基于优化光谱指数的土壤盐渍化水、盐含量高光谱估算研究 ——以渭干河—库车河三角绿洲为例

基于优化光谱指数的土壤盐渍化水、盐含量高光谱估算研究 ——以渭干河—库车河三角绿洲为例

论文摘要

表层土壤水盐是土壤水盐运移模型的重要边界条件参数,准确的表层土壤水盐信息可以提高水盐运移模型的模拟与预测精度,精准的土壤水盐信息监测有助于进一步提高水盐运移模型模拟精度,对区域盐渍化防治与调控,农业可持续发展以及生态文明建设具有重要意义。为寻求预测土壤水、盐的最佳高光谱参数,实现土壤水、盐信息的高效监测,本研究使用ASD FieldSpec3高光谱仪对渭干河-库车河三角绿洲野外取样的土壤样品进行室内高光谱测定,利用两波段优化算法对光谱指数进行波段优化,筛选不同高光谱数据(原始高光谱反射率及其对应的3种数学变换)运算下的最敏感高光谱参数,从而建立土壤水、盐高光谱估算模型。结论如下:(1)研究区土壤盐分含量以及土壤含水率离散度均较高,土壤酸碱度离散程度较弱,土壤八大离子中主要以钠离子、氯离子和硫酸根离子为主,土壤盐分成分主要就是钠盐,其中,钠离子和氯离子的相关性系数最大。(2)优化后的光谱指数与土壤水、盐之间的相关性显著,与传统的一维相关性方法相比有明显的优势,基本可以将相关性提高0.2,在高光谱建模中可以发挥很大的作用。不管在一维层面上还是二维层面上,合适的高光谱数据预处理方法都在一定程度上对提高相关性有所帮助。(3)变量重要性准则(variable importance in projection,VIP)这种在自变量相关性较强情形下应用的方法在本文中也起到了非常显著的作用,可以提高模型的效率。从估算模型的表现可以看出,基于机器学习的支持向量机模型要优于偏最小二乘模型,并且使用多个优化光谱指数构建的组合模型要优于使用单一优化光谱指数的模型。在土壤盐分估测时,SVM模型能达到最高的预测决定系数0.762。但在土壤含水率估算模型中,最高的为PLSR模型,预测决定系数为0.637,并且单一优化光谱指数模型要优于组合模型。本文得到的优化光谱参数可为快速准确寻求卫星传感器中监测干旱、半干旱地区土壤水、盐含量的最佳波段提供依据,此外,波段的优化也可以为设计特定波段的主动传感器提供理论基础,进一步减少高光谱海量数据处理的工作量,为实现土壤水盐信息的高效监测服务。最后,可以为土壤盐渍化的监测与预测以及生态调控提供相应的措施与对策,对区域生态文明建设具有重大意义。

论文目录

  • 摘要
  • Abstract
  • 第一章 引言
  •   1.1 研究背景与意义
  •   1.2 研究进展
  •     1.2.1 优化光谱指数研究现状
  •     1.2.2 本人对综述的评价
  •   1.3 .研究内容、目的和技术路线
  •     1.3.1 研究内容
  •     1.3.2 研究目的
  •     1.3.3 技术路线
  •   1.4 本章小结
  • 第二章 数据获取与研究方法
  •   2.1 研究区自然地理概况
  •   2.2 土壤样品采集与处理
  •     2.2.1 野外采样
  •     2.2.2 土样室内处理
  •   2.3 研究方法
  •   2.4 本章小结
  • 第三章 土壤理化性质与光谱特征分析
  •   3.1 土壤盐分特征分析
  •     3.1.1 土壤盐分描述性统计分析
  •     3.1.2 土壤盐分空间分布特征分析
  •   3.2 土壤水分特征分析
  •     3.2.1 土壤水分描述性统计分析
  •     3.2.2 土壤水分空间分布特征分析
  •   3.3 土壤酸碱度与八大离子特征分析
  •     3.3.1 土壤酸碱度与八大离子描述性统计分析
  •     3.3.2 土壤酸碱度空间分布特征
  •     3.3.3 土壤八大离子相关性分析
  •   3.4 土壤光谱特征分析
  •     3.4.1 盐分对土壤光谱的影响分析
  •     3.4.2 水分对土壤光谱的影响分析
  •   3.5 本章小结
  • 第四章 土壤水、盐含量与光谱的相关性分析
  •   4.1 土壤水、盐含量与光谱的一维相关性分析
  •     4.1.1 土壤盐分含量与光谱的一维相关性分析
  •     4.1.2 土壤含水率与光谱的一维相关性分析
  •   4.2 土壤水、盐含量与光谱的二维相关性分析
  •     4.2.1 土壤盐分含量与优化光谱指数的相关性分析
  •     4.2.2 土壤含水率与优化光谱指数的相关性分析
  •   4.3 本章小结
  • 第五章 土壤水、盐含量高光谱建模
  •   5.1 土壤盐分含量高光谱建模
  •     5.1.1 土壤盐分含量高光谱建模参数优选
  •     5.1.2 土壤盐分含量高光谱PLSR建模
  •     5.1.3 土壤盐分含量高光谱SVM建模
  •   5.2 土壤含水率高光谱建模
  •     5.2.1 土壤含水率高光谱建模参数优选
  •     5.2.2 土壤含水率高光谱PLSR建模
  •     5.2.3 土壤含水率高光谱SVM建模
  •   5.3 本章小结
  • 第六章 结论与展望
  •   6.1 结论
  •   6.2 特色与创新
  •   6.3 不足与展望
  • 参考文献
  • 在读期间参与科研项目发表论文
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 亚森江·喀哈尔

