本文選題：土壤鹽漬化 + Landsat��； 參考：《中國農(nóng)業(yè)科學(xué)》2017年15期

【摘要】：【目的】基于遙感提取的多尺度遙感指示因子和土壤實(shí)測電導(dǎo)率數(shù)據(jù),借助統(tǒng)計(jì)分析,試圖探尋適合干旱區(qū)典型綠洲灌區(qū)土壤鹽度變異的最佳觀測尺度和指征變量,為快速評估綠洲土壤鹽漬化提供備選方案�！痉椒ā恳孕陆几珊�-庫車河綠洲為研究區(qū),以野外采集的土壤鹽度數(shù)據(jù)(采集0—10、10—20、20—40和40—60 cm土層土樣,制備土壤飽和溶液并測試電導(dǎo)率(ms·cm-1))并將其作為預(yù)測對象(n=87),借助Landsat OLI遙感影像數(shù)據(jù),利用柵格重采樣(30—1 000 m)和領(lǐng)域?yàn)V波(原始分辨率為30、60、90、120、150、180、210 m,濾波尺度為3×3至31×31)兩種方式,生成多個尺度若干種指示因子(主成分分析、纓帽變化、植被指數(shù)、濕度指數(shù)),共計(jì)獲得1 078個(其中,柵格重采樣生成352個,領(lǐng)域?yàn)V波生成726個)環(huán)境變量。在此基礎(chǔ)之上,利用線性和非線性曲線模型分別擬合上述兩種模式下土壤鹽度和環(huán)境變量之間的相關(guān)性,進(jìn)而找出最優(yōu)環(huán)境因子和預(yù)測尺度�！窘Y(jié)果】柵格重采樣模式下能夠較好響應(yīng)各層土壤變異性的皆為非線性模式。其次,該模式下,擬合精度隨著空間分辨率的降低而降低。此模式下最佳推理尺度為30 m,該尺度下最佳響應(yīng)變量除了40—60 cm處為三波段差分指數(shù)(Three-band Maximal Gradient Difference,TGDVI)外,其余深度皆為擴(kuò)展的歸一化指數(shù)(Extended Normalized Difference Vegetation Index,ENDVI)。領(lǐng)域?yàn)V波模式下的最佳推理尺度為180 m(濾波尺度3×3),同時,各層最佳擬合變量皆為擴(kuò)展的增強(qiáng)型植被指數(shù)(Extented Enhanced Vegetation Index,EEVI)。相比較柵格重采樣模式,該模式下的擬合精度全面優(yōu)于前者,各層依次提高14.60%、34.40%、32.10%和21.70%�！窘Y(jié)論】基于領(lǐng)域?yàn)V波模式下,像元分辨率為180 m,窗口大小為3×3的ENDVI指數(shù)更適合預(yù)測本研究區(qū)土壤鹽度的空間變異性。
[Abstract]:[objective] based on the multi-scale remote sensing indicator factors and soil electrical conductivity data extracted by remote sensing, and with the help of statistical analysis, this paper tries to find out the best observation scale and indication variable for soil salinity variation in typical oasis irrigation areas in arid areas. To provide an alternative scheme for rapid assessment of soil salinization in oasis. [methods] soil salinity data (0-10 ~ 10 ~ 20 ~ 20 ~ 40 and 40 ~ 60 cm) were collected from the oasis of Weigan River and Kuqa River in Xinjiang, and the soil salinity data were collected in the field (0 ~ 10 ~ 10 ~ 20 ~ 20 ~ 40 cm and 40 ~ 60 cm soil samples). The saturated solution of soil was prepared and its conductivity was measured and used as the prediction object. With the aid of Landsat OLI remote sensing image data, the raster resampling was used for 30-1 000 m) and domain filtering (original resolution was 30 0 090 1 201 180 210 m, the filter scales were 3 脳 3 to 31 脳 31 1), and the results were as follows: 3 脳 3 to 31 脳 31 脳 31 脳 31 脳 31 脳 31 脳 31 脳 31 脳 31 脳 31 脳 31 脳 31 脳 31 脳 31 脳 31 脳 31 脳 31 脳 31 脳 31 脳 31. A number of indicator factors (principal component analysis, tassel change, vegetation index, humidity index) were generated for multiple scales. A total of 1,078 environmental variables were obtained (of which 352 were generated by grid resampling and 726 by domain filtering). On this basis, linear and nonlinear curve models are used to fit the correlation between soil salinity and environmental variables, respectively. Finally, the optimal environmental factors and the prediction scale are found. [results] in the case of grid resampling model, all the nonlinear models which can better respond to the soil variability in each layer are obtained. Secondly, the fitting accuracy decreases with the decrease of spatial resolution. In this model, the optimal inference scale is 30 m. The best response variable in this model is the three-band Maximal Gradient differential index three-band Maximal Gradient difference index (TGDVI) at 40-60 cm, and the other depth is extended Normalized Difference Vegetation index (ENDVI). The optimal inference scale is 180 m (filtering scale 3 脳 3 ~ 3), and the best fitting variables in each layer are extended augmented Enhanced Vegetation index (EEVI). Compared with the grid resampling model, the fitting accuracy of this model is better than that of the former, and each layer increases by 14.60%, 34.40% and 32.10%, and 21.70% respectively. [conclusion] in the domain filtering mode, The pixel resolution is 180m and the ENDVI exponent with a window size of 3 脳 3 is more suitable for predicting the spatial variability of soil salinity in the study area.
【作者單位】： 新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院/綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室;
【基金】：國家自然科學(xué)基金(41661046) 中國博士后面上基金(2016M602909) 自治區(qū)科技支疆項(xiàng)目(201591101) 新疆大學(xué)博士啟動基金(BS150248) 新疆維吾爾自治區(qū)重點(diǎn)實(shí)驗(yàn)室專項(xiàng)基金(2014KL005) 國家自然科學(xué)基金(新疆聯(lián)合基金本地優(yōu)秀青年培養(yǎng)專項(xiàng)(U1503302))
【分類號】：S156.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 聶志文;布仁倉;李冰倫;;紅松存在/不存在數(shù)據(jù)的多尺度空間分布格局[J];生態(tài)學(xué)報;2017年03期

