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。

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。