基于卫星遥感的黄三角濒海区土壤水盐及其耦合关系时空分析

水盐时空特征及耦合关系是盐渍化土壤治理和区域生态保护管理的重要基础。本研究选择黄河三角洲代表性濒海区域——垦利区,采用野外实测与遥感影像相结合的方法,筛选相关性较高的土壤水盐光谱参量,基于敏感光谱参量构建土壤水盐定量遥感反演模型,利用经典统计分析、耦合度模型、缓冲区分析、支持向量机分类等方法,分析研究区土壤表层水盐时空分异特征及其耦合关系。结果表明:基于水分敏感光谱指数LSWI、NDII和盐分敏感光谱指数SI-T、NDSI建立的各季节土壤水盐估测模型,验证集R2均大于0.650,RMSE均小于7,Sig<0.001;研究区土壤水盐含量总体较高,含盐量以中度盐渍化为主;不同季节土壤含水量排序为夏季>春季>秋季>冬季,土壤含盐量排序为春季>秋季>冬季>夏季,水盐耦合度排序为春季>秋季>冬季>夏季;不同植被类型土壤含水量排序为荒草地>光板地>耕地>林地,土壤含盐量排序为光板地>荒草地>耕地>林地,水盐耦合度排序为光板地>荒草地>耕地>林地;由近海到内陆,研究区土壤表层含水量、含盐量以及水盐耦合度呈现逐步递减的趋势,但土壤含盐量在距海>40~50 km处、含水量在距海>30~40 km处明显上升,耦合度也有所提高。本研究提供了濒海区域土壤水盐及其耦合关系的高效定量时空分析方法,研究结果可为滨海盐碱土改良利用与资源管理提供参考和依据。

鲁中南山丘区耕地地力的遥感反演模型与应用

耕地地力是耕地生产能力的重要表征,地力的遥感快速准确反演是耕地资源利用管理的客观需求。该研究针对鲁中南山丘区,选择东平县和滕州市2个代表性县市,利用东平县的TM影像构建与筛选光谱指标,通过经典统计分析(一元线性回归、曲线回归、多元逐步线性回归)和机器学习(BP神经网络、极限学习机)方法构建与优选反演模型,进而在滕州市进行模型的验证和应用,同时对不同时相的反演模型进行了比较分析。结果表明:5类光谱指标与耕地地力综合指数均有显著的相关性,其中改进型光谱指数的r均>0.684,能更好地反映耕地地力状况;最佳反演模型为经典统计分析方法中的改进指数组-多元逐步线性回归(IIG-MLSR)模型(R^(2)=0.684,RMSE=5.674)和机器学习算法的改进指数组-BP神经网络(IIG-BPNN)模型(R^(2)=0.746,RMSE=5.089);模型在山丘区具有较好的普适性,地力反演与评价的结果具有相似的空间分布特征、相近的耕地面积比例和较高的空间契合度。其中2个最佳模型的高中低3级耕地的面积比例差普遍低于5.55个百分点,空间契合度分别为84.50%和88.76%;模型动态反演分析结果显示,2007—2016年滕州市耕地地力不断提升,高级地由67.30%增加至80.72%;不同时相模型比较结果显示,多时相遥感反演耕地地力具备可行性,4月份冬小麦返青拔节期是反演的最佳时相,10月份裸土时相次之,8月份夏玉米时相最差。该研究提出了山丘区耕地地力快速定量遥感反演的有效方法,对完善遥感反演指标与模型,提高评价效率有参考价值。

山东“蓝黄”两区耕层土壤有机质的时空分异特征

山东“蓝黄”经济区是国家重点规划建设区,为研究其耕层土壤有机质的时空变异特征,综合经典统计学、地统计学和GIS(地理信息系统)方法,对2005年与2017年两个时段的耕层(0~20 cm)土壤有机质进行时空分异研究,采用指示克里格法评估有机质缺乏的风险概率,进而研究县域间有机质的聚集特征并提出规划建议。结果显示:不同时期经济区的土壤有机质均具有中等的空间变异性和自相关性,变异系数在25.68%~35.46%之间,块基比在45.45%~55.01%之间。“蓝黄”两区2005—2017年有机质的年平均增速分别为0.21g·kg^(-1)和0.32 g·kg^(-1),2017年的平均有机质含量分别为14.65 g·kg^(-1)和16.04 g·kg^(-1),内陆平原区有机质含量高,山丘与滨海平原区有机质含量低。“蓝黄”两区有机质缺乏的风险概率较低,分别为0.21和0.14,两区有机质的空间聚集特征显著,限制建设区(高-高聚集型)与综合整治区(低-低聚集型)均以“组团”形式分布。研究发现,2005—2017年山东“蓝黄”两区的耕层有机质在时间上不断累积,空间上呈聚集分布,研究结果可为区域规划和农业可持续发展提供科学依据。

