基于多源数据的干旱区盐渍化农田精准管理分区研究

根据土壤盐渍化空间异质性对南疆干旱区绿洲农田进行精准管理分区,对农业种植结构调整和精细化管理具有重要意义。以典型干旱区绿洲农田为研究对象,以电磁感应数据、地形数据和卫星遥感数据为数据源,通过地统计学方法分析研究区土壤盐渍化的空间异质性,利用相关分析筛选出不同时期的植被指数和盐分指数。以农田表层表观电导率(EC_(h0.375))为主变量,深层表观电导率(EC_(h0.75)、EC_(v0.75)、EC_(v1.5))、植被指数(RVI、GRVI、EVI)、土壤盐分指数(NDSI、S5、SI-T)为辅助变量,采用面向对象多尺度分割算法对研究区进行分区,并用分区内平均变异系数(C_(V),Coefficient of Variation)和莫兰指数(Moran’s I)对分区结果进行评价。结果表明:(1)研究区各土层表观电导率都存在明显空间异质性,且各辅助变量与主变量均存在极显著相关。(2)各分区的平均变异系数较整个研究区的变异系数下降了60%,且基于多源数据分区的区间异质性均高于单一数据分区的区间异质性。(3)从农田耕作角度、分割效果及分区评价原则出发,综合利用表层和深层土壤盐渍化信息的管理分区效果最佳,该分区结果既符合当地农田管理又符合机械化作业要求。研究结果可为南疆干旱区绿洲农田的精准管理分区提供一定的技术和方法借鉴。

基于电磁感应数据的电导率反演模型研究

【目的】土壤盐渍化是限制新疆南部棉花高产的主要因子,准确获取区域尺度土壤剖面盐分信息。【方法】以南疆阿拉尔垦区为研究区,以田间尺度采集的30个不同盐渍化程度棉田的540个样点的0~0.375、0~0.750、0~1.000 m的土壤剖面电导率数据和对应的电磁感应数据为数据源,采用线性模型和非线性模型分别构建了田间尺度和区域尺度的土壤剖面电导率的电磁感应反演模型,并采用缩减建模样本量方法进一步检验了区域尺度模型的可靠性和稳定性。【结果】多元线性回归(MLR)、偏最小二乘回归(PLSR)和主成分回归(PCR)建模方法的田间尺度模型R^(2)在0.88~0.95,而对应的区域尺度模型R^(2)在0.34~0.53。基于随机森林(RF)、神经网络(NN)和支持向量机(SVM)非线性建模方法构建的土壤剖面电导率的区域尺度电磁感应反演模型R^(2)在0.60~0.85,其中RF模型的精度最高。0~0.375、0~0.750、0~1.000 m土壤剖面电导率的RF反演模型R^(2)分别为0.80、0.85和0.84,相较于线性建模方法的区域尺度模型精度有明显的提高。RF区域尺度模型的样本数量由540个缩减到240个,模型精度没有明显变化,表明采用区域尺度模型,可大幅度降低土壤剖面样本采集数量,从而可显著提高采样效率和降低采样成本。【结论】区域尺度下构建土壤剖面电导率反演模型时,随机森林建模方法效果较优,模型预测能力具有较高的可靠性。

基于电磁感应数据的南疆棉田土壤pH反演研究

土壤盐渍化是限制新疆农业发展的主要因素之一,准确获取土壤盐渍化信息,有利于调节农业灌溉用水量大与淡水资源相对匮乏的矛盾,对提高农业生产及环境可持续发展具有重要意义。以南疆阿拉尔垦区9块棉田土壤的pH为研究指标,以EM38-MK2大地电导率仪获取的棉田土壤表观电导率数据及室内测定土壤pH为数据源,采用全区、分区2种建模方法构建土壤剖面pH与土壤表观电导率间的线性回归模型,利用地统计软件对土壤剖面pH进行空间分析。结果表明:(1)分区条件下,土壤表观电导率与土壤剖面pH相关系数为0.60~0.95;全区条件下相关系数为0.28~0.46,均呈极显著负相关,表明EM38-MK2大地电导率仪可用于土壤pH的测定。(2)分区建模模型0.74≤R^(2)≤0.93,2.00≤RPD≤3.50,RMSE较小,均优于全区模型,表明分区模型精度优于全区模型,且土壤含盐量较高的棉田,模型反演精度也较高。(3)空间分析结果表明受冬灌、棉花根系及棉花枯枝落叶等的影响,棉田深层土壤pH均高于表层土壤。研究结果可为土壤p H的快速测定提供思路,对土壤盐渍化的科学管理提供指导。

