化而发生变化,当土壤盐分增加时,发射率也随之增大。（2）土壤含盐量与热红外发射率光谱数据相关性在8.5～9.5 μm波段范围内表现尤为显著,相关系数超过0.8,最高为0.90,对应波段范围9.259～9.271 μm。（3）运用回归模型一阶导数变换形式下建模效果和预测精度都是最优的,R2达到了0.899,RMSE最小为1.734。热红外光谱技术可以反演土壤含盐量,为利用热红外遥感识别土壤盐分信息提供技术支撑。 相似文献
6.
基于地表光谱建模的区域土壤盐渍化遥感监测研究 总被引：2，自引：0，他引：2
《干旱区地理》2016,(1)
土壤盐渍化是土地荒漠化和土地退化的主要类型之一,也是世界性资源问题和生态问题,盐渍化土壤主要分布在干旱半干旱地区,而土壤盐渍化的动态监测和预报是目前研究的重要手段。新疆渭干河-库车河三角洲绿洲是我国土壤盐渍化比较严重也比较典型区域之一,以实测获取的绿洲区域范围内不同恶化程度的盐渍化土壤的高光谱反射率及其土壤含盐量为基础数据源,从中优选出对不同盐渍化程度土壤最为敏感的光谱波段,结合Landsat-TM多光谱遥感影像构建于地表光谱建模的最佳土壤盐渍化监测模型,并将此模型实现大尺度范围内的高精度土壤盐分遥感定量反演。结果表明:(1)反射率一阶微分光谱变换方式最好,与土壤含盐量相关性最佳,最大相关系数可达0.987。(2)利用抛物线模型与最佳土壤盐分指数SI3,构建的地表光谱模型效果最为理想(R2=0.885 2)。(3)与单纯以传统多光谱遥感技术构建的土壤盐分监测模型(R2=0.592 5)相比,经尺度转换后的模型,其精度与效果(R2=0.708 4)则更优。为今后可实现高精度干旱区区域大尺度卫星遥感土壤盐渍化监测提供一种科学、有效的途径。 相似文献
7.
GWR模型在土壤重金属高光谱预测中的应用 总被引：5，自引：0，他引：5
目前土壤重金属高光谱反演模型大多忽视了重金属与光谱变量间相关关系的空间异质性,这与实际情况不相吻合,而地理权重回归（GWR）模型能有效地揭示变量间关系的空间异质性。本文以福州市土壤重金属Cd、Cu、Pb、Cr、Zn、Ni为对象,构建土壤重金属预测的GWR高光谱模型,并将预测结果与普通最小二乘法回归（OLS）结果进行比较分析,探讨GWR模型在土壤重金属高光谱预测中的适用性及局限性。结果表明：① GWR模型在土壤重金属高光谱预测中适用与否取决于重金属对光谱变量影响的空间异质性程度：对于Cr、Cu、Zn、Pb等对光谱变量影响空间异质性大的元素,其GWR预测精度较OLS提高明显,表现为GWR模型的调节R2较OLS模型有了明显提高,分别为OLS模型的2.69倍、2.01倍、1.87倍和1.53倍;而AIC值以及残差平方和较OLS模型却明显降低,AIC值减少量均大于3个单位,残差平方和则仅分别为OLS模型的25.33%、30.09%、47.22%和86.84%;对于Cd和Ni等对光谱变量影响空间异质性小的元素,相较于OLS模型,GWR模型的调节R2分别提高了0.015和0.007,残差平方和分别减少了5.97%和4.18%,但AIC值却分别增加了2.737和2.762,GWR预测效果改善不明显;② 光谱变换可以有效增强土壤重金属的光谱特征,其中以光谱的倒数变换效果最好,而且该变换及其微分形式可以很好地提高模型的预测效果;③ GWR模型的应用前提是变量间关系的空间非平稳性,适合在与土壤光谱变量间关系具有显著空间异质性的重金属高光谱预测中推广。 相似文献
8.
快速获取区域土壤盐渍化程度信息,对于盐渍化治理与生态环境保护具有重要意义。以银川平原为研究区,以盐分影响因子和盐分指数分别作为输入参数,建立支持向量机(SVM),BP神经网络(BPNN)和贝叶斯神经网络(BNN)3种土壤盐分预测模型,选取最佳模型进行研究区不同深度的土壤盐渍化预测。结果表明：(1)0～20 cm土壤盐分预测模型中基于影响因子变量组的BNN模型效果最佳,决定系数(R2)为0.618,均方根误差(RMSE)为2.986;20～40 cm土壤盐分预测模型中基于盐分指数变量组的BNN模型效果最佳,R2为0.651,RMSE为1.947;综合对比下,BNN模型的预测效果最好,可用于研究区土壤盐渍化预测。(2)银川平原主要是以非盐渍化和轻度盐渍化为主,0～20 cm土壤重度盐渍化及盐土共占总面积的11.59%,20～40 cm土壤重度盐渍化及盐土共占总面积的7.04%,20～40 cm土壤盐渍化程度较0～20 cm土壤盐渍化轻。 相似文献
9.
