基于不同盐渍度的黄三角滨海盐渍土水盐定量反演
发布时间：2021-11-26 19:35
目前,土壤资源保护和土地退化治理已成为全球高度关注的重点及热点。作为土地退化的主要形式之一,盐渍化土壤不仅低产低肥、作物存活率低,而且可持续利用性差,其治理利用对区域粮食生产和农业可持续发展具有重要意义,快速、准确掌握盐渍土的水盐分布是其治理、利用的前提。遥感已成为监测土壤盐渍化信息的重要手段,提高盐渍土水盐定量光学遥感分析精度亦是研究热点。本文针对黄河三角洲滨海盐渍土,以山东省垦利区为研究区,首先根据不同的盐渍化程度,分别选择集中连片的轻度、中重度盐渍土为试验区,于2018年4月26日—28日进行野外土样采集,测定轻度（M）、中重度（S）及整体（即全部样本,I）三组样本土壤含水量（soil moisture content,SMC）、土壤含盐量（soil salinity content,SSC）信息,获取试验区无人机近地多光谱图像及研究区Sentinel-2A多光谱影像;然后基于无人机近地图像分析三组样本的土壤水盐光谱特征,构建光谱指数,筛选光谱参量;进而构建土壤水、盐定量反演模型,实现试验区土壤水盐空间分布反演;最后将基于无人机构建的水盐反演模型应用于研究区不同盐渍化程度的卫星影...
【文章来源】：山东农业大学山东省
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
研究区、试验区地理位置示意图(a:中国;b:山东省;c:研究区;d:试验区M;e:试验区S)
基于不同盐渍度的黄三角滨海盐渍土水盐定量反演82.2.3无人机遥感图像获取及预处理野外采样时，选择试验区天气晴朗、光照情况均匀的12：00-14:00时段，利用大疆Matrice600Pro六旋翼无人机（中国深圳市大疆创新科技有限公司生产；载重:5.5Kg;飞行速度:65Km/h;最大飞行时间:16min）搭载ParrotSequoia农业专用多光谱相机（含有四个120万像素窄带和同步化单色传感器）获取试验区无人机多光谱遥感图像。相机传感器含有绿光（Green,G）、红光（Red,R）、红边（Rededge,Reg）和近红（NearIR,Nir）4个波段（表1）。起飞前对传感器进行航线设定并采集白板数据，设定飞行高度50m，空间分辨率2.2cm，航向和旁向重叠度均为60%。然后利用Pix4Dmapper软件（Pix4DS.A.RoutedeRenens241008Prilly,Switzerland）完成影像拼接、辐射校正及正射校正，在ENVI5.3中通过几何校正，得到试验区假彩色合成波段图像（图2.2）。表2.1哨兵-2A模型与无人机数据的对应关系Table2.1ConsistencyofmodelSentinel-2Aandunmannedaerialvehicle(UAV)data波段名称无人机多光谱Sentinel-2A多光谱波段中心波长(nm)波段宽度(nm)空间分辨率(m)波段中心波长(nm)空间分辨率(m)G绿光550400.022B3-绿光56010R红光660400.022B4-红光66510Reg红边735100.022B6-红边74020Nir近红790400.022B7-红边78320(a)(b)图2.2试验区M（a）、S(b)假彩色合成图及采样点分布(蓝点代表采样点，红点代表控制点)Fig2.2ImageoffalsecolorsynthesisbandandmapofthesamplesinthetestareaM(a)、S(b)(withthebluedotsrepresentingthesamplingsitesandthereddotsrepresentingthecontronlingsites)
SSC最佳
【参考文献】：
期刊论文
[1]基于无人机-卫星遥感升尺度的土壤盐渍化监测方法[J]. 陈俊英,王新涛,张智韬,韩佳,姚志华,魏广飞. 农业机械学报. 2019(12)
[2]基于无人机多光谱遥感的土壤含盐量反演模型研究[J]. 张智韬,魏广飞,姚志华,谭丞轩,王新涛,韩佳. 农业机械学报. 2019(12)
[3]Effects of tillage managements and maize straw returning on soil microbiome using 16S rDNA sequencing[J]. Xinyao Xia,Piaopiao Zhang,Linlin He,Xingxing Gao,Weijun Li,Yuanyuan Zhou,Zongxin Li,Hui Li,Long Yang. Journal of Integrative Plant Biology. 2019(06)
