基于LandSat8影像的耕地盐渍土含盐量反演模型

发布时间：2017-04-30 19:03

  本文关键词：基于LandSat8影像的耕地盐渍土含盐量反演模型，由笔耕文化传播整理发布。

【摘要】：土壤盐渍化,作为一个长久性的土壤问题之一,一直在影响着全球农业的发展。从全球来看,很多干旱、半干旱地区农业产量下降、土地理化性质退化等问题都是由土壤盐渍化导致。世界人口持续增加,给粮食和水资源的供应带来了前所未有的压力,再结合我国人多地少的国情,土壤盐渍化的加剧更是对我国的粮食保障提出了非常大的挑战。加强准确估算土壤盐渍化的工作,增强土壤盐渍化监测力度,及时取得土壤盐渍化的面积、范围、分布方式以及盐碱程度等方面的资料,并通过模型进行模拟预测,对防治、改良盐渍土资源及环境可持续发展具有重要的指导作用。本论文主要目的是对山阴县、应县耕地中盐渍土含盐量进行反演。首先采用五点采样法在野外采取土样,通过对土壤进行测定,获得本论文所需的土壤含盐量数据。下载采样期间相对应的Landsat 8遥感影像并进行预处理,得到研究区范围的影像数据。通过ENVI进行监督分类提取出应县、山阴县的耕地图层。提取本论文中所需要的采样点处各个波段地表反射率的值,分别对各个波段地表反射率及其各种数学转换形式与土壤含盐量进行单相关分析,找出与土壤含盐量比较敏感的波段。分别使用多元回归、地统计学插值、BP神经网络对土壤含盐量进行模拟建立模型。依照盐渍土等级分类标准,最后制得应县、山阴两地区耕地土壤含盐量的等级图。主要结论有：1、通过对7个波段进行逐步多元线性回归,逐渐排除掉对土壤含盐量影响较小的波段及其变换形式,最后得出土壤含盐量反演模型为：Y=5.2081g(1/B2)+48.454B6+9.38(1gB6)'-32.0752、虽然本论文中通过逐步回归的方法得出了应县、山阴两地的多元线性回归方程,但从验证后总体平均相对误差来看,反演的精度仍然不能达到理想的效果。3、基于传统地统计学插值的方法对土壤含盐量进行估算的效果并不尽人意,地统计学方法的精度取决于大量的采样点实测值,采样点少,随着空间尺度的增加,局部区域范围内其变化敏感度也随之降低,甚至不再有关联。4、在本论文中BP神经网络模型具有最好的反演预测效果,这得益于其强大的非线性拟合能力,由此可以看到,土壤含盐量的反演并不是单纯的可以通过波段反射率或其数学变换形式的线性组合来进行模拟。
【关键词】：山阴县 应县 土壤含盐量 地表反射率 Landsat 8 等级图
【学位授予单位】：山西农业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：S156.41
【目录】：

