基于高光谱和Landsat-8 OLI影像的盐渍化土壤水盐估算模型构建

水盐信息的迅速获取是盐碱地改良利用的重要基础数据。以宁夏银北平罗县盐渍化土壤为研究对象,基于实测土壤水分、盐分含量和高光谱数据反射率及其同期Landsat-8 OLI多光谱影像数据,利用重采样技术进行实测高光谱数据与OLI影像波段匹配,采用11个线性和非线性函数筛选出敏感波段和11个盐分指数,基于多元线性回归(MLR)、偏最小二乘回归(PLSR)和支持向量机(SVM)分别构建土壤含水率(SMC)和含盐量(SSC)的估算模型。结果表明:重采样处理后的实测高光谱波段反射率与OLI影像波段反射率具有极显著相关性,基于线性和非线性函数筛选出的重采样敏感波段及影像盐分指数为自变量构建MLR、PLSR和SVM的SSC估算模型决定系数R2分别为0.626、0.510和0.829,SMC估算模型R~2分别为0.455、0.204和0.731,土壤盐分和水分的SVM估算模型的稳定性和预测能力均优于MLR和PLSR模型,适用于研究区SSC和SMC估算。结果可以为研究区及同类地区不同时期土壤水盐信息估算提供科学依据。     

不同光谱类型对银川平原土壤含盐量反演精度的影响与校正

土壤盐渍化是导致土壤质量下降、耕地减产的重要因素之一。为准确快速评价银川平原土壤含盐量,本研究对野外高光谱数据和室内高光谱数据进行一阶微分(FDR)变换,逐步回归(SR)筛选特征波段,利用偏最小二乘回归(PLSR)与支持向量机(SVM)进行建模,明确适用于本地区土壤含盐量准确反演的光谱类型,并对较差光谱类型进行分段校正与全局校正,尝试提高土壤含盐量反演精度。结果表明: 基于野外光谱的土壤含盐量反演模型精度比室内光谱平均高58.9%;对室内光谱进行分段校正、全局校正后反演精度均有提高,其中,PLSR以分段校正精度更高,建模决定系数(R_c²)、验证决定系数(R_p²)和相对分析误差(RPD)分别为0.790、0.633和1.64,而SVM以全局校正精度更高,R_c²、R_p²和RPD分别为0.927、0.947和3.87;SVM模型的反演精度高于PLSR,其中,野外光谱建模效果最佳,室内全局校正光谱与室内分段校正光谱次之,室内光谱最差。因此,野外高光谱可实现对银川平原土壤表层含盐量的定量反演,经校正的室内光谱对土壤含盐量反演精度显著提升,均可为粮食安全与生态环境高质量发展提供保障。     

基于Sentinel-2A数据的东北森林植物多样性监测方法研究

植物多样性监测是开展生物多样性评估, 制定生物多样性保护政策的基础。传统的森林植物多样性监测以实地调查为主, 难以快速获取森林植物多样性的空间分布及其动态变化信息。遥感技术的发展为评估区域尺度森林植物多样性提供了重要工具。该研究选取凉水、丰林和珲春3个国家级自然保护区, 利用Sentinel-2A卫星影像和野外实测数据, 探讨了基于像元和聚类的光谱多样性直接估算方法, 以及基于随机森林回归的森林植物多样性反演方法。研究结果表明: (1)在像元尺度, 基于凸包面积计算的光谱多样性指数对Shannon-Wiener多样性指数的估算精度(R² = 0.74)优于基于变异系数的方法(R² = 0.60); (2)基于像元的光谱多样性估算方法对Shannon-Wiener多样性指数的估算精度优于聚类分析方法(R² = 0.59); (3)基于6个特征变量, 利用随机森林回归算法对Shannon-Wiener多样性指数的估算精度最高(R² = 0.79); (4)上述方法均不能精确估算Simpson多样性指数和物种丰富度。研究发现基于Sentinel-2A卫星影像能较好地反演Shannon-Wiener多样性指数, 为下一步能在大尺度上进行森林植物多样性估算提供了参考和依据。     

