山东师范大学地理与环境学院, 山东 济南 250014
滨海盐碱区土壤盐分的快速、 准确监测对土地合理利用和保护具有重要意义。 可见光近红外(Vis-NIR)光谱技术已广泛用于土壤属性的高效估测。 然而, 水分对含盐土壤光谱的干扰导致传统土壤盐分估测模型的精度降低。 旨在探究分段直接标准化(PDS)和正交信号校正(OSC)在含水条件下土壤盐分估测中的应用, 从而建立面向滨海盐碱区的“除水”Vis-NIR定量模型。 为此, 将获取的144份黄河三角洲滨海盐碱区表层(0~20 cm)土壤盐分数据划分为建模集(17个样本)和验证集(127个样本)。 通过严格加水控制实验, 测量10个含水率梯度(0%, 1%, 5%, 10%, 15%, 20%, 25%, 30%, 40%和50%)的建模集土壤光谱数据, 验证集的土壤光谱则是根据生成的1~50随机整数, 通过随机加水实验测量获取。 采用PDS和OSC与偏最小二乘回归(PLSR)结合的建模策略, 构建土壤盐分估测模型, 并进行性能验证和比较。 结果表明, OSC比PDS更能有效减轻水分在土壤盐分估测中的建模干扰。 具体来说, 光谱校正前后生成的所有PLSR模型均取得一定的成功($R^{2}_{p}$=0.79~0.91, RMSEP=2.6~3.98 g·kg-1, RPD=1.98~2.37)。 OSC-PLSR模型的土壤盐分估测精度提高, $R^{2}_{p}$, RMSEP和RPD分别为0.91和2.6 g·kg-1和2.37。 而PDS-PLSR模型效果不理想, $R^{2}_{p}$, RMSEP和RPD分别为0.79, 3.98 g·kg-1和1.98。 模型整体表现出了OSC-PLSR>PLSR>PDS-PLSR的土壤盐分估测性能。 此外, 提出了变量投影重要性(VIP)和Spearman相关系数(r)结合的分析策略, 进一步探究了模型的估测机理。 模型的重要波长(VIP>1)与土壤盐分敏感波长(|r|>0.4)吻合, 对估测模型有重要意义。 比较而言, OSC-PLSR精确提炼了位于830, 1 940和2 050 nm附近的模型估测的关键波长, 而常规的PLSR和PDS-PLSR包含了大量的冗余信息。 综合来看, OSC-PLSR模型在Vis-NIR土壤盐分估测中具有较好的除水效果, 为土壤含水状态下的土壤盐分研究提供可靠方法。
Vis-NIR光谱 土壤盐分 水分校正 正交信号校正 滨海盐碱区 Vis-NIR spectroscopy Soil salinity Moisture correction Orthogonal signal correction Coastal saline region 光谱学与光谱分析
2021, 41(10): 3077
江苏师范大学地理测绘与城乡规划学院, 江苏 徐州 221116
土壤盐渍化是土壤退化的重要原因之一, 快速精确地监测土壤盐渍化对农业可持续发展和生态环境保护有积极作用。 提出一种基于数码相片的滨海地区表层土壤盐分的定量估算方法, 旨在复杂天气状况下快捷方便的获取土壤盐分信息。 以江苏盐城沿海地区裸露地表土壤作为研究对象, 在晴天和多云天气下全天时采样和拍照获取52个土壤样本和相片。 土壤样品通过室内测试获取土壤电导率(EC), pH值和土壤含水量等参数。 利用RStudio软件对土壤相片进行处理, 首先从相片中提取RGB三种颜色参数, 再通过颜色空间转换关系计算另外5种颜色空间(HIS, CIEXYZ, CIELAB, CIELUV和CIELCH), 每个颜色空间有三个颜色参数, 加上RGB颜色空间共有18个颜色参数, 其中CIELAB, CIELUV和CIELCH中L参量表示的意义和数值相同, 因此6个颜色空间共有16个颜色参数。 土壤电导率与颜色参数相关分析结果表明, 相片颜色的纯度和亮度与土壤电导率之间的相关系数较高, 并达到了极显著水平, 相片颜色的色相与土壤电导率之间的相关性较低, 且未达到显著水平。 随机抽取70%的样本数据并用随机森林方法对土壤盐分含量进行建模, 采用留一法(LOOCV)进行交叉验证, 再用余下30%的样本数据进行精度检验, 重复100次以获取精度最高的模型。 最终获取估算土壤盐分的随机森林模型, 验证集数据的模型精度达到$R_{val}^{2}$=0.75, RMSEval=3.52, RPDval=2.02。 对颜色参数进行重要性分析发现, 颜色纯度对模型的重要性最大, 其次是颜色亮度, 色相的贡献较小。 综上, 利用数码相机获取表层土壤相片, 通过颜色空间转换得到的颜色参数为有效估算滨海土壤盐分含量提供一个新思路。 该研究对近地表参数定量估算提供了新视角, 将来结合无人机平台能够为精准农业和滨海生态环境的精准管理提供技术支持和有效手段。
