本文選題：鹽漬化　切入點(diǎn)：物候信息　出處：《生態(tài)學(xué)報》2017年09期

【摘要】：鹽漬化是影響植被和作物長勢的重要因素,精確反演鹽漬化的時空分布信息至關(guān)重要�；贛OD13A1-NDVI數(shù)據(jù)反演生長季開始日期(SOS)、生長季結(jié)束日期(EOS)、生長季長度(LEN)等物候參數(shù)和計算出能高精度反演鹽漬化空間分布的多種植被指數(shù)、鹽分指數(shù)、地形指數(shù)、干旱指數(shù)等參數(shù)后作為BP-ANN人工神經(jīng)網(wǎng)絡(luò)的輸入因子來反演鹽漬化信息,同時按照植被類型和地貌類型進(jìn)行分區(qū)來反演鹽漬化信息,以探討鹽漬化受植被和地貌類型的影響。主要結(jié)論如下:(1)鹽漬化的形成受多種因素的影響,與物候參數(shù)大多呈非線性關(guān)系,不能單純的以某擬合公式來進(jìn)行表達(dá),需要借助人工神經(jīng)網(wǎng)絡(luò)超強(qiáng)的非線性擬合能力來反演鹽漬化信息。(2)通過深入挖掘植被物候信息,在融入物候參數(shù)后的反演精度顯著提高�？蓻Q系數(shù)R2從0.68(非物候參數(shù))增加到0.79(包括物候參數(shù)),但是需要加入地形、影像數(shù)據(jù)和土壤水分等方面的信息來更加精確的反演鹽漬化信息。生物累積量指標(biāo)LSI(Large seasonal integral)和SSI(Small seasonal integral)能夠很好的表征鹽漬化的信息。(3)劃分植被類型后的鹽漬化提取精度進(jìn)一步提高,可決系數(shù)R~2達(dá)到了0.88。(4)以地貌特征作為類型分區(qū)后,反演結(jié)果的R~2達(dá)到了0.85,精度較高,比以植被類型作為分區(qū)的精度略小。高程較低區(qū)域的鹽漬化現(xiàn)象普遍較重,鹽漬化程度受到地形和地貌因素的影響顯著。(5)農(nóng)用地區(qū)域多為非鹽漬化和輕度鹽漬化地,稀疏植被區(qū)多為重鹽漬化地。研究區(qū)的非鹽漬化和輕鹽漬化地、中鹽漬化地和重度鹽漬化地比例分別為53.42%,13.71%,32.87%。以上的研究結(jié)果提出了一種融合物候信息和非物候參數(shù)來反演鹽漬化信息的方法,進(jìn)行深入的協(xié)同植被物候監(jiān)測鹽漬化信息方面的數(shù)據(jù)挖掘,在融入了物候參數(shù)后,鹽漬化的預(yù)測精度顯著提高。
[Abstract]:Salinization is an important factor affecting vegetation and crop growth, the accurate inversion of salinization distribution information is very important. MOD13A1-NDVI data inversion of the growing season start date based on (SOS), end of growing season (EOS), Ji Changdu (LEN) and other phenological parameters and calculated to grow high precision space by inversion of the distribution of salinization index. Salt index, topographic index, drought index and other parameters as the input factor of BP-ANN artificial neural network to retrieve the information at the same time according to the vegetation types of salinization, and landform zoning to retrieve the salinization information, to investigate the salinization influenced by vegetation and landscape types. The main conclusions are as follows: (1) is affected by many factors of salinization mostly, a non-linear relation with the phenological parameters, not simply a fitting formula to express, need the help of non line super artificial neural network Fitting ability to retrieve the salinization information. (2) through in-depth excavation of vegetation information significantly improve retrieval accuracy with phenological parameters after. The coefficient of determination of R2 from 0.68 (non phenological parameters (including) increased to 0.79, but the phenology parameters) to image data and terrain, soil moisture and other aspects of the information information retrieval salinization more accurately. The biomass accumulation index of LSI (Large seasonal integral) and SSI (Small seasonal integral) to characterize the salinization information very well. (3) classification of salinization extraction accuracy of vegetation types after further improvement, the coefficient of determination R~2 reached 0.88. (4) with geomorphic features as the type partition the inversion results, R~2 reached 0.85, higher accuracy, than to vegetation types as smaller precision partition. A low elevation area of salinization is generally heavier, salinization by terrain and landform. The effect is significant. (5) for the non agricultural area and mild salinity, sparse vegetation area is heavily salinized land. The study area of salinization and light saline soil, salt salinization and severe salinity respectively 53.42%, 13.71%, 32.87%. of the above results and put forward a method to retrieve the salinization information fusion phenological information and non phenological parameters, the collaborative monitoring of salinization information of vegetation phenology data on the depth of excavation, in the integration of the phenological parameters, the prediction accuracy of salinization increased significantly.

