土壤鹽漬化是導(dǎo)致全球荒漠化和土壤退化的主要誘因之一。為確定高光譜和多光譜遙感反演干濕季土壤含鹽量的最優(yōu)模型,該研究以寧夏銀北平羅縣為例,以干季（4月）和濕季（10月）實(shí)測(cè)高光譜和Landsat 8 OLI多光譜以及干濕兩季實(shí)測(cè)土壤含鹽量為基礎(chǔ)數(shù)據(jù)源,利用相關(guān)系數(shù)法、灰度關(guān)聯(lián)法和逐步回歸法篩選敏感光譜數(shù)據(jù),分別采用偏最小二乘、支持向量機(jī)、嶺回歸、BP神經(jīng)網(wǎng)絡(luò)和地理加權(quán)回歸建立干濕兩季土壤含鹽量反演模型。結(jié)果表明:1)銀北地區(qū)土壤鹽漬化較為嚴(yán)重,干濕季含鹽量均表現(xiàn)為強(qiáng)度變異,且干季變異程度大于濕季;2)在不同土壤含鹽量條件下,重采樣后的高光譜波段反射率和影像波段反射率具有顯著相關(guān)性;3)對(duì)比相關(guān)性分析、灰度關(guān)聯(lián)和逐步回歸三組變量篩選方法下各模型R2和RMSE,逐步回歸組模型整體效果較好;4)5種土壤含鹽量反演模型中地理加權(quán)回歸模型精度較高,支持向量機(jī)算法和BP神經(jīng)網(wǎng)絡(luò)算法在基于不同變量組的模型中表現(xiàn)較為接近,嶺回歸表現(xiàn)最差,偏最小二乘回歸模型出現(xiàn)了較嚴(yán)重的"過擬合"現(xiàn)象。局部模型在土壤含鹽量反演方面更具優(yōu)越性。干季以實(shí)測(cè)灰度關(guān)聯(lián)組-地理加權(quán)回歸模型效果最佳,其驗(yàn)證決定系數(shù)Rp2和相對(duì)分析誤... 

【文章來源】：農(nóng)業(yè)工程學(xué)報(bào). 2020,36(17)北大核心EICSCD

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

研究區(qū)位置與采樣點(diǎn)分布Fig.1Locationofstudyareaanddistributionofthesamplingsites

農(nóng)業(yè)工程學(xué)報(bào)（http://www.tcsae.org）2020年128除鹽分指數(shù)SI-T和NDSI外，其余相關(guān)性均表現(xiàn)為極顯著，但含鹽量與影像波段和鹽分指數(shù)均未通過顯著性檢驗(yàn)。濕季土壤含鹽量與實(shí)測(cè)數(shù)據(jù)相關(guān)性均通過了顯著性檢驗(yàn)，含鹽量與影像數(shù)據(jù)的相關(guān)性除鹽分指數(shù)SI-T、NDSI和S3外均通過了0.01顯著性檢驗(yàn)，其中與S1的相關(guān)性最強(qiáng)。選用通過0.01顯著性的變量為模型因子。圖2重采樣實(shí)測(cè)光譜與影像光譜反射率相關(guān)性Fig.2Correlationbetweenresamplingmeasuredspectralreflectanceandspectralreflectanceofimage表3土壤含鹽量與實(shí)測(cè)和影像波段相關(guān)性Table3Correlationbetweensoilsaltcontentandmeasuredandimagebands實(shí)測(cè)波段Measuredbands影像波段ImagebandsBand1Band2Band3Band4Band5Band6Band7Band1Band2Band3Band4Band5Band6Band7干季0.79**0.79**0.76**0.71**0.69**0.65**0.69**0.220.150.080.01-0.07-0.25-0.27濕季0.75**0.74**0.69**0.66**0.65**0.57**0.53**0.63**0.62**0.56**0.53**0.54**0.43**0.43**注：**表示在P<0.01水平顯著，*表示在P<0.05水平顯著。下同Note:**meanssignificantatP<0.01levels,*meanssignificantatP<0.05levels.Thesamebelow.表4土壤含鹽量與實(shí)測(cè)和影像鹽分指數(shù)相關(guān)性Table4Correlationbetweensoilsaltcontentandmeasuredandimagesalinityindices土壤含鹽量Soilsaltcontent干季Dryseason濕季W(wǎng)etseasonSI-T0.39*0.49**SI0.76**0.71**NDSI0.38*0.46**SI10.74**0.68**SI20.72**0.67**SI30.73**0.68**S10.61**0.75**S20.59**0.72**S30.61**0.57**Int10.74**0.68**實(shí)測(cè)鹽分指數(shù)MeasuredsalinityindicesInt20.72**0.67**SI-T0.200.33*S