土壤盐渍化 数码相机 土壤颜色 颜色空间 随机森林 Soil salinity Digital camera Soilcolor Color space Random forest 光谱学与光谱分析
2021, 41(8): 2409
周晓红 1,2,3,*张飞 1,2,3张海威 1,2,3张贤龙 1,2,3袁婕 1,2,3
1 新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室, 新疆 乌鲁木齐 830046
2 新疆大学绿洲生态教育部重点实验室, 新疆 乌鲁木齐 830046
3 中亚地理信息开发利用国家测绘地理信息局工程技术研究中心, 新疆 乌鲁木齐 830002
土壤盐分是衡量土壤质量的要素, 也是作物生长发育的基本条件。 因此, 迫切地需要一种可以快速了解土壤盐分含量（SSC）的方法。 针对艾比湖湿地自然保护区, 基于Landsat8 OLI多光谱遥感影像, 以该研究区36个土壤表层样品的盐分含量为数据源, 选择相关性较好的多光谱遥感指数分析研究区土壤盐分分布状况, 并将其分别与实测SSC构建线性、 对数、 二次函数模型, 进而优选精度最高的模型来反演该研究区SSC。 结果表明: （1）在多光谱遥感指数中, 与SSC相关性最高的是增强型植被指数（EVI）, 其相关性范围为（-0.70~-0.67）; 其次是传统型植被指数（TVI）, 其范围为（-0.58~-0.46）; 土壤盐分指数（SI）与SSC的相关性最低, 其范围为（-0.45~0.16）, 其中SI3和SI4与SSC均没有相关性。 （2）将实测土壤盐分值所反演的分布图与EVI对比分析, 发现在西北、 正南方向的艾比湖湖边周围和东北方向盐池桥的SSC均较高, 其EVI的值较低, 说明通过该研究区实测土壤盐分值所反演的盐分分布图与EVI的空间分布结果较为一致, 表明EVI对该地区土壤盐分具有一定的敏感性, 能较好地反演SSC的空间分布; （3）分别将三种EVI与实测SSC建模分析比较, 发现SSC与增强型比值植被指数（ERVI）所构建的二次函数模型最好; 其验证集的决定系数（R2）为0.92, 均方根误差（RMSE）为2.48, 相对分析误差（RPD）为2.09, 模型精度较高、 稳定性较为可靠, 相比之下, 说明ERVI对该湿地自然保护区土壤盐分有更高的敏感性, 可以用来预测该区域SSC, 从而进行空间反演。 在TVI中加入Landsat8多光谱遥感影像的b6和b7波段, 得到EVI, 以此来反演SSC是可行的, 且比传统可见光和近红外波段所构建的植被指数反演效果更好。 因此该研究不仅可以为遥感反演提供理论参考, 而且对该地区SSC的定量估算和动态监测具有重要的意义, 也可作为其他区域SSC预测反演的备选方案。
自然保护区 增强型植被指数 土壤盐分指数 反演模型 Natural reserve Enhanced vegetation index Soil salinity index Inversion model 光谱学与光谱分析
2019, 39(4): 1229
1 安徽工业大学能源与环境学院, 安徽 马鞍山 243002
2 土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所), 江苏 南京 210008
3 中国科学院新疆生态与地理研究所, 新疆 乌鲁木齐 830011
为精确揭示区域土壤盐分的三维分异特征, 将由区域遥感影像解析获得的光谱指数、 面域电磁感应大地电导率仪测得的土壤表观电导率和控制点位土壤采样实测数据进行有效耦合, 应用多元回归方法建立土壤盐分解译模型, 利用反距离权重方法对区域土壤盐分三维特征进行插值解析与评价, 创建了基于多源数据的区域土壤盐渍化精确评估方法。 应用实践表明: 案例研究区域各土层土壤盐分含量的变异系数在1.281~1.527之间, 表现为强度变异性; 土壤盐分含量高值主要集中在案例研究区域的中西部地带; 区域盐渍土剖面类型大部分属“表聚型”, 即随着深度增加土壤盐分逐渐减小; 对案例研究区域土壤盐分三维特征解析精度达到相关系数为0.908。 解决了以往多源数据耦合协同以更高精度解析区域土壤盐分特征的难题, 为精确评估区域土壤盐分三维特征和其他地学空间属性解析提供了可靠方法借鉴。
光谱指数 表观电导率 土壤盐分 三维空间变异 Spectral indices Soil apparent electrical conductivity Soil salinity Three-dimensional spatial variability 光谱学与光谱分析
2018, 38(11): 3528
1 新疆大学资源与环境科学学院, 教育部绿洲生态重点实验室, 新疆 乌鲁木齐 830046
