集成Sentinel-1/2和环境变量的新疆农田土壤含盐量反演

土壤盐渍化是危害农业生产和生态环境的重要因素,快速精准获取农田土壤盐分信息对农业可持续发展和土地资源管理具有指导作用。为了提高卫星遥感在植被覆盖条件下的土壤含盐量预测精度,该研究以新疆生产建设兵团农八师为研究区域,分别在2023年7月和8月采集土壤表层(0~20 cm)样本,并获取同步卫星影像。通过Sentinel-1雷达信息、Sentinel-2多光谱信息与环境变量的不同组合构建数据集A(极化指数、光谱指数)、B(极化指数、环境变量)、C(光谱指数、环境变量)、D(极化指数、光谱指数、环境变量),采用自适应提升(adaptive boosting,AdaBoost)、梯度提升回归树(gradient boost regression tree,GBRT)和极端梯度提升树(extreme gradient boosting tree,XGBoost)3种集成学习算法,构建基于不同数据集的土壤含盐量反演模型。结果表明,1)基于数据集D构建的所有模型预测精度普遍高于数据集A、B、C构建的模型,环境变量与雷达数据、多光谱数据的协同使用可以有效提高模型精度;2)地形因子和地表温度可作为研究区土壤盐分预测的有效特征变量,其中海拔与表层土壤含盐量的相关性最高;3)在所有数据集中,XGBoost模型性能最优,GBRT次之,AdaBoost模型验证误差较大,其中D-XGBoost模型精度最高,其验证集决定系数为0.72,均方根误差为2.40 g/kg,平均绝对误差为1.29 g/kg;4)基于多种来源变量组合的集成学习算法具有强大的非线性拟合能力,XGBoost能够更好地模拟土壤含盐量与遥感信息和环境因子之间复杂的非线性关系,并获得理想的拟合结果。该研究结果可为新疆地区土壤含盐量实时动态监测和当地土地资源可持续利用提供有效的技术手段。

基于多种高光谱指标反演冻结土壤含水率的研究

在中国季节性冻融区如何高效快速地监测冻结土壤的含水率至关重要。以内蒙古河套灌区典型灌域土壤为对象,在实验室分梯度配置不同含水率的土样,通过地物光谱仪测定土壤冻结与未冻结状态下的高光谱数据,处理得到原始光谱反射率(Raw Spectral Reflectance,REF)、一阶微分反射率(First-order Differential Reflectance,FDR)和二阶微分反射率(Second-order Differential Reflectance,SDR)、标准正态变量变换(Standard Normal Variable Reflectance,SNV)和倒数之对数变换(Logarithm of Reciprocal,LR)5种光谱指标,采用偏最小二乘回归法(Partial Least Squares Regression,PLSR)、多元逐步回归法(Multiple Stepwise Regression,MSR)、支持向量机法(Support Vecor Machine,SVM)和一元线性回归法(Unary Linear Regression,ULR),构建基于不同光谱指标的土壤含水率高光谱反演模型并进行回归分析。结果表明,冻结状态下基于REF、FDR和SDR指标构建的模型反演精度低于未冻结状态,REF的验证集决定系数(Rp^(2))的最大值为未冻结状态下PLSR的0.952,最小值为冻结状态下ULR的0.621;FDR的Rp^(2)最大值为未冻结状态下SVM的0.955,最小值为冻结状态下MSR的0.618;SDR的Rp^(2)最大值为未冻结状态下的SVM的0.858,最小值为未冻结状态下PLSR的0.252。未冻结状态下SNV、LR指标的反演精度略低于冻结状态,SNV的Rp^(2)最大值为冻结状态下PLSR的0.796,最小值为未冻结状态下ULR的0.621;LR的Rp^(2)最大值为冻结状态下MSR的0.789,最小值为未冻结状态下ULR的0.667;未冻结状态下最佳模型组合为FDR-SVM,Rp^(2)为0.955,冻结状态下最佳组合模型为REF-PLSR,Rp^(2)为0.799。研究成果可为土壤冻结状态下利用高光谱遥感技术监测土壤含水率提供一定的技术支撑。