[4]无人机多光谱反演黄河口重度盐渍土盐分的研究[J]. 王丹阳,陈红艳,王桂峰,丛津桥,王向锋,魏学文. 中国农业科学. 2019(10)
[5]基于无人机多光谱遥感的玉米根域土壤含水率研究[J]. 张智韬,谭丞轩,许崇豪,陈硕博,韩文霆,李宇. 农业机械学报. 2019(07)
[6]艾比湖湿地自然保护区土壤盐分多光谱遥感反演模型[J]. 周晓红,张飞,张海威,张贤龙,袁婕. 光谱学与光谱分析. 2019(04)
[7]基于SOC710VP高光谱成像仪的冬小麦土壤含水率反演模型研究[J]. 刘晓静,陈国庆,王良,陈玉洁,王兰,刘肖瑜,李学国. 灌溉排水学报. 2019(03)
[8]基于无人机和卫星遥感影像的升金湖草滩植被地上生物量反演[J]. 高燕,梁泽毓,王彪,吴艳兰,刘诗雨. 湖泊科学. 2019(02)
[9]Potential Bands of Sentinel-2A Satellite for Classification Problems in Precision Agriculture[J]. Tian-Xiang Zhang,Jin-Ya Su,Cun-Jia Liu,Wen-Hua Chen. International Journal of Automation and Computing. 2019(01)
[10]玉米作物系数无人机遥感协同地面水分监测估算方法研究[J]. 张瑜,张立元,Zhang Huihui,宋朝阳,蔺广花,韩文霆. 农业工程学报. 2019(01)
硕士论文
[1]土壤盐渍化遥感反演与监测系统研究[D]. 郭鹏.山东农业大学 2019
[2]基于Sentinel-1A和Landsat-8的土壤水分反演[D]. 王琦.成都理工大学 2018
[3]基于无人机多光谱遥感的玉米叶面积指数监测方法研究[D]. 王亚杰.西北农林科技大学 2018
[4]基于多源数据光谱转换的土壤盐分反演与动态分析[D]. 陈文娇.东南大学 2018
[5]黄河三角洲盐渍土盐分及组分定量光谱估测研究[D]. 刘亚秋.山东农业大学 2017
[6]濒海生态脆弱区植被信息提取及动态变化研究[D]. 张贵花.山东农业大学 2016
[7]基于高分一号影像的干旱区绿洲土壤盐渍信息提取研究[D]. 牛增懿.新疆大学 2015
[8]基于RS和GIS的黄河三角洲盐碱地分级与治理研究[D]. 郭勃.山东师范大学 2015
[9]基于多源遥感数据的白龙江流域土壤水分反演研究[D]. 屈创.兰州大学 2014
本文编号：3520793
【文章来源】：山东农业大学山东省
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
研究区、试验区地理位置示意图(a:中国;b:山东省;c:研究区;d:试验区M;e:试验区S)
基于不同盐渍度的黄三角滨海盐渍土水盐定量反演82.2.3无人机遥感图像获取及预处理野外采样时，选择试验区天气晴朗、光照情况均匀的12：00-14:00时段，利用大疆Matrice600Pro六旋翼无人机（中国深圳市大疆创新科技有限公司生产；载重:5.5Kg;飞行速度:65Km/h;最大飞行时间:16min）搭载ParrotSequoia农业专用多光谱相机（含有四个120万像素窄带和同步化单色传感器）获取试验区无人机多光谱遥感图像。相机传感器含有绿光（Green,G）、红光（Red,R）、红边（Rededge,Reg）和近红（NearIR,Nir）4个波段（表1）。起飞前对传感器进行航线设定并采集白板数据，设定飞行高度50m，空间分辨率2.2cm，航向和旁向重叠度均为60%。然后利用Pix4Dmapper软件（Pix4DS.A.RoutedeRenens241008Prilly,Switzerland）完成影像拼接、辐射校正及正射校正，在ENVI5.3中通过几何校正，得到试验区假彩色合成波段图像（图2.2）。