第17期賈萍萍等：利用多源光譜信息反演寧夏銀北地區(qū)干濕季土壤含鹽量129圖3土壤含鹽量與波段和鹽分指數(shù)的灰度關(guān)聯(lián)分析Fig.3Greycorrelationanalysisofsoilsalinityandbandsandsalinityindices表5逐步回歸分析篩選特征光譜數(shù)據(jù)參數(shù)指標(biāo)Table5Parameterindexoffeaturespectraldataselectionbystepwiseregressionmethod項(xiàng)目Items敏感波段Sensitivebands敏感鹽分指數(shù)Sensitivesalinityindices調(diào)整R2AdjustR2標(biāo)準(zhǔn)誤差Standarderror顯著性Significance.干季實(shí)測(cè)MeasuredindryseasonBand3、Band7S30.656.290.00干季影像ImageindryseasonBand1、Band2、Band3、Band6、Band7SI-T、NDSI、S1、S20.487.750.00濕季實(shí)測(cè)Measuredinwetseason—NDSI、S1、S2、S3、Int20.703.530.00濕季影像ImageinwetseasonBand3、Band6SI-T、NDSI、S1、S2、S30.604.110.00表6干季土壤含鹽量反演模型Table6Modelingofsoilsalinityindryseason分析方法干季實(shí)測(cè)Measuredindryseason干季影像ImageindryseasonAnalyticalmethods建模方法ModelingmethodsRc2RP2RMSE/(g·kg-1)RPDRc2RP2RMSE/(g·kg-1)RPD偏最小二乘PLSR0.810.136.051.05————支持向量機(jī)SVM0.820.335.941.06————嶺回歸RR0.810.135.601.13————BP神經(jīng)網(wǎng)絡(luò)BPNN0.830.355.841.11————相關(guān)性分析PCC地理加權(quán)回歸GWR0.890.175.771.10————偏最小二乘PLSR0.770.086.101.040.020.598.481.56支持向量機(jī)SVM0.820.515.291.200.410.707.721.71嶺回歸RR0.780.295.361.190.140.608.381.58BP神經(jīng)網(wǎng)絡(luò)BPNN0.890.383.541.830.510.5811.571.14灰度關(guān)聯(lián)法GC地理加權(quán)回歸GWR0.910.941.424.490.510.707.041.88偏最小二乘PLSR

【參考文獻(xiàn)】：
期刊論文
[1]基于高光譜和Landsat-8 OLI影像的鹽漬化土壤水鹽估算模型構(gòu)建[J]. 賈萍萍,孫媛,尚天浩,張俊華.  生態(tài)學(xué)雜志. 2020(07)
[2]小開河引黃灌區(qū)土壤鹽漬化定量遙感反演[J]. 劉恩,王軍濤,常步輝,王東琦.  中國(guó)農(nóng)村水利水電. 2019(12)
[3]基于地理加權(quán)回歸的地形平緩區(qū)土壤有機(jī)質(zhì)空間建模[J]. 趙明松,劉斌寅,盧宏亮,李德成,張甘霖.  農(nóng)業(yè)工程學(xué)報(bào). 2019(20)
[4]基于無人機(jī)多光譜遙感的土壤含鹽量反演模型研究[J]. 張智韜,魏廣飛,姚志華,譚丞軒,王新濤,韓佳.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(12)
[5]基于高光譜特征的鹽漬化土壤不同土層鹽分離子含量預(yù)測(cè)[J]. 張俊華,賈萍萍,孫媛,賈科利.  農(nóng)業(yè)工程學(xué)報(bào). 2019(12)
[6]熱紅外光譜的干旱區(qū)土壤含鹽量遙感反演[J]. 夏軍,張飛.  光譜學(xué)與光譜分析. 2019(04)
[7]中國(guó)ICT設(shè)備制造業(yè)的動(dòng)態(tài)空間分異[J]. 于瀚辰,沈體雁,孫童.  地域研究與開發(fā). 2019(01)
[8]環(huán)境敏感變量?jī)?yōu)選及機(jī)器學(xué)習(xí)算法預(yù)測(cè)綠洲土壤鹽分[J]. 王飛,楊勝天,丁建麗,魏陽(yáng),葛翔宇,梁靜.  農(nóng)業(yè)工程學(xué)報(bào). 2018(22)
[9]基于灰度關(guān)聯(lián)-嶺回歸的荒漠土壤有機(jī)質(zhì)含量高光譜估算[J]. 王海峰,張智韜,Arnon Karnieli,陳俊英,韓文霆.  農(nóng)業(yè)工程學(xué)報(bào). 2018(14)
[10]基于嶺回歸的土壤含水率高光譜反演研究[J]. 張智韜,王海峰,KARNIELI Arnon,陳俊英,韓文霆.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(05)

碩士論文
[1]基于高光譜遙感的土壤水鹽監(jiān)測(cè)模型研究[D]. 王海峰.西北農(nóng)林科技大學(xué) 2019
[2]礦區(qū)耕地土壤重金屬含量GWR模型反演研究[D]. 劉寧.長(zhǎng)沙理工大學(xué) 2018
[3]土壤有機(jī)質(zhì)高光譜灰色關(guān)聯(lián)度估測(cè)模型研究[D]. 李明亮.山東農(nóng)業(yè)大學(xué) 2017



本文編號(hào)：3622105