基于棉田原位高光谱数据的土壤pH值反演与制图研究

[目的]研究快速、准确大面积监测农田土壤pH值,为大面积土壤改良和实现农田精细化管理提供科学支持。[方法]以南疆阿拉尔市十二团棉田为研究区,采用网格采样法采集231个样点的原位高光谱数据,并同步采集其中116个样点的土壤样品;分析了原位高光谱反射率数据经不同预处理模式后的光谱数据与土壤pH值的相关性;采用偏最小二乘回归、支持向量机回归和随机森林3种建模方法分别建立了土壤pH值的高光谱反演模型,根据模型评价指标优选出最优模型对未采集土壤样点的pH值进行反演制图。[结果]反射率经微分处理后可有效改善其与土壤pH值的相关性;反射率二阶微分的随机森林模型为所有模型中的最优模型,其验证集的R 2为0.87,RMSE为0.04,RPD为2.53;最优模型反演的pH值数据插值所得数字图与实测pH值插值图的空间分布特征高度吻合,能客观反映土壤碱化的空间分布状况。[结论]随机森林模型为原位反演南疆棉田土壤pH值的最优模型,克里金插值能够客观可视化表达研究区土壤pH值的分布状况。

基于GF-2影像的南疆阿拉尔垦区绿洲作物种植区高精度提取研究

中低分辨率影像在提取地物中容易出现“同物异谱”和“异物同谱”的问题,导致地物识别精度不高。因此,为了提高中低分辨率遥感影像对农田的提取精度,本研究基于高分二号(GF-2)影像,采用面向对象和深度学习分类方法,进行南疆阿拉尔垦区农田的识别,并筛选出识别农田的最佳方法,为高精度提取农田地块提供理论基础。其中面向对象方法用决策树分类(CART)和随机森林分类(RF)两种分类器进行提取,深度学习采用加入注意力模块的U-Net卷积神经网络(CNN)模型,共三种提取方法并以总体精度(OA)和Kappa系数为评价指标,比较三种分类方法的精度并将提取结果与验证区域对比。结果表明:1)对影像进行分割时,尺度参数设置为1.5,形状因子权重为0.0005,紧致度因子权重为0.5时的分割效果最佳;2)加入注意力模块的卷积神经网络模型分类效果最佳,OA值高达95.24%,Kappa系数为0.84,识别农田边界信息最清晰,且更加贴近真实标签;CART分类效果次之,OA值为80.29%,Kappa系数为0.61;RF分类效果最差,OA值和Kappa系数均为最低;3)三种方法所得垦区农田面积均小于实际种植面积,其中深度学习方法识别农田面积精度最高,为93.05%,能够明显反映区域农田种植面积情况。本研究可为垦区耕地种植面积准确监测以及粮食产量评估提供一定理论的参考。

干旱区棉田表层土壤盐渍化时空变异研究

明确土壤盐渍化时空变异特征是确保干旱区棉田精准灌溉和作物良好生长发育的基础。考虑棉田不同灌溉节点和灌溉方式,利用大地电导率仪(EM38-MK2),在棉花生育期内进行3次表观电导率数据和土样的采集,采用局部建模和全局建模的思路构建表观电导率与实测电导率间的反演模型。综合利用经典统计方法和地统计学方法,分析表层土壤盐渍化的时空变异特征。结果表明,表观电导率与实测电导率建立的局部模型具有较好精度,R^(2)均大于0.79,而全局模型的R^(2)仅为0.52,表明局部模型优于全局模型;不同时期表层电导率变异性差异较大,3月和10月变异系数均小于50%,属中等变异,而7月变异系数大于50%,属强变异;各时期半变异函数的最优模型均为球状模型,基台值与块金值之比均小于25%,表明表层盐分变异主要由气候,蒸降比、地下水埋深度等结构性因素引起;研究区盐渍化土壤面积由播种前的0.49%增加到棉花收获后的98.23%,在棉花生育期内,表层土壤以轻度盐渍化和中度盐渍化为主;土壤盐渍化空间变异强度主要以中等变异为主,强变异次之,弱变异所占面积最小,而强变异集中分布在研究区南端,弱变异区域主要集中在研究区中部。研究结果为干旱区田间尺度的棉田土壤盐渍化时空变异研究提供了一定的思路和方法。