表2.1哨兵-2A模型与无人机数据的对应关系Table2.1ConsistencyofmodelSentinel-2Aandunmannedaerialvehicle(UAV)data波段名称无人机多光谱Sentinel-2A多光谱波段中心波长(nm)波段宽度(nm)空间分辨率(m)波段中心波长(nm)空间分辨率(m)G绿光550400.022B3-绿光56010R红光660400.022B4-红光66510Reg红边735100.022B6-红边74020Nir近红790400.022B7-红边78320(a)(b)图2.2试验区M（a）、S(b)假彩色合成图及采样点分布(蓝点代表采样点，红点代表控制点)Fig2.2ImageoffalsecolorsynthesisbandandmapofthesamplesinthetestareaM(a)、S(b)(withthebluedotsrepresentingthesamplingsitesandthereddotsrepresentingthecontronlingsites)
SSC最佳
【参考文献】：
期刊论文
[1]基于无人机-卫星遥感升尺度的土壤盐渍化监测方法[J]. 陈俊英,王新涛,张智韬,韩佳,姚志华,魏广飞. 农业机械学报. 2019(12)
[2]基于无人机多光谱遥感的土壤含盐量反演模型研究[J]. 张智韬,魏广飞,姚志华,谭丞轩,王新涛,韩佳. 农业机械学报. 2019(12)
[3]Effects of tillage managements and maize straw returning on soil microbiome using 16S rDNA sequencing[J]. Xinyao Xia,Piaopiao Zhang,Linlin He,Xingxing Gao,Weijun Li,Yuanyuan Zhou,Zongxin Li,Hui Li,Long Yang. Journal of Integrative Plant Biology. 2019(06)
[4]无人机多光谱反演黄河口重度盐渍土盐分的研究[J]. 王丹阳,陈红艳,王桂峰,丛津桥,王向锋,魏学文. 中国农业科学. 2019(10)
[5]基于无人机多光谱遥感的玉米根域土壤含水率研究[J]. 张智韬,谭丞轩,许崇豪,陈硕博,韩文霆,李宇. 农业机械学报. 2019(07)
[6]艾比湖湿地自然保护区土壤盐分多光谱遥感反演模型[J]. 周晓红,张飞,张海威,张贤龙,袁婕. 光谱学与光谱分析. 2019(04)
[7]基于SOC710VP高光谱成像仪的冬小麦土壤含水率反演模型研究[J]. 刘晓静,陈国庆,王良,陈玉洁,王兰,刘肖瑜,李学国. 灌溉排水学报. 2019(03)
[8]基于无人机和卫星遥感影像的升金湖草滩植被地上生物量反演[J]. 高燕,梁泽毓,王彪,吴艳兰,刘诗雨. 湖泊科学. 2019(02)
[9]Potential Bands of Sentinel-2A Satellite for Classification Problems in Precision Agriculture[J]. Tian-Xiang Zhang,Jin-Ya Su,Cun-Jia Liu,Wen-Hua Chen. International Journal of Automation and Computing. 2019(01)
[10]玉米作物系数无人机遥感协同地面水分监测估算方法研究[J]. 张瑜,张立元,Zhang Huihui,宋朝阳,蔺广花,韩文霆. 农业工程学报. 2019(01)
硕士论文
[1]土壤盐渍化遥感反演与监测系统研究[D]. 郭鹏.山东农业大学 2019
[2]基于Sentinel-1A和Landsat-8的土壤水分反演[D]. 王琦.成都理工大学 2018
[3]基于无人机多光谱遥感的玉米叶面积指数监测方法研究[D]. 王亚杰.西北农林科技大学 2018
[4]基于多源数据光谱转换的土壤盐分反演与动态分析[D]. 陈文娇.东南大学 2018
[5]黄河三角洲盐渍土盐分及组分定量光谱估测研究[D]. 刘亚秋.山东农业大学 2017
[6]濒海生态脆弱区植被信息提取及动态变化研究[D]. 张贵花.山东农业大学 2016
[7]基于高分一号影像的干旱区绿洲土壤盐渍信息提取研究[D]. 牛增懿.新疆大学 2015
[8]基于RS和GIS的黄河三角洲盐碱地分级与治理研究[D]. 郭勃.山东师范大学 2015
[9]基于多源遥感数据的白龙江流域土壤水分反演研究[D]. 屈创.兰州大学 2014
本文编号：3520793
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/3520793.html
