基于小波与包络线的土壤有机质高光谱估测

以陕西省横山县为研究区,对小波分析法与包络线去除法融合应用于土壤有机质高光谱估测的有效性进行了探究。利用陕西省横山县84个土壤样本的光谱反射率和有机质含量数据,采用小波分析法去除了部分噪声,通过光谱一阶微分变换,提高光谱反射率与有机质的相关性,采用包络线去除法提取建模因子,减少数据冗余后最终采用回归分析法建立土壤有机质的估测模型。结果表明,与未采用小波分析法建立的模型比较,建模因子的相关性提高了0.1~0.25,模型的判定系数可达0.932,提高了0.207,检验样本的均方根误差RMSE为0.107,减小了0.116。总体而言,小波分析与包络线去除法联合应用于土壤有机质高光谱估测是有效的且所建模型精度较高,但数据质量对模型精度有重要影响。     

变换光谱数据对土壤氮素PLSR模型的影响研究

光谱数据变换对消除背景、噪音影响以及提取光谱特征有重要的作用,是光谱数据分析过程中的必要步骤。为了研究光谱变换处理对土壤氮素PLSR模型的影响精度,并选择最佳光谱变换处理方法,本文对原始光谱数据进行了15种典型光谱变换,通过比较不同变换光谱与土壤氮素的相关性,实现土壤氮素的PLSR精确诊断,并综合评定最佳光谱数据变换方法。结果表明,涉及微分处理后的光谱变换,尤其是先进行开方（T₈、T₁₁）、对数（T₆、T₁₂）等变换后再进行微分处理,可提高其与土壤氮素的相关性。在引入较少因子变量个数的条件下,该方法使因变量解释量达到了98%。综合考虑模型的校正、验证效果及模型复杂度（模型最佳因子变量个数）,可得出光谱平方根的一阶微分变换处理（T₈）为最佳的土壤光谱变换算法。该条件下的土壤氮素的校正模型表现为R²=0.985、RMSE_C=0.000132、F_n=6,验证模型的表现为R²=0.9853、RMSE_V=0.000162,结果表明基于T₈的光谱数据变换可实现本试验条件下土壤氮素的光谱估算。另外,可以考虑将原始光谱的一阶微分（T₉）、对数和对数倒数的一阶微分（T₆、T₇）以及平方根和对数的二阶微分（T₁₁、T₁₂）作为光谱数据变换方法。本文研究结果可为土壤氮素估算和光谱数据预处理提供技术参考。     

土壤粒径的光谱响应特性研究

以实验室制备的5个不同粒径水平的土壤样本和室内高光谱数据为基础,通过对光谱数据进行重采样、数学变换等预处理并进行单因素方差分析、相关性分析和回归分析,探讨土壤粒径的高光谱特性,建立了光谱数据预测土壤粒径的校正模型。结果表明,土壤粒径对反射光谱有显著的影响,波长越长影响越大;在全波段范围内土壤粒径和光谱数据都呈负相关关系,对原始光谱数据进行微分变换能增加其与土壤粒径的相关性;以反射率一阶微分建立的回归模型为反演土壤粒径的最佳模型,其建模决定系数■、预测决定系数■、预测相对偏差RPD分别为0.666,0.653,2.043,预测均方根误差RMSE为0.175。     

基于土壤重金属含量指数变化的冠层光谱遥感分析

为提高水稻冠层光谱反演水稻田土壤重金属含量的精度,针对实测土壤重金属含量进行信息提取研究,对其分别进行了对数变换、最大值变换和Box-cox变换。在实验分析中,为得到土壤重金属(Cu、Pb、Cd)反演模型,将土壤重金属及其变换数据与冠层光谱及其变换后的数据进行偏最小二乘回归分析,并分析所得模型精度和稳定性。分析结果表明,对测定重金属数据进行变换能够普遍提高模型的精度与稳定性;对属重度污染重金属Pb和中度污染重金属Cd有较好的预测结果,而对未形成污染的Cu则难以形成有效的预测分析。其成果对耕地土壤重金属含量监测评价具有重要的参考价值。     

湛江港海域叶绿素a浓度的高光谱遥感反演

基于表观光学法研究冬季湛江港海域高光谱遥感叶绿素a浓度的反演模型构建,结果表明,该海域单波段遥感反射率与叶绿素a浓度相关性低,波段比值和遥感反射率的一阶微分法可提高叶绿素a浓度反演精度。665nm处的遥感反射率一阶微分值与叶绿素a浓度相关性良好,相关系数可达0.84。一阶微分相关系数大于0.8的波段大部分处于叶绿素a红光强烈吸收区域,对于富营养化的湛江港海域采用一阶微分方法构建叶绿素a浓度的遥感反演模型具有合理性。     

