(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910724054.5
(22)申请日 2019.08.07
(71)申请人 石河子大学
地址 832000 新疆维吾尔自治区石河子市
北四路221号
(72)发明人 张利 程勇翔 韩忠玲
(74)专利代理机构 北京方圆嘉禾知识产权代理
有限公司 11385
代理人 董芙蓉
(51)Int.Cl.
G01N 33/24(2006.01)
G01N 21/3554(2014.01)
G01N 21/3563(2014.01)
G01N 21/359(2014.01)
G06F 17/18(2006.01)
(54)发明名称
(57)摘要
本发明公开了一种土壤盐渍化程度遥感监
测的研究方法。本发明以Landsat遥感影像为数
据源，利用盐渍化土壤光谱特征及高盐高含水理
化特性，选择短波红外SWIR1与近红外NIR两波段
之间斜率Slope SWIR1-NIR 反映土壤湿度；以近红外
ISS；使用目视解译确定盐渍化土壤近红外等级
阈值，结合近红外等级阈值对应的土壤湿度的
Slope SWIR1-NIR 临界阈值，确定盐渍化土壤指数ISS
各等级划分临界阈值；利用盐渍化土壤指数临界
阈值对土壤盐渍化进行等级划分。本发明从一新
的视角来揭示盐渍化土壤年际变化规律，结果对
今后盐渍化土壤盐碱度定性和定量分析具有参
考价值。权利要求书1页 说明书5页 附图6页CN 110412245 A 2019.11.05
C N 110412245
A
1.土壤盐渍化程度遥感监测的研究方法，其特征在于，所述方法包括以下步骤：
以Landsat遥感影像为数据源，利用盐渍化土壤光谱特征以及高盐高含水的理化特性，选择短波红外SWIR1与近红外NIR两波段之间斜率Slope SWIR1-NIR 反映土壤湿度；以近红外值的大小表征土壤盐分含量，构建盐渍化土壤指数ISS；使用目视解译确定的盐渍化土壤近红外等级阈值，结合近红外等级阈值对应的土壤湿度的Slope SWIR1-NIR 临界阈值，确定盐渍化土壤指数ISS各等级划分临界阈值；利用盐渍化土壤指数临界阈值对土壤盐渍化进行等级划分。
2.如权利要求1所述的土壤盐渍化程度遥感监测的研究方法，其特征在于，所述盐渍化土壤为玛纳斯河流域绿洲内部盐渍化土壤，所述Landsat遥感影像是以春季冰雪融化后，农作物耕种前的Landsat系列数据为数据源；所述短波红外SWIR1中心波长为1.609μm，所述近红外NIR中心波长为0.865μm。
3.如权利要求1所述的土壤盐渍化程度遥感监测的研究方法，其特征在于，所述Landsat遥感影像经过ENVI5.1进行辐射定标、大气校正和几何校正预处理后使用。
4.如权利要求1所述的土壤盐渍化程度遥感监测的研究方法，其特征在于，所述盐渍化
土壤指数ISS的计算公式为：
其中，公式中NIR是近红外波段的值；C是水体的短波红外-近红外波段平均斜率值；Slope SWIR1-NIR 是短波红外SWIR1与近红外NIR两波段之间斜率。
权 利 要 求 书1/1页CN 110412245 A
土壤盐渍化程度遥感监测的研究方法
技术领域
[0001]本发明涉及农业遥感信息技术领域，尤其涉及一种土壤盐渍化程度遥感监测的研究方法。
背景技术
[0002]新疆玛纳斯河流域地处新疆天山北麓准格尔盆地南缘，近几十年来，新疆玛纳斯河流域绿洲耕地
面积增加显著，据统计，从1989年至2017年绿洲耕地面积增加了3.36×104hm2，相当于1989年耕地面积的1.35倍，这期间增长最快的时期是2005至2006年间(参考查询新疆维吾尔自治区统计局v/sjcx/tjnj_3415/)，这些新增耕地中很大一部分耕地来自于对绿洲内部盐渍化土壤的开发和利用。因此研究玛纳斯河流域绿洲内部盐渍化土壤的动态变化，对指导今后农业生产有重要意义。
