共查询到18条相似文献，搜索用时 640 毫秒
1.
干旱区土壤盐渍化信息遥感建模 总被引：2，自引：0，他引：2
以新疆塔里木盆地北缘的渭干河-库车河三角洲绿洲为研究区,利用GF~(-1)与Landsat8 OLI影像数据作为基本数据源,从影像上提取15个盐分指数和5个光谱植被指数,通过灰度关联分析法,对0~10 cm表层土壤含盐量与影像光谱指数进行分析和筛选,确定出与土壤含盐量相关性较高的综合光谱指数,采用多元线性回归,偏最小二乘法回归,支持向量机回归三种方法分别对GF~(-1)与Landsat8 OLI影像构建基于实测数据和影像数据的综合指数土壤含盐量估算模型,并选出最优模型。结果表明:(1)在20个光谱指数中,相关性较好的光谱指数是SR、CSRI、SI、BI、S6、ARVI、SAVI、NDSI,关联系数均达到0.7以上,并基于这8个光谱指数构建综合光谱指数。(2)3种估算模型:基于GF~(-1)多元线性回归模型决定系数R~2为0.6856,高于决定系数R2为0.5142的Landsat8 OLI;偏最小二乘回归模型1~8个主成分,GF~(-1)决定系数2个3个1个,其中2个主成分最高可达0.6104,Landsat决定系数4个3个2个,其中4个主成分最高可达0.549;支持向量机模型3种函数,GF~(-1)决定系数RBFPolynomialLinear,其中RBF函数最高可达0.7969,Landsat决定系数PolynomialRBFLinear,其中Polynomial函数最高可达0.7154。对比3种模型可知,支持向量机回归模型的R2最高,因此该模型相对于多元线性回归和偏最小二乘回归更适于土壤盐渍化估算。 相似文献
2.
基于Landsat 8 OLI影像的三江源区表层土壤全氮空间格局反演 总被引：2，自引：0，他引：2
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。 相似文献
3.
干旱区盐渍化土壤高光谱遥感信息分析与提取 总被引：1，自引：0，他引：1
以干旱区典型区域新疆渭干河-库车河三角洲绿洲为研究区,以环境小卫星高光谱影像及野外实测土壤含盐量为主要数据源,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最敏感波段,利用多元线性回归分析方法,建立基于HSI影像的研究区土壤含盐量定量反演模型。结果表明:研究区土壤含盐量与HSI波段的敏感性随着波长的增加而增强,位于近红外波段范围(797.826-923.913nm)的相关系数R普遍较高,基本在0.7左右。土壤光谱反射率对数的倒数一阶微分变换在628.261nm和923.913nm的波段组合为最佳敏感波段,所构建的土壤含盐量反演模型为最优模型,模型方程为Y=-11.731-114.996X628.261-186.637X923.913,模型及检验的决定系数R2都在0.85以上,均方根误差RMSE约为2.7。该模型的建立为地区土壤含盐量信息的提取及监测提供了参考。 相似文献
4.
快速监测区域土壤盐渍化信息，对于盐渍化治理与生态环境保护具有重要意义。本文以Sentinel-2A和Landsat8 OLI遥感影像为数据源，以银川平原为研究区，利用谷歌地球引擎（Google Earth Engine,GEE）平台，基于随机森林算法，通过建立光谱指数特征与地面实测土壤含盐量之间的关系，进行土壤含盐量估算。结果表明：GEE能够为土壤含盐量预测提供可靠的数据支撑；以Sentinel-2A为数据源建立的随机森林模型具有更好的预测精度（R2=0.789,RMSE=1.487），优于Landsat8 OLI，可用于土壤含盐量高分辨率遥感估算，能够为大尺度土壤含盐量监测工作提供理论支撑。 相似文献
5.
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。 相似文献
6.
探究西北干旱区土壤水分和植被需水量动态变化特征,可为生态恢复不同阶段所需水资源量及水资源优化配置提供科学依据。以兰州市南北两山为研究区,基于Sentinel-2 L2A和Landsat 8 OLI遥感影像,结合实测土壤0～10 cm的111个数据,分别构建垂直干旱指数(Perpendicular Drought Index,PDI)、改进型垂直干旱指数(Modified Perpendicular Drought Index,MPDI)和植被调整垂直干旱指数(Vegetation-adjusted Perpendicular Drought Index,VAPDI)土壤水分反演模型,并采用4种模型指标定量决定系数(R2)、平均绝对误差(MAE)、平均相对误差(MRE)、均方根误差(RMSE)对模型反演的效果进行精度评价,选出最优的土壤水分反演模型并结合土壤水分限制系数,与研究区2019年林地、草地和耕地植被面积的空间数据、各站点生长季内的参考作物蒸散量,构建植被生态需水量模型,厘清研究区内土壤水分、植被需水量时空变化特征。结果表明：(1)2种数据源下的PDI、MPDI、VAPDI和实测... 相似文献
7.