选取Landsat TM影像的光谱反射率（R）、反射率之倒数（1/R）、反射率倒数之对数（lg（1/R））、反射率一阶导数（FDR）、波段深度（D）等5种光谱指标,分别建立了奇台县土壤有机质（SOM）含量的反演模型,并利用F检验来验证模型的显著性。结果表明：用各光谱指标建立的土壤各层和不同深度SOM含量的反演模型精度值由低到高的顺序均为lg（1/R）<R<1/R<FDR<D,以D反演SOM含量的模型效果最好,且对10～20 cm的SOM含量的反演精度最高,适用于对研究区SOM含量的反演,FDR的反演效果次之,1/R和R的模型精度一般,而lg（1/R）的模型精度最差;各层拟合模型的反演精准度由低到高的顺序为50～60 cm <40～50 cm <30～40 cm <20～30 cm <0～10 cm <10～20 cm,不同深度反演模型的优劣为0～60 cm <0～50 cm <0～40 cm <0～30 cm <0～10 cm <0～20 cm。 相似文献
10.
土壤盐渍化是威胁干旱区土地的重要环境问题。利用遥感技术对土壤盐渍化进行动态监测,分析土壤盐度水平与空间分布,有利于掌握土壤盐渍化现状,为土地资源可持续利用提供理论依据。现有研究多在田间尺度,随着土壤环境问题涉及的范围越来越大,区域斑块信息的提取已无法满足宏观地模拟和展示整体土壤环境的空间分布。以阿拉善地区为例,结合遥感光谱指数与实测土壤盐分数据,运用偏最小二乘回归（PLSR）方法,构建区域尺度范围的土壤盐渍化反演模型,实现大面积地区土壤盐度的精准模拟和定量监测。结果表明,构建的模型验证精度达到0.8788,达到极显著水平,预测结果与实际情况相符,可以较准确地模拟研究区土壤盐渍化状况。受地形、气候、景观类型、农业活动以及土地管理等因素的综合影响,阿拉善地区约20%的区域土壤呈现出不同程度的盐渍化,其中黑河下游河岸带、雅布赖山西侧及贺兰山西侧冲积扇土壤盐渍化程度最为严重。本研究可为大面积区域土壤盐分状况的快速监测及遥感定量反演提供可行的方法,同时为该区域不同程度盐渍化土壤的治理和土地利用管理提供依据。 相似文献
11.
应用于土壤盐分含量(Soil Salinity Content,SSC)反演的BP神经网络(Back Propagation Neural Network,BPNN)较少关注对模型精度影响较大的结构参数和初始权重的优化。该文利用Landsat-8 OLI、Sentinel-1 SAR影像数据及SRTM高程数据,基于谷歌地球引擎(GEE)平台构建反演参数,并建立3种反演模型:先利用遗传算法(Genetic Algorithm,GA)同步优化输入层反演参数子集和隐含层神经元数量,再优化初始权重的BPNN(GA-BP)模型;将变量投影重要性(Variable Importance in Projection,VIP)算法分割阈值分别设为1和0.5,优化出两组输入层反演参数子集并将其分别代入GA优化隐含层神经元数量,再优化初始权重的BPNN(VIP1-GA-BP、VIP2-GA-BP)模型。在玛纳斯流域和三工河流域各选一靶区进行SSC反演,对比分析GA-BP、VIP1-GA-BP、VIP2-GA-BP模型的反演精度,并统计各类盐渍土的面积比例,结果表明:1)两靶区3组模型反演精度由高到低排序均为GA-BP、VIP1-GA-BP、VIP2-GA-BP;2)盐分指数和植被指数在SSC反演中起到重要作用,同一模型筛选的反演参数存在空间分异性,但高程适用于不同的筛选模型,具有较强的鲁棒性;3)两靶区3组模型反演的SSC值域范围与实际采样点SSC值域范围的差异均较小,各子区GA-BP反演的SSC空间分布地物轮廓最清晰,且地物内SSC的均质性最好;4)玛纳斯靶区和三工河靶区面积占比最大的盐渍土类型分别为盐渍土和中度盐渍土。研究结果为构建具有一定推广性的干旱区土壤盐分含量反演模型奠定了基础。 相似文献
12.
Choosing the Minqin Oasis, located downstream of the Shiyang River in Northwest China, as the study area, we used field-measured hyperspectral data and laboratory-measured soil salt content data to analyze the characteristics of saline soil spectral reflectance and its transformation in the area, and elucidated the relations between the soil spectral reflectance, reflectance transformation, and soil salt content. In addition, we screened sensitive wavebands. Then, a multiple linear regression model was established to predict the soil salt content based on the measured spectral data, and the accuracy of the model was verified using field-measured salinity data. The results showed that the overall shapes of the spectral curves of soils with different degrees of salinity were consistent, and the reflectance in visible and near-infrared bands for salinized soil was higher than that for non-salinized soil. After differential transformation, the correlation coefficient between the spectral reflectance and soil salt content was obviously improved. The first-order differential transformation model based on the logarithm of the reciprocal of saline soil spectral reflectance produced the highest accuracy and stability in the bands at 462 and 636 nm; the determination coefficient was 0.603, and the root mean square error was 5.407. Thus, the proposed model provides a good reference for the quantitative extraction and monitoring of regional soil salinization. 相似文献
13.
