基于综合高光谱指数的区域土壤盐渍化建模——以平罗县为例
发布时间：2021-08-26 22:17
为建立综合高光谱土壤盐渍化模型,以干旱区典型的土壤盐渍化区域宁夏回族自治区平罗县为研究区,以植被和土壤的实测高光谱数据和土壤含盐量测量结果为基础数据,对高光谱数据进行平滑（S-G方法）和数学变换（倒数、对数和一阶微分等）,并将其与土壤盐分数据进行相关分析,筛选对土壤含盐量响应最敏感的光谱波段,计算并选取最优高光谱植被指数和土壤盐分指数,采用多元线性回归方法建立高光谱土壤盐渍化模型.结果表明,以实测光谱反射率的对数一阶变换结果与土壤盐分指数和高光谱植被指数相结合作为自变量,土壤含盐量为因变量,所构建的多元线性回归模型效果最佳.该模型的预测值和实测值的相关性较好, R2=0.827 9,通过99%的显著性检验;均方根误差为0.236 g/kg,相对分析误差为2.029,表明样本实测值与预测值之间的偏差较小,在一定程度上可以预测土壤含盐量.
【文章来源】：兰州大学学报(自然科学版). 2020,56(05)北大核心CSCD
【文章页数】：6 页
【部分图文】：
植被光谱和土壤含盐量的相关系数
以未参加建模的13个样本数据为验证数据,检验模型的准确性与适用性.由图3可见,土壤含盐量的预测值和实测值均在趋势线附近,相关性较好,通过99%的显著性检验.RMSE为0.236 g/kg,RPD为2.029,表明样本实测值与预测值之间的偏差较小,模型的预测能力较好,可以对土壤含盐量进行预测.3 结论
根据前面分析结果,选取386、552和928 nm分别代入表1公式中的R1、R2和R3,计算土壤盐分指数模型,将5种土壤盐分指数分别与实测土壤含盐量进行相关性分析.结果表明,实测土壤含盐量与5种高光谱土壤盐分指数均具有较好的相关性(表2).其中,SI3与实测土壤含盐量的相关性最强.因此,选取盐分指数SI3为最优土壤盐分指数,以此为基础进行光谱建模.图2 植被光谱和土壤含盐量的相关系数
【参考文献】：
期刊论文
[1]渭库绿洲土壤盐渍化时空变化特征[J]. 何宝忠,丁建丽,刘博华,王敬哲. 林业科学. 2019(09)
[2]基于综合光谱指数的不同程度人类干扰下土壤有机质含量预测[J]. 郑曼迪,熊黑钢,乔娟峰,刘靖朝. 江苏农业学报. 2018(05)
[3]高光谱组合变换下土壤Cd含量GWR模型反演研究[J]. 雷宇斌,刘宁,郭云开,刘磊,李丹娜. 测绘工程. 2018(11)
[4]基于反射光谱与Landsat 8 OLI多光谱数据的艾比湖湿地土壤盐分估算[J]. 梁静,丁建丽,王敬哲,王飞. 土壤学报. 2019(02)
[5]土壤盐渍化高光谱特征分析与建模[J]. 黄帅,丁建丽,李相,杨爱霞. 土壤通报. 2016(05)
[6]Spatial dynamics of aboveground carbon stock in urban green space:a case study of Xi’an,China[J]. ZhengYang YAO,JianJun LIU,XiaoWen ZHAO,DongFeng LONG,Li WANG. Journal of Arid Land. 2015(03)
[7]盐渍化土壤光谱特征分析与建模[J]. 关红,贾科利,张至楠,马欣. 国土资源遥感. 2015(02)
[8]采用高光谱指数的龟裂碱土盐碱化信息提取与分析[J]. 关红,贾科利,张至楠. 红外与激光工程. 2014(12)
[9]利用光谱-盐分指数监测棉田土壤盐分[J]. 李静,王克如,李少昆,陈兵,肖春花,王琼,王方永,李栓明,赖军臣,孙亚玲,张国强. 棉花学报. 2014(06)
[10]基于高光谱数据的叶面积指数遥感反演[J]. 李子扬,钱永刚,申庆丰,王宁,刘耀开,马灵玲,孔祥生. 红外与激光工程. 2014(03)
本文编号：3365072
【文章来源】：兰州大学学报(自然科学版). 2020,56(05)北大核心CSCD
【文章页数】：6 页
【部分图文】：
植被光谱和土壤含盐量的相关系数
以未参加建模的13个样本数据为验证数据,检验模型的准确性与适用性.由图3可见,土壤含盐量的预测值和实测值均在趋势线附近,相关性较好,通过99%的显著性检验.RMSE为0.236 g/kg,RPD为2.029,表明样本实测值与预测值之间的偏差较小,模型的预测能力较好,可以对土壤含盐量进行预测.3 结论
根据前面分析结果,选取386、552和928 nm分别代入表1公式中的R1、R2和R3,计算土壤盐分指数模型,将5种土壤盐分指数分别与实测土壤含盐量进行相关性分析.结果表明,实测土壤含盐量与5种高光谱土壤盐分指数均具有较好的相关性(表2).其中,SI3与实测土壤含盐量的相关性最强.因此,选取盐分指数SI3为最优土壤盐分指数,以此为基础进行光谱建模.图2 植被光谱和土壤含盐量的相关系数
【参考文献】：
期刊论文
[1]渭库绿洲土壤盐渍化时空变化特征[J]. 何宝忠,丁建丽,刘博华,王敬哲. 林业科学. 2019(09)
[2]基于综合光谱指数的不同程度人类干扰下土壤有机质含量预测[J]. 郑曼迪,熊黑钢,乔娟峰,刘靖朝. 江苏农业学报. 2018(05)
[3]高光谱组合变换下土壤Cd含量GWR模型反演研究[J]. 雷宇斌,刘宁,郭云开,刘磊,李丹娜. 测绘工程. 2018(11)
[4]基于反射光谱与Landsat 8 OLI多光谱数据的艾比湖湿地土壤盐分估算[J]. 梁静,丁建丽,王敬哲,王飞. 土壤学报. 2019(02)
[5]土壤盐渍化高光谱特征分析与建模[J]. 黄帅,丁建丽,李相,杨爱霞. 土壤通报. 2016(05)
[6]Spatial dynamics of aboveground carbon stock in urban green space:a case study of Xi’an,China[J]. ZhengYang YAO,JianJun LIU,XiaoWen ZHAO,DongFeng LONG,Li WANG. Journal of Arid Land. 2015(03)
[7]盐渍化土壤光谱特征分析与建模[J]. 关红,贾科利,张至楠,马欣. 国土资源遥感. 2015(02)
[8]采用高光谱指数的龟裂碱土盐碱化信息提取与分析[J]. 关红,贾科利,张至楠. 红外与激光工程. 2014(12)
[9]利用光谱-盐分指数监测棉田土壤盐分[J]. 李静,王克如,李少昆,陈兵,肖春花,王琼,王方永,李栓明,赖军臣,孙亚玲,张国强. 棉花学报. 2014(06)
[10]基于高光谱数据的叶面积指数遥感反演[J]. 李子扬,钱永刚,申庆丰,王宁,刘耀开,马灵玲,孔祥生. 红外与激光工程. 2014(03)
本文编号：3365072
本文链接：https://www.wllwen.com/kejilunwen/nykj/3365072.html
