基于PALSAR雷达数据的于田绿洲土壤盐渍化反演

土壤盐渍化是当今土地退化和荒漠化的主要形式之一,不仅严重制约农业和经济的发展,并且对生态环境和人类生存造成威胁。本研究以新疆于田绿洲为研究区,利用四极化PALSAR(Phased Array type L-band Synthetic Aperture Radar)数据后向散射系数,土壤含水量,土壤pH值以及土壤盐分实测值,采用多元线性回归模型、地理加权回归模型和BP神经网络模型,以土壤含盐量作为因变量建立了定量反演模型。从土壤盐分反演结果图可以看出,反演结果与地面实地考察结果基本一致。经过模型验证得知,3层BPANN模型的均方根误差RMSE=0.99,平均相对误差MRE=0.31,模型性能指数RPD=5.34,其模型预测能力优于前2种传统模型。本文建立的神经网络模型无需考虑复杂的介电常数,在一定程度上能够满足土壤盐渍化监测的需要,促进PALSAR数据在土壤盐渍化监测中的应用。