[0003]当前盐渍化土壤遥感研究热点有：一、不同等级盐渍化土壤的信息提取，二、盐渍化土壤的盐碱程度量化分析，三、盐渍化土壤水盐含量反演。对于第一个问题不同盐渍化土壤信息提取，常用的方法有人工解译、监督分类、非监督分类、决策树分类以及特征空间分析。吴会胜、胡凤伟利用人工解译方法进行了盐渍化土壤遥感制图，但人工解译当前更多用于分类样本的选取。焦元波利用监督分类中的最大似然法，完成了山东垦利县盐渍化土壤信息提取。为提高盐渍化土壤监督分类结果，关元秀、王国芳利用非监督分类结果作为辅助，完成了盐渍化土壤典型样本的选取，以提高分类精度。邓小炼在分类地物端元获取的基础上，利用神经网络法，获取了研究区盐渍化土壤分类结果，证明该分类方法的结果优于最大似然分类法。刘翠玲利用最佳指数因子确定最优波段组合，提高监督分类结果。值得特别提出的是，热红外波段的加入可有效提高盐渍化土壤分类精度。付浩阳等通过野外盐渍化土壤样点的选取，对照分析了样点相应Landsat TM光谱各波段的可分性，据此构建决策树，实现了盐渍化土壤信息提取。除了上述方法，哈学萍(2009)基于SI-Albedo特征空间，王飞(2010)基于NDVI-SI特征空间，丁建丽(2013)
基于MSAVI-WI特征空间，冯娟(2018)基于Albedo-MSAVI特征空间对渭干河-库车河流域土壤盐渍化进行了研究，结果表明基于特征空间分析用于土壤盐碱化研究的有效性。
[0004]通过构建遥感指标与地面实测盐分数据回归统计模型推算土壤盐分，是盐碱度遥感量化分析的常用手段。韩霁昌过田间实验和相关统计分析，分别构建了土壤盐含量及毛管孔隙度与高光谱特定波段的统计方程，利用构建的关系方程实现了土壤盐份的定量反演。丁建丽、Allbed A、Chen J M、Broge N H等都选用近红外波段与盐分指数建立正比关系构建盐分指数。冯娟通过各光谱指数与土壤含盐量的相关分析，筛选出8种与土壤含盐分密切相关的光谱指数，并组合成综合光谱指数，通过建立GF-1和Landsat8OLI 2个数据源的3种估算模型，共6个模型，对研究区土壤含盐量进行估算与精度分析，结果表明支持向量机回归模型相比于多元线性回归和偏最小二乘回归更适于研究区土壤盐渍化估算。[0005]因土壤盐含量与土壤水分和质地密切相关，徐驰通过主成分分析，选择了对土壤水盐敏感的14个高光谱波段，并建立了土壤水分和盐分的联合提取模型，即基于提取的水
分信息获取盐分信息。与直接提取盐分信息相比，证实联合提取模型可显著提高土壤盐分提取精度。该研究还进一步讨论了土壤水盐三维信息与水动力学模型的结合。李洋洋利用Radarsat2全极化雷达影像与NDVI组成的五个影像因子在分析含盐量、含水量与影像因子相关性基础上，建立了基于这五个影像因子的水盐含量经验模型，并验证了光学遥感与主动微波遥感结合进行盐渍区信息提取有效性。
[0006]本发明人通过对前人相关研究总结，发现基于特征空间的土壤盐渍化分析结果受所选特征空间的影响很大，特征空间选择不同，结果也不同。对已构建的土壤盐分指标分析发现在对盐渍化程度刻画效果上仍有待提高。
发明内容
[0007]有鉴于此，本发明实施例提供了一种土壤盐渍化程度遥感监测的研究方法。[0008]为达到上述目的，本发明主要提供了如下技术方案：
[0009]一方面，本发明实施例提供了一种土壤盐渍化程度遥感监测的研究方法，所述方法包括以下步骤：
[0010]以Landsat遥感影像为数据源，利用盐渍化土壤光谱特征以及高盐高含水的理化特性，选择短波红外SWIR1与近红外NIR两波段之间斜率Slope SWIR1-NIR反映土壤湿度；以近红外值的大小表征土壤盐分含量，构建盐渍化土壤指数ISS；使用目视解译确定的盐渍化土壤近红外等级阈值，结合近红外等级阈值对应的土壤湿度的Slope SWIR1-NIR临界阈值，确定盐渍化土壤指数ISS各等级划分临界阈值；利用盐渍化土壤指数临界阈值对土壤盐渍化进行等级划分。
[0011]作为优选，所述盐渍化土壤为玛纳斯河流域绿洲内部盐渍化土壤，所述Landsat遥感影像是以春季
冰雪融化后，农作物耕种前的Landsat系列数据为数据源；所述短波红外SWIR1中心波长为1.609μm，所述近红外NIR中心波长为0.865μm。
[0012]作为优选，所述Landsat遥感影像经过ENVI5.1进行辐射定标、大气校正和几何校正预处理后使用。
[0013]作为优选，所述盐渍化土壤指数ISS的计算公式为：
