基于Sentinel-1/2改进极化指数和纹理特征的土壤含盐量反演模型

目前Sentinel-1/2协同反演植被土壤含盐量的研究大多是基于Sentinel-2光谱信息和Sentinel-1后向散射系数,没有考虑Sentinel-2光谱信息容易受土壤亮度等信息影响,Sentinel-1后向散射系数容易受土壤粗糙度和水分影响。为进一步提高Sentinel-1/2协同反演植被土壤含盐量的精度,用水云模型对雷达卫星后向散射系数进行校正,消除植被影响;然后协同Sentinel-2纹理特征,基于VIP、OOB、PCA 3种变量筛选和RF、ELM、Cubist 3种机器学习回归模型构建植被土壤含盐量反演模型。研究结果表明:经过水云模型去除植被影响后的雷达后向散射系数及其极化组合指数与土壤含盐量的相关性有一定程度的提高。不同变量选择方法与不同机器学习方法耦合模型在反演土壤含盐量中,OOB变量筛选方法与RF、ELM和Cubist 3种机器学习方法的耦合模型精度最佳,建模集和验证集的R2都在0.750以上,且验证集的RMSE和MAE均最小;其中OOB-Cubist耦合模型精度最高,且R_(v)^(2)/R_(c)^(2)为0.955,具有良好的鲁棒性。研究可为机器学习协同物理模型、光学卫星协同雷达卫星在土壤含盐量反演中的进一步应用提供思路。

达拉特旗黄河南岸盐碱化土壤不同含盐量估算模型对比

内蒙古自治区鄂尔多斯市达拉特旗黄河南岸由于气候干旱,降水量少,年蒸发量远大于年降水量,靠近黄河地下水位高,导致土壤盐渍化问题突出。以达拉特旗黄河南岸盐碱地为研究对象,基于Sentinel-1、Sentinel-2、Landsat-8和SRTM DEM多源数据,采取相关性分析和连续变量投影结合索套回归(Lasso)、随机森林回归(Random forset,RF)、轻量梯度提升机模型(Light gradient boosting machine,LightGBM)、极端梯度提升模型(Extreme gradient boosting,XGBoost)、一维卷积神经网络(One dimensional convolutional neural networks,1DCNNs)、深度神经网络(Deep neural network,DNN)6种模型进行春季裸土期与植被覆盖期土壤含盐量估算。结果表明:XGBoost模型精度最高,春季裸土期、植被覆盖期测试集决定系数(R2)为0.76、0.58;均方根误差(RMSE)为5.76、7.22 g/kg;平均绝对误差(MAE)为3.38、4.33 g/kg。多源遥感数据结合变量筛选方法利用XGBoost模型揭示研究区不同季节土壤盐分空间分布最有效,含盐量反演结果与野外实际调查分析结果基本吻合。变量重要性分析表明春季裸土期、植被覆盖期重要反演因子分别为:盐分指数(48.3%)、地形因子(33.8%);植被指数(22%)、地形因子(47.9%)。本研究为达拉特旗黄河南岸盐碱地遥感反演提供了有效方法,为春季裸土期与植被覆盖期盐碱化土壤监测及预防提供了理论依据。

基于高光谱数据的盐渍化土壤含盐量预测模型研究

对采自内蒙古自治区科尔沁右翼中旗巴彦淖尔苏木典型盐渍化土壤进行光谱反射率测定,分析不同盐渍化程度土壤的光谱特征;利用均方根、对数、对数倒数、倒数及一、二阶微分等多种原始光谱反射率变换形式的多元逐步线性回归分析方法,构建预测土壤含盐量的模型。结果表明,虽然供试土壤含盐量不同,但其光谱曲线在形态上保持一致,土壤含盐量越高其反射率曲线就越高。光谱反射率与土壤含盐量的正负相关性在经过数学变换后得到增强,尤其是在一、二阶微分变换后明显增强:土壤含盐量≤7g/kg的土壤样本(非盐土)的原始光谱对数一阶微分反射率与土壤含盐量相关性最高,在1490nm处相关系数最大为-0.5898;土壤含盐量>7g/kg的土壤样本(盐土)的原始光谱对数一阶微分反射率与土壤含盐量相关性最高,在727nm处相关系数最大为-0.5591。利用多元逐步线性回归建立的预测模型,非盐土以原始光谱的二阶微分模型为最优,R^(2)=0.7292;盐土以对数二阶微分模型为最优,R^(2)=0.8718。模型可用于盐碱土土壤含盐量的快速测定。