2 北京联合大学应用文理学院城市系, 北京 100083
通过对新疆阜康500水库下游的盐渍化土壤实地定点取样和光谱测量, 利用光谱变换、 相关分析等方法, 定量探讨了不同人为干扰程度的土壤盐分、 水分与光谱反射率之间的关系, 并建立了土壤反射光谱与盐分含量之间的多元线性回归预测模型。 结果表明: （1)人为干扰程度与土壤盐分呈极显著正相关, 而与土壤水分呈极显著负相关, 相关系数分别为0961和-0929。 （2)在不同干扰程度与土壤光谱反射率的关系中, 重度干扰的土壤反射率比轻度干扰土壤的反射率高10%, 比未干扰高17%。 这是由于人为干扰破坏了土壤表面的少量植被及生物、 物理结皮, 土壤表层因缺乏保护, 水分会迅速蒸发, 并将土壤下部的盐分带到上部, 加之降水稀少, 盐分在表层聚集。 干扰程度越高, 结皮破坏越严重, 土壤积盐越多, 反射率越高。 （3)随干扰程度的不断增加, 土壤原始光谱反射率与盐分相关系数的两个最大值逐渐向近红外波段偏移（999, 876～979, 1 182～1 370和1 900 nm), 这预示着, 在近红外区土壤光谱反射率对盐分含量更为敏感。 （4)利用反射率R、 反射率一阶导数R′、 反射率R+水分分别建立了不同干扰程度的三类土壤盐分含量预测模型。 综合R2和RMSE判断模型精度, 在不同干扰程度下, 同类型的土壤含盐量预测模型中, 干扰程度越小, 模型精度越高; 而在相同干扰程度下, 不同类型的土壤含盐量预测模型中, 均以一阶导数R′建立的模型预测效果最优, R2均超过0983。 总体上, 模型精度提高了5%～10%, 表明原始光谱经过一阶导数变换处理, 可以去除部分线性背景值的干扰, 提高预测土壤含盐量的精度。
干扰程度 盐渍土 反射光谱特征 Degrees of disturbance Soil salinity Spectral characteristics
1 新疆大学资源与环境科学学院, 新疆 乌鲁木齐 830046
2 绿洲生态教育部重点实验室, 新疆 乌鲁木齐 830046
土壤组成较为复杂, 单纯利用土壤光谱信息探测土壤盐度, 反演精度不足以满足实际需求。 通过遥感获取的植被信息(植被类型和生长状况)可间接反映土壤盐分的空间分布特性, 弥补上述不足。 为此, 基于干旱区土壤盐度与植被之间的协同变化, 尝试结合土壤和植被光谱信息, 借助二维特征空间理论, 构建土壤盐度推理模型, 提高土壤盐度推理精度。 对于干旱区单个像元下土壤光谱的影响, 利用归一化植被指数(normalized difference vegetation index, NDVI) 难以准确反演干旱区稀疏植被参数。 因此, 首先利用线性混合像元分解模型(linear spectral unmixing model, LSUM)提取研究区地物组分, 构建植被组分指示因子(combined vegetation indicative factor, CVIF)方程, 并与土壤盐度指数(salinity index, SI)构建二维特征空间。 分析二维特征空间内散点走势与土壤盐分之间的关系, 建立土壤盐度推理模型(salinity inference model, SID)。 验证结果显示, CVIF提取的植被信息精度(R2>0.84, RMSE=3.92)高于应用较为广泛的NDVI(R2>0.66, RMSE=13.77)。 构建的SID模型与前人基于NDVI建立的联合光谱指数(combined spectral response index, CORSI)相比, 前者(R2>0.86, RMSE=6.86)推理精度优于后者(R2>0.71, RMSE=16.21)。 由此得出结论, 基于土壤和植被光谱信息双重判定的SID模型对土壤盐渍化的高精度遥感监测研究具有较好促进作用。
土壤盐分 植被指数 推理模型 线性混合像元分解模型 Soil salinity Vegetation index Inference model The linear spectral unmixing model 光谱学与光谱分析
2016, 36(6): 1848
山东农业大学资源与环境学院, 土肥资源高效利用国家工程实验室, 山东 泰安 271018
