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19条相似文献，搜索用时 296 毫秒
1.
塔里木河中游典型绿洲盐渍化土壤的反射光谱特征 总被引：2，自引：0，他引：2
研究盐渍化土壤的光谱特性是利用遥感技术实现在区域尺度上进行土壤盐渍化监测和评价的工作基础, 是建立地面数据和遥感数据关系的桥梁。本文以塔里木河中游典型绿洲--渭干河-库车河三角洲绿洲为研究对象, 采用光谱学技术以及多元统计相结合的方法, 研究干旱区典型绿洲盐渍化土壤的反射光谱特征。首先, 对光谱数据进行预处理(去噪、剔除水分吸收波段), 以便消除仪器本身噪声及外界条件的影响, 并且计算了部分盐渍地样本的光谱吸收特征参数, 说明相同程度的盐渍化土壤具有相似的吸收特征;其次, 研究盐渍化土壤的反射光谱与盐分因子(八大离子、电导率(EC)、含盐量(salt content)、pH、总溶解固体(TDS)等) 之间的关系, 并选择具有代表性的盐分因子与野外实测光谱数据建立定量回归模型, 通过多元线性回归分析得出含盐量、SO42-、TDS、EC与原始光谱数据的相关性分别是0.746、0.908、0.798 和0.933, 达到了理想的效果。本研究对于干旱区典型绿洲盐渍土的光谱特征研究有着重要指示意义, 为发展和完善中国盐渍土理化特征的可见光-近红外反射光谱分析理论奠定科学积累, 并进一步为干旱区土壤盐渍化、沙漠化灾害等环境恶化问题的解决提供新的科学技术手段。 相似文献
2.
基于BP神经网络的盐渍土盐分遥感反演模型研究 总被引：3，自引：0，他引：3
采用遥感技术和BP神经网络技术,结合野外实测的盐渍土光谱特征和实验室化验的土壤含盐数据,对盐渍土盐分的遥感反演进行了模型的设计与编程实现.BP神经网络模型的预测精度在62.5%,明显高于传统统计模型的预测精度,表明BP神经网络能较好地模拟土壤含盐量与光谱数据之间的关系,可用于建立土壤盐分遥感反演模型. 相似文献
3.
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
4.
盐生植物对于维持干旱区绿洲生态系统平衡起着核心作用。该文以渭干河-库车河三角洲绿洲盐漠带典型盐生植物为研究对象,利用Field Spec Pro FR便携式地物波谱仪,对2010年10月盐生植物的野外光谱数据进行采集并取相应土样。首先,采用光谱学分析方法分析光谱特征变化,并对土壤理化特性(含盐量、TDS、电导率、pH值)进行室内测定分析,获得盐生植物光谱特征数据和土壤理化特性数据。其次,利用实测光谱数据对盐生植物高光谱植被指数NDVI705、VOG1、ARI1和CRI1进行反演,用高光谱影像和TM影像分别对VOG1和NDVI705进行反演,并与土壤理化特性进行相关性分析。研究表明:高光谱植被指数NDVI705、VOG1、ARI1与土壤理化特性之间相关性均较低(0.266R0.449),但CRI1与含盐量、TDS的相关性较高(R=0.668);用高光谱影像反演的VOG1与电导率的相关性较高(R=0.536),用TM影像反演的NDVI705与TDS相关性较高(R=0.695)。通过精度验证,发现高光谱反演数据(VOG1)比TM反演数据(NDVI705)精确,说明遥感数据空间分辨率的不同影响了反演植被光谱指数的精度。该研究不仅可为干旱地区盐生植物的遥感识别奠定基础,而且对维持绿洲生态系统稳定提供一定的科学依据。 相似文献
5.
