基于土壤植被光谱协同分析的土壤盐度推理模型构建研究
本文关键词：基于土壤植被光谱协同分析的土壤盐度推理模型构建研究
更多相关文章： 土壤盐分 植被指数 推理模型 线性混合像元分解模型
【摘要】：土壤组成较为复杂,单纯利用土壤光谱信息探测土壤盐度,反演精度不足以满足实际需求。通过遥感获取的植被信息(植被类型和生长状况)可间接反映土壤盐分的空间分布特性,弥补上述不足。为此,基于干旱区土壤盐度与植被之间的协同变化,尝试结合土壤和植被光谱信息,借助二维特征空间理论,构建土壤盐度推理模型,提高土壤盐度推理精度。对于干旱区单个像元下土壤光谱的影响,利用归一化植被指数(normalized difference vegetation index,NDVI)难以准确反演干旱区稀疏植被参数。因此,首先利用线性混合像元分解模型(linear spectral unmixing model,LSUM)提取研究区地物组分,构建植被组分指示因子(combined vegetation indicative factor,CVIF)方程,并与土壤盐度指数(salinity index,SI)构建二维特征空间。分析二维特征空间内散点走势与土壤盐分之间的关系,建立土壤盐度推理模型(salinity inference model,SID)。验证结果显示,CVIF提取的植被信息精度(R~20.84,RMSE=3.92)高于应用较为广泛的NDVI(R~20.66,RMSE=13.77)。构建的SID模型与前人基于NDVI建立的联合光谱指数(combined spectral response index,CORSI)相比,前者(R~20.86,RMSE=6.86)推理精度优于后者(R~20.71,RMSE=16.21)。由此得出结论,基于土壤和植被光谱信息双重判定的SID模型对土壤盐渍化的高精度遥感监测研究具有较好促进作用。
【作者单位】： 新疆大学资源与环境科学学院;绿洲生态教育部重点实验室;
【关键词】： 土壤盐分 植被指数 推理模型 线性混合像元分解模型
【基金】：新疆维吾尔自治区青年科技创新人才培养工程项目(2013711014) 国家自然科学基金项目(U1303381,41261090,41130531,41161063) 教育部新世纪优秀人才支持计划项目(NCET-12-1075);教育部长江学者计划创新团队计划项目(IRT1180) 霍英东青年教师基金项目(121018) 新疆大学博士启动基金项目(BS150248)资助
【分类号】：S156.41
【正文快照】： 引言由于土壤组成的复杂性(土壤有机物、土壤湿度、表面粗糙度等),单纯考虑土壤光谱不足以定量反演土壤盐分信息[1]。因此,部分学者尝试利用植被作为间接判定土壤盐分的指示因子[2-3]。作为遥感可获取的指示因子(如植被指数),植被类型和生长状况可间接反映土壤盐分的空间分布
【参考文献】
中国期刊全文数据库 前1条
1 何祺胜;塔西甫拉提.特依拜;丁建丽;;基于决策树方法的干旱区盐渍地信息提取——以渭干河-库车河三角洲绿洲为例[J];资源科学;2006年06期
【共引文献】
中国期刊全文数据库 前10条
1 王飞;丁建丽;;基于土壤植被光谱协同分析的土壤盐度推理模型构建研究[J];光谱学与光谱分析;2016年06期
2 马驰;;松嫩平原土地盐碱化研究[J];吉林农业大学学报;2014年03期
3 马驰;;基于HJ1A-HSI反演松嫩平原土壤盐分含量[J];干旱区研究;2014年02期
4 刘勤;王宏卫;丁建丽;柴春梅;;干旱区区域土壤盐渍化监测研究进展及其未来热点[J];新疆大学学报(自然科学版);2014年01期
5 曾维军;侯明明;杨伟;;一种改进的决策树分类方法在土地利用信息提取中的应用[J];贵州大学学报(自然科学版);2013年06期
6 姚远;丁建丽;张芳;王刚;江红南;;基于遥感的塔里木盆地北缘绿洲干湿季土地盐渍化监测[J];应用生态学报;2013年11期
7 夏米西努尔·马逊江;侯君英;;基于NDVI估算植被体散射的土壤水分反演研究[J];安徽农业科学;2013年29期
