基于高光谱遥感的新疆北疆地区土壤砂粒含量反演研究

 土壤砂粒含量是表征土壤质量的重要指标,探索建立基于高光谱遥感的区域土壤砂粒含量反演方法对区域土壤质量监测具有重要意义。通过野外采集的高光谱数据与MODIS影像相结合,遴选出土壤砂粒含量的敏感波段与反演方程,进行干旱区裸地土壤砂粒含量遥感反演研究。结果表明：430 nm为土壤砂粒含量的敏感波段,原始光谱经变换后的数值与土壤砂粒含量的相关系数在430 nm处达到最大值0.76;基于MODIS第3波段中心波长460 nm处的土壤原始光谱的反演精度最高,达到89.30%,与实际情况吻合较好,表明MODIS第3波段可以应用于干旱区裸地土壤砂粒含量的遥感反演。     

乐安河流域土壤重金属含量高光谱间接反演模型及其空间分布特征研究

选取江西省乐安河及其支流流域作为研究区域,探讨了使用土壤高光谱数据间接反演其重金属(Cu、Zn、Pb)含量的方法。选用偏最小二乘模型对土壤有机质含量进行高光谱反演,引入人工神经网络回归模型建立土壤有机质含量与重金属含量的相关关系,从而提取出土壤中痕量级的重金属元素,并针对其空间分布情况进行关联分析和对比分析。实验结果表明,此方法在反演Cu、Zn元素时可有效反映其空间分布特征,具有在类似泛滥平原区域推广的适宜性,也为该区域土壤及水文生态环境监测提供了相关参考。     

基于模糊集分析的土壤质量指标高光谱反演

通过对横山县84个土样350~2 500 nm波段的光谱曲线分析,进行土壤质量12项指标的光谱反演。为获得有效光谱反演指标,利用单相关分析方法计算土壤质量指标与光谱反射率的相关系数并绘制相关系数曲线,根据极大相关性选择最佳波段作为光谱反演指标;剔除异常样本后,利用模糊识别理论建立土壤质量指标反演模型,通过优化得到模型的最佳参数。土壤质量12项指标光谱反演模型的平均检验误差均小于15%,说明模型的精度较高。     

基于偏最小二乘法的玉米FPAR高光谱反演模型研究

以ASD FR便携式光谱仪与LI-191SA光量子仪对吉林中西部的玉米田进行多次观测,采集到123组有效数据,基于偏最小二乘法(PLS)对玉米FPAR进行高光谱反演。对可见光与近红外光谱(400～1 500nm)进行分析并建立反演模型,对FPAR预测效果进行验证,验证模型的R2为0.785,RMSE为0.117;同时进行了玉米FPAR与光谱反射率、反射率一阶导数之间的关系分析及植被指数与玉米FPAR之间的回归分析。研究结果表明,PLS方法建立的模型可有效地从玉米高光谱反射率数据反演出FPAR含量,反演结果精度较植被指数高。     

塔里木河中游绿洲盐漠带典型盐生植物光谱指数分析

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。     

新疆南部土壤有机质含量的高光谱特征分析

土壤有机质含量是衡量土壤肥力的一个主要指标,也是影响土壤光谱特性的一个重要因素,本研究以南疆地区的草甸土、灌淤土、盐土、水稻土、4种主要土壤类型为研究对象,通过野外调查取样和室内理化分析与光谱测试,研究了土壤有机质含量与土壤光谱特征的关系,结果表明土壤去有机质后光谱反射率不管在全波段还是在紫外、可见光和近红外波段都有明显的提高;反射率经不同形式的数学变换后与有机质含量的相关性有所变化,其中倒数与对数变换后在360~520 nm波段经倒数变换后相关系数有所提高,而在520~1 072 nm波段相关系数反而有所降低,而一阶微分变换后相关系数变化起伏波动较大,缺乏规律性,最显著的效果是个别波段相关性得到增强;利用光谱反射率与反射率的一阶微分均能较好的预测土壤有机质含量,反射率在600.5 nm处预测有机质的精度为72.3%,反射率的一阶微分在539.2 nm处预测有机质的精度为87.0%。     

基于实测光谱的潮滩土壤含水量遥感反演模型研究

以王港潮滩为研究区,采集土壤样品,测量土样的光谱,分析不同含水量土壤的光谱特征;利用统计相关法,建立TM遥感影像各波段对应波长处的光谱反射率与土壤含水量之间的关系模型.研究结果表明,在干燥条件下,土壤颗粒越细小,土壤表面越光滑平整,土壤光谱反射率越高,随着土壤含水量的增加,土壤反射率呈下降趋势;波长越长,土壤光谱反射率与含水量的相关性越高,其中2 220 nm处的土壤光谱反射率与含水量具有最高的相关性;通过不同的波段组合,建立新的土壤含水量反演因子,其中由490 nm与2 220 nm处光谱反射率的差值建立的因子与土壤含水量具有较高的相关性;由单波段与波段差值因子建立的土壤含水量反演模型的预测误差分别为4.590和5.147,反演精度较高.因此所建模型可以用于获取潮滩土壤含水量的空间分布,能够为研究潮滩土壤含水量与潮滩地形地貌之间的关系提供数据支持.     