基于GF5-AHSI数据的新"三边参数"浅海水深反演

以上海市横沙滩涂浅水区为研究区域,利用GF5-AHSI高光谱遥感数据和同时期水深数据,通过新"三边参数"方法和相关分析提取建模因子,基于最优标度回归方法建立该区域的水深反演模型,并进行精度验证.研究发现:检验样本的决定系数达到了0.885,均方根误差为0.80 m,模型精度和可靠性较高,可以用于横沙浅水区水深反演.     

南方红壤侵蚀区长汀县不同生态恢复年限下芒萁叶绿素含量的高光谱估算模型

芒萁是南方红壤侵蚀区生态恢复重要的地带性草本植物,对生态系统修复具有重要作用,监测其叶绿素含量能有效诊断生长健康状况。本文以福建省长汀县朱溪流域6个不同生态恢复年限下的芒萁叶片高光谱反射数据以及实测叶绿素含量为数据源,借助高光谱遥感技术分析不同恢复年限芒萁叶片原始光谱特征,筛选出光谱敏感波段并构建光谱指数,基于相关性分析,建立芒萁叶绿素单变量以及多元逐步回归模型,并确定最佳估算模型。结果表明：高光谱指数建立的单变量估算模型中,改进红边归一化植被指数（mNDVI₇₀₅）、叶面叶绿素指数（LCI）、红边指数（Vog）、比值光谱指数（RVI_603/407）、NDVI[603,407]高光谱指数建立的二次模型精度高,建模决定系数R²均超过了0.8,其中以高光谱指数为自变量建立的多元回归模型拟合R²值（0.886）最高。综合建模精度和模型验证精度,LCI指数构建的单变量模型以及基于高光谱指数的多元回归模型是估算芒萁叶片叶绿素含量最佳模型。本研究建立的叶绿素高光谱估算模型对快速、无损地监测水保植物芒萁生长具有重要意义。     

土壤有机质含量估测及其影响因素的光谱分析

 土壤颗粒大小差异使土壤反射光谱产生相应变化,影响土壤有机质含量等属性的光谱预测精度。本研究准备了颗粒粒径分别为2、0.25和0.15mm的土样,测定土壤有机质(Soil Organic Matter,SOM)含量,并于室内模拟条件下测定其反射光谱。通过分析不同粒径土样的原始(Raw)、多次散射校正(Multiple scattering correction, Msc)、一阶微分(First derivative, Fd)、连续统去除(Continuum removal, Cr)光谱与SOM含量之间的关系,筛选出与SOM含量相关性最强的Fd光谱单波段(2250nm, r=0.82, P<0.01),并建立线性回归模型;利用全波段光谱反射率,以偏最小二乘回归(Partial least square regression, PLSR)方法,确立2mm土样Msc处理光谱的PLSR模型为最优模型(RPD=3.56、R²=0.90、RMSEP=1.96g/kg)。土壤颗粒粒径对土壤光谱反射率变化有明显影响,但二者之间并非简单的线性关系,可能存在一个转折点;单变量(单波段光谱反射率)线性回归模型的预测能力,明显低于全波段反射光谱(Msc处理)-PLSR模型;土样样本容量对SOM含量预测精度有显著影响。因此,根据样本容量大小,选择合适的土壤颗粒粒径与光谱预处理方法组合可以提高预测精度。     

利用InSAR技术获取三峡地区的数字高程模型

利用先进的合成孔径雷达干涉测量(InSAR)技术，使用38幅1992～2000年间三峡地区的ERS卫星SAR图像，并利用USGS的低精度DEM，得到了该地区的DEM，与GPS高程结果对比的差值为15～128m。干涉结果表明，基线小于200m的串行数据图像对具有较好的相干性；基线大于200m、在晚春和夏季观测的串行数据图像对容易出现失相关，而几乎所有重复轨道的SAR图像对在进行配准时都不相关。为了进一步获得三峡地区较高精度的数字高程模型，在该地区建立了角反射器，为研究和监测三峡地质灾害与地壳运动奠定了良好的基础。     