选择山东省无棣县“渤海粮仓”项目核心示范区为研究区, 利用ADC便携式多光谱相机和EC110便携式盐分计, 采集该区近地多光谱相片和土壤表层含盐量数据, 通过NDVI, SAVI, GNDVI三种植被指数分别与实测土壤含盐量构建线性、 指数、 对数、 乘幂、 二次和三次函数共18种模型, 进而优选土壤盐分含量最佳估测模型, 反演和分析研究区土壤盐分状况。 结果显示, 各模型均可有效估测土壤盐分含量, 以SAVI为因变量构建的各模型估测效果较好, 其中以SAVI的线性模型(Y=-0.524x+0.663, n=70)为最佳, 显著检验水平下的F检验值最高, 为141.347, 估测R2为0.797, 精度达到93.36%; 研究区的土壤盐分含量集中在2.5‰～3.5‰之间, 呈现从西南向东北逐渐升高的明显分布规律。 探索了基于近地面多光谱数据的土壤含盐量估测方法, 为研究区乃至整个黄河三角洲滨海盐碱土的盐分含量估测提供了一种快速有效的技术方法。
无棣县 ADC多光谱相机 土壤含盐量 Wudi County ADC portable multispectral camera NDVI NDVI SAVI SAVI GNDVI GNDVI Soil salinity
1 陕西省土地工程建设集团有限责任公司, 陕西 西安 710075
2 国土资源部退化及未利用土地整治工程重点实验室, 陕西 西安 710075
3 陕西省土地整治工程技术研究中心, 陕西 西安 710075
选取陕北典型半干旱区为研究对象, 利用土壤高光谱特征对盐分进行反演研究。 在研究区域选取样点, 采集土壤样品测定土壤光谱特征, 以土壤反射率(R)、 反射率对倒数(Log(1/R))及去包络线的反射率(Rcr)三个光谱特征进行土壤盐分反演研究, 分析其与土壤盐分的相关性, 遴选特征波段, 并通过Matlab编程利用最小偏二乘回归方法(partial least squares regression, PLSR)建立土壤盐分定量反演模型, 然后利用检验样点进行精度检验和比较。 结果表明, 利用经包络线去除后光谱反射率进行定量反演的均方根预测误差最小(1.253<1.367<1.575), 其预测精度最高; 利用土壤高光谱特征进行盐分反演的预测值与实测值相关性良好(r2=0.761), 趋势线接近于y=x。 总之, 研究发现, 土壤反射率经过包络线去除后, 利用偏最小二乘回归方法建立的反演模型具有良好的精度, 这将有利于提高土壤盐渍化的监测效率。
半干旱区 土壤盐分 高光谱 反演 Semiarid area Soil salinity Hysperspectral Inversion 光谱学与光谱分析
2014, 34(4): 1081
1 中国科学院土壤环境与污染修复重点实验室（南京土壤研究所）, 江苏 南京210008
2 中国科学院大学, 北京100049
3 中国科学院南京分院, 江苏 南京210008
近年来光谱技术以其经济、 高效的优势在土壤盐渍化监测研究中得到重视, 但是由于土壤水分对反射光谱影响很大, 土壤湿润条件下监测精度难以满足农业生产需求。 通过对盐土土柱室内模拟蒸发过程中的反射光谱和水分、 盐分变化的连续监测, 利用多元逐步回归方法, 建立了1 370～1 610 nm光谱对称度与土壤表层含盐量、 含水量之间的线性关系模型, r为0.863; 用该模型反演表层土壤含盐量, 实测值与预测值之间线性关系的r为0.656（n=54）, RMSE为2.059 g·kg-1。 利用光谱对称度可以实现土壤湿润条件下土壤盐分含量预测。
土壤盐渍化 土壤湿润条件 光谱对称度 土壤含盐量 预测 Soil salinity Wet condition Spectral symmetry Soil salt content Prediction 光谱学与光谱分析
2013, 33(10): 2771
1 土壤与农业可持续发展国家重点实验室（中国科学院南京土壤研究所）, 江苏 南京210008
2 安徽工业大学, 安徽 马鞍山243002
为揭示中原黄泛区土壤盐分三维空间分布特点, 以河南省封丘县为研究区域, 综合应用土壤采样数据与遥感影像数据, 利用光谱指数法与三维反距离权重法（IDW）对三维土壤盐分空间变异特征进行了解析与评价, 显著提升了区域土壤盐分的三维预测精度。 研究区域土壤电导率变异系数在0.218～0.324之间, 属中等变异强度; 各层土壤电导率的平均值在0.121～0.154 ds·m-1之间, 土壤盐分高值区主要分布在天然渠与黄河沿线区域, 研究区盐渍土剖面类型属“底聚型”, 即随着深度增加土壤盐分含量逐渐增大, 呈现底土积盐的趋势; 该研究表明应用以光谱指数数据为基础的三维IDW方法对区域土壤盐分三维特征进行解析可以达到较高精度。 该研究为中原黄泛区盐渍障碍耕地的治理利用提供了可靠技术方法。
光谱指数 反距离权重法 土壤盐分 三维空间变异 Spectral indices Inverse distance weighting Soil salinity Three-dimension spatial variability 光谱学与光谱分析
2013, 33(10): 2758