基于HJ1A-HSI超光谱影像的耕地有机质遥感定量反演

以环境小卫星超光谱影像为主要数据源,在耕地有机质实测样本的支持下,开展光谱反射率及其变化形式与有机质的相关性分析,筛选耕地有机质响应的敏感波段与特征组合算法,利用多元回归分析方法,建立基于HSI影像的耕地有机质定量反演模型。研究结果表明,耕地有机质的HSI影像响应波段均位于可见光与近红外波段间,其中以540～860nm范围最佳,相关系数均在0.5左右;HSI反射率对数一阶微分预测模型精度最高,模型及其检验的决定系数都在0.7以上,均方根误差在0.2%左右,可用于顺义区耕地有机质全覆盖空间填图。因此,环境小卫星的超光谱影像对耕地有机质含量具有较好的光谱响应能力,其空间覆盖能力有助于开展县域尺度的耕地有机质遥感反演和空间填图。     

莱州湾海岸带土壤光谱分析与有机质反演研究

利用土壤光谱反射率预测海岸带典型土壤有机质含量。对莱州湾海岸带典型地区97个土壤样本的光谱反射率特性进行分析,把光谱曲线划分为4个区域,提取每个区域的代表性特征参数,与土壤有机质含量进行相关性分析,最终选用458～587.1nm区间的挠度(相关系数达0.87)作为自变量进行模型回归,并利用均方根误差(RMSE)和预测残差(RPD)进行模型检验与评价。结果表明,以458～587.1nm区间的挠度作为自变量建立的对数函数预测模型具有较高的精度和稳定性,经验证计算出其RMSE为0.39,RPD为2.5,该模型应用效果较好。     

云南省腾冲县不同覆盖物的光谱特征分析

地物光谱特征的测定和分析对遥感理论研究和应用具有重要的意义.本研究利用SE590地物光谱仪在野外对腾冲县的不同盖度的小麦、不同条件下同种土壤以及不同覆盖物的光谱进行了测定,并制作了光谱曲线图,对其光谱特征进行了分析.研究表明,在波长400～700 nm的范围内,小麦的盖度越高,其反射率越低.在800～1 000 nm的范围内,小麦的盖度越高其反射率越高.在368～696 nm的范围内,干燥土壤的反射率比潮湿土壤的低,在726～1 100 nm的范围内,干燥土壤的反射率比潮湿土壤的高.就水面、石棉瓦、水泥地面、板岩镶嵌的公路路面而言,在400～1 000 nm的范围内,水泥地面和石棉瓦的反射率最高,板岩镶嵌的公路路面次之,水面最低.在波长373～632 nm的范围内,水泥地面光谱曲线的坡度比石棉瓦和板岩镶嵌的公路路面都高.     

基于高光谱的不同人类干扰程度下荒漠土壤有机质含量估算模型

为对比同一背景下不同人类干扰程度的荒漠土壤有机质含量的预测模型,以天山北麓阜康市的土壤为研究对象,通过对无人干扰区、人为干扰区全样本和剔除有机质质量分数大于2%的样点的原始光谱反射率进行6种光谱变换,分析不同变换形式与有机质含量的相关性,以相关系数通过P=0.01和0.05水平上显著性检验的敏感波段为自变量,运用多元逐步回归、偏最小二乘回归以及主成分回归法分别建立了无人干扰区、人为干扰区土壤有机质高光谱的预测模型,并选择精度最高的为最优模型。结果表明：（1）无人干扰区与人为干扰区的原始光谱所有波段与有机质含量的相关性都没有通过0.01水平的显著性检验。将有机质质量分数大于2%的样点剔除后,有机质含量与原始光谱反射率的相关系数都大于全样本且有部分波段通过了0.01水平的显著性检验。（2）不论采用何种方法建立的全样本无人干扰区和人为干扰区的预测有机质模型的RPD均小于1.4,不具有预测有机质含量的能力。其中全样本无人干扰区一阶微分、人为干扰区倒数一阶微分多元逐步回归模型是其所有模型中,建模精度最高的,R²分别为0.652、0.512,但是其RPD仅分别是0.662、0.655,表明模型的预测能力很差。（3）剔除有机质质量分数大于2%的样点之后,预测效果最好的是无人干扰区一阶微分多元逐步回归模型,R²达到0.776,RMSE为1.408,RPD为2.136;而人为干扰区的二阶微分模型预测效果最优,R²为0.542,RMSE为2.261,RPD为2.087。     

