基于Sentinel-2A光谱波段的黄河三角洲土壤盐分反演研究.pdf

资源环境 农业与技术 基于 光谱波段的黄河三角洲土壤盐分反演研究汪金花 李杰(华北理工大学矿业工程学院 河北 唐山)摘 要:土壤是农业生产中至关重要的资源之一 其中土壤盐分是决定土壤肥力和植物生长的重要指标之一 因此 准确地测定土壤盐分对提高农业生产效益和保护土地环境具有重要意义 本研究以黄河三角洲入海口流域为研究区 基于 遥感影像 结合 年 月 日的 组野外土壤采样样本 通过使用偏最小二乘法()和多元逐步回归法()建立土壤盐分反演模型 并基于最优模型对研究区土壤盐分进行预测 研究结果表明:黄河三角洲土壤盐分在近红外和短波红外有显著的吸收反应 其中红边 ()、红边 ()、近红外波段()、窄近红外波段()、波段()和 波段()与研究区土壤盐分显著相关 模型对研究区土壤盐分的预测效果()明显优于 模型反演的效果()研究区土壤盐分呈现出东高西低的分布趋势 盐渍化土壤主要分布在研究区中北部和滩涂地区 其中研究区西部区域土壤盐分较低 研究结果可为黄河三角洲土壤盐渍化的治理及生态建设提供参考依据关键词:土壤盐分 逐步回归 偏最小二乘 黄河三角洲中图分类号:文献标识码:/收稿日期:作者简介:汪金花()女 博士 教授 硕士生导师 研究方向:区域遥感监测 通讯作者李杰()男 硕士在读 研究方向:生态遥感引言黄河三角洲是中国重要的农业区域之一 但其土壤盐碱化问题严重 给农业发展带来了诸多的挑战因此 对土壤盐分的时