基于高光谱数据的土壤含盐量BP神经网络模型研究

运用Hyperion数据,以黑龙江省大庆市某一实验区为例,进行了对土壤含盐量的定量研究,将BP神经网络模型(Back Propagation Network)应用到高光谱数据对研究地区土壤含盐量的反演中。通过对隐含层的传递函数、输出层的传递函数、训练算法的优化组合以及最适合隐层节点数量,得到最优的BP神经网络模型,实现了土壤含盐量的反演。对高光谱数据反演土壤含盐量采用BP神经网络具有一定的指导意义。

土壤含盐量BP神经网络反演模型

运用Hyperion数据,以黑龙江省大庆市某一实验区为例,通过对图像预处理、特征提取、土壤含盐量、波段与土壤含盐量的相关性分析,建立BP神经网络模型(Back Propagation Network)、经验统计模型等进行研究,并开展了对土壤含盐量的定量提取研究,探讨Hyperion数据反演土壤含盐量的方法。结果表明:与传统的经验统计模型相比,BP神经网络模型具有不可比拟的优越性;同时,Hyperion数据为建立土壤含盐量模型提供了高维的输入样本,大大提高了反演的精度;土壤含盐量的反演模型的研究还有待于进一步深入。

人工神经网络在土壤含盐量预测中的应用

土壤含盐量的预测对合理配置水资源,防治土壤次生盐碱化等具有重要的指导意义。在阐述BP人工神经网络原理的基础上,针对影响土壤含盐量的主要因素,建立了多因子土壤含盐量的3层BP网络模型,以土壤含水率、地下水矿化度、地下水pH值、地下水埋深、相对湿度、降雨量、蒸发量作为模型输入参数,土壤含盐量作为模型输出,对土壤含盐量进行了预测。结果表明,BP神经网络模型预测土壤含盐量的最大误差为8.78%,平均误差为5.99%,模型具有较高的预测精度。

土壤含盐量反演的研究

运用Hyperion数据,以黑龙江省大庆市某一实验区为例,开展对土壤含盐量定量提取的研究,通过对图像预处理、特征提取、建立BP神经网络模型(Back Propagation Network)等研究工作,探讨反演土壤含盐量的方法。研究结果表明:神经网络模型具有极强的线性和非线性拟合能力,模拟遥感影像特征与土壤盐分之间比较复杂的关系上有很大优势。研究结果不但为利用Hyperion数据反演土壤含盐量提供理论依据,而且还为其它地表参数的反演提供参考。