【作者單位】： 新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院;新疆大學(xué)綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室;
【基金】：新疆維吾爾自治區(qū)重點(diǎn)實(shí)驗(yàn)室專項基金(2016D03001,2014KL005) 新疆維吾爾自治區(qū)科技支疆項目(201591101) 2014級新疆大學(xué)博士生科技創(chuàng)新項目(XJUBSCX-2014013) 國家自然科學(xué)基金項目(U1303381,41261090,41161063) 教育部促進(jìn)與美大地區(qū)科研合作與高層次人才培養(yǎng)項目
【分類號】：S156.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄒輝;蔬菜棚室土壤鹽漬化的原因及對策[J];農(nóng)村實(shí)用工程技術(shù);2001年05期

2 侯建坤;許彩芬;黃洪光;王玉華;周益民;;宜興市蔬菜地土壤鹽漬化成因及防治措施[J];上海農(nóng)業(yè)科技;2006年02期

3 翁永玲;宮鵬;;土壤鹽漬化遙感應(yīng)用研究進(jìn)展[J];地理科學(xué);2006年03期

4 劉慶生;劉高煥;薛凱;宋紅偉;;近代及現(xiàn)代黃河三角洲不同尺度地貌單元土壤鹽漬化特征淺析[J];中國農(nóng)學(xué)通報;2006年11期

5 曹曉娟;陳明;馮鑫;李炳華;;徑向基人工神經(jīng)網(wǎng)絡(luò)法在土壤鹽漬化調(diào)查中的應(yīng)用[J];巖礦測試;2007年01期

6 沈睿;儲寅芳;花立蓮;沈琦琪;花利民;;宜興市蔬菜土壤鹽漬化成因及對策[J];上海農(nóng)業(yè)科技;2007年06期

7 白福;范高功;;西北典型內(nèi)流干旱盆地土壤鹽漬化特征及成因分析-以黑河流域?yàn)槔齕J];工程勘察;2008年S1期

8 姚興榮;;河西走廊平原區(qū)鹽漬化分布特征[J];甘肅農(nóng)業(yè);2008年11期

9 周小虎;王政偉;萬余慶;;塔里木河上游地區(qū)土壤鹽漬化信息提取研究[J];山東農(nóng)業(yè)大學(xué)學(xué)報(自然科學(xué)版);2008年04期

10 遲永林;劉忠;;防治保護(hù)地土壤鹽漬化的方法[J];吉林蔬菜;2009年02期

相關(guān)會議論文 前2條

1 駱玉霞;陳煥偉;;GIS支持下的TM影像土壤鹽漬化分級研究(摘要)[A];第十三屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2001年

2 王紅;宮鵬;劉高煥;;近代黃河三角洲土壤鹽分空間分異與微地貌關(guān)系[A];第九屆中國青年土壤科學(xué)工作者學(xué)術(shù)討論會暨第四屆中國青年植物營養(yǎng)與肥料科學(xué)工作者學(xué)術(shù)討論會論文集[C];2004年

相關(guān)博士學(xué)位論文 前7條

1 付騰飛;濱海典型地區(qū)土壤鹽漬化時空變異及監(jiān)測系統(tǒng)研究應(yīng)用[D];中國科學(xué)院研究生院(海洋研究所);2015年

2 麥麥提吐爾遜·艾則孜;伊犁河谷灌區(qū)土壤鹽漬化與地下水調(diào)控研究[D];新疆大學(xué);2010年

3 王雪梅;干旱區(qū)典型綠洲土壤鹽漬化及其生態(tài)效應(yīng)研究[D];新疆大學(xué);2010年

4 尼格拉·塔什甫拉提;渭干河—庫車河三角綠洲土壤鹽漬化遙感與近感協(xié)同監(jiān)測方法研究[D];新疆大學(xué);2014年

5 韓茜;新疆奇臺縣綠洲土壤特性空間變異及鹽漬化逆向演替研究[D];新疆大學(xué);2008年

6 劉貫群;內(nèi)蒙孿井灌區(qū)地下水?dāng)?shù)值模擬及土壤鹽漬化預(yù)報[D];青島海洋大學(xué);2002年

7 陳月慶;松嫩平原蘇打鹽漬土灌區(qū)稻田水鹽調(diào)控灌排模式研究[D];中國科學(xué)院研究生院(東北地理與農(nóng)業(yè)生態(tài)研究所);2013年

相關(guān)碩士學(xué)位論文 前10條

1 梁東;博斯騰湖湖濱綠洲土壤鹽漬化預(yù)警研究[D];新疆師范大學(xué);2015年

2 馬成霞;綠洲區(qū)域表層土壤水鹽的時空異質(zhì)性[D];新疆大學(xué);2015年

3 牛增懿;基于高分一號影像的干旱區(qū)綠洲土壤鹽漬信息提取研究[D];新疆大學(xué);2015年

4 王爽;基于地面實(shí)測熱紅外光譜和電磁感應(yīng)技術(shù)的土壤鹽漬化建模研究[D];新疆大學(xué);2015年

5 馬海麗;黃河三角洲典型區(qū)地下水動態(tài)及其與土壤鹽漬化的關(guān)系[D];濟(jì)南大學(xué);2015年

6 代希君;基于高光譜技術(shù)的南疆土壤鹽漬化預(yù)測研究[D];塔里木大學(xué);2016年

7 程品;松原灌區(qū)開發(fā)對土壤鹽漬化的影響研究[D];吉林大學(xué);2016年

8 李榮榮;干旱區(qū)平原水庫下游土壤鹽漬化空間格局分析[D];新疆大學(xué);2016年

9 王東芳;艾比湖濕地國家級自然保護(hù)區(qū)土壤鹽漬化生態(tài)風(fēng)險評價[D];新疆大學(xué);2016年

10 楊夢凡;天津不同鹽漬化程度土壤有機(jī)碳、總氮含量及其δ~(13)、δ~(15)N的分布研究[D];天津師范大學(xué);2016年

，

本文編號：1695018