不同尺度反演土壤重金属铜含量研究

采用实测土壤高光谱遥感数据和多光谱遥感影像数据采用单元回归分析法对土壤重金属铜含量建立反演预测模型。利用单元回归分析法分别建立模型,得出高光谱的最佳预测波段是R_(942),模型决定系数R2=0.634,多光谱最佳预测波段为B2,模型决定系数R2=0.625。通过显著性检验,均达到显著水平。结果表明多光谱遥感影像数据在本研究区内具有预测重金属铜含量的能力。     

随机森林回归模型用于土壤重金属含量多光谱遥感反演

本文以陕西省柞水县大西沟矿区为研究区域,通过实地采集土壤样本,结合在Landsat 8多光谱遥感影像上提取的辐射亮度值和光谱衍生指数,以及从ASTER GDEM提取的3种地形因素,通过相关性分析确定了建模因子,并以K折交叉验证法建立了砷、铜、铅3种重金属元素的随机森林回归模型。试验结果表明,所建立模型的预测精度优于多元线性回归模型和CART模型,可见随机森林回归模型适用于在小样本情况下的矿区重金属含量反演。经现场调查,空间反演结果与实际情况较符合,证明了基于多光谱遥感的随机森林回归模型在矿区土壤重金属反演中的准确性。     

基于反射光谱预测土壤重金属元素含量的研究

本文利用实验室实测的土壤反射光谱以及铅、镉、汞等重金属元素数据,进行土壤重金属元素含量快速预测的可行性研究。本文利用偏最小二乘回归方法,研究了反射率(R)、一阶微分(FDR)、反射率倒数的对数(lg(1/R))和波段深度(BD)等对预测精度的影响,对这几种光谱指标预测土壤重金属含量的能力进行了分析和评价,同时分析了多光谱数据估算土壤重金属元素含量的可行性。结果表明,反射率倒数的对数lg(1/R)是估算土壤重金属元素含量最好的光谱指标,尤其是Cd和Pb,检验精度R超过0.82。有机质、铁锰氧化物和黏土矿物对土壤重金属元素的吸附是可见光—近红外—短波红外光谱估算其含量的机理。多光谱数据同样具有估算土壤重金属元素含量的能力,但实际数据则要考虑多种因素的影响。     

土壤钾含量高光谱定量反演研究

为了更快捷准确地进行土壤钾(K)含量的预测,基于土壤高光谱数据和化学元素分析数据,研究土壤光谱与土壤钾含量之间的定量关系.在对土壤原始光谱进行处理分析基础上,提取反射率(R)、反射率倒数的对数(log(1/R))、反射率一阶微分(R')和波段深度(BD)4种光谱指标,运用偏最小二乘回归方法建立相应的预测模型,并对模型进行检验.结果表明,波段深度是估算土壤钾含量最好的光谱指标,其建模精度超过0.85,均方根误差不超过0.1;全波段高光谱分辨率反射光谱具有快速有效估算土壤钾含量的潜力.     

结合野外与实验室光谱的土壤Pb含量反演

重金属污染日益加剧,重金属在土壤中的聚集不仅破坏了生态平衡,也对人类的健康生活造成了影响,因此快捷、准确地获取土壤中的重金属含量成为土壤污染监制与治理的重要环节。高光谱遥感技术的发展使得快速低成本反演土壤重金属含量成为可能。针对野外光谱受环境因素（土壤粒径、含水量等）的影响,且现有研究中普遍存在样本量不足的问题,提出结合野外光谱与实验室光谱构建土壤铅(Pb)反演机理模型的方法,首先,采用直接矫正（direct standardization,DS）算法对野外光谱进行环境因素校正;其次,通过引入实验室光谱联合建模的方式,提高样本的差异性;最后,提取铁氧化物特征谱段用于建模以增加反演的机理性。利用中国河北雄安一般农作区的70个土壤样本野外光谱数据研究表明,未经DS校正的野外光谱全谱段单独建模,反演精度R2仅为0.220 0,而所提方法的反演精度R2可达0.914 6, 模型具有出色的估算能力,表明在去除环境因素对野外光谱影响基础上,综合利用野外光谱与实验室光谱的铁氧化物特征谱段建模能够显著提高Pb含量的反演精度。     