黑河下游土壤盐分分布特征 总被引：2，自引：1，他引：1
采用黑河下游面域土壤信息调研数据,结合层次聚类和地统计分析等方法,探讨黑河下游土壤盐分在水平方向和垂直方向上的变异特征,揭示黑河下游土壤盐渍化的程度和状态。结果表明：研究区土壤盐分表聚特征明显。土壤盐分及离子组分含量存在很强的变异性,变异系数0.42~1.99。黑河下游土壤盐渍化类型主要为氯化物-硫酸盐型,土壤盐渍化程度较为严重,盐土占比高达42.87%。从土壤盐分在水平方向上的变异特征来看,表土层土壤全盐在一定的区域范围内具有空间结构特征,符合球状模型分布,空间分布表现为斑块状格局。从土壤盐分在垂直方向上的变异特征来看,研究区土壤盐分剖面类型可分为表聚型、均匀型、振荡型和底聚型。 相似文献
14.
Remote Sensing Inversion for Simulation of Soil Salinization Based on Hyperspectral Data and Ground Analysis in Yinchuan,China 总被引：2，自引：0，他引：2
Wu Dan Jia Keli Zhang Xiaodong Zhang Junhua Abd El-Hamid Hazem T. 《Natural Resources Research》2021,30(6):4641-4656
15.
黄河三角洲多尺度土壤盐分的空间分异 总被引：20，自引：5，他引：15
本文利用多尺度采样数据,探索了两个深度土壤盐分的空间分异,分析了不同尺度、深度土壤盐分的变异系数和空间相关性(结构方差与基台值之比)的变化,揭示了形成这种空间变异的地貌因素,最后利用普通克立格(ordinary kriging)方法对土壤盐分的分布进行了估测。分析发现,研究区土壤盐分的空间变异具有三个尺度。随着采样间隔的增加和区域的扩大,盐分分布空间相关性增强,且下层比上层具有更高的空间相关性。地貌因素(微地貌类型、坡度和高程)均具有较高的空间相关性,当与地貌因素关系密切时,该尺度及深度的土壤盐分空间相关性就大;反之,则小,这时可能主要受具有较小空间相关性其他因子的影响(如人为活动)。最后对合理的土壤采样提出了建议。 相似文献
16.
土壤盐分的动态分析与监测,是实现盐渍化土地科学管理与利用的必要前提。运用GIS技术,结合地统计学方法,分析了渭干河绿洲土壤盐渍化的分布格局,探讨了不同土地利用类型下土壤盐分的变化规律。结果表明：土壤盐分离子含量随土层深度增加而减少,CO2-3和HCO3-变化不明显,整个剖面表现为：Na++K+>Ca2+>Mg2+,SO2-4>Cl->HCO3->CO2-3,具有中-强变异性,除了HCO3-、CO2-3和Ca2+外,其他盐分离子变异系数随深度增加而减小。不同土地利用类型的土壤含盐量具有显著差异垂向分布,耕地、荒地和草地、林地分别呈现为平均型、表聚型和底聚型盐分剖面,且各类型表层土壤（0～40 cm）含盐量依次为荒地（38.42 g·kg-1）>草地（16.30 g·kg-1） > 耕地（5.37 g·kg-1） > 林地（4.62 g·kg-1）。渭干河绿洲土壤属于重盐土类型,自然因素（蒸降比和地下水波动等）是土壤盐渍化的形成条件,而人为干扰（土地利用方式、灌排、施肥等）则促进了土壤盐渍化的发展。 相似文献
17.
18.
基于表观电导率与实测光谱的干旱区湿地土壤盐分监测 总被引：2，自引：0，他引：2
以新疆艾比湖滨盐渍化土壤为对象,利用磁感应电导仪和光谱仪测得的盐渍土表观电导率和可见光/近红外光谱数据,选取与EM38解译的土壤盐分相关性最好的光谱变换形式和特征波长,分别建立多元逐步回归、偏最小二乘回归和支持向量回归的土壤盐分监测模型。结果表明：（1）表观电导率两种模式相结合建立的盐分含量解译模型的拟合优度达到0.91,即在该区域内电磁感应技术可用于土壤盐分含量的间接监测。（2）一阶微分处理优于二阶微分,经一阶微分变换后的光谱可以较好地预测土壤盐分含量。（3）3种建模方法中,支持向量回归的建模精度最高,偏最小二乘回归和多元逐步回归次之。干旱区湖滨湿地土壤盐分含量的估测模型宜选取基于平滑后的原始一阶微分光谱数据建立的支持向量回归模型。 相似文献
|
| 设为首页 | 免责声明 | 关于勤云 | 加入收藏 |
|
Copyright©北京勤云科技发展有限公司 京ICP备09084417号 |