[0014]
[0015]其中，公式中NIR是近红外波段的值；C是水体的短波红外-近红外波段平均斜率值；Slope SWIR1-NIR是短波红外SWIR1与近红外NIR两波段之间斜率。
[0016]与现有技术相比，本发明的有益效果是：
[0017]本发明利用Landsat8OLI数据，通过对盐渍化土壤水盐密切相关光谱信息的分段统计，克服特征空间分析的不足，构建理化意义明确的土壤盐碱指标，使其能更准确的反映土壤盐渍化特征。本发明从
一个新的视角来揭示盐渍化土壤年际变化规律，结果对今后盐渍化土壤盐碱度定性和定量分析有一定参考价值。
附图说明
[0018]图1是本发明提供的典型盐渍化土壤模式示意图；
[0019]图2是本发明提供的盐渍化土壤NIR分段统计光谱特征描述图；
[0020]图3是本发明提供的NIR与相应Slope SWIR1-NIR分段统计平均值的关系散点图；[0021]图4是本发明提供的2014年春季盐渍化土壤提取结果及细节展示图；
[0022]图5是本发明提供的2003年春季盐渍化土壤提取结果及细节展示图；
[0023]图6是本发明提供的1997年春季盐渍化土壤提取结果及细节展示图；
[0024]图7是本发明提供的1990年春季盐渍化土壤提取结果及细节展示图；
[0025]图8是本发明提供的NIR与相应SlopeSWIR1-NIR分段统计结果的趋势线拟合图；[0026]图9是本发明提供的实施案例中各年间土壤盐渍化程度等级划分结果图。
具体实施方式
[0027]为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下以较佳实施例，对依据本发明申请的具体实施方式、技术方案、特征及其功效，详细说明如后。下述说明中的多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0028]实施例1(盐渍化土壤指数的构建)
[0029]一种土壤盐渍化程度遥感监测的研究方法：
[0030](1)盐渍化土壤指数的构建
[0031]从大地形看，盐渍化土壤一般地形低洼，排水不畅，土壤含水量高。从小地形看，土壤盐碱情况与大地形正相反，盐分多聚集于低洼中的局部小凸起处。盐渍化土壤土壤有机质含量低，盐分含量高，土壤肥力差，植被覆盖度低。蒸发及土壤毛管水作用将地下的盐分带到地表，导致地表结构疏松，盐分聚集(图1)。
[0032]研究表明近红外波段(NIR)与土壤的有机质含量呈反比，与土壤含盐量呈正比，即有机质含量低，土壤盐分含量越高，近红外波段光谱反射值高。短波红外-近红外波段间的斜率可用于反应土壤含水量，即土壤含水量高，该线段直线斜率小，反之直线斜率大。盐渍化土壤往往表现为盐碱越重，土壤越湿，
即近红外波段值越大，短波红外-近红外波段间的斜率越小(图2)(该规律在春秋表现明显)。但该规律并不总是如此，当降水少，气温高，蒸发大时，在土壤盐分梯度的两端会表现为，随着近红外值增加，短波红外-近红外波段间的斜率也增加，即在土壤盐分梯度的两端，土壤含盐量与土壤含水量的倒数呈正相关关系(夏季模式)。环境条件的变化往往会对结果分析造成很大的影响，使研究者无法从有限的野外采集数据中看清上述土壤水盐在不同季节的变化规律。研究据此通过分段统计，绘制一年中不同时期的NIR(NIR值每升高50划分一个等级)与相应Slope SWIR1-NIR的散点图(图3)，利用春季或秋季土壤盐分和水分这一普遍单调相关规律，通过两者的比值构建盐渍化土壤指数。因斜率值理论上在(-∞,∞)之间，为使指标结果值单调，研究采用水体的短波红外-近红外波段平均斜率值作为常数C(研究中该常数为-30)，利用该数值减去短波红外-近红外波段斜率，使构建的指标分母部分取值范围在(-∞,0)之间。为使结果符合一般表达，研究给构建的指标增加了一个负号，使最终的计算结果值域范围落在(0,∞)之间(公式1-3)。
[0033]
[0034]
[0035]C＝Slope(water)SWIR1-NIR (公式3)
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议