基于小波变换的土壤重金属铬含量定量反演

耕地污染日益严重,耕地土壤的重金属高光谱信息属于非线性的微弱信号。小波变换作为常用的非线性微弱信号处理手段,在保留更多微弱信号的基础上可以更好的提取出土壤重金属的微弱光谱信息。文中研究在Db4小波对土壤原始光谱进行分解与重构的基础上提取特征波段,利用特征波段与重金属含量的相关性建立偏最小二乘模型反演土壤重金属铬含量。研究表明,利用Db4小波函数对原始光谱进行分解和重构可以有效提取土壤重金属铬的特征光谱信息;利用小波分解与重构所提取的特征光谱信息与重金属铬含量之间的相关性所建立的PLS模型的决定系数明显高于基于传统一阶微分处理土壤光谱所建立的PLS模型的决定系数。     

基于地貌类型的土壤有机质多光谱遥感反演

基于地貌类型分析土壤有机质含量与多光谱遥感影像光谱波段之间相关关系,构建不同地貌类型区有机质含量反演模型。结果表明,各波段光谱反射率与土壤有机质含量均呈负相关关系。利用SPSS软件对所有波段进行剔除变量(remove)线性回归分析,当全部波段参与构建反演模型时,一次反演模型拟合效果较好。分地貌类型区构建土壤有机质反演模型精度高于整个区域反演模型精度,与实际值对比,当允许误差为7%时,土壤有机质含量识别度为91.65%。基于地貌类型构建土壤有机质含量反演模型提取研究区土壤有机质含量切实可行,且精度较高。     

光谱解混下耕地土壤铬含量GMDH模型反演

针对遥感影像反射率与重金属元素间的光谱响应弱,土壤重金属经典反演模型精度较低等问题,本文以Sentinel-2号遥感影像为数据源,利用像元二分模型进行影像光谱解混,筛选出相关性较高的特征光谱作为光谱参量,构建基于像元线性解混和不同光谱变换下土壤反射率与重金属Cr含量的PLS模型和GMDH模型.研究结果表明,解混后的光谱...     

基于无人机多光谱影像的滏阳河水质遥感反演

滏阳河是邯郸市的重要河流,在工业用水、农业灌溉、生态用水等方面发挥着重要作用。近年来,由于废水、污水等违规排放,滏阳河水体的污染状况明显加重。为深入系统地了解滏阳河水体污染情况,分析污染规律,本文采用水质采样和无人机航飞监测方式,对滏阳河重点区域进行了水体污染数据调查,对水质样本进行了实验室检测,并与无人机航拍获取的44种光谱参数进行相关性分析,建立了浊度(TUB)、悬浮物浓度(TSS)、化学需氧量(COD)、总磷(TP)、总氮(TN)、氨氮(NH₃-N)6种水质参数的多元回归模型。研究结果表明：滏阳河在邯郸市主城区域内呈由南到北、由两岸到中心河流水质参数浓度逐渐增高的分布特征。     

基于GIS的土壤重金属污染分析与模拟系统设计

作为环境质量评估的重要指标之一,土壤重金属污染程度对环境质量具有重要影响.为了了解土壤重金属污染现状以及评价重金属污染对环境的影响,利用GIS平台、MySQL数据库、空间分析方法、土壤重金属污染扩散模型等关键技术和方法,设计并开发了基于GIS的土壤重金属污染分析与模拟系统.系统实现了重金属污染分析、二维扩散模拟等功能,...     