黑河中游临泽绿洲农田土壤有机质时空变化特征

土壤有机质是表征土壤质量的一个重要指标,持续稳定的有机质含量是土壤维持生产能力的基础。土壤有机质的动态演变可以表征土地利用和管理水平。结合地理信息系统,运用地统计方法研究了黑河中游的临泽县绿洲农田20多年来土壤有机质含量的时空变化特征。结果表明:(1)1982年0~20 cm耕层土壤有机质含量平均为12.78±4.38 g/kg,2008年平均为13.76±4.02g/kg;从1982-2008年,有机质含量总体有所上升。(2)两个时期的土壤有机质的实验变异函数值与理论变异函数拟合均较好;克立格插值和不同时期的有机质空间分布图叠加运算表明,由于人为活动的影响,土壤有机质的结构性空间变化程度有所减弱。(3)临泽县土壤有机质含量和变化具有一定的区域性特点:南部的山前平原地区土壤有机质含量较高,呈现上升趋势;中部地势低下的区域土壤有机质相对较高,由于农田面积扩大,有机肥供应不足而下降显著;北部绿洲与戈壁交错带土壤有机质偏低。总体来看,临泽县土壤有机质含量有所上升,但局部地区的有机质发生了下降。为了防止局部区域土壤有机质下降引起土壤退化,应该采取加大有机肥投入和实施秸秆还田等措施。     

基于TM影像的荒漠绿洲交错带土壤有机质含量反演模型

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。     

岩溶山区不同植被群落土壤生态系统特性研究

自然植被演替成为次生植被、人工林或人工开垦利用后,岩溶山地土壤物理性能退化;沙化现象明显;坡耕地土壤长时间持水供水性能、抗旱性能降低;土壤种子库中草本种子比例大,木本植物种子少,土壤种子库退化更严重。研究区土壤有机质和全N受植被类型和土地利用强度影响明显,坡耕地土壤有机质较林草地系统低,退耕还林还草后,土壤有机质含量稳定增加。与自然植被相比,人工林、次生林系统土壤有机质含量仍较低。从弃耕地→灌草坡→次生林地的演替过程中,土壤种子库生态优势度呈降低趋势,物种丰富度和多样性增加。研究结果认为,岩溶生态系统土地退化的实质是土壤作为水库、养分库和土壤种子库功能的差异退化。     

土壤粗有机质的研究进展

土壤粗有机质是土壤中较为活跃的组分, 其密度组分对土壤有机质总矿化量有着重要贡 献, 可以作为评价管理措施转变引起土壤有机质短期变化的敏感性指标。分别介绍了按照不同的 物理分组方法划分的土壤有机质各物理组分的概念、土壤粗有机质及其分离方法, 探讨了影响土 壤粗有机质数量的主要因素( 管理措施、土地利用方式、土壤质地和气候条件) 和当前在研究土壤 粗有机质过程中存在的问题: ( 1) 各影响因素引起的土壤有机质变化的机制还不确定; ( 2) 土壤粗 有机质的分离方法还有待深入研究; ( 3) 粗有机质对土壤有机氮矿化的贡献认识还存在分歧。指 出探求更好的土壤粗有机质的分离方法和粗有机质对各影响因素的响应机制, 揭示土壤粗有机 质对土壤氮矿化的贡献是今后的主要研究方向。     

基于定性和定量辅助变量的土壤有机质空间分布预测——以四川三台县为例

准确获取土壤性质的空间分布信息,是区域土壤资源优化利用和土壤环境保护的需要。以川中丘陵区三台县为案例区,运用人工神经网络模型,构建融合区域定性及定量辅助变量的空间预测方法,模拟三台县土壤有机质的空间分布格局。结果表明,研究区土壤有机质在4.20~47.60 g kg^-1之间,平均为17.97 g kg^-1;变异系数为36.89%,属中等程度变异。土壤有机质的块金值与基台值之比为0.742,变程为7.0 km,即空间自相关性较弱。不同土壤类型间有机质含量差异显著;土属的空间分布较土类能更好地揭示研究区土壤有机质含量空间分布格局的差异。除土壤类型因素的影响外,坡度、地形湿度及植被盖度是研究区土壤有机质空间变异的主要因子。融合土壤类型因素和地形植被因子的神经网络模型预测结果,比普通克里格法、回归克里格法以及神经网络结合普通克里格的方法,更符合研究区地学规律和实际情况;其预测结果的平均绝对误差、平均相对误差和均方根误差较其他3种方法均降低幅度显著。同时,该方法对极值有较好的预测能力。研究为复杂环境条件下准确获取区域土壤性质的空间分布信息提供了较可行的方法。     