    导师: 张飞

    关键词: 土壤水盐,优化光谱指数,高光谱,盐渍土,渭库绿洲

    来源: 新疆大学

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑,农业科技,信息科技

    专业: 自然地理学和测绘学,工业通用技术及设备,农业基础科学,农艺学,自动化技术

    单位: 新疆大学

    基金: 国家自然科学基金项目—《土壤盐渍化水-盐遥感监测最优尺度研究》(编号:41761077)

    分类号: S156.41;TP79

    总页数: 69

    文件大小: 4611K

    下载量: 218

    相关论文文献

    • [1].干旱区典型盐碱土壤含盐量估算的最佳高光谱指数研究[J]. 水土保持通报 2012(06)
    • [2].利用三维光谱指数定量估算土壤有机质含量:以新疆艾比湖流域为例[J]. 光谱学与光谱分析 2020(05)
    • [3].基于高光谱指数的天然胡杨叶绿素遥感建模研究[J]. 干旱区资源与环境 2014(10)
    • [4].基于光谱指数波段优化算法的小麦玉米冠层含氮量估测[J]. 光谱学与光谱分析 2016(04)
    • [5].基于高光谱指数的棉花冠层等效水厚度估算[J]. 中国农业科学 2019(24)
    • [6].基于高光谱指数的水稻砷污染胁迫多重判别模型[J]. 环境科学 2010(10)
    • [7].基于光谱指数的枸杞叶片水分含量遥感监测研究[J]. 地理与地理信息科学 2019(05)
    • [8].基于光谱指数的高温目标识别方法[J]. 国土资源遥感 2019(03)
    • [9].基于分数阶微分优化光谱指数的土壤电导率高光谱估算[J]. 生态学报 2019(19)
    • [10].基于光谱指数优选的土壤盐分定量光谱估测[J]. 水土保持通报 2018(03)
    • [11].MODIS光谱指数在中国西南干旱监测中的应用[J]. 遥感学报 2014(02)
    • [12].一种估测小麦冠层氮含量的新高光谱指数[J]. 生态学报 2011(21)
    • [13].基于光谱指数的蜜橘成熟度评价模型研究[J]. 中国光学 2018(01)
    • [14].基于光谱指数的遥感影像岩性分类[J]. 地球科学(中国地质大学学报) 2015(08)
    • [15].基于通用光谱模式分解(UPDM)算法的光谱指数一致性研究[J]. 江苏农业科学 2018(24)
    • [16].基于光谱指数的不同叶倾角分布下玉米冠层叶绿素含量反演[J]. 光谱学与光谱分析 2019(07)
    • [17].基于穗光谱指数的水稻产量预测[J]. 浙江农业学报 2018(02)
    • [18].基于优化光谱指数的新疆春小麦冠层叶绿素含量估算[J]. 麦类作物学报 2019(02)
    • [19].不同健康状况松针反射光谱特征分析[J]. 北京测绘 2019(03)
    • [20].光谱指数趋势面的城市地表温度降尺度转换[J]. 遥感学报 2014(06)
    • [21].草坪绿度光谱指数研究初报[J]. 云南农业大学学报(自然科学版) 2010(06)
    • [22].优化光谱指数的露天煤矿区土壤重金属含量估算[J]. 光谱学与光谱分析 2019(08)
    • [23].高光谱技术联合归一化光谱指数估算土壤有机质含量[J]. 光谱学与光谱分析 2017(11)
    • [24].城市河网尺度的水体光谱指数适宜性分析研究[J]. 光谱学与光谱分析 2019(11)
    • [25].基于高光谱成像技术的油菜叶片叶绿素含量预测[J]. 中国农业科技导报 2020(05)
    • [26].基于光谱变换的高光谱指数土壤盐分反演模型优选[J]. 农业工程学报 2018(01)
    • [27].一种角度光谱指数及其在干旱监测中的应用[J]. 科技风 2018(22)
    • [28].光谱指数的植被叶片含水量反演[J]. 光谱学与光谱分析 2018(05)
    • [29].基于叶绿素荧光光谱指数的温室黄瓜病害预测[J]. 光谱学与光谱分析 2016(06)
    • [30].许昌地区冬小麦长势空间变异研究[J]. 湖北农业科学 2014(15)

    标签:;  ;  ;  ;  ;  

    基于优化光谱指数的土壤盐渍化水、盐含量高光谱估算研究 ——以渭干河—库车河三角绿洲为例
    下载Doc文档

    猜你喜欢