基于土壤异质背景的玉米秸秆覆盖度遥感反演

玉米秸秆覆盖还田是东北平原当前大力推广的一种保护性耕作方式。区域作物秸秆覆盖度(CRC)的遥感估算可大范围快速获取耕地秸秆覆盖还田信息,对于政府监测和推广秸秆覆盖还田工作有重要作用。本研究以吉林省梨树县为研究区,基于Sentinel-2A卫星影像,选取归一化耕作指数(NDTI)、归一化秸秆指数(NDRI)、简单耕作指数(STI)和归一化差值指数(NDI7)4种光谱指数,建立光谱指数与玉米秸秆覆盖度的线性回归模型,进行秸秆覆盖度反演。结果表明: 研究区土壤背景空间异质性较强,对光谱指数回归模型影响显著,采用土壤质地分类(分区)分别建立回归模型的方法可提高反演精度。土壤背景空间异质性会增大模型估算误差;4种光谱指数与玉米秸秆覆盖度均有较强相关性,其中,NDTI和STI模型表现更好;基于NDTI和STI的分区线性回归模型验证R²为0.84、RMSE为13.3%,优于不分区的模型(R²为0.75,RMSE为16.5%),有效提升了反演精度。     

湿地土壤全氮和全磷含量高光谱模型研究

氮磷是湿地生态系统土壤中的重要营养元素,其对湿地植被生长、湿地生态系统生产力、区域富营养化变化、湿地环境生态净化功能等具有重要的影响作用。研究氮磷营养物质在湿地土壤中的分布变化特征,对湿地生态系统评估、恢复和管理具有重要的意义。以中国高纬度地区面积最大的滨海芦苇湿地——盘锦湿地为研究区,采用不同建模方法(再抽样多元逐步回归模型bootstrap SMLR和再抽样偏最小二乘回归模型bootstrap PLSR)和光谱变换技术(包络线去除CR、光谱一阶微分FD和光谱倒数的对数LR),分别建立了湿地土壤全氮和全磷含量的估算模型。基于湿地土壤实测光谱,模拟高光谱Hyperion数据和多光谱TM数据,在此基础上进行湿地土壤营养元素含量估算。对比所建反演模型的估算精度,探讨高光谱遥感技术对湿地土壤营养元素组分的估算能力和适用性。研究结果表明:bootstrap PLSR相比于bootstrap SMLR建模方法,其对研究区湿地土壤全氮和全磷含量的估算获得了较高精度;对盘锦湿地土壤全氮含量的估算,最高估算精度产生于CR光谱变换技术结合bootstrap PLSR建模;对湿地土壤全磷含量的估算,最高估算精度产生于原光谱数据结合bootstrap PLSR建模;模拟高光谱数据Hyperion对湿地土壤全氮和全磷含量的估算精度均高于模拟多光谱数据TM,模拟Hyperion的估算精度更接近于实测光谱的估算精度。     

基于无人机的冬小麦拔节期表层土壤有机质含量遥感反演

快速监测大面积分布的盐渍化麦田土壤有机质含量,可为推进盐渍土改良和促进碳循环研究提供数据支撑。通过野外采样与获取无人机遥感影像,分别基于裸土和植被情况,采用多元线性回归(MLR)、偏最小二乘回归(PLSR)和支持向量机回归(SVR)3种方法,建立区域有机质含量遥感模型,并进行检验和对比,确定最优的土壤有机质含量反演模型;最后基于最优模型进行研究区表层土壤有机质的反演,并与插值结果进行比较。结果表明: 经5×5的中值滤波处理后的光谱与土壤表层有机质对应最优;3种模型中,SVR模型的预测精度最高,PLSR次之,MLR效果最差。对比两种变量的建模效果,基于植被的SVR建模效果最好,其建模决定系数(R²)、均方根误差(RMSE)分别为0.89、0.20,验证R²、RMSE分别为0.82、0.24;基于裸土的建模效果不理想,最优的也是SVR模型,其建模R²、RMSE分别为0.63、0.26,验证R²、RMSE分别为0.61、0.25。根据最优模型反演得到该区域有机质含量为17.51～22.53 g·kg^-1,平均值为19.51 g·kg^-1,与实地调查结果较为一致;插值结果与反演结果相比,精度受到限制。综上,基于无人机多光谱可以对盐渍土冬小麦拔节期土壤有机质含量进行快速、大范围精准估测。     