基于随机森林算法的土壤有机质含量高光谱检测

为了探讨既能保留光谱信息又能准确对土壤有机质含量进行快速检测。以新疆南部渭干河—库车绿洲内部73个土壤样点及其对应的高光谱数据为研究对象，采用小波变换与数学变换进行光谱数据预处理，分析各小波分解重构光谱在不同有机质含量与不同土壤类型下光谱曲线差异，通过相关分析确定最大小波分解层并筛选敏感波段，结合灰色关联分析与随机森林预测分类模型对各小波分解特征光谱进行重要性分析，最后基于最优特征光谱建立多元线性预测模型并进行分析。结果表明：（1） 耕作土壤与林地土壤光谱曲线波段相较盐渍土壤和荒漠土壤光谱曲线变化较为平缓，同时在水分吸收波段处，盐渍土壤光谱曲线吸收谷最深。（2） 小波变换分解光谱与土壤有机质含量的相关性随着分解层数增加呈现先减后增趋势，在第6层中，特征光谱曲线与敏感波段数量变化趋于稳定，确定为小波变换最大分解层。（3） 随机森林模型相比灰色关联分析对于各小波分解层因子的筛选符合预期，按照对土壤有机质含量影响从高到低排序为L3-(1/LgR)′、L4-(1/LgR)′、L6-(1/LgR)′、L5-(1/LgR)′、L2-(1/LgR)′、L0-1/LgR、L1-1/LgR。（4）在小波分解光谱中，中频范围特征光谱对干旱区土壤有机质含量的估测能力优于高频与低频范围特征光谱，同时基于L-MC建立的模型精度最高。研究表明：基于机器学习分类方法结合小波分解的土壤光谱有机质含量监测，可以有效的减少噪声波段干扰，并提高特征波段的分类预测精度。     

基于多元成土因素的土壤有机质空间分布分析

以陕西省蓝田县2013年667份土壤有机质样本为对象,运用GIS空间分析及遥感数字图像处理收集整理土壤类型、地形、植被等成土因子,利用多元线性回归分析集成所有成土因子对土壤养分进行空间分布预测。结果表明:通过分级统计均值定权法和像元线性拉伸法将所有成土因子统一为相对度量值,并根据成土因子与有机质含量的相关性显著程度进行因子取舍,有利于集成各类成土因子构建多元线性回归模型。预测结果定性分析表明:多元线性回归预测结果与kriging法预测结果在宏观上具有一致的空间分布趋势;但多元线性回归预测结果土壤有机质空间分布特征带有各种成土因子的变化特征,从视觉效果上,克服了传统插值法中存在的斑块状分布现象,更精细的描述了本区域内有机质空间分布趋势; MPE和RMS定量精度分析显示,在集成多元成土因素对有机质进行空间分布分析时,本文方法优于常用kriging插值法,该法可作为集成多元成土因子对土壤养分空间分布预测的有效方法。本区域内土壤有机质高值区域主要集中在地势低平、坡度缓和、湿度适中的农耕区,地势较高、坡度陡的山区有机质含量低。     

新疆昌吉州耕地土壤有机质空间变异动态研究

土壤有机质在提高土壤肥力和作物生产力方面发挥重要作用,研究其空间变异性可为精准施肥以及可持续的土地利用和管理提供科学依据。本文以新疆昌吉州为研究区,基于多重分形方法,使用第二次土壤普查（1980年前后）、2010年和2018年共3期土壤有机质数据,计算多重分形参数来探究土壤有机质空间变异的动态。结果表明：① 第二次土壤普查—2018年期间,昌吉州土壤有机质含量呈增加趋势。② 第二次土壤普查—2018年期间,昌吉州土壤有机质的空间分布总体上具有非均匀的多重分形特征,土壤有机质值域范围逐渐变窄,空间分布变异性降低,趋于均一化。其中阜康市、吉木萨尔县和木垒哈萨克自治县的有机质变异程度在2010—2018年略有上升。③ 2018年,昌吉州土壤有机质在空间上自西向东值域分布范围逐渐变宽,变异程度增加,内部差异变大,趋向于非均匀化。④ 三个时期昌吉州土壤有机质数值中均是低值数据分布概率较大,其变异程度高于高值数据,仅阜康市和木垒哈萨克自治县在2018年由高值数据占主导地位。长时间的耕作经营使得土壤有机质含量有所提高,空间分布逐渐趋向均一化,但仍存在部分区域有机质较高,部分区域较低的情况。分区管理措施可以有效提高区域的整体肥力水平,应在阜康市、吉木萨尔县和木垒哈萨克自治县等有机质变异程度较高的区域继续推进精准施肥,改进灌溉和耕作措施以降低土壤有机质空间变异性。