基于Hyperion数据的南四湖叶绿素浓度反演研究 总被引：2，自引：0，他引：2
通过对2005年5月7日南四湖Hyperion高光谱影像的几何纠正和6S模型辐射校正,以及水体光谱数据分析,对22个水体样点原始光谱数据分别采用归一化处理和包络线消除处理后,以波段比值数据构建叶绿素浓度反演模型,选取相关系数最大的反演模型,获得南四湖叶绿素浓度的空间分布图。研究表明,包络线消除法能很好地去除水体的光谱曲线背景影响,突出光谱曲线的吸收和反射特征,与归一化处理相比,反演模型的相关系数都有很大提高。R700/R560波段比值数据构建的模型相关性最高,相关系数为0.834,可用于叶绿素浓度反演研究。 相似文献
6.
由于不同的环境背景下环境机制不同,所以导致了水盐(主要指水分、盐分)空间变异存在很大差异,在此背景下分析艾比湖地区含水量与含盐量空间变异,有助于更加合理的了解土壤含水量与含盐量一体化规律。以艾比湖为中心把艾比湖区域分为三个靶区:绿洲、荒漠、湖区,运用统计学方法,分析三个区域的土壤水分、盐分差异性特征。结果表明:绿洲、荒漠、湖区这三个区域表层土壤盐分积聚严重,其含盐量大小依次为:荒漠→绿洲→湖区,而含水量却相反;绿洲、荒漠和湖区土壤含盐量的变异系数均在85%~150%之间,属高强度变异,含水量变异系数均介于55%~75%之间,属中强度变异。说明荒漠区域盐分含量的水平分布不均匀,空间异质性较强;而水分含量的水平相对较为均匀,空间异质性较弱。绿洲、荒漠、湖区土壤层10~20 cm与20~40 cm土壤层含盐量的存在显著性相关性(p<0.01),即绿洲的相关系数0.913,荒漠的相关系数0.966,湖区的相关系数0.941,绿洲与湖区土壤表层与亚层含水量存在显著性相关性(p<0.01)相关系数分别为0.851和0.908。说明绿洲与湖区土壤层0~10 cm与10~20 cm土壤含水量存在水分转移现象,荒漠区域这种现象不明显,可能与沙漠炎热地表环境和土壤性质等因素有关。研究结果揭示了艾比湖地区不同环境背景下秋季的土壤含水量与含盐量分布特征,为艾比湖地区农作物灌溉管理及土壤盐渍化治理提供了科学依据。 相似文献
7.
由于不同的环境背景下环境机制不同,所以导致了水盐（主要指水分、盐分）空间变异存在很大差异,在此背景下分析艾比湖地区含水量与含盐量空间变异,有助于更加合理的了解土壤含水量与含盐量一体化规律。以艾比湖为中心把艾比湖区域分为三个靶区：绿洲、荒漠、湖区,运用统计学方法,分析三个区域的土壤水分、盐分差异性特征。结果表明：绿洲、荒漠、湖区这三个区域表层土壤盐分积聚严重,其含盐量大小依次为：荒漠→绿洲→湖区,而含水量却相反;绿洲、荒漠和湖区土壤含盐量的变异系数均在85%～150%之间,属高强度变异,含水量变异系数均介于55%～75%之间,属中强度变异。说明荒漠区域盐分含量的水平分布不均匀,空间异质性较强;而水分含量的水平相对较为均匀,空间异质性较弱。绿洲、荒漠、湖区土壤层10～20 cm与20～40 cm土壤层含盐量的存在显著性相关性（p<0.01）,即绿洲的相关系数0.913,荒漠的相关系数0.966,湖区的相关系数0.941,绿洲与湖区土壤表层与亚层含水量存在显著性相关性（p<0.01）相关系数分别为0.851 和0.908。说明绿洲与湖区土壤层0～10 cm与10～20 cm土壤含水量存在水分转移现象,荒漠区域这种现象不明显,可能与沙漠炎热地表环境和土壤性质等因素有关。研究结果揭示了艾比湖地区不同环境背景下秋季的土壤含水量与含盐量分布特征,为艾比湖地区农作物灌溉管理及土壤盐渍化治理提供了科学依据。 相似文献
8.
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
9.