野皂荚对NaCl胁迫的生理响应及耐盐性

以盆栽野皂荚2年生实生苗为材料,设置土壤NaCl含量分别为0.053%（CK）、0.15%、0.3%、0.45%和0.6%的盐胁迫处理,研究不同浓度盐处理对苗木生长、细胞膜透性、细胞保护酶活性以及Na⁺和K⁺分布格局的影响,探讨了其耐盐阈值和机理.结果表明：随着NaCl浓度增加,苗木生长量逐渐降低,盐害指数逐渐升高;野皂荚可忍耐的土壤含盐量为0.42%.随着NaCl浓度增加,叶片相对电导率、氧自由基产生速率和丙二醛(MDA)含量均逐渐增大;超氧化物歧化酶(SOD)、过氧化物酶(POD)和过氧化氢酶(CAT)活性呈先上升后下降的变化趋势,在土壤含盐量0.3%或0.45%时达到峰值;高盐胁迫下,SOD、POD和CAT活性的增强可及时清除盐胁迫产生的氧自由基,进而缓解或避免膜脂过氧化作用对组织细胞的伤害.盐胁迫下根、茎、叶的Na⁺含量均逐渐增大,且呈现根>叶>茎的分布格局;K⁺含量和K⁺/Na⁺呈下降趋势,呈现叶>根>茎的分布格局;K⁺-Na⁺选择性运输系数(S_K⁺·Na⁺)随着土壤含盐量的增加逐渐升高,且叶S_K⁺·Na⁺高于茎S_K⁺·Na⁺.野皂荚耐盐机制是根系拒盐和叶片耐盐;盐胁迫下,根系Na⁺累积能力增强可控制Na⁺向地上运输以避免盐害发生,叶片K⁺选择性吸收和累积能力的显著提高可忍耐和补偿Na⁺对组织的伤害.     

无人机高光谱联合LiDAR估测林分与单木尺度叶绿素含量

叶绿素是表征植被健康状况的重要指标,它的准确估计对森林碳汇评价研究至关重要。本研究通过无人机高光谱数据联合激光雷达点云估计针叶林、阔叶林和针阔混交林林分与单木水平的叶绿素含量,提升叶绿素无损估测精度,全面分析不同尺度叶绿素含量空间分布规律。在无人机高光谱数据与激光雷达点云融合的基础上,结合地面样地实测数据,通过相关性分析筛选与叶绿素含量相关的36个光谱特征变量,采用统计模型多元逐步回归、BP神经网络、萤火虫算法优化的BP神经网络、随机森林和混合数据驱动的机理模型PROSPECT模型构建多个叶绿素估算模型,选取最优模型估算森林叶绿素含量,分析其在林分和单木尺度上水平方向与垂直方向的空间分布规律。结果表明：在统计模型中,随机森林(R²=0.59～0.64,RMSE=3.79～5.83μg·cm^-2)优于多元逐步回归、BP神经网络和萤火虫算法优化的BP神经网络构建的模型;机理模型验证精度最高(R²=0.97,RMSE=3.40μg·cm^-2)。不同林分类型叶绿素的含量存在较大差异,阔叶林叶绿素含量为25....     

疏叶骆驼刺适应盐渍生境的离子分布、吸收和运输特征

以塔里木盆地南缘关键物种疏叶骆驼刺为材料,研究了不同盐渍土壤生境(轻度盐渍土、中度盐渍土、重度盐渍土)下其器官间Na⁺、K⁺、Ca²⁺、Mg²⁺的分布、吸收及运输特征,以探讨疏叶骆驼刺对自然盐渍生境的适应特性.结果表明: 在轻度和中度盐渍土生境,Na⁺在各器官中的分布规律为茎≈刺>叶>根,而在重度盐渍土生境,Na⁺分布规律为叶>茎≈刺>根;Ca²⁺和Mg²⁺在疏叶骆驼刺体内的分布规律为叶>刺>茎>根.随着土壤含盐量的增加,疏叶骆驼刺体内各器官Na⁺含量都增大,而叶片中K⁺含量呈下降趋势;根和叶器官中K⁺/Na⁺值明显降低,各器官中Ca²⁺/Na⁺、Mg²⁺/Na⁺值都降低.盐渍生境下,疏叶骆驼刺体内Ca²⁺选择性运输系数和Mg²⁺选择性运输系数均为茎-叶>茎-刺>根-茎.疏叶骆驼刺为适应盐渍生境,在土壤含盐量较低时,将Na⁺聚集于茎和刺;而在土壤含盐量较高时,则将Na⁺聚集于叶片.此外,Ca²⁺和Mg²⁺可能是疏叶骆驼适应盐渍生境的无机渗透调节物质.     