滨海盐渍农田秋季土壤盐分含量微域变异特征

为研究微域尺度滨海盐渍农田土壤盐分变异特征,探究盐渍农田农艺避盐对策,本研究选取利津县和垦利区典型滨海盐渍农田,划分受微地形、紧实度和覆盖状况影响下的典型微区,在秋季野外实地调查采样的基础上,通过统计分析、实地观测、方差分析和数据分析对比等方法,分析了研究区秋季土壤盐分的微域变异特征。结果表明:试验区为轻、中度盐渍化农田,土壤表层盐分微域变异特征受微地形、紧实状况、覆盖状况影响,且各微区变异系数最高可达21.0%,呈中等程度变异;在微域尺度下,麦田不同微地形影响下土壤盐分含量垄间坡顶处较垄沟低洼处平均提高18.6%,不同紧实状况影响下土壤盐分含量紧实处较松散处平均提高44.7%;玉米田不同杂草覆盖土壤盐分含量裸露处较杂草茂盛处平均提高30.8%,地膜覆盖土壤盐分含量膜外较膜内平均提高44.7%;棉田地膜覆盖土壤盐分含量膜外较膜内平均提高31.5%。研究表明,土壤含盐量随微地形由低到高、紧实状况由松散到紧实、杂草覆盖状况由密到疏、地膜覆盖状况由膜内到膜外而逐渐升高。

基于Sentinel-2多光谱影像的小麦-玉米轮作耕地粮食产量估测——以曹县为例

建立小麦-玉米轮作耕地遥感估产模型,可及时准确估测耕地综合粮食产量。本研究以山东曹县冬小麦-夏玉米轮作耕地为对象,利用2018—2019年Sentinel-2影像,通过对比基于QGIS平台的时序特征分类与支持向量机算法,优选提取冬小麦-夏玉米轮作耕地播种面积;通过小麦、玉米植被指数与其统计产量的相关性,筛选敏感植被指数及其生育期,采取牛顿-梯形积分法,获取敏感光谱时段植被指数积分值,构建基于积分值组合的多元线性回归和3种机器学习(随机森林RF、BP神经网络BPNN和支持向量机SVM)模型,并优选最佳估产模型。结果表明:利用QGIS平台基于时序特征提取冬小麦-夏玉米播种面积精确率达94.6%,其总体精度与Kappa系数比支持向量机算法分别高5.9%和0.12;敏感光谱时段的遥感估产优于单生育期,小麦基于归一化植被指数与比值植被指数及玉米基于增强型植被指数与结构加强色素植被指数的积分组更能有效凝聚光谱信息;植被指数积分最优组合方式为差值,机器学习算法拟合精度高于经验统计模型;最佳估产模型为机器学习算法的差值组-随机森林(DVG-RF)模型(R^(2)为0.843,均方根误差为2.822 kg·hm^(-2)),估产精度达93.4%。本研究探索了利用QGIS平台提取播种面积,对冬小麦-夏玉米轮作耕地粮食估产方法进行了系统研究,建立的多植被指数积分组合模型有效可行,对提升估产精度和效率具有参考价值。

基于SWCI-NDVI特征空间的县域耕地地力遥感反演

利用遥感反演县域耕地地力状况,快速、准确、高效地实现耕地定级,是区域耕地资源利用与管理的客观需求。本研究以东平县为研究区,利用Landsat-TM卫星影像和耕地地力评价资料,构建以地表含水量指数(SWCI)、归一化植被指数(NDVI)为特征参量的水分植被地力指数(MVFI),进而优选得到最佳反演模型,并在县域空间上进行推广应用和精度验证。结果表明:MVFI与耕地地力综合指数(IFI)的相关系数为-0.753,能综合反映小麦长势、土壤墒情和地力水平,具有明确的生物物理意义;最佳反演模型为二次模型,反演精度较高;模型适用于县域耕地地力的反演,反演结果与地力评价结果的空间分布规律和均匀程度相似,高、中、低等级耕地的面积差均低于2.9%。本研究提出的基于特征空间理论的耕地地力遥感反演方法,可有效提高县域耕地地力的评价效率和预测精度。