基于无人机遥感影像的玉米冠层温度提取及作物水分胁迫监测

针对当前无人机热红外遥感提取冠层温度不准确、监测作物水分胁迫状况精度不高的问题,该研究以不同水分处理的拔节期夏玉米为研究对象,利用无人机获取试验区域热红外和可见光图像资料,分别采用Otsu算法、EXG-Kmeans算法和Otsu-EXG-Kmeans算法获取冠层区域图像,并对提取结果进行精度评价,而后采用最优算法求得对应作物水分胁迫指数(Crop Water Stress Index,CWSI),通过分析CWSI同土壤含水率相关关系以及CWSI日平均变化趋势来监测玉米水分亏缺状况。结果表明:1)相比于其他方法,Otsu-EXG-Kmeans算法对冠层温度提取精度更高(用户精度为95.9%),提取的冠层温度更接近实测温度(r=0.788),可以准确获取图像冠层温度。2)相比于冠层温度,CWSI与土壤含水率的相关性更高(r=-0.738),CWSI日平均变化趋势更符合实际情况,可更加精确地监测玉米缺水状况。该研究为无人机遥感精准监测作物水分胁迫状况提供参考。

盐碱土入渗下修正Green-Ampt模型参数确定与验证

为进一步探究盐碱土的入渗机理,实现科学的盐碱土农业生产与灌溉,基于传统Green-Ampt模型,根据盐碱土的入渗特性引进扩散率,并结合对土壤剖面含率分布的划分假定对模型进行修正。利用5种盐碱土进行一维积水入渗试验,采用入渗率、湿润锋数据验证该修正模型。结果显示:修正模型模拟值与实测值的一致性良好,进行相关分析得到5种盐碱土入渗率R^(2)平均值为0.983,平均绝对误差均小于0.05 cm/min;湿润锋R^(2)平均值为0.868,平均绝对误差均小于3.50 cm。将修正模型参数饱和导水率、湿润锋面基质吸力值与盐碱土盐分离子含量进行相关分析,结果显示基质吸力值随K^(+)+Na^(+)含量的减少而减小,饱和导水率随K^(+)+Na^(+)含量的减少而增大。该修正模型经验证可应用于不同盐渍化程度的盐碱土入渗过程模拟,从而为深入盐碱土水分入渗机制研究与加快盐碱土农业生产提供理论支持。

夏玉米冠层温度变化的时滞效应及其对土壤水分监测的影响

考虑冠层温度变化的时滞效应,可能在一定程度上能够提高土壤含水率的监测精度。该研究以灌浆期的夏玉米为研究对象,利用精密红外温度传感器(SI-411)连续监测I1(田间持水量的85%~100%)、I2(田间持水量的70%~85%)和I3(田间持水量的50%~65%)3个不同水分处理下的冠层温度,并同步获取试验地地面净辐射、大气温度、空气相对湿度等环境因子数据,以及不同水分处理小区0~10、0~20、0~30、0~40、0~60 cm不同深度处土壤含水率数据,利用高斯函数拟合冠层温度及环境因子日变化过程以此确定拟合曲线的峰值时刻,通过峰值时间差确定两者之间的时滞关系,并利用多元线性回归分析确定冠层温度的主要影响因素,最后在考虑冠层温度与主要影响因素之间时滞关系的基础上,分析冠层温度变化的时滞效应对监测土壤含水率的影响。结果表明:不同水分处理下的冠层温度峰值具有较大差异,峰值大小依次为I3、I2、I1;I1、I2、I3水分处理的冠层温度峰值时刻分别滞后净辐射约70、70、100min,超前大气温度和相对湿度约60、60、30min;冠层温度变化的主要影响因素为大气温度,其次为地面净辐射,最后为相对湿度;考虑时滞效应的冠气温差与土壤含水率的相关性更高,考虑时滞效应的冠气温差对土壤含水率的监测效果有一定提升。研究可为利用作物生理特性提高土壤水分监测精度提供参考。

剔除土壤背景对反演玉米根域土壤含水率的影响研究

为研究剔除土壤背景对无人机多光谱监测土壤含水率的影响,通过无人机飞行拍摄得到多光谱影像数据,运用监督分类剔除土壤背景,并分别提取剔除背景前后各6个波段的光谱反射率。将反射率与深度10 cm、20 cm和30 cm的实测含水率分别构建一元线性回归模型、逐步回归模型、偏最小二乘回归模型和岭回归模型,以R^(2)、RMSE、RE为指标进行模型精度评价。结果表明:剔除灌浆期玉米的土壤背景后,数据的相关性和回归模型的精度始终比未剔除土壤背景数据的相关性和模型精度差。剔除土壤背景的反射率与各个深度含水率的相关系数绝对值在0.01~0.33之间,未剔除土壤背景的反射率与各个深度含水率的相关系数绝对值在0.08~0.54之间。未剔除土壤背景模型的效果在任何深度均高于剔除土壤背景的模型,其中在各深度处偏最小二乘回归模型的精度均为最优。