8 许亚平;王心源;王长林;;基于Landsat长时间序列数据的敦煌绿洲动态变化分析[J];干旱区地理;2013年05期
9 Fei WANG;Xi CHEN;GePing LUO;JianLi DING;XianFeng CHEN;;Detecting soil salinity with arid fraction integrated index and salinity index in feature space using Landsat TM imagery[J];Journal of Arid Land;2013年03期
10 买买提·沙吾提;塔西甫拉提·特依拜;丁建丽;张飞;孙倩;;面向对象的干旱区盐渍地信息提取方法研究[J];中国沙漠;2013年05期
【二级参考文献】
中国期刊全文数据库 前7条
1 徐涵秋;利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J];遥感学报;2005年05期
2 王晓慧,李增元,高志海,白黎娜,车学俭,王t+瑜;沙化土地信息提取研究[J];林业科学;2005年03期
3 李晓燕,张树文;吉林省大安市近50年土地盐碱化时空动态及成因分析[J];资源科学;2005年03期
4 刘志明,晏明,何艳芬;吉林省西部土地盐碱化研究[J];资源科学;2004年05期
5 骆玉霞,陈焕伟;GIS支持下的TM图像土壤盐渍化分级[J];遥感信息;2001年04期
6 鲁春霞,于云江,关有志;甘肃省土壤盐渍化及其对生态环境的损害评估[J];自然灾害学报;2001年01期
7 彭望t-,李天杰;TM数据的Kauth-Thomas变换在盐渍土分析中的作用——以阳高盆地为例[J];环境遥感;1989年03期
【相似文献】
中国期刊全文数据库 前10条
1 张师超，汤服成;基于实例的模糊推理模型[J];模糊系统与数学;1998年01期
2 王秀珍;抽象思维过程的模糊推理模型[J];长沙电力学院学报(自然科学版);1996年02期
3 谷敏强;刘智斌;;基于Schweizer-Sklar算子的模糊推理模型的连续性[J];应用数学学报;2010年03期
4 郑亚林;Fuzzy推理的各种模型算法[J];宝鸡文理学院学报(自然科学版);2002年01期
5 曹建树;关于天气预报专家系统的几个基本问题[J];山东气象;1987年01期
6 于枫;乔欣;姜腊林;;协同救援一致性推理模型及求解算法[J];解放军理工大学学报(自然科学版);2010年01期
7 郭嗣琮,陈世权;一种具有自学习的模糊推理模型[J];阜新矿业学院学报(自然科学版);1993年03期
8 王长琼,孙国正;一种基于人工神经网络的模糊推理模型研究[J];计算机辅助工程;1998年03期
9 路畅;杨世欣;;关于BDI Agent的推理模型的研究[J];科技信息;2008年33期
10 刘纯武,孙即祥;加权抽取模糊算法及其应用[J];模糊系统与数学;1999年02期
中国重要会议论文全文数据库 前5条
1 杨莉萍;陈仪香;;一种具有突变性的证据推理模型[A];2005年全国理论计算机科学学术年会论文集[C];2005年
2 何磊;戴冠中;;分级模糊推理模型及其在模糊洗衣机中的应用[A];1996年中国控制会议论文集[C];1996年
3 周北海;;推理、推理模型和推理语义[A];逻辑今探——中国逻辑学会第五次代表大会暨学术讨论会论文集[C];1996年
4 赵晓哲;;一种基于规则模糊匹配的模糊推理模型[A];1994中国控制与决策学术年会论文集[C];1994年
5 张鸣镝;蔡经球;陈颖;;基于区间的加权不精确知识推理模型[A];1994中国控制与决策学术年会论文集[C];1994年
中国博士学位论文全文数据库 前1条
1 石夫乾;基于Valence-Arousal的产品内隐情感表示与推理技术研究[D];浙江大学;2011年
中国硕士学位论文全文数据库 前7条
1 孟丹;基于事例推理的检索与推理模型研究[D];辽宁师范大学;2001年
2 袁e，
本文编号：692264
本文链接：https://www.wllwen.com/kejilunwen/nykj/692264.html