花期苹果树冠氮素营养状况的卫星遥感反演

以山东栖霞为研究区,基于TM和ALOS影像获取花期苹果树的冠层反演反射率,结合实测反射率,构建并筛选氮素敏感光谱指数,以敏感光谱指数为自变量,建立氮素反演模型,利用精度最高模型进行空间反演.结果表明： 光谱指数与氮素营养相关性为：冠层＞叶＞花,敏感指数构成以绿、红、近红外波段为主;反演模型精度为：支持向量机回归＞逐步回归＞单变量回归;基于不同影像的反演结果近似,叶N含量均以3～4等(27～33 g·kg^-1)为主,冠N指标均以2～4等(TM: 38～47 g·kg^-1; ALOS: 32～41 g·kg^-1)为主;基于不同影像的空间布局亦类似,研究区北部和南部的营养水平高于中部,叶N和冠N高等级区域位于西北部的苏家店镇和松山街道、东北部的臧家庄镇和亭口镇、南部的蛇窝泊镇等,与苹果生产重点镇布局一致.此研究为果树营养状况的宏观数据获取提供了可行方法,也可为其他类似遥感反演提供借鉴.     

Comparison of the use of Landsat 8, Sentinel-2, and Gaofen-2 images for mapping soil pH in Dehui,northeastern China

Mapping the distribution and quantity of soil properties is important for black soil protection, management, and restoration in northeastern China. The objective of this study was to evaluate the effect of the spatial resolution on soil pH mapping using satellite images of the black soil region in northeastern China. A high spatial resolution Gaofen (GF)-2 high-definition image and multispectral images acquired by the Landsat 8 operational land imager and Sentinel-2 multi-spectral instrument were used to compare their performance in soil pH prediction. The spectral variables, including the original bands of the three satellite images and a variety of spectral indices derived from the original bands, were employed. Then, a machine learning model (quantile regression forest) was used to determine the relationships between the spectral variables and the measured soil pH, and prediction models were established to estimate the soil pH and to characterize the spatial pattern of the soil pH. The results revealed that the soil pH prediction model based on the GF-2 image had a slightly higher prediction accuracy than the models constructed using the Landsat 8 and Sentinel-2 images. The prediction models for Landsat 8, Sentinel-2, and GF-2 had root mean square errors of 0.34, 0.39, and 0.31, respectively. The use of remote sensing images with a high spatial resolution may not substantially increase the prediction accuracy of soil pH mapping compared with the results derived from medium-resolution images.     

基于Sentinel-1和Sentinel-2A的西小山林场平均树高估测

森林资源调查对于我国森林生态系统可持续发展具有重要意义,森林平均高度是森林资源调查的主要结构参数,也是获取难度最大的关键参数之一。为探究联合主被动遥感技术在估测森林平均高度方面的潜力,本研究以吉林省临江市西小山林场为研究区,利用Sentinel-1 SAR和Sentinel-2A数据,通过提取Sentinel-1的2个后向散射系数、8个纹理信息,以及Sentinel-2A的10个光谱波段及其纹理信息和11个植被指数,采用多元线性回归方法分别建立基于上述变量以及融合4类变量的5组平均树高估算模型,并评估各变量对反演精度的影响。结果表明: 单一数据源变量中,基于Sentinel-2A光谱波段提取的纹理信息建模效果较好,能够作为估算森林平均高度的有效数据;融合4类变量的森林平均高度估算模型最优,R²达0.56、留一交叉验证均方根误差为2.92 m、相对留一交叉验证均方根误差为21.5%。基于Sentinel-1与Sentinel-2A特征变量的平均树高模型能够提高森林高度的估算精度,可用于区域森林平均高度估测和制图。     

Mapping land cover and forest density in Zagros forests of Khuzestan province in Iran: A study based on Sentinel-2, Google Earth and field data