利用多源光谱信息反演宁夏银北地区干湿季土壤含盐量

土壤盐渍化是导致全球荒漠化和土壤退化的主要诱因之一。为确定高光谱和多光谱遥感反演干湿季土壤含盐量的最优模型,该研究以宁夏银北平罗县为例,以干季(4月)和湿季(10月)实测高光谱和Landsat 8 OLI多光谱以及干湿两季实测土壤含盐量为基础数据源,利用相关系数法、灰度关联法和逐步回归法筛选敏感光谱数据,分别采用偏最小二乘、支持向量机、岭回归、BP神经网络和地理加权回归建立干湿两季土壤含盐量反演模型。结果表明:1)银北地区土壤盐渍化较为严重,干湿季含盐量均表现为强度变异,且干季变异程度大于湿季;2)在不同土壤含盐量条件下,重采样后的高光谱波段反射率和影像波段反射率具有显著相关性;3)对比相关性分析、灰度关联和逐步回归三组变量筛选方法下各模型R2和RMSE,逐步回归组模型整体效果较好;4)5种土壤含盐量反演模型中地理加权回归模型精度较高,支持向量机算法和BP神经网络算法在基于不同变量组的模型中表现较为接近,岭回归表现最差,偏最小二乘回归模型出现了较严重的“过拟合”现象。局部模型在土壤含盐量反演方面更具优越性。干季以实测灰度关联组-地理加权回归模型效果最佳,其验证决定系数Rp 2和相对分析误差RPD分别为0.94和4.49;湿季以影像相关系数组-地理加权回归模型反演效果最好,其验证决定系数Rp 2和相对分析误差RPD分别为0.96和4.83。研究结果可为当地及同类地区土壤盐渍化的识别、防治提供理论依据。

基于全子集-分位数回归的土壤含盐量反演研究

为提高植被覆盖条件下卫星遥感对土壤含盐量的估测精度,以河套灌区解放闸灌域为研究区,以高分一号卫星影像为数据源,同步采集不同深度土壤含盐量,通过全子集筛选法(Best subset selection)分析不同波段和光谱指数对于不同深度土壤含盐量的敏感性,并采用人工神经网络(Artificial neural network,ANN)、支持向量机(Support vector machine,SVM)和分位数回归(Quantile regression,QR)3种方法,构建全子集筛选前后0~20 cm、20~40 cm、0~40 cm、40~60 cm、0~60 cm等不同深度下的土壤含盐量反演模型。结果表明,B4、BI、SI1、SI3是0~20 cm、0~40 cm处土壤含盐量的敏感变量组合,B4、BI、NDVI为20~40 cm、40~60 cm、0~60 cm处土壤含盐量的敏感变量组合;在各深度下,分位数回归模型的精度最高,模型的决定系数R2c1、R2v1均在0.4以上,均方根误差RMSEc1、RMSEv1均小于0.4%,SVM次之,ANN最差;在20~40 cm深度下QR反演模型效果优于其他深度,为本文土壤含盐量估算的最优模型,其建模和验证的决定系数R2c1、R2v1分别为0.611和0.671,建模和验证均方根误差RMSEc1、RMSEv1分别为0.177%和0.160%。本研究可为卫星遥感大范围监测植被覆盖条件下土壤盐渍化程度提供参考。

不同植被覆盖度下无人机多光谱遥感土壤含盐量反演

准确快速获取植被覆盖条件下农田土壤盐分信息,为土壤盐渍化治理提供依据。利用无人机遥感平台,获取2019年7、8、9月内蒙古河套灌区沙壕渠灌域试验地的多光谱遥感图像以及取样点0~10 cm、10~20 cm、20~40 cm、40~60 cm深度处土壤含盐量,通过多光谱遥感图像计算得到光谱指数,选择归一化植被指数(NDVI-2)代入像元二分模型计算植被覆盖度,并划分为T1(裸土)、T2(低植被覆盖度)、T3(中植被覆盖度)、T4(高植被覆盖度)4个覆盖度等级;同时,对光谱指数进行全子集变量筛选,并利用偏最小二乘回归算法和极限学习机算法,构建不同覆盖度下各深度土壤含盐量反演模型。研究结果表明,裸土和高植被覆盖度下的反演模型精度高于低植被覆盖度和中植被覆盖度下的反演模型精度;对比PLSR和ELM 2种SSC反演模型精度,ELM模型的反演精度比PLSR模型高;覆盖度T1、T2、T3和T4的最佳反演深度分别为0~10 cm、10~20 cm、20~40 cm、20~40 cm。研究结果为无人机多光谱遥感监测农田土壤盐渍化提供了思路。