• 摘要6-8
• 1 引言8-14
• 1.1 研究背景和意义8-9
• 1.1.1 研究背景8-9
• 1.1.2 研究意义9
• 1.2 国内外进展9-12
• 1.2.1 国外研究进展9-10
• 1.2.2 国内研究进展10-12
• 1.3 研究内容12
• 1.4 技术路线图12-14
• 2 研究区概括14-16
• 2.1 山阴县、应县概况14-15
• 2.1.1 山阴县14
• 2.1.2 应县14-15
• 2.2 研究区盐渍土概况15-16
• 3 数据源及处理16-25
• 3.1 数据源16-18
• 3.1.1 野外采样及数据测定16-17
• 3.1.2 Landsat 8 OLI_TIRS遥感影像数据17-18
• 3.1.3 辅助数据18
• 3.2 LandSat8影像预处理18-20
• 3.2.1 LandSat8遥感影像辐射校正18-20
• 3.2.1.1 辐射定标18
• 3.2.1.2 大气校正18-20
• 3.2.2 LandSat8遥感影像几何校正20
• 3.3 采样点地表反射率20-21
• 3.3.1 采样点地表反射率的提取20-21
• 3.3.2 光谱数据的处理21
• 3.4 监督分类提取耕地21-25
• 4 山阴、应县土壤含盐量的反演25-35
• 4.1 盐碱土含盐量对土壤反射光谱特征的影响25
• 4.2 盐碱土含盐量与土壤反射率的单相关性分析25-27
• 4.2.1 盐碱土含盐量与波段反射率的相关性分析25-26
• 4.2.2 盐碱土含盐量与波段反射率变换形式的相关性分析26-27
• 4.3 回归模型的构建和确立27-30
• 4.3.1 多元回归模型27-28
• 4.3.2 模型的构建与应用28
• 4.3.3 检验精度28-30
• 4.4 基于地统计学的土壤含盐量的预测30-35
• 4.4.1 地统计学概述30
• 4.4.2 半变异函数和克里格插值30-31
• 4.4.3 应县和山阴土壤含盐量的预测31-35
• 5 BP神经网络模型35-42
• 5.1 BP神经网络模型简介35-36
• 5.2 BP神经网络的建立36-42
• 5.2.1 隐含层节点数的确定36
• 5.2.2 土壤含盐量预测BP神经网络模型的实现36-38
• 5.2.3 模型精度的验证38-40
• 5.2.4 三种模型精度对比40-42
• 6 山阴县、应县盐渍土含盐量等级分布图42-45
• 6.1 盐渍土等级分类标准42
• 6.2 应县、山阴耕地含盐量等级分布图42-45
• 7 结论与展望45-47
• 7.1 结论45
• 7.2 不足与展望45-47
• 参考文献47-50
• Abstract50-52
• 致谢52

【相似文献】

中国期刊全文数据库 前10条

1 尹建道;孙佳杰;郝志强;高煦宝;舒晓武;郝占刚;杨永利;;天津滨海地区土壤含盐量与电导率的关系[J];安徽农业科学;2010年30期

2 唐彦;;土壤含盐量反演的研究[J];测绘工程;2010年06期

3 刘亚男;白欣;侯君英;;基于特征空间的土壤含盐量的遥感反演[J];安徽农业科学;2014年01期

4 祝龙;王翊安;王作涛;周广柱;;两种覆盖对公路路肩土壤含盐量的影响[J];安徽农业科学;2006年07期

5 张成雯;唐家奎;于新菊;王春磊;米素娟;;黄河三角洲土壤含盐量定量遥感反演[J];中国科学院研究生院学报;2013年02期

6 姚杏安;臧波;吴大伟;;土壤含盐量对土壤某些物理性质及棉花产量的影响[J];科技创新导报;2007年36期

7 彭杰;王家强;向红英;滕洪芬;柳维扬;迟春明;牛建龙;郭燕;史舟;;土壤含盐量与电导率的高光谱反演精度对比研究[J];光谱学与光谱分析;2014年02期

8 杜鹏飞;李虹;海春兴;;阴山北麓春季土壤含盐量及其与电导率的关系研究[J];内蒙古师范大学学报(自然科学汉文版);2006年02期

9 海春兴,吴红英,吴晓宝;扇前交接洼地土地利用对土壤含盐量的影响[J];北华大学学报(自然科学版);2000年06期

10 武开福;曹伟;;基于RBF神经网络的农田土壤含盐量预测[J];节水灌溉;2011年01期

中国重要报纸全文数据库 前2条

1 记者 韩士德;“南盐油1号”亩产达338.9公斤[N];科技日报;2010年

2 韩士德;盐渍地高产油菜新品种问世[N];农民日报;2010年

中国硕士学位论文全文数据库 前5条

1 王洋洋;基于LandSat8影像的耕地盐渍土含盐量反演模型[D];山西农业大学;2016年

2 阿也提古丽·斯迪克;宁夏平罗土壤含盐量遥感估算方法研究[D];南京大学;2011年

3 齐文文;基于高光谱数据的民勤绿洲土壤含盐量预测[D];兰州大学;2011年

4 王公章;基于ETM影像的桑干河流域土壤含盐量空间分布特征[D];山西农业大学;2014年

5 申晓华;Radarsat_2四极化影像在河套灌区土壤含盐量反演中的应用[D];内蒙古农业大学;2014年

  本文关键词：基于LandSat8影像的耕地盐渍土含盐量反演模型，，由笔耕文化传播整理发布。

本文编号：337393