發(fā)布時間：2018-08-22 13:41

【摘要】：土壤鹽漬化問題是黃河三角洲地區(qū)主要的土地退化問題,借助遙感技術(shù)快速、準(zhǔn)確地掌握土壤鹽漬化信息,對農(nóng)業(yè)可持續(xù)發(fā)展具有重要意義。該文以黃河三角洲墾利縣為研究區(qū),利用超球體色彩空間變換算法,將環(huán)境一號衛(wèi)星HSI高光譜影像與Landsat 8 OLI多光譜影像進(jìn)行融合,選擇土壤鹽分的特征波段,結(jié)合土壤鹽分的實(shí)測數(shù)據(jù),建立統(tǒng)計分析模型(多元線性回歸、偏最小二乘回歸)和機(jī)器學(xué)習(xí)模型(BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和隨機(jī)森林),對土壤鹽分進(jìn)行遙感反演。結(jié)果表明:OLI影像的統(tǒng)計分析模型和機(jī)器學(xué)習(xí)模型精度均較低,精度最高的隨機(jī)森林模型相關(guān)系數(shù)僅為0.570;HSI影像的反演模型精度高于OLI,BP神經(jīng)網(wǎng)絡(luò)模型相關(guān)系數(shù)為0.607;融合影像反演模型精度明顯高于HSI影像和OLI影像,土壤鹽分含量的實(shí)測值與機(jī)器學(xué)習(xí)模型預(yù)測值具有良好的相關(guān)性,BP神經(jīng)網(wǎng)絡(luò)模型、支持向量機(jī)模型和隨機(jī)森林模型的決定系數(shù)R~2分別達(dá)到0.966、0.821和0.926,模型反演精度較高。研究表明,多光譜和高光譜影像融合能顯著提高土壤鹽分遙感反演精度,機(jī)器學(xué)習(xí)模型的反演效果明顯優(yōu)于統(tǒng)計分析模型。研究結(jié)果對黃河三角洲典型地區(qū)的土壤鹽分反演具有積極的理論和實(shí)踐意義。
[Abstract]:Soil salinization is a major problem of land degradation in the Yellow River Delta. It is of great significance to grasp soil salinization information quickly and accurately by means of remote sensing technology. Taking Kenli County in the Yellow River Delta as the study area, using hypersphere color space transform algorithm, the HSI hyperspectral image of the environment 1 satellite and the Landsat 8 OLI multispectral image were fused to select the characteristic bands of soil salinity. Based on the measured data of soil salinity, a statistical analysis model (multiple linear regression, partial least square regression) and a machine learning model (BP neural network, support vector machine and random forest) were established to retrieve soil salinity by remote sensing. The results show that the accuracy of the statistical analysis model and the machine learning model of the Oli image are low. The correlation coefficient of random forest model with the highest precision is only 0.570%. The accuracy of the model is higher than that of OLII-BP neural network model (0.607), and the precision of fusion image inversion model is obviously higher than that of HSI image and OLI image. There is a good correlation between the measured values of soil salt content and the predicted values of machine learning model and the BP neural network model. The determination coefficients of support vector machine model and stochastic forest model are 0.9660.82 and 0.926, respectively. The inversion accuracy of the model is high. The results show that multi-spectral and hyperspectral image fusion can significantly improve the precision of soil salt remote sensing inversion, and the retrieval effect of machine learning model is obviously better than that of statistical analysis model. The results have positive theoretical and practical significance for soil salinity inversion in typical areas of the Yellow River Delta.
【作者單位】： 山東農(nóng)業(yè)大學(xué)信息科學(xué)與工程學(xué)院;山東農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院;北京工業(yè)技術(shù)學(xué)院;
【基金】：“十二五”國家科技支撐計劃項(xiàng)目課題(2013BAD05B06,2015BAD23B0202) 國家自然科學(xué)基金(41271235) “雙一流”獎補(bǔ)資金(SYL2017XTTD02)
【分類號】：S127;S156.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 石榮光;棚室種菜應(yīng)防土壤鹽分積聚[J];農(nóng)村實(shí)用工程技術(shù);1997年01期

2 孔星蕓,谷洪波,馬玲,劉紅,洪遠(yuǎn)新;農(nóng)一師墾區(qū)林地土壤鹽分的季節(jié)性變化[J];塔里木農(nóng)墾大學(xué)學(xué)報;2000年04期

