基于高光谱数据和MODIS影像的土壤理化性质反演

发布时间：2017-05-01 11:00

  本文关键词：基于高光谱数据和MODIS影像的土壤理化性质反演，，由笔耕文化传播整理发布。

【摘要】：土壤盐渍化减弱土壤通透性,抑制作物生长,影响作物产量,制约农业发展。传统的土壤电导率和有机质等理化性质测定方法存在检测速度慢、实时性差、有污染等特点,且采样数量受人力及物力等因素的限制,无法大面积实时动态检测。随着3S技术的飞速发展,其在土壤信息的应用越来越广泛。土壤遥感信息技术可大面积获取土壤信息,且不受时空、地形等限制,可获得实时动态的土壤信息。基于高光谱及遥感反演技术获取大面积土壤信息对盐渍化土壤的治理和可持续农业的管理工作十分必要。本研究以新疆维吾尔族自治区玛纳斯河流域为研究对象,基于农田采样及室内土壤理化性质的分析测定,对土壤理化性质进行空间变异性的研究;利用逐步线性回归(SLR)、偏最小二乘回归(PLSR)和支持向量回归(SVR)等方法建立土壤理化性质的光谱反射率模型,并基于MODIS影像和建立的土壤理化性质与波段反射率与光谱指数的模型绘制出玛纳斯河土壤理化性质空间分布图。获得的主要结果如下:(1)利用经典统计学分析玛纳斯河流域土壤潜在斥水时间(WDPT)、粘(CL)粉(SI)砂(SA)含量、电导率(EC)、有机质(SOM)、钾([K+])、钠([Na+])、钙([Ca2+])、镁([Mg2+])及钠吸附比(SAR)等理化性质的特征。两层土壤WDPT均值均小于5s,为不斥水土壤,变异程度为中等程度变异;土壤粘粉砂含量变异系数在0.1到1之间,属中等程度变异;[K+]、[Na+]、[Ca2+]、[Mg2+]、EC和SOM变异系数均大于1,为强变异。对土壤理化性质两两间的相关性进行分析,土壤WDPT受土壤质地的影响较大,土壤EC和SOM与CL、SI、SA及[K+]、[Na+]、[Ca2+]、[Mg2+]部分显著相关,SAR与土壤阳离子大多呈显著相关。利用实测数据进行插值预测玛纳斯河流域土壤属性的空间分布规律。土壤CL、SI、SA、EC在0-10cm层与10-20cm层分布具有相似规律,而土壤WDPT、SOM、[K+]、[Na+]、[Ca2+]、[Mg2+]和SAR在0-10cm层与10-20cm层分布规律较为不同。(2)利用玛纳斯河流域221个建模样本得出log(EC)、SOM和SAR与变换光谱包括原始反射率(R)、标准正态变量(SNV)、归一化植被指数(Normalized Difference Vegetation Index,NDVI)、归一化指标(CR)、倒数的对数(LR)和一阶微分(FDR)的逐步线性回归模型。经建模、验证参数以及散点图的综合对比表明,log(EC)~R模型为预测玛纳斯河流域土壤EC的最佳模型。其模型调整决定系数(Radj2)为0.94,相关系数(r)为0.78,均方根误差(RMSE)为0.25。基于类似方法,选择SOM~NDVI和SAR~FDR模型分别作为玛纳斯河流域SOM和SAR的最佳预测模型。对比三种土壤理化性质建立的最优高光谱反射率模型,土壤EC预测模型精度最高,SOM预测模型次之,SAR预测模型精度最低。(3)基于逐步线性回归(SLR)、偏最小二乘回归(PLSR)和支持向量回归(SVR)等3种方法,利用玛纳斯河流域安集海灌区78个土壤样品得出[Na+]、[Ca2+]、[Mg2+]、CL、SI、SA、SOM、EC与变换光谱R、LR和SNV的模型。基于3种方法的[Na+]、[Ca2+]、[Mg2+]预测模型决定系数R2值均较高,但其相对分析误差(RPD)均1.4,这些模型都不具有预测能力。选定基于SVR方法的SAR~SNV模型作为玛纳斯河流域土壤SAR的最佳预测模型,预测值与实测值R2为0.87,RPD为2.13。选定基于SLR方法的CL~R、SI~LR和SA~R模型为玛纳斯河流域安集海灌区土壤粘粉砂含量最佳预测模型,模型预测值与实测值的R2分别为0.62,0.77,0.71,RMSE分别为4.90,3.49,7.98。选定基于SLR方法的SOM~SNV和log(EC)~LR模型为玛纳斯河流域安集海灌区SOM和EC的最佳预测模型,模型预测值与实测值的R2分别为0.67和0.57,RMSE分别为3.99和0.27。(4)基于遥感影像不同波段反射率和盐分指数(SI)、亮度指数(BI)、差值植被指数(DVI)和归一化植被指数(NDVI)等光谱指数反演的EC最小值与实测值接近,而最大值都比实测值小,基于波段反射率和光谱指数反演结果的CL、SI和SA与EC反演结果与实测值的对比上具有相同规律。实测的土壤属性空间分布变化较大,反演得到的土壤属性在空间分布格局上变化较小。
【关键词】：土壤理化性质 光谱反射率 MODIS影像 逐步线性回归 玛纳斯河流域
【学位授予单位】：西北农林科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：S156.4
【目录】：