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。 相似文献
8.
2001年以来甘肃民勤植被覆盖变化分析 总被引：4，自引：0，他引：4
以甘肃民勤为研究区域,以Landsat 5 TM和Landsat 8OLI影像为主要数据源(2001、2003、2005、2011、2013、2014年),系统分析了研究区的植被覆盖变化与驱动机制.并使用2014年遥感影像,通过像元二分模型计算了ARVI、AFRISWIR1、AFRISWIR2三种植被指数提取的覆盖度.结果显示:AFRISWIR2求算的植被覆盖度相较于ARVI、AFRISWIR1,与实际的植被覆盖度线性回归关系最好,相关指数(R2)可以达到0.84,均方根误差(RMSE)为0.7.在对2001-2014年民勤植被变化研究中得出:低植被覆盖度面积在不断减少,高中覆盖度植被面积在不断扩大,生态环境得到显著改善.通过重点植被变化区域和驱动力的分析可以得出,民勤石羊河治理工程和其他各种生态工程的实施,是民勤生态恢复最为本质的原因. 相似文献
9.
为快速地了解玛纳斯流域土壤中重金属的污染状况和潜在生态风险，在Landsat 8 OLI的基础上引入DEM数据进行地形校正，同时对地形校正后的反射率进行倒数、导数和对数等数学变换，从每种变换中筛选出与土壤各重金属相关性最高的波段构建土壤各重金属PLSR预测模型，并对研究区土壤重金属分布情况进行探索，并利用生态风险评价方法对研究区进行预警。结果表明：在Landsat 8的基础上，引入DEM数据对反射率进行地形校正，以B1波段反射率和重金属Cu为例，经过地形校正后的反射率值与实测土壤表层Cu含量的R2从0.46提高至0.52，表明地形校正后的表观反射率能够更好地反映土壤重金属状况；利用土壤各重金属的最佳预测模型分别反演相应的土壤重金属含量，并引入土壤重金属生态风险指数用于评价研究区的土壤重金属生态风险，研究表明土壤重金属风险等级总体上呈现从西南方向至东北方向逐渐减弱的趋势，其生态风险排序为恢复区(C区)＞退化区(B区)＞湖泊入湖口(A区)；为了验证基于遥感的土壤重金属生态风险预警的预测精度，将研究区土壤重金属含量实测数据也通过重金属生态风险指数进行计算，两者结果较为一致，表明可以用遥感的手段来反演该研究区的重金属分布情况，同时研究区土壤重金属污染总体上处于轻警以上级别，生态服务功能已开始退化，应该加强对该地区的重金属污染进行治理。 相似文献
10.
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。 相似文献
11.
Soil salinization is a serious ecological and environmental problem because it adversely affects sustainable development worldwide, especially in arid and semi-arid regions. It is crucial and urgent that advanced technologies are used to efficiently and accurately assess the status of salinization processes. Case studies to determine the relations between particular types of salinization and their spectral reflectances are essential because of the distinctive characteristics of the reflectance spectra of particular salts. During April 2015 we collected surface soil samples(0–10 cm depth) at 64 field sites in the downstream area of Minqin Oasis in Northwest China, an area that is undergoing serious salinization. We developed a linear model for determination of salt content in soil from hyperspectral data as follows. First, we undertook chemical analysis of the soil samples to determine their soluble salt contents. We then measured the reflectance spectra of the soil samples, which we post-processed using a continuum-removed reflectance algorithm to enhance the absorption features and better discriminate subtle differences in spectral features. We applied a normalized difference salinity index to the continuum-removed hyperspectral data to obtain all possible waveband pairs. Correlation of the indices obtained for all of the waveband pairs with the wavebands corresponding to measured soil salinities showed that two wavebands centred at wavelengths of 1358 and 2382 nm had the highest sensitivity to salinity. We then applied the linear regression modelling to the data from half of the soil samples to develop a soil salinity index for the relationships between wavebands and laboratory measured soluble salt content. We used the hyperspectral data from the remaining samples to validate the model. The salt content in soil from Minqin Oasis were well produced by the model. Our results indicate that wavelengths at 1358 and 2382 nm are the optimal wavebands for monitoring the concentrations of chlorine and sulphate compounds, the predominant salts at Minqin Oasis. Our modelling provides a reference for future case studies on the use of hyperspectral data for predictive quantitative estimation of salt content in soils in arid regions. Further research is warranted on the application of this method to remotely sensed hyperspectral data to investigate its potential use for large-scale mapping of the extent and severity of soil salinity. 相似文献
12.