3 高瑾,劉延鋒,周金龍,董新光;干旱區(qū)灌排條件下田間土壤鹽分動態(tài)分析[J];中國農(nóng)村水利水電;2004年11期

4 李曉明;韓霽昌;張雷;楊勁松;;典型干旱區(qū)土壤鹽分空間異質(zhì)性對比研究[J];土壤通報;2014年01期

5 劉慶生;劉高煥;范曉梅;;黃河三角洲土壤鹽分剖面類型時空分布研究[J];山東農(nóng)業(yè)科學(xué);2010年01期

6 賈探民,杜雙田,周雷;設(shè)施栽培中土壤鹽分的形成和防治措施[J];墾殖與稻作;2003年05期

7 吳英,孫彬,王英,高洪生;松嫩平原低平易澇耕地土壤鹽分障礙成因及其治理措施[J];中國農(nóng)學(xué)通報;1999年01期

8 孫艷偉;李生宇;徐新文;谷峰;邱永志;許波;鞏慶;鄭偉;劉濤;;流動沙漠人工綠地土壤鹽分空間分異特征[J];土壤通報;2010年03期

9 牟洪臣;虎膽·吐馬爾白;蘇里坦;馬合木江·艾合買提;;不同耕種年限下土壤鹽分變化規(guī)律試驗(yàn)研究[J];節(jié)水灌溉;2011年08期

10 何貴平;陳益泰;黃一青;范林潔;;杭州灣海涂造林后土壤鹽分和水分動態(tài)變化[J];林業(yè)科學(xué)研究;2006年02期

相關(guān)會議論文 前6條

1 黃健;顧海;;基于Gram-Schmidt變換的QuickBird影像融合[A];地理信息與物聯(lián)網(wǎng)論壇暨江蘇省測繪學(xué)會2010年學(xué)術(shù)年會論文集[C];2010年

2 徐榮煜;;基于小波變換的遙感影像融合方法的研究與分析[A];地理信息與物聯(lián)網(wǎng)論壇暨江蘇省測繪學(xué)會2010年學(xué)術(shù)年會論文集[C];2010年

3 蒙繼華;吳炳方;鈕立明;杜鑫;陳雪洋;張飛飛;;利用Hyperion數(shù)據(jù)進(jìn)行環(huán)境星HSI紅邊參數(shù)真實(shí)性檢驗(yàn)[A];遙感定量反演算法研討會摘要集[C];2010年

4 王金亮;王承娜;;ETM+圖像像素級融合方法試驗(yàn)研究[A];中國地理學(xué)會百年慶典學(xué)術(shù)論文摘要集[C];2009年

5 潘存玲;高樹孔;;利用融合技術(shù)實(shí)現(xiàn)各類影像的互補(bǔ)[A];中國測繪學(xué)會第八次全國會員代表大會暨2005年綜合性學(xué)術(shù)年會論文集[C];2005年

6 陳亨霖;汪小欽;;基于“資源二號”衛(wèi)星和TM影像融合的灘涂信息提取[A];第十四屆全國遙感技術(shù)學(xué)術(shù)交流會論文選集[C];2003年

相關(guān)碩士學(xué)位論文 前10條

1 毛蓉;基于地理權(quán)重回歸模型的土壤鹽分空間預(yù)測及其應(yīng)用[D];中國地質(zhì)大學(xué)(北京);2015年

2 師蕓宏;吐魯番市農(nóng)田土壤鹽分特征分析[D];新疆大學(xué);2015年

3 李鵬;灘涂圍墾區(qū)土壤鹽分與養(yǎng)分的時空演變及相關(guān)關(guān)系探究[D];南京大學(xué);2014年

4 張同瑞;基于近地多光譜和TM/OLI影像的黃河三角洲典型區(qū)域土壤鹽分估測研究[D];山東農(nóng)業(yè)大學(xué);2016年

5 黃毓;海涂資源土壤鹽分三維空間變異性及風(fēng)險評價研究[D];江西財經(jīng)大學(xué);2016年

6 呂云海;于田綠洲典型區(qū)域土壤鹽分空間分異規(guī)律研究[D];新疆大學(xué);2009年

7 熊亮;江蘇沿海重鹽土區(qū)土壤鹽分動態(tài)與耐鹽植物篩選研究[D];南京林業(yè)大學(xué);2008年

8 莫治新;塔里木河中下游地區(qū)不同植被土壤鹽分及地下水特征研究[D];新疆農(nóng)業(yè)大學(xué);2004年

9 杜連鳳;河北省日光溫室土壤鹽分狀況及其影響因素的研究[D];河北農(nóng)業(yè)大學(xué);2002年

10 許策玉;干旱地區(qū)膜下滴灌條件下土壤鹽分運(yùn)移規(guī)律研究[D];長安大學(xué);2012年

，

本文編號：2197269