基于集合经验模态分解的土壤重金属Cd定量反演

针对高光谱定量反演土壤重金属含量的模型精度不足的问题,本文从时频空间的角度引入时频分析法——集合经验模态分解（EEMD）。采用EEMD法分解土壤高光谱,获得不同频率的本征模态（IMF）分量,通过分析IMF分量与重金属含量的相关性,提取特征光谱,构建EEMD-SVM定量反演模型。研究结果表明,通过EEMD法分解土壤光谱,可有效地提取土壤光谱中的微弱信息;构建EEMD-SVM模型可较好地反演土壤重金属Cd含量,模型的决定系数R²为0.920 3,明显高于基于一阶微分处理光谱数据后构建的SVM模型的R²（0.786 6）。即说明在土壤重金属定量反演领域,EEMD可作为一种新的光谱处理方法。     

Comprehensive study of the biophysical parameters of agricultural crops based on assessing Landsat 8 OLI and Landsat 7 ETM+ vegetation indices

For three agricultural crop types, winter wheat (Triticum aestivum L.), barley (Hordeum vulgare L.), and canola (Brassica napus L.), we estimated biophysical parameters including fresh and dry biomass, leaf area index (LAI), and vegetation water content, for which we found the equivalent water thickness (EWT), fuel moisture content per fresh weight (FMC_FW), and fuel moisture content per dry weight (FMC_DW). We performed these estimations using data from the newly launched Landsat 8 Operational Land Imager (OLI) sensor, as well as its predecessor the Landsat 7 Enhanced Thematic Mapper Plus (ETM+). Progress in the design of the new sensor (i.e., Landsat 8), including narrower near-infrared (NIR) wavebands, higher signal-to-noise ratio (SNR), and greater radiometric resolution highlights the necessity to investigate the biophysical parameters of agricultural crops, especially compared to data from its predecessor. This study aims to evaluate vegetation indices (VIs) derived from the Landsat 8 OLI and the Landsat 7 ETM+. Both the Landsat 8 OLI and Landsat 7 ETM+ VIs agreed well with in-situ data measurements. However, the Landsat 8 OLI-derived VIs were generally more consistent with in situ data than the Landsat 7 ETM+ VIs. We also note that the Landsat 8 OLI is better able to capture the small variability of the VIs because of its higher SNR and wider radiometric range; in addition, the saturation phenomenon occurred earlier for the Landsat 7 ETM+ than for the Landsat 8 OLI. This indicates that the new sensor is better able to estimate the biophysical parameters of crops.     

A physically based approach to model LAI from MODIS 250 m data in a tropical region

A time series of leaf area index (LAI) has been developed based on 16-day normalized difference vegetation index (NDVI) data from the Moderate Resolution Imaging Spectroradiometer (MODIS) at 250 m resolution (MOD250_LAI). The MOD250_LAI product uses a physical radiative transfer model which establishes a relationship between LAI, fraction of vegetation cover (FVC) and given patterns of surface reflectance, view-illumination conditions and optical properties of vegetation. In situ measurements of LAI and FVC made at 166 plots using hemispherical photography served for calibration of model parameters and validation of modelling results. Optical properties of vegetation cover, summarized by the light extinction coefficient, were computed at the local (pixel) level based on empirical models between ground-measured tree crown architecture at 85 sampling plots and spectral values in Landsat ETM+ bands. Influence of view-illumination conditions on optical properties of canopy was simulated by a view angle geometry model incorporating the solar zenith angle and the sensor viewing angle. The results revealed high compatibility of the produced MOD250_LAI data set with ground truth information and the 30 m resolution Landsat ETM+ LAI estimated using the similar algorithm. The produced MOD250_LAI was also compared with the global MODIS 1000-m LAI product (MOD15A2 LAI). Results show good consistency of the spatial distribution and temporal dynamics between the two LAI products. However, the results also showed that the annual LAI amplitude by the MOD15A2 product is significantly higher than by the MOD250_LAI. This higher amplitude is caused by a considerable underestimation of the tropical rainforest LAI by the MOD15A2 during the seasonal phases of low leaf production.     