2 WANG Fei;CHEN Xi;LUO Geping;HAN Qifei;;Mapping of Regional Soil Salinities in Xinjiang and Strategies for Amelioration and Management[J];Chinese Geographical Science;2015年03期

3 黃彥;田慶久;耿君;王磊;欒海軍;;遙感反演植被理化參數(shù)的光譜和空間尺度效應(yīng)[J];生態(tài)學(xué)報;2016年03期

4 陳紅艷;趙庚星;陳敬春;王瑞燕;高明秀;;基于改進(jìn)植被指數(shù)的黃河口區(qū)鹽漬土鹽分遙感反演[J];農(nóng)業(yè)工程學(xué)報;2015年05期

5 李小文;王yN婷;;定量遙感尺度效應(yīng)芻議[J];地理學(xué)報;2013年09期

6 徐涵秋;唐菲;;新一代Landsat系列衛(wèi)星:Landsat 8遙感影像新增特征及其生態(tài)環(huán)境意義[J];生態(tài)學(xué)報;2013年11期

7 魚騰飛;馮起;劉蔚;司建華;席海洋;陳麗娟;;黑河下游土壤水鹽對生態(tài)輸水的響應(yīng)及其與植被生長的關(guān)系[J];生態(tài)學(xué)報;2012年22期

8 石瑞花;李霞;董新光;楊鵬年;劉磊;;焉耆盆地天然植被與地下水關(guān)系研究[J];自然資源學(xué)報;2009年12期

9 王芳芳;吳世新;喬木;李和平;楊涵;李義玲;;基于3S技術(shù)的新疆耕地鹽漬化狀況調(diào)查與分析[J];干旱區(qū)研究;2009年03期

10 郗金標(biāo);張福鎖;毛達(dá)如;田長彥;董振成;王開芳;;新疆鹽生植物群落物種多樣性及其分布規(guī)律的初步研究[J];林業(yè)科學(xué);2006年10期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 魏陽;丁建麗;王飛;;基于Landsat OLI的綠洲灌區(qū)土壤鹽度最優(yōu)預(yù)測尺度分析[J];中國農(nóng)業(yè)科學(xué);2017年15期