基于Landsat8 OLI影像干旱区绿洲土壤含盐量反演

利用遥感技术进行土壤含盐量的快速检测可为土壤盐渍化治理和绿洲农业合理开发提供科学指导。基于渭干河—库车河三角洲绿洲采集的95个土壤样品,采用光谱指数、波段反射率与实测土壤含盐量,运用多元线性回归、偏最小二乘回归、支持向量机回归和随机森林回归方法构建土壤含盐量估测模型,并利用最优估测结果对研究区土壤含盐量的空间分布格局进行遥感反演。结果表明:通过全子集回归法筛选出与土壤含盐量相关显著的9个光谱因子,相关系数均在0.5以上(P<0.01)。其中盐分指数中SI-T与土壤含盐量的相关系数最大为0.648;对比4种反演模型的估测精度,拟合的效果由高到低依次为随机森林回归>支持向量机回归>偏最小二乘回归>多元线性回归。其中随机森林模型拟合精度表现最佳,训练集和验证集的决定系数分别为0.870和0.766;相对分析误差分别为2.792和2.105,值均大于2,表明模型反演效果较好,有稳定的估测能力;由随机森林模型的反演结果来看,第Ⅰ等级和第Ⅱ等级占比达到41.62%,分布于绿洲内部的耕作区;第Ⅲ,Ⅳ和第Ⅴ等级区共占比56.41%,主要分布在绿洲外围与沙漠的交错带和荒漠区。采用随机森林机器学习建模方法对土壤含盐量进行反演,估测效果明显优于传统的统计模型,可为干旱区绿洲土壤盐渍化监测提供参考。

基于遥感数据同化的土壤含盐量估算方法

为探究同化遥感数据对监测区域尺度土壤含盐量时空信息的适用性,以河套灌区沙壕渠灌域为研究区,以高分一号卫星影像为数据源,通过灰度关联法筛选光谱指数,采用岭回归法构建不同深度的土壤含盐量反演模型,使用集合卡尔曼滤波同化算法将遥感数据应用于HYDRUS1D模型中,开展区域尺度不同深度土壤含盐量的同化研究。结果表明,基于不同深度土壤含盐量的岭回归法模型,其R^(2)均在0.64以上,RE为0.14~0.22,反演精度较高,得到的反演值较为准确;在单点尺度上,与模拟值、反演值相比,同化值更接近实测值,其EFF为0.84~0.93,NER为0.61~0.73,均为正数,且RMSE降低到0.006%~0.011%,提高了HYDRUS1D模型模拟精度;在区域尺度上,不同深度同化值的r均为0.94以上,NER为0.61以上,优于模拟值和反演值,且同化精度随着深度的增加而降低。本文基于遥感数据和HYDRUS1D模型的集合卡尔曼滤波同化研究,提高了土壤含盐量的模拟精度,对提高监测区域尺度土壤含盐量时空信息的精度具有一定的参考价值。

土壤水盐含量对冻土水力传导度模拟的影响

为了探究土壤水盐含量对冻土水力传导度模拟的影响,以内蒙古河套灌区土壤为研究对象,使用MesoMR23-060V-I核磁共振仪系统测定了5个初始土壤含盐量(0.1%、0.2%、0.5%、0.7%和1.0%)和3个初始质量含水率(20%、25%和30%),共15种组合下的土壤冻结曲线(SFCC)。基于SFCC,采用最新的毛管束模型(CBM)预测冻土水力传导度,并与目前广泛采用的冰阻抗模型(IIM)对比。结果表明:(1)土壤盐分能够显著增加冻结土壤未冻水含量,降低冰点和冻结曲线斜率,但三者均随初始土壤含水率的增加而增大。(2)幂函数模型能较好地描述土壤冻结特征曲线,拟合参数α和β随盐分增加而分别增大和减小,水分对拟合参数无显著影响。(3)无论是冰阻抗模型还是毛管束模型,盐分对冻土水力传导度的影响都明显大于水分。盐分分别通过影响临界温度和土壤冻结曲线参数影响IIM和CBM对冻土水力传导度的预测。相比于IIM,CBM在低温和高盐条件下预测精度更高。