包络线消除法及其在野外光谱分类中的应用 总被引：11，自引：1，他引：10
根据云南省鹤庆县北衙金矿区野外地物（岩石和植被）的高光谱数据,利用VC＋＋实现 包络线消除算法,运用对应分析和聚类分析方法,处理包络线消除前后数据. 对比认为包络线消除法归一化后的光谱曲线能突出其吸收特征,减弱一些野外因素的 影响,可更好地进行分类,并得到该地区用于野外识别岩石的波段范围. 相似文献
10.
以环境小卫星高光谱影像为主要数据源,在野外实测样本的支持下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敏感波段,利用曲线回归分析方法,建立基于高光谱影像的新疆渭干河-库车河绿洲土壤含盐量定量反演模型.结果表明:研究区土壤含盐量的影像响应波段基本位于近红外波段,其中以780～924 nm波长范围最佳,相关系数R≈0.8;反射率对数的倒数一阶微分土壤含盐量预测模型精度最高,回归方程为Y=-4.152-27.735X+769.813X2,模型及其检验的决定系数都在0.88以上,均方根误差约为3.该模型的建立可为区域盐渍化土壤信息的提取及监测提供参考. 相似文献
11.
在黑河流域干旱土纲中采集5个典型土壤剖面以研究该地区干旱土壤的演化。同时，为了了解土壤养分含量、土壤干旱化和土壤盐化的变化趋势，测定了高台县西北盐池地区主要盐土类型各剖面中的盐分含量和流域内主要土类中水分含量的分布。结果表明，干旱区内陆河流域土壤的退化主要表现为干旱化、盐渍化和土壤肥力的退化。在流域内干旱化随流域上中下游降水量和干燥度的变化而变化，土壤随距河流的距离及地下水位的高低而变化。流域内土壤从潜育土向雏形十、干旱雏形土和干旱土的方向变化。盐渍化与土壤水分含量和地下水位有关，并与水分的蒸发有密切的关系。在一定范围内，距水源越远，盐分含量一般越高。土壤肥力的退化表现为土壤有机质含量降低，阳离子代换量降低等理化性质的退化，这一退化过程是其它过程的综合反映。质地的退化虽受风沙化的影响，但与土壤的形成母质有一定的关系。 相似文献
12.
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
13.
基于MSAVI-WI特征空间的新疆渭干河-库车河流域绿洲土壤盐渍化研究 总被引：5，自引：0，他引：5
土壤盐渍化是造成干旱区土地荒漠化及生态恶化的重要原因,及时获取大尺度高精度土壤盐渍信息是防治工作的基础。选取新疆塔里木盆地北缘渭干河—库车河流域三角洲绿洲为研究区,利用Lansat-TM数据与野外实测数据分析盐渍化土壤与修改型土壤调整植被指数(MSAVI)、湿度指数(WI)之间的关系,在此基础上提出了MSAVI-WI特征空间概念,构建了土壤盐渍化遥感监测指数模型(MWI)。结果表明:MWI与土壤表层含盐量相关性较高,其相关性为0.844,精度高于土壤盐渍监测常用的盐分指数与实测数据的相关性。MWI能较好的反映盐渍化土壤地表植被及土壤水分的组合变化,具有明确的生物物理意义,并且特征参量简单,理论上易于理解,实践上易于实现,MWI模型的构建有利于干旱区大尺度土壤盐渍化定量监测与评价工作的开展。 相似文献
14.
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
15.
黄河三角洲地区土壤水盐空间变异特征研究 总被引：30，自引：7，他引：23
运用传统统计学和地统计学相结合的方法研究黄河三角洲地区表层土壤盐分、pH与含水量的空间变异特征。结果表明:土壤盐分较高且呈一定的碱化趋势;盐分与含水量为中等变异强度,pH为弱变异强度。受结构性与随机性因素的共同作用,盐分、pH与含水量均表现为中等空间相关性。分维数与Moran′s I系数分析均表明,盐分、pH与含水量的空间依赖性小,随机性因素是引起空间异质性的关键原因。Kriging插值与相关性分析表明,盐分和pH的分布存在着空间负相关性,且盐分与pH、含水量均呈显著负相关,盐分过高是导致pH降低的重要因素,含水量可为判断旱季表层土壤盐分高低提供一定参考。 相似文献
16.