玛纳斯河流域绿洲农田土壤盐分反演及空间分布特征 总被引：5，自引：0，他引：5
土壤盐分的准确监测是干旱、半干旱地区农业可持续发展的前提,气候变化、不合理灌溉等因素使土壤盐渍化问题逐渐显现。文中以新疆玛纳斯河流域为例,采用多光谱遥感影像和野外实测土壤盐分数据相结合的方法,选取对土壤盐渍化影响较大的归一化差异水体指数及其它具有代表性的多光谱遥感指数与土壤盐分构建反演模型,探讨研究区内土壤盐渍化的空间分布特征。结果表明:与土壤盐分相关性最高且具有代表性的多光谱遥感指数是NDWI、NDVI和DVI,相关系数分别为0.841、-0.787、-0.768,达到极显著水平(P<0.01),均可以用于构建土壤盐分反演模型。最优光谱参数与土壤盐分构建的模型建模精度均在80%以上,达到极显著水平,可以较为准确的预测出研究区内盐渍化状况。在玛纳斯河流域绿洲区土壤盐渍化以中度、重度盐渍化为主,其中石河子灌区盐渍化程度最为严重,莫索湾灌区盐渍化程度较轻,与实地调查结果一致。基于多光谱影像提取的土壤归一化差异水体指数作为构建土壤盐分反演模型的基础,可以获得较好的土壤盐分空间分布。土壤盐渍化遥感反演为新疆玛纳斯河流域土壤盐渍化治理和土地资源可持续利用提供理论依据。 相似文献
13.
Ibrahim YAHIAOUI 《干旱区科学》2015,7(6):794-805
Soil salinity and ground surface morphology in the Lower Cheliff plain(Algeria) can directly or indirectly impact the stability of environments. Soil salinization in this area is a major pedological problem related to several natural factors, and the topography appears to be important in understanding the spatial distribution of soil salinity. In this study, we analyzed the relationship between topographic parameters and soil salinity, giving their role in understanding and estimating the spatial distribution of soil salinity in the Lower Cheliff plain. Two satellite images of Landsat 7 in winter and summer 2013 with reflectance values and the digital elevation model(DEM) were used. We derived the elevation and slope gradient values from the DEM corresponding to the sampling points in the field. We also calculated the vegetation and soil indices(i.e. NDVI(normalized difference vegetation index), RVI(ratio vegetation index), BI(brightness index) and CI(color index)) and soil salinity indices, and analyzed the correlations of soil salinity with topography parameters and the vegetation and soil indices. The results showed that soil salinity had no correlation with slope gradient, while it was significantly correlated with elevation when the EC(electrical conductivity) values were less than 8 d S/m. Also, a good relationship between the spectral bands and measured soil EC was found, leading us to define a new salinity index, i.e. soil adjusted salinity index(SASI). SASI showed a significant correlation with elevation and measured soil EC values. Finally, we developed a multiple linear regression for soil salinity prediction based on elevation and SASI. With the prediction power of 45%, this model is the first one developed for the study area for soil salinity prediction by the combination of remote sensing and topographic feature analysis. 相似文献
14.