Zagros forests in western Iran have widely been destroyed because of various reasons. This study was performed to provide the land cover and forest density maps in Zagros forests of Khuzestan province using Sentinel-2, Google Earth and field data. The forest boundary in Khuzestan province was digitized in Google Earth. Sentinel-2 satellite images were provided for the study area. One 1:25000 index sheet of Iranian Mapping Organization (IMO) was selected as pilot area in the province. Sentinel-2 image of the pilot area was classified using different supervised classification algorithms to select the best algorithm for land cover mapping in Khuzestan province. In addition, to evaluate the accuracy of Google Earth data, field sampling was performed using random plots in different land covers. Field data of forest plots were applied to investigate tree canopy cover percent (forest density), as well. Classification of Sentinel-2 image in Zagros area of Khuzestan province was done using the best algorithm and the land cover was obtained. The forest density map was also obtained using a linear regression model between tree canopy cover percent (obtained from field plots) and normalized difference vegetation index (NDVI) (obtained from NDVI map). Finally, the accuracy of land cover map was assessed by some square plots on Google Earth. Results demonstrated that support vector machine (SVM) algorithm had the highest accuracy for land cover mapping. Results also showed that Google Earth images had a good accuracy in the Zagros forests of Khuzestan province. Results demonstrated that NDVI has been a good predicator to estimate tree canopy cover in the study area. Based on results, an area of 443,091.22 ha is covered by Zagros forests in Khuzestan province. Results of accuracy assessment of the land cover map showed the good accuracy of this map in Khuzestan province (overall accuracy: 91% and kappa index: 0.83). For optimum management of Zagros forests, it is suggested that the land cover and forest density mapping will be performed using SVM algorithm, NDVI, and Sentinel-2 satellite images in Zagros forests of Khuzestan province in the certain periods.     

滨海滩涂地带乌哺鸡竹和淡竹离子含量变化及其与生长及光合作用的关系

在沿海滩涂防护林带低盐区(0.1%)、中盐区(0.2%)和重盐区(0.4%) 3个盐分梯度下,研究了栽植10年的乌哺鸡竹和淡竹Na⁺、K⁺、Ca²⁺、Mg²⁺含量变化及其与生长和光合作用的相关关系.结果表明: 从低盐区到重盐区,乌哺鸡竹的立竹密度和地径分别下降30.4%和28.8%,降幅低于淡竹的44.1%和31.2%;两竹种单株生物量下降,地上器官生物量降幅均显著高于地下器官;乌哺鸡竹和淡竹净光合速率(P_n)和PSⅡ最大光化学效率(F_v/F_m)分别下降57.6%和67.7%、6.1%和7.4%,乌哺鸡竹耐盐能力比淡竹强.随着土壤含盐量的增大,乌哺鸡竹和淡竹各器官Na⁺含量逐渐增加,K⁺、Ca²⁺、Mg²⁺含量逐渐降低.两竹种根Na⁺积累较多,而地上部分K⁺含量较高.盐胁迫环境导致乌哺鸡竹根Ca²⁺含量与淡竹叶片Mg²⁺含量明显下降.两竹种的生物量、P_n、F_v/F_m与Na⁺含量呈显著负相关,与K⁺、Ca²⁺含量呈显著正相关.     

联合GF-6和Sentinel-2红边波段的森林地上生物量反演

光谱反射率能反映地物差异,是森林地上生物量（Aboveground Biomass,AGB）遥感反演的理论基础。红边波段处于近红外与红光波段交界处快速变化的区域,能对植被冠层结构和叶绿素含量的微小变化做出快速反应,对植被生长状况较敏感。研究以GF-6和Sentinel-2多光谱影像作为数据源,结合野外调查AGB数据,构建落叶松和樟子松AGB线性和非线性估测模型,通过比较模型精度选择最优模型进行森林AGB反演和空间分布制图。结果表明：GF-6和Sentinel-2影像红边波段反射率与落叶松、樟子松AGB均呈显著相关（P<0.05）,红边波段对AGB估测较敏感。多变量估测模型整体估测效果优于单变量模型,所有模型中多元线性回归模型取得了最优的决定系数（落叶松R²=0.66,樟子松R²=0.65）和最低的均方根误差（落叶松RMSE=31.45 t/hm²,樟子松RMSE=54.77 t/hm²）。相比单个数据源,联合GF-6和Sentinel-2影像构建的多元线性回归模型估测效果得到了显著提升,模型RMSE对于落叶松和樟子松AGB估测分别最大降低了22.9%和11.2%。增加红边波段进行AGB估测能显著提高模型估测精度,三组数据源分别加入红边波段信息后进行建模,模型RMSE得到了显著降低。GF-6拥有800 km观测幅宽和高效的重访周期,可以快速地提供大尺度时间序列数据,在森林地上生物量反演和动态监测方面有着很大潜力。     