为探索快速提取典型绿洲棉田土壤盐分的有效方法,获取区域尺度的土壤盐渍化特征及空间分布,进而为土壤盐渍化防治提供参考。以新疆兵团农二师31团为研究区域,2019、2021年春季Landsat 8 OLI多光谱影像和野外实测土壤含盐量为数据源,将波段组、光谱指数组和全变量组作为模型输入变量组,采用多元逐步回归（Multiple stepwise regression, MSR）、偏最小二乘回归（Partial least squares regression, PLSR）、极限学习机（Extreme learning machine, ELM）、支持向量机（Support vector machine, SVM）和BP神经网络（Back propagation neural network, BPNN）构建基于3个输入变量组的土壤盐分遥感反演模型,探究输入变量和建模方法对模型精度的影响效果,通过对比确定春季土壤盐分最优反演模型,定量反演地表土壤含盐量。结果表明：（1） 研究区主要为非盐化土和轻度盐化土,总样本变异系数为0.67,呈中等变异性;光谱反射率与土壤盐渍化程度的关系表现为土壤盐渍化越重,光谱反射率越高。（2） 海岸波段（b1）、蓝波段（b2）、绿波段（b3）、红波段（b4）和盐分指数（SI1、SI2、SI3、SI4、S3、S4、S5）均通过显著性检验P<0.01,相关系数均达到0.4以上。（3） 所有模型中,基于全变量组建立的BPNN反演模型精度最高,建模集R2为0.705;验证集R2为0.556。（4） 由反演结果可知,2019、2021年春季耕作区土壤主要为非盐化土,分别占耕作区总面积的55.55%和64.62%,其次为轻度盐化土,分别占44.31%和35.17%;2021年土壤盐渍化程度较2019年有所减轻。 相似文献
17.
18.
冻融条件下土壤中水盐运移规律模拟研究 总被引：16，自引：0，他引：16
冻融作用是土壤盐碱化独特的形成机制,冻融条件下土壤中盐分迁移是水分对流、浓度梯度、温度梯度、不同溶质、土壤结构及质地等因素作用下的综合结果,温度是导致土壤中水分与盐分迁移的驱动力。在土壤冻融过程中,水分和盐分的两次迁移过程构成了特殊的水盐运动规律。在冻融过程中,土壤剖面结构发生变异,形成冻结层、似冻结层和非冻结层。冻结带土水势降低导致水分不断向冻层迁移,冻结缘以下的盐分同步向上运移,整个冻层的土壤含盐量明显增加;在融化过程中,随着地表蒸发逐渐强烈,使冻结过程中累积于冻结层中的盐分,转而向地表强烈聚集,使表层的盐分含量急剧上升。当冻结层未融通之前,尚未融化的冻层起到隔水的作用,不但阻止顶部融水向下层渗透,而且隔断了与下层水的联系。模拟实验结果充分证明了中国北方冻融区域土壤盐碱化的发生过程,为有效防治土壤盐碱化提供了理论依据。 相似文献
19.
塔里木河下游表层土壤盐分空间变异和格局分析 总被引：10，自引：3，他引：7
土壤盐化是造成塔里木河下游天然植被退化的主要因素之一,应用地统计学方法,分析了塔里木河下游表层土壤盐分的空间异质性特征。结果表明,研究区土壤含盐量普遍较高,表层土壤盐分呈现强变异性和具有较强的空间自相关格局,主要受结构性因子影响。空间插值结果表明,表层土壤盐分整体上呈现出条带状的分布格局,局部地区表现出斑块状的空间变异特征。从河流纵向看,表层土壤盐分“两头高,中间低”;从河流横向看,离河道越远,盐分越低,地下水埋深逐渐加深,物种数和植被盖度分别表现出与之相应的递减趋势。 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 |