论文部分内容阅读
土壤盐渍化一直是全球性的资源和生态问题,习总书记强调:“端稳中国粮,盐碱地大有可为”,而快速、准确地获取土壤盐分含量及其空间分布信息是综合治理利用盐渍土的前提。遥感是当前监测土壤盐渍化信息的重要手段,其中基于单一传感器的土壤盐分信息定量分析精度和稳定性有待提高,基于多源遥感融合高精度、快速率反演区域土壤盐分,既是盐渍土治理利用的现实需求,也是土壤盐渍化定量遥感发展的主要趋势。本文以黄河三角洲垦利区为研究区,在研究区内选择一块集中连片的盐渍土区域为试验区,分别获取研究区Sentinel-2A MSI多光谱卫星影像（MSI）和试验区的无人机（unmanned aerial vehicle,UAV）近地多光谱图像,基于UAV、MSI数据进行土壤盐分敏感波段的筛选、光谱指数的优选、定量模型的构建与优选;然后分别基于数值回归算法、均值比值算法进行光谱数据融合,对比分析不同融合算法的融合效果,优选融合算法;进而基于优选的融合算法,分别进行光谱数据、光谱指数和光谱模型三个融合层次的星-机数据融合,对比分析融合前后土壤盐分响应关系及模型精度,优选最适宜融合层次和最佳融合模型;最后将最佳融合模型应用到MSI影像,获取研究区土壤盐分空间反演图。具体研究内容及结果如下:（1）土壤盐分星、机光谱特征及定量模型基于UAV和MSI两种数据的土壤盐分敏感波段较为一致,R和G可作为土壤盐分的特征波段。与土壤盐分响应较好的9个光谱参量为Int1、Int2、SI1、SI2、BI、Int1 re、Int2 re、SI II re、SI IV re;根据多重共线性分析,将光谱参量划分为A、B两组;依次采用多元线性回归（Multiple Linear Regression,MLR）、支持向量机（Support Vector Machine,SVM）及BP神经网络（Back Propagation Neural Network,BP）三种建模方法,分别构建并优选基于UAV和MSI的土壤盐分反演模型,结果表明无论是基于UAV还是MSI,均为B组的SVM模型效果最优,因此确定SVM为最优的建模方法,Int2、SI1、BI、Int1 re、SI IV re为优选的星、机光谱参量,基于该组UAV特征光谱参量的土壤盐分SVM模型为试验区反演模型。（2）星-机融合算法分别基于数值回归算法、均值比值算法进行光谱数据融合,结果表明,对于提高数据拟合度,数值回归比均值比值提高了0.003～0.009;对于提高卫星光谱与盐分的相关性,数值回归比均值比值提高了0.031～0.059;对于提高土壤盐分反演模型精度,数值回归比均值比值融合后的精度更高,建模集R~2提高了0.047,验证集R~2提高了0.011,RPD提高了0.147。因此,数值回归算法在提高星-机数据拟合度、增强盐分光谱响应和提高土壤盐度反演精度方面均优于比值均值法,确定数值回归法为土壤盐分星-机融合适宜算法。（3）星-机融合层次基于优选的数值回归算法,分别基于光谱数据、光谱指数和光谱模型三个融合层次,进行星-机融合,研究表明,融合后三个层级的数据拟合度均得到提高,其中,光谱数据拟合效果最优,其次是光谱指数拟合,最低的是光谱模型拟合。对于增强土壤盐分光谱响应,光谱数据融合优于光谱指数融合,光谱数据融合后光谱指数相关性提高了0.139～0.167,光谱指数融合后光谱指数相关性提高了0.128～0.152。对于提高土壤盐分反演模型精度,相较于未融合的MSI模型,融合后三个模型精度均有显著提升,其中光谱数据融合后模型精度提高最大,建模集R~2提升了0.107,RMSE降低了0.605,验证集R~2提高了0.104,RMSE降低了0.901,RPD提高了0.425;对比融合后的三个模型精度,其中光谱数据融合后模型精度最高,光谱指数融合后模型精度次之,光谱模型融合后模型精度最低。因此,确定光谱数据为最适宜的星-机融合层级,光谱数据融合后模型为土壤盐分星-机融合最佳反演模型。（4）区域土壤盐分空间分布反演及分析基于光谱数据融合后模型和区域MSI影像,进行研究区土壤盐分的反演分析,结果表明,研究区土壤盐渍化从西南农业生产区向东部沿海地区逐渐增加;非盐渍土面积占13.821%,盐渍土面积占总面积的86.179%,其中盐土占18.133%,中、重度盐渍土占57.076%,轻度盐渍土占13.282%,可见该区域盐渍化现象普遍,且反演结果与实地调查结果较为一致。因此,在黄三角滨海区土壤盐分反演中,基于星-机光谱数据融合的土壤盐分模型能取得较好的反演效果。本文通过对比分析,确定了土壤盐分星-机融合反演中适宜的融合算法和层次,提出一套土壤盐分星-机多源遥感高精度融合反演技术,即:首先基于无人机光谱数据构建筛选光谱指数,构建土壤盐分的支持向量机模型,然后采用数值回归算法进行星-机光谱数据融合,并构建融合后的光谱指数,进而代入模型实现区域土壤盐分反演,可有效提高区域土壤盐渍化定量反演精度。研究结果可丰富土壤定量遥感的理论与技术,为区域盐渍土治理利用和可持续发展提供数据支持。