滨海盐渍农田土壤硝化势特征及其影响因素

明确滨海盐渍农田土壤的硝化能力,探究土壤环境中影响硝化过程的主要因子,对调控农田土壤硝化作用和提高氮肥利用率具有重要意义。通过野外调查和室内分析相结合的方法,研究了滨海淤泥质滩涂盐渍区域(东营市和东台市)农田土壤硝化势和土壤物理、化学、生物学性质,运用多元逐步回归分析和结构方程模型(SEM)建立了土壤性质与土壤硝化势的相关关系。结果表明:滨海盐渍农田土壤除pH值较稳定外,其他土壤性质和土壤硝化势变化差异较大。土壤硝化势范围为0.04～10.42 mg·kg^-1·d^-1,随土壤盐渍化程度增加而降低。相关分析表明,土壤硝化势与土壤有机质、阳离子交换量和Cl^-的相关性最强,相关系数分别为0.409、0.397和-0.337;而多元逐步回归分析表明,Na⁺、粉粒、阳离子交换量、CO₃^2-+HCO₃^-为土壤硝化势的主要影响因子。SEM分析结果表明,Na⁺、粉粒、阳离子交换量、CO₃^2-+HCO₃^-为影响土壤硝化势的直接因子,有机质、黏粒、Cl^-、SO₄^2-为影响土壤硝化势的间接因子。总之,土壤Na⁺和阳离子交换量是影响硝化作用的两个主要因素,在该区域调控土壤NaCl含量和阳离子交换量为调节土壤硝化过程的有效手段。     

基于DWT-GA-PLS的土壤碱解氮含量高光谱估测方法

以山东齐河县为研究区,实地采集土壤样本,在土样高光谱测试并进行一阶导数变换的基础上,先运用离散小波变换(DWT)对土壤光谱去噪降维,然后采用遗传算法(GA)筛选土壤碱解氮定量估测模型的参与变量,最后应用偏最小二乘(PLS)回归构建土壤碱解氮含量的估测模型.结果表明: 离散小波变换结合遗传算法和偏最小二乘法(DWT-GA-PLS)用于土壤碱解氮含量定量估测,不仅可压缩光谱变量、减少模型参与变量,而且可改善模型估测准确度;较之于采用土壤全谱,小波离散分解1～2层低频系数构建的模型在参与变量大幅减少的情况下,取得更准确或与之相当的预测结果,其中,基于第2层小波低频系数采用GA筛选变量构建的PLS模型的预测效果表现最好,预测R²达到0.85,RMSE为8.11 mg·kg^-1,RPD为2.53.说明DWT-GA-PLS用于土壤碱解氮含量高光谱定量估测的有效性.     

基于SVR算法的林地土壤氮含量高光谱测定

提出了一种利用高光谱技术进行杉木林土壤全氮测定的新方法。以FieldSpec®3地物光谱仪采集杉木林土壤148份, 随机分成校正集(100份)和检验集(48份)。以不同方法实现了土壤光谱的预处理, 并采用偏最小二乘回归算法(PLS)建立土壤氮含量估测模型对其进行比较分析, 发现小波除噪结合多元散射校正能最有效地消除原始光谱的噪声与背景信息, 此时PLS模型校正集与预测集R²分别为0.891与0.885。为进一步优化模型, 对经小波除噪结合多元散射校正处理后的光谱采用主成分分析法(PCA)降维, 以前4个主成份为输入变量, 采用小二乘支持向量机回归算法(LS-SVR)建立了土壤氮含量估测模型, 其校正集与预测集R²分别提高至0.921与0.917, 具有比PLS算法更高的精度。结果表明:以高光谱技术进行林地土壤氮含量快速监测是可行的, 其中小波去噪结合多元散射校正系光谱预处理的优选方法, 而LS-SVR则是建模的优选方法。