土壤重金属污染风险时空变化模拟与分析

针对稀疏采样无法准确揭示土壤重金属污染时空分布及其健康危害的问题,该文集成协同克里格插值和情景预测模型模拟绘制了2005、2020年我国南方某地土壤表层重金属砷、镉含量的时空分布格局,基于污染场地风险评估导则模拟分析了无突变与乐观情景致癌风险动态变化。结果表明:耦合地理要素的协同克里格插值和情景预测可以客观反映研究区土壤重金属砷、镉含量的时空分布特征与变化趋势;研究区土壤重金属污染对人体存在致癌风险,但风险范围与水平在2020年乐观情景下均会降低。     

中国西部地区基于经验模型的土壤水分反演

地表土壤水分含量的时空分布信息是十分重要的,常常作为水文模型、气候模型、生态模型的输入参数,同时,也是干旱预报、农作物估产等工作的重要指标。被动微波遥感是监测土壤含水量最有效的手段之一。相比红外与可见光,它具有波长长,穿透能力强的优势。相比主动微波雷达,被动微波辐射计具有监测面积大、周期短,受粗糙度影响小,对土壤水分更为敏感,算法更为成熟的优势。目前,已研究出许多反演土壤水分的方法.本课题的主要内容是借助AMSR-E土壤水分影像数据、MODIS归一化植被指数(NDVI)影像数据和MODIS分类影像数据,利用ENVI软件进行遥感图像数据处理,运用统计分析方法建立NDVI与土壤水分的经验模型,研究中国西部地区稀疏植被覆盖区土壤水分的反演。     

土壤重金属污染灰色综合评价模型

针对稀疏采样难以准确估测区域土壤重金属综合污染情况和迁移变化规律的问题,提出基于GIS的多属性决策组合赋权灰色综合评价模型。首先采用GIS技术揭示土壤重金属空间变异和污染分布格局;然后利用最大化熵理论集成主客观因素,架构优化组合赋权的土壤重金属污染灰色综合评价体系;最后以试验区土壤中8种(铜、锌、铅、镉、砷、铬、汞、镍)重金属的综合污染情况为例,检验该方法应用效果。结果表明:最优组合权重的灰色综合分析方法兼顾主观偏好和客观属性,其评价结果具有更高的可信度和风险辨识度,提高了综合评价的合理性与有效性,可为土壤重金属污染监测提供方案参考。     

基于GIS的县域土壤重金属生态风险评价

为研究经济快速发展区农田土壤中重金属的含量及污染状况,本文以浙江省慈溪市为研究对象,研究土壤中铜、汞、镉、铅、砷、铬、锌七种重金属含量特征,并采用潜在生态危害指数法对其进行评价,并绘制生态风险危害指数分级图。结果表明:土壤中除汞元素含量较高外,其他各元素含量仅稍高于当地土壤背景值。七种元素的单因子污染指数Cfi值均属于中等的污染参数,综合污染指数Cd上限值已处于高污染指数的范围,但平均值为属于中等污染水平。从潜在生态风险评价结果来看,七种元素的单项潜在生态风险参数Eri的值也只有汞达到了强生态危害,七种元素综合潜在生态危害指数RI刚刚达到中等生态危害水平,说明该区农田土壤尚处于较低的生态风险状态。生态危害指数插值结果表明,慈溪市重金属元素的高风险区分布在中南部人类活动较为活跃、城乡工业较发达的区域,在今后的土地利用中,应高度重视人类活动对土壤重金属污染的影响。     

Land-use and vegetation-cover mapping of an indigenous land area in the state of Mato Grosso (Brazil) based on spectral linear mixing model,segmentation and region classification

A spectral linear-mixing model using Landsat ETM+ imagery was undertaken to estimate fraction images of green vegetation, soil and shade in an indigenous land area in the state of Mato Grosso in the central-western region of Brazil. The fraction images were used to classify different types of land use and vegetation cover. The fraction images were classified by the following two methods: (a) application of a segmentation based on the region-growing technique; and (b) grouping of the regions segmented using the per-region unsupervised classifier named ISOSEG. Adopting a 75% threshold, ISOSEG generated 44 clusters that were grouped into eight land-use and vegetation-cover classes. The mapping achieved an average accuracy of 83%, showing that the methodology is efficient in mapping areas of great land-use and vegetation-cover diversity, such as that found in the Brazilian cerrado (savanna).