Detecting soil salinity with arid fraction integrated index and salinity index in feature space using Landsat TM imagery 总被引：3，自引：0，他引：3
Modeling soil salinity in an arid salt-affected ecosystem is a difficult task when using remote sensing data because of the complicated soil context(vegetation cover,moisture,surface roughness,and organic matter)and the weak spectral features of salinized soil.Therefore,an index such as the salinity index(SI)that only uses soil spectra may not detect soil salinity effectively and quantitatively.The use of vegetation reflectance as an indirect indicator can avoid limitations associated with the direct use of soil reflectance.The normalized difference vegetation index(NDVI),as the most common vegetation index,was found to be responsive to salinity but may not be available for retrieving sparse vegetation due to its sensitivity to background soil in arid areas.Therefore,the arid fraction integrated index(AFII)was created as supported by the spectral mixture analysis(SMA),which is more appropriate for analyzing variations in vegetation cover(particularly halophytes)than NDVI in the study area.Using soil and vegetation separately for detecting salinity perhaps is not feasible.Then,we developed a new and operational model,the soil salinity detecting model(SDM)that combines AFII and SI to quantitatively estimate the salt content in the surface soil.SDMs,including SDM1 and SDM2,were constructed through analyzing the spatial characteristics of soils with different salinization degree by integrating AFII and SI using a scatterplot.The SDMs were then compared to the combined spectral response index(COSRI)from field measurements with respect to the soil salt content.The results indicate that the SDM values are highly correlated with soil salinity,in contrast to the performance of COSRI.Strong exponential relationships were observed between soil salinity and SDMs(R2>0.86,RMSE<6.86)compared to COSRI(R2=0.71,RMSE=16.21).These results suggest that the feature space related to biophysical properties combined with AFII and SI can effectively provide information on soil salinity. 相似文献
15.
为提高西北半湿润区葡萄园蒸散量的估算精度，以波文比系统实测蒸散量ETc为基础，基于彭曼公式法计算参考作物蒸散量ETo,得到葡萄作物系数Kc后，采用FAO-56双作物系数法计算土壤蒸发系数Ke与水分胁迫系数Ks,获得基础作物系数Kcb;同时利用无人机多光谱遥感影像获取葡萄光谱数据，提取多个波段反射率计算4种植被指数(归一化植被指数NDVI、土壤调节植被指数SAVI、比值植被指数RVI、差值植被指数DVI),建立葡萄Kcb与植被指数的关系模型(一元线性回归、多项式回归、多元线性回归),从而计算葡萄园实际蒸散量用以验证无人机多光谱遥感估算葡萄Kcb的精度。结果表明：(1)相同建模方法下，植被指数与Kcb的模型拟合精度受到其种类与葡萄生长时期的影响。在生育前期，利用一元线性回归建模得到的Kcb-VIs模型拟合精度表现为NDVI>RVI>SAVI... 相似文献
16.
基于HJ1A-HSI反演松嫩平原土壤盐分含量 总被引：1，自引：0，他引：1
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。 相似文献
17.
为研究添加生物炭条件下微咸水矿化度对盐碱土水盐运移的影响，采用一维垂直土柱入渗试验，研究了微咸水灌溉并施用生物炭对盐碱土水盐运移特征及其对Philip和一维代数入渗模型参数的影响，并对入渗模型的适用性进行了评价。本研究设置淡水对照CK(0 g·L-1)及4种微咸水矿化度水平(2、3、4、5 g·L-1)与施用玉米秸秆生物炭(5 t·hm-2)组合试验方案。结果表明：使用微咸水灌溉或施用生物炭均会增加土壤水分入渗速率及土壤含水率，提高土壤保水能力，且微咸水和生物炭协同作用下效果更好。灌溉微咸水并施用生物炭降低了土壤含盐量，在0～30 cm深度内的平均含盐量比初始含盐量降低了34.75%～74.00%,具有良好的盐分淋洗效果。Philip入渗模型能够较好模拟微咸水和生物炭协同作用下的土壤水分入渗情况，灌溉微咸水或施用生物炭会使吸渗率S增加，且两者结合使用时S增幅更大；由代数模型计算而得的土壤各层理论含水率值与实测值之间的平均绝对误差与均方根误差均小于2.2%,表现出一维代数模型较好的适用性。综上所述，使用微咸水灌溉并配施生物... 相似文献
18.
渭干河—库车河三角洲绿洲棉田土壤盐分估算及遥感反演 总被引：1，自引：0，他引：1
基于研究区的野外采样数据与Landsat 8遥感影像提取的增强型植被指数,构建渭干河—库车河三角洲绿洲棉田土壤盐分估算模型,并对土壤盐分的空间分布格局进行预测。结果表明:(1)由土壤含盐量与增强型归一化植被指数(ENDVI)构建的线性回归模型(y=-56.494x+22.687)拟合效果最好(R2=0. 886,RMSE=0. 907)。(2)通过选取的82个采样点,依据最佳遥感反演模型,预测出研究区土壤含盐量在9.33～26.99 g·kg-1之间变化,平均值为17.42 g·kg-1,标准差为2.30 g·kg-1,预测结果与土壤盐分的实测值较为一致。(3)利用地统计分析方法制作研究区棉田土壤盐分的空间分布图,分析可知土壤盐分从绿洲内部向外围呈逐渐增加的趋势。 相似文献