绿洲农田盐碱斑土壤光谱特征分析与建模

选取玛纳斯县农田典型盐碱斑土壤为研究对象,以野外定点测量的高光谱数据分析盐碱斑土壤的光谱曲线特征,筛选土壤盐分敏感波段,建立土壤含盐量估测模型,并对模型进行精度验证。结果表明,不同盐渍化程度的盐碱斑土壤的光谱曲线总体变化趋势较为平缓,光谱特征在形态上基本相似;反射率经过微分等形式变换相关系数较高的波谱范围出现在400~1400nm,其中反射率一阶微分、对数一阶微分、倒数的对数一阶微分与含盐量的相关系数均大于原始反射率;土壤光谱反射率倒数的对数一阶微分变换在波长428nm处为最佳敏感波段,相关系数为0.81,构建的含盐量预测模型精度最高(模型方程:y=30097.5x_(428nm)+38.9,R^2=0.7421,RMSE=0.836)。该模型可为绿洲农田盐碱斑盐渍化程度遥感定量反演提供依据。

防治大棚土壤盐碱化的水管理方案

针对大棚土壤盐碱化问题,在田间试验的基础上,应用水管理软件DRAINMOD模拟各种大棚农田水管理措施下土壤含盐量的变化过程。模拟结果表明:夏季揭棚,对于控制土壤盐碱化具有明显的效果;无排水措施时,即使在夏季揭棚让雨水淋洗,长期种植也导致土壤积盐过多,不适应蔬菜生长;对于0～40 cm表层土壤,控制排水的盐分淋洗效果好于自由排水,但对于40cm以下的土壤,自由排水的盐分淋洗效果要好于控制排水;在不揭棚时节,适当加大灌溉量有一定洗盐效果;在高温多雨时节揭棚,采用控制排水和常规灌溉量,是比较好的大棚水管理方案。

宁夏银北灌区水盐均衡模型及其应用

根据质量守恒原理,建立了包气带和含水层的水盐均衡模型,并对宁夏银北各干渠灌域的土壤含盐量、地下水埋深和地下水矿化度的变化过程进行了模拟.在含水层水量均衡方程中,把潜水蒸发系数和给水度作为变参处理,考虑了相邻灌域间的潜流交换量.针对方程的非线性性质,提出了迭代求解方法.含水层盐量均衡方程中潜流的携盐量视其交换方向而定,与包气带盐量均衡方程联立构成方程组后,利用共轭梯度法求解.预测结果与实测数据对比表明,相对误差在8%以内,该模型可用于银北灌区的水盐动态预测.

南疆盐碱土水、氮、盐光谱特征及其反演模型

【目的】探讨南疆盐碱土在不同水、氮、盐条件下的光谱特征,构建适合南疆盐碱土的水、氮、盐反演模型。【方法】以南疆代表性盐碱土为研究对象,设置不同的土壤水、盐和氮量,分析不同处理的土壤光谱特征,采用偏最小二乘回归(PLSR)、支持向量机回归(SVR)和BP神经网络(BPNN)建立土壤水、氮、盐反演模型。【结果】土壤水的特征波段在1900 nm附近,土壤氮的特征波段在1490~1506、1540~2006、2011~2500 nm之间,土壤盐的特征波段在1880~1883、1890~1942 nm之间;PLSR模型对水、氮、盐量的反演效果最好,BPNN模型次之,SVR模型最差。【结论】1900 nm波段是水、氮、盐共同的特征波段,南疆盐碱土水、氮、盐量的最优反演方法为:采用Savitzky-Golay方法进行平滑处理,运用主成分分析降维后通过偏最小二乘回归建立反演模型。