矾山铜钼矿区重金属与覆盖植被胁迫相关性光谱特征

高光谱遥感在地物精细探测方面具有较高的精度,能够实现弱缓信息的提取。应用高光谱遥感技术研究福建矾山高植被覆盖铜钼矿区重金属铜铅等元素与覆盖植被光谱胁迫相关性。通过对比分析矿区与非矿区典型植被光谱特征,在光谱特征分析结果基础上得出矿区典型植被均不同程度受到了重金属元素胁迫,并造成光谱曲线发生变异。在分析结果基础上,结合植被地球化学数据建立重金属与植被光谱胁迫相关性数学模型,提出矿区重金属与覆盖植被胁迫相关性。依据该模型可获得金属元素的空间分布,最终实现高光谱遥感技术在高植被覆盖区地质找矿中的应用。      

潍坊北部海咸水入侵特征及现状评价

潍坊北部是我国典型的海咸水入侵区,通过资料收集、海咸水入侵专项调查、地质环境监测与实验、样品分析测试和室内综合分析研究,基本查清了海咸水入侵发展及演化历史。工作区海咸水入侵发展过程可划分为发生和发展、快速发展、慢速发展和稳定发展4个阶段,目前处于稳定发展期。利用2012年水质测试结果,选取Cl-、矿化度、SO2-4,rHCO-3/rCl-,K+等指标作为评价因子,运用模糊数学的方法,对潍坊北部海(咸)水入侵区入侵程度的现状做出综合评价;结合工作区海咸水入侵的特征和现状,针对性地提出了今后的防治重点和对策。     

基于神经网络模型的干旱区绿洲土壤盐渍化评价分析

土壤盐渍化严重制约了农业可持续发展和生态安全,土壤盐渍化的精确评价分析,对土壤盐渍化的改善和治理具有重要的意义。本文以新疆焉耆盆地为研究对象,Landsat8 OLI遥感影像和实测采样数据相结合,提取地下水埋深（GD）、盐分指数（SI）、地表蒸散量（SET）和改进型温度植被干旱指数（MTVDI）建立了土壤盐渍化评价模型。结果表明：①结合野外实测土壤盐分数据,对BP神经网络模型进行训练。最终以最优的4-4-1结构的3层BP神经网模型对研究区土壤盐渍化进行了预测（R²=0.864,RMSE=0.569）。相比传统多元线性回归模型（R²=0.741,RMSE=0.767）,神经网络模型对土壤盐渍化的预测精度更高;②土壤盐渍化分布与GD、SI、SET和MTVDI等存在较强的关联性,不同等级的土壤盐渍化是不同影响因素不同程度上组合而引起的结果,盐渍化土地主要分布在地下水位较低以及土地开垦之后没有利用的荒地区域;③整个研究区大部分区域受到不同程度的盐渍化影响,耕地退化为盐渍地导致该区域土壤盐渍化以及土壤次生盐渍化进一步加剧。     

L波段对不同盐类土壤的微波介电特性分析

 土壤盐碱化是世界面临的一大难题。微波遥感探测土壤具有优势,L波段对土壤含水量和含盐量较为敏感。为了分析不同盐类对土壤介电特性的影响,本文利用L波段(1.43 GHz)微波谐振腔测量了我国盐碱土中普遍存在的3种盐类(NaCl,Na₂SO₄,NaHCO₃)土壤样品的介电常数,研究了土壤介电常数与含水量、含盐量和盐种类的关系。得出结论:实部主要由土壤的含水量决定,含盐量对实部的影响无明显规律;虚部值随含水量和含盐量的增加而增大;3种盐类土壤介电常数虚部随含盐量变化呈现不同的递增趋势,在含盐浓度一定的条件下,虚部值是ε″ _NaCI>ε″ _NaHCO3>ε″ _Na2SO4;在某一含盐量点3种盐类土壤虚部随含水量变化的斜率不同,以此能将3种盐类区分。该研究为建立含不同盐类土壤介电常数模型和微波遥感监测土壤盐碱化提供了实验的依据。     

Spatial Prediction of Soil Salinity in a Semiarid Oasis: Environmental Sensitive Variable Selection and Model Comparison