• 摘要5-7
• ABSTRACT7-12
• 第一章 绪论12-17
• 1.1 研究的目的和意义12-13
• 1.2 国内外研究进展和存在问题13-15
• 1.2.1 土壤属性的空间变异性研究进展13
• 1.2.2 土壤属性的土壤光谱反射率研究进展13-14
• 1.2.3 土壤属性的多光谱遥感反演研究进展14-15
• 1.2.4 目前研究中存在的问题15
• 1.3 研究内容15-16
• 1.4 研究方法及技术路线16-17
• 第二章 玛纳斯河流域土壤理化性质的空间分布17-29
• 2.1 研究区概况与样品采集17
• 2.2 测定项目与试验方法17-18
• 2.3 玛纳斯河流域土壤理化性质的经典统计学分析18-20
• 2.3.1 粘粉砂含量的经典统计学分析18-19
• 2.3.2 阳离子浓度和钠吸附比的经典统计学分析19-20
• 2.3.3 潜在斥水时间、电导率和有机质的经典统计学分析20
• 2.4 土壤理化性质的相关性20-22
• 2.5 土壤理化性质的空间分布22-27
• 2.5.1 潜在斥水时间空间分布22
• 2.5.2 粘粒含量空间分布22-23
• 2.5.3 粉粒含量空间分布23
• 2.5.4 砂粒含量空间分布23-24
• 2.5.5 电导率空间分布24
• 2.5.6 有机质含量空间分布24-25
• 2.5.7 钾离子浓度空间分布25
• 2.5.8 钠离子浓度空间分布25-26
• 2.5.9 钙离子浓度空间分布26
• 2.5.10 镁离子浓度空间分布26-27
• 2.5.11 钠吸附比空间分布27
• 2.6 小结27-29
• 第三章 玛纳斯河流域土壤理化性质的光谱反射率模型29-41
• 3.1 材料与方法29-30
• 3.1.1 土壤光谱反射率的测定及预处理29
• 3.1.2 模型建立与检验29-30
• 3.2 土壤建模集与验证集的划分30-31
• 3.3 土壤光谱曲线及其与土壤属性的相关性分析31-34
• 3.3.1 土壤光谱曲线特征31
• 3.3.2 土壤属性与变换光谱的相关关系31-34
• 3.4 基于逐步线性回归方法的土壤理化性质光谱反射率模型34-40
• 3.4.1 电导率的光谱反射率模型35-37
• 3.4.2 有机质的光谱反射率模型37-38
• 3.4.3 钠吸附比的光谱反射率模型38-40
• 3.5 讨论40
• 3.6 小结40-41
• 第四章 安集海灌区不同方法土壤理化性质建模及预测41-57
• 4.1 材料与方法41
• 4.2 安集海灌区土壤理化性质的描述性统计分析41-44
• 4.2.1 粘粉砂含量的统计特征41-42
• 4.2.2 钠钙镁离子和钠吸附比的统计特征42-43
• 4.2.3 有机质和电导率的统计特征43-44
• 4.3 土壤光谱反射率曲线44-46
• 4.3.1 实测土壤光谱反射率曲线44
• 4.3.2 土壤光谱反射率及其变换形式与土壤理化性质的相关关系44-46
• 4.4 基于逐步线性回归的土壤理化性质建模及验证46-52
• 4.4.1 钠钙镁离子和钠吸附比与变换光谱建模及验证46-48
• 4.4.2 粘粉砂含量建模及验证48-50
• 4.4.3 有机质和电导率的建模及验证50-52
• 4.5 基于偏最小二乘回归的土壤理化性质建模及验证52-54
• 4.5.1 钠钙镁离子浓度和钠吸附比的建模及验证52
• 4.5.2 粘粉砂含量建模及验证52-53
• 4.5.3 有机质和电导率建模及验证53-54
• 4.6 基于支持向量回归方法的土壤理化性质建模及验证54-55
• 4.6.1 钠钙镁离子浓度和钠吸附比建模及验证54-55
• 4.7 讨论55-56
• 4.8 小结56-57
• 第五章 基于MODIS数据的土壤理化性质建模及空间分析57-64
• 5.1 MODIS影像下载57-58
• 5.2 电导率和粘粉砂含量的经典统计学分析58
• 5.3 MODIS波段反射率分析58-60
• 5.4 电导率、粘粉砂含量与MODIS反射率及光谱指数的模型60-63
• 5.4.1 电导率与MODIS反射率的关系60
• 5.4.2 粘粉砂含量与MODIS反射率和光谱指数的关系60-63
• 5.5 讨论63
• 5.6 小结63-64
• 第六章 结论与建议64-66
• 6.1 结论64-65
• 6.2 存在的问题与建议65-66
• 参考文献66-71
• 致谢71-72
• 作者简介72