基于改进的HYDRUS-2D模型暗管排水过程模拟

为了提高HYDRUS-2D模型在暗管排水中的模拟精度,提出了虚拟土层(VSL)和实际开孔面积(AHA)两种方法来代替HYDRUS-2D在暗管排水中的暗管原有渗透边界(PSB)。研究表明:VSL和AHA模型的模拟值与实测值具有较好的一致性;土壤含盐量平方根误差(RMSE)分别为0.757、0.966 g·kg^-1,决定系数(R^2)分别为0.977和0.964;土壤含水率的RMSE分别为0.007、0.008 cm^3·cm^-3,R2分别为0.885和0.794。此外,VSL在模拟排水方面(RMSE=9.48L,R2=0.93)和模拟排盐方面(RMSE=0.225 kg,R^2=0.922)的模拟精度均高于AHA和PSB,可见,VSL更适用于暗管边界。进一步建立了VSL的环宽(RW)与其饱和导水率(Ks)之间的经验公式(R2=0.99,P<0.01),当模拟区域和暗管布局变化时,该经验公式可用于确定VSL的模型参数,其模拟结果可用于指导相关地区的暗管布局。

咸水畦灌农田土壤水热盐动态及油葵生长的试验与模拟

为探究中国西北旱区咸水畦灌条件下农田土壤水热盐动态及其对作物生长的影响,采用大田试验和WASH-C模型(Layered Soil Water-Solute-Heat Transport and Crop Growth Model,土壤水热盐迁移和作物生长耦合的模拟模型)模拟相结合的方法,分析油葵全生育期内不同灌水量和矿化度处理下土壤剖面水盐分布特征、温度变化及油葵生长规律。试验设置包括2个灌水量水平(分别为油葵畦灌需水量的100%、50%)和3种畦灌水矿化度(分别为0.7、4.0、8.0 g/L)。结果表明,土壤剖面的水、盐、热分布在根区(0~40 cm)的变动幅度要大于深层(40~100 cm),灌水量越多,水分、盐分变幅越大。随着灌水次数的增加,土壤剖面在0.7 g/L矿化度下出现脱盐现象,4.0、8.0 g/L矿化度下出现积盐现象,并且灌水量越大,相应的脱、积盐率越高。试验前期各层地温变化幅度较后期大,温度变化幅度随土壤深度增加而减小。0.7g/L、100%油葵需水量下的作物LAI和产量最大,8g/L、50%油葵需水量下最小,两处理的LAI分别为8.41、3.80 cm^(2)/cm^(2),产量分别为5.49、3.08t/hm^(2),差异显著(P<0.05)。模拟结果表明,WASH-C能够较好地模拟各时期土壤中根区、深层含水率的分布特征,所有模拟结果的R2不低于0.53。在咸水矿化度小于等于3g/L的情景模拟下,作物根区不会产生明显的积盐现象。合理的咸水畦灌制度有利于充分利用咸水资源并提高油葵的水分利用效率和产量。

不同土质的浅层土壤水盐运移规律模拟——以内蒙古解放闸灌域为例

为了研究不同土质的浅层土壤水盐运移规律,以玉米田间试验为基础,运用一维饱和-非饱和土壤水分及溶质运动理论,对比分析了模拟值与实测值,验证了HYDRUS-1D数值模型的模拟精度,并模拟了内蒙古解放闸灌域4种不同土质的土壤水盐运移,确定了不同灌水定额下不同土壤的水盐动态。结果表明:不同土质下0～10与10～20 cm土壤体积含水量变化基本一致,且土壤含水量随着灌水定额的增大而增大;同等条件下粉砂质黏壤土含水量高于壤土、黏壤土、壤质黏土的含水量;灌水定额越大,粉砂质黏壤土与壤质黏土中的盐分随着水分运动表现的降低效果明显,说明增加适量灌水定额后粉砂质黏壤土与壤质黏土有利于玉米生育生长。利用HYDRUS-1D模型对土壤水盐运移的模拟结果能够为灌域的水盐管理和土壤盐渍化治理提供参考依据。