Timely monitoring and early warning of soil salinity are crucial for saline soil management. Environmental variables are commonly used to build soil salinity prediction model. However, few researches have been done to summarize the environmental sensitive variables for soil electrical conductivity(EC) estimation systematically. Additionally, the performance of Multiple Linear Regression(MLR), Geographically Weighted Regression(GWR), and Random Forest regression(RFR) model, the representative of current main methods for soil EC prediction, has not been explored. Taking the north of Yinchuan plain irrigation oasis as the study area, the feasibility and potential of 64 environmental variables, extracted from the Landsat 8 remote sensed images in dry season and wet season, the digital elevation model, and other data, were assessed through the correlation analysis and the performance of MLR, GWR, and RFR model on soil salinity estimation was compared. The results showed that: 1) 10 of 15 imagery texture and spectral band reflectivity environmental variables extracted from Landsat 8 image in dry season were significantly correlated with soil EC, while only 3 of these indices extracted from Landsat 8 image in wet season have significant correlation with soil EC. Channel network base level, one of the terrain attributes, had the largest absolute correlation coefficient of 0.47 and all spatial location factors had significant correlation with soil EC. 2) Prediction accuracy of RFR model was slightly higher than that of the GWR model, while MLR model produced the largest error. 3) In general, the soil salinization level in the study area gradually increased from south to north. In conclusion, the remote sensed imagery scanned in dry season was more suitable for soil EC estimation, and topographic factors and spatial location also play a key role. This study can contribute to the research on model construction and variables selection for soil salinity estimation in arid and semiarid regions.     

莱州湾南岸潍坊北部平原区咸水入侵动态变化分析

以莱州湾南岸潍坊北部平原地区为典型研究区,阐述了咸水体形成的成因背景与分布特征。通过水化学分析的方法,分析了潍北平原地下水水化学变化特征,及人工开采导致咸水入侵的变化,并分析了咸水入侵的主要成因。     

潍坊市国土资源执法监察平台设计与实现

为全面提升潍坊市国土资源执法监察工作效能,规范执法监察程序,提高执法监察工作效率,根据国土资源部和省国土资源厅关于“科技执法”的工作要求,按照省、市国土资源“一个平台、两个市场”总体建设方案,基于潍坊市国土资源局综合管理服务平台和“一张图”数据中心,以国土资源执法监管为核心,建立市、县、乡一体化的潍坊市国土资源局执法监察平台,创新国土资源违法发现机制,实现执法过程实时监控,建立图文档一体的违法案件发现、查处管理系统,建设12336违法举报系统,切实提高全市国土资源执法监察工作水平。     

EXPERIMENTAL STUDY ON SOIL MOISTURE USING DUAL-FREQUENCY MICROWAVE RADIOMETER

1INTRODUCTIONSoil is the basis of human's living. Soil moisture plays asignificant role in studying the matter and energy ex-changes in global hydrology sphere. The evaporation ofsoil moisture has an influence on the water vapor cycle.Meanwhile soil moisture is also one of the firsthandmeasurable parameters in crop yield estimation and wa-ter resources management (JACKSON et al., 1993). Theinfluence of the interaction of land and atmosphere onsoil moisture can bring about anomalous cli…     

LAI scale effect research based on compact airborne spectrographic imager data in the Heihe Oasis

As one of the key parameters for characterizing crop canopy structure, Leaf Area Index(LAI) has great significance in monitoring the crop growth and estimating the yield. However, due to the nonlinearity and spatial heterogeneity of LAI inversion model, there exists scale error in LAI inversion result, which limits the application of LAI product from different remote sensing data. Therefore, it is necessary to conduct studies on scale effect. This study was based on the Heihe Oasis, Zhangye city, Gansu province, China and the following works were carried out: Airborne hyperspectral CASI(Compact Airborne Spectrographic Imager) image and LAI statistic models were adopted in muti-scale LAI inversion. The overall difference of muti-scale LAI inversion was analyzed in an all-round way. This was based on two aspects, "first inversion and then integration" and "first integration and then inversion", and on scale difference characteristics of three scale transformation methods. The generation mechanism of scale effect was refined, and the optimal LAI inversion model was expanded by Taylor expansion. By doing so, it quantitatively analyzed the contribution of various inversion processes to scale effect. It was found that the cubic polynomial regression model based on NDVI(940.7 nm, 712 nm) was the optimal model, where its coefficient of determination R2 and the correlation coefficient of test samples R reached 0.72 and 0.936, respectively. Combined with Taylor expansion, it analyzed the scale error generated by LAI inversion model. After the scale effect correction of one-dimensional and twodimensional variables, the correlation coefficient of CCD-LAI(China Environment Satellite HJ/CCD images) and CASI-LAI products(Compact Airborne Spectro graphic Imager products) increased from 0.793 to 0.875 and 0.901, respectively. The mean value, standard deviation, and relative true value of the two went consistent. Compared with onedimensional variable correction method, the twodimensional method had a better correction result. This research used the effective information in hyperspectral data as sub-pixels and adopted Taylor expansion to correct the scale error in large-scale and low-resolution LAI product, achieving large-scale and high-precision LAI monitoring.