【相似文献】

中国期刊全文数据库 前10条

1 张美玲;殷红;辛明月;陈龙;付炜;张丽敏;;基于MODIS影像的沈阳城市热岛效应及其与植被指数的关系研究[J];沈阳农业大学学报;2011年05期

2 田玉刚;廖小露;张长兴;;基于时间序列MODIS影像的暴雨后作物淹没历时提取方法[J];遥感技术与应用;2012年05期

3 侯慧姝;杨宏业;王秀梅;;基于MODIS影像的内蒙古草原积雪监测[J];测绘科学;2010年04期

4 柴永强;邵峰晶;孙仁诚;王常颖;;基于决策树的MODIS影像赤潮智能检测技术[J];青岛大学学报(自然科学版);2012年02期

5 田伟国;彭佳栋;沈军;李赛;;基于MODIS影像序列的三峡截流前后洞庭湖面积变化序列分析(英文)[J];Agricultural Science & Technology;2012年06期

6 陈德智;秦其明;;利用MODIS影像数据获取融雪信息[J];遥感技术与应用;2006年01期

7 蒋耿明,牛铮,阮伟利,刘正军;MODIS影像条带噪声去除方法研究[J];遥感技术与应用;2003年06期

8 吴军;张万昌;;MODIS影像条带噪声去除的自相关插值法[J];遥感技术与应用;2006年03期

9 田伟国;彭嘉栋;沈军;李赛;;基于MODIS影像序列的三峡截流前后洞庭湖面积变化序列分析[J];安徽农业科学;2012年16期

10 迟丽宁;邵峰晶;王常颖;孙仁诚;;基于关联规则的MODIS影像绿潮检测[J];青岛大学学报(自然科学版);2012年02期

中国重要会议论文全文数据库 前4条

1 刘占宇;王立涛;程家安;;基于长时间序列MODIS影像的中南半岛水稻种植时空分布研究[A];第十七届中国遥感大会摘要集[C];2010年

2 邵军荣;吴时强;吴修锋;谭平;孙坚;;基于MODIS影像分析太湖生物量与气温关系[A];中国原水论坛专辑[C];2010年

3 林丽群;舒宁;肖俊;;MODIS影像自动变化检测[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

4 郭鹏;邹春辉;赵学斌;;MODIS影像水体监测方法研究进展[A];第28届中国气象学会年会——S1第四届气象综合探测技术研讨会[C];2011年

中国硕士学位论文全文数据库 前3条

1 汪超;基于MODIS影像空气质量评价及中国区域云量分析研究[D];安徽师范大学;2015年

2 肖珍珍;基于高光谱数据和MODIS影像的土壤理化性质反演[D];西北农林科技大学;2016年

3 张芸;基于北京一号和MODIS影像的烂沙洋水域水深遥感研究[D];南京师范大学;2008年

  本文关键词：基于高光谱数据和MODIS影像的土壤理化性质反演，由笔耕文化传播整理发布。

本文编号：338747