2 張樹君;林巖釗;王輝山;吳楠楠;鄭韻;;基于TM影像的福州市區(qū)綠地提取研究[J];測繪與空間地理信息;2017年07期

3 LIANG Jian;ZHANG Jie;MA Yi;;A spatial resolution effect analysis of remote sensing bathymetry[J];Acta Oceanologica Sinica;2017年07期

4 池毓鋒;賴日文;余莉莉;張澤均;蘇艷琴;應(yīng)興亮;;基于Landsat 8 OLI數(shù)據(jù)的樹種類型分布提取[J];自然資源學(xué)報;2017年07期

5 張彥麗;趙軍;;復(fù)雜地形區(qū)太陽短波輻射空間變異分析[J];地理與地理信息科學(xué);2017年04期

6 劉明月;王宗明;滿衛(wèi)東;毛德華;賈明明;張柏;張淼;;基于MODIS時序數(shù)據(jù)的Landsat8影像選取及面向?qū)ο蠓诸惙椒ǖ霓r(nóng)作物分類[J];土壤與作物;2017年02期

7 李劍劍;朱小華;馬靈玲;趙永光;錢永剛;唐伶俐;;基于無人機(jī)高光譜數(shù)據(jù)的多類型混合作物L(fēng)AI反演及尺度效應(yīng)分析[J];遙感技術(shù)與應(yīng)用;2017年03期

8 段金亮;王杰;文星躍;;基于端元變化的兩種混合像元分解算法比較研究[J];資源開發(fā)與市場;2017年06期

9 張凡兵;龍婷;金文斌;李景文;;紅松林天然更新對連續(xù)小梯度海拔變化的響應(yīng)[J];東北林業(yè)大學(xué)學(xué)報;2017年05期

10 俞欣妍;劉健;余坤勇;鄧洋波;曾琪;陳樟昊;鄭文英;;葉片—冠層尺度的毛竹林分光譜特征[J];西北林學(xué)院學(xué)報;2017年03期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄧?yán)蚱?白雪嬌;李露露;牛沙沙;韓美娜;秦勝金;周永斌;;遼東山區(qū)次生林優(yōu)勢木本植物種間聯(lián)結(jié)與相關(guān)分析[J];生態(tài)學(xué)雜志;2015年06期

2 賴寧;李新國;梁東;;開都河流域下游綠洲鹽漬化土壤高光譜特征[J];干旱區(qū)資源與環(huán)境;2015年02期

3 白雪嬌;鄧?yán)蚱?李露露;牛沙沙;韓美娜;秦勝金;周永斌;;遼東山區(qū)次生林木本植物空間分布[J];生態(tài)學(xué)報;2015年01期

4 楊華;李艷麗;沈林;亢新剛;;長白山云冷杉針闊混交林主要樹種空間分布及其關(guān)聯(lián)性[J];生態(tài)學(xué)報;2014年16期

5 陳利頂;李秀珍;傅伯杰;肖篤寧;趙文武;;中國景觀生態(tài)學(xué)發(fā)展歷程與未來研究重點(diǎn)[J];生態(tài)學(xué)報;2014年12期

6 馬俊;布仁倉;鄧華衛(wèi);胡遠(yuǎn)滿;秦秦;韓風(fēng)林;;氣候變化對小興安嶺主要闊葉樹種地上部分固碳速率影響的模擬[J];應(yīng)用生態(tài)學(xué)報;2014年09期

7 朱葉青;屈永華;劉素紅;陳圣波;;重金屬銅污染植被光譜響應(yīng)特征研究[J];遙感學(xué)報;2014年02期

8 欒海軍;田慶久;顧行發(fā);余濤;胡新禮;;基于分形理論與GEOEYE-1影像的NDVI連續(xù)空間尺度轉(zhuǎn)換模型構(gòu)建及應(yīng)用[J];紅外與毫米波學(xué)報;2013年06期

9 孫小芳;;利用小波分形維數(shù)確定水稻光譜分辨率特征尺度[J];遙感學(xué)報;2013年06期

10 侯紅亞;王立海;;小興安嶺闊葉紅松林物種組成及主要種群的空間分布格局[J];應(yīng)用生態(tài)學(xué)報;2013年11期

，

本文編號：1830560