基于高光谱遥感的土壤水盐监测模型研究 ——以河套灌区沙壕渠灌域沙壤土为例

论文摘要

内蒙古河套灌区作为我国的三大灌区之一,面临着十分严重的土壤盐渍化问题。盐渍化问题会造成土壤退化、作物减产、生态破坏,严重制约了该地区的农业发展。而灌区水盐信息监测是分析和预测土壤水盐运移状况和规律的基础,对合理制定土壤盐渍化改良措施至为重要。高光谱遥感技术可以获取海量的纳米级地物光谱信息,精细的光谱分辨率反映了地物光谱的细微特征,可依据诊断性的光谱吸收特征来进行定量分析、反演水盐信息。本文以河套灌区沙壕渠灌域为研究靶区,采集不同盐渍化程度的土样,在实验室内分析获取土壤含水率、总盐及八种主要水溶性盐基离子(K+、Ca2+、Na+、Mg2+、Cl-、SO42-、HCO3-、CO32-)含量等参数。结合实测土壤高光谱数据,利用不同的特征光谱筛选方法和数学建模方法,建立基于实测光谱数据的土壤含水率、总盐、八大离子的反演模型,并根据不同的评价指标对模型进行综合评价。本文主要结论如下:（1）在土壤含水率反演中,发现土壤在不同含水率下的光谱反射率曲线波形基本相似。验证了随含水率的增加,反射率先降低后增加的变化特性,并发现反射率在1450nm、1950nm附近为明显的水分吸收谷,在500nm、2200nm附近为较微弱的水分吸收谷。在模型反演中,基于倒数之对数LR指标建立的逐步回归SR模型与岭回归RR模型的决定系数最高,说明LR是反演含水率的最优光谱指标。此外,岭回归法作为一种有偏估计,在特征波段筛选中具有“少而精”的特点,基于LR指标建立的LR-RR模型的拟合优度和预测效果最佳,其Rc2和Rp2最高分别为0.975和0.979,RMSE为0.012,RPD为5.89。结果表明,岭回归法筛选后的波段,共线性已极大减弱,模型具有了较强的稳健性。（2）基于三种不同方法（变量投影重要性VIP分析法、逐步回归SR分析法、灰度关联GC分析法）提取的特征波段,建立不同盐基离子的偏最小二乘回归PLSR模型和支持向量机回归SVR模型。结果发现PLSR模型和SVR模型对于大部分离子的建模预测取得了较好的结果,而对于不同盐基离子的最佳波段筛选法不同,其中VIP法筛选得到的特征波段数量较多（占全波段的34.5%42.5%）,模型精度最高;SR法筛选得到的波段数量最少（占全波段的1.5%4%）,模型精度较好;GC法筛选得到的波段数量差异较大（占全波段的7%55%）,但模型精度一般。土壤不同水溶性盐基离子的最佳光谱反演预测结果差异性较大,其中Ca2+、Na+、Cl-、Mg2+和SO42-离子模型的预测效果最佳,其RPD值分别为3.97、3.15、2.98、2.75和2.75,其余离子的预测效果一般或不能进行反演。（3）比较不同总盐含量条件下的土壤光谱曲线,发现土壤光谱特征在形态上趋于一致。随盐分的增加,土壤光谱反射率并未明显增大。对经过分数阶微分预处理FOD后的光谱数据进行一维相关性分析后发现,FOD可以使土壤盐分信息与光谱反射率相关性的变化趋势更明显,大部分离子的光谱经各阶微分处理后,通过显著性检验波段的数量呈现先增后减的趋势,但波段数量最多时对应的阶数并不统一。不同机器学习模型中,极限学习机ELM模型的反演效果最佳。其中,对总盐、Ca2+、Na+、Cl-、Mg2+和SO42-离子模型的预测效果最佳,其RPD值分别为2.631、2.328、2.869、3.264、3.054和2.259,其余离子的预测效果一般或不能进行反演。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
•   1.1 研究背景与意义
•   1.2 国内外研究进展
•     1.2.1 土壤高光谱遥感研究进展
•     1.2.2 土壤水分信息的高光谱遥感监测研究进展
•     1.2.3 土壤盐分信息的高光谱遥感监测研究进展
•   1.3 存在的问题
•   1.4 研究内容与技术路线
•     1.4.1 研究内容
•     1.4.2 技术路线
• 第二章 材料与方法
•   2.1 研究地概况
•   2.2 土壤样本采集与处理
•   2.3 土壤样本的实验室分析
•     2.3.1 土壤光谱数据测定
•     2.3.2 土壤理化参数测定
•   2.4 光谱数据处理与分析
•     2.4.1 光谱数据预处理
•     2.4.2 光谱数据转化
•     2.4.3 分数阶微分处理
•   2.5 特征光谱数据提取
•     2.5.1 逐步回归分析法
•     2.5.2 岭回归分析法
•     2.5.3 变量投影重要性分析法
•     2.5.4 灰度关联分析法
•   2.6 光谱模型的建立与评价指标
•     2.6.1 偏最小二乘回归模型
•     2.6.2 支持向量机回归模型
•     2.6.3 随机森林模型
•     2.6.4 极限学习机模型
•     2.6.5 多元混合回归模型
•     2.6.6 多元自适应样条回归模型
•     2.6.7 模型精度评价指标
• 第三章 盐渍化土壤水分含量高光谱诊断模型研究
•   3.1 数据处理与模型建立
•   3.2 建模集与验证集的划分
•   3.3 不同光谱指标的获取
•     3.3.1 倒数之对数
•     3.3.2 一阶微分
•     3.3.3 去包络线
•   3.4 土壤光谱特征分析
•   3.5 偏最小二乘回归模型的建立与验证
•   3.6 逐步回归模型的建立与验证
•   3.7 岭回归模型的建立与验证
•   3.8 讨论
•   3.9 小结
• 第四章 基于特征光谱的土壤盐分信息定量评估
•   4.1 数据处理与模型建立
•   4.2 建模集和验证集的划分
•   4.3 相关性分析
•   4.4 特征光谱的筛选
•     4.4.1 灰度关联分析结果
•     4.4.2 逐步回归分析结果
•     4.4.3 变量投影重要性分析结果
•   4.5 偏最小二乘回归模型的建立与验证
•   4.6 支持向量机回归模型的建立与验证
•   4.7 讨论
•     4.7.1 比较不同盐离子含量的反演结果
•     4.7.2 相关性分析和反演结果
•     4.7.3 波段选择对反演模型的影响
•     4.7.4 研究的局限性
•   4.8 小结
• 第五章 分数阶微分耦合机器学习算法反演土壤盐分信息
•   5.1 数据处理与模型建立
•   5.2 建模集与验证集的划分
•   5.3 分数阶微分处理的光谱特征分析
•   5.4 分数阶微分处理的光谱相关性分析
•   5.5 机器学习模型的建立与验证
•   5.6 讨论
•     5.6.1 分数阶微分处理结果
•     5.6.2 与基于特征光谱建立的模型比较
•   5.7 小结
• 第六章 结论与展望
•   6.1 研究结论
•   6.2 研究展望
• 参考文献
• 致谢
• 个人简历

文章来源

类型: 硕士论文

作者: 王海峰

导师: 张智韬

关键词: 盐渍土,水分,盐分,高光谱遥感,模型

来源: 西北农林科技大学

年度: 2019

分类: 基础科学,农业科技

专业: 自然地理学和测绘学,农业基础科学,农业基础科学,农艺学

单位: 西北农林科技大学

基金: 国家重点研发计划项目(编号:2017YFC0403302,2016YFD0200700)

分类号: S156.41;S127

总页数: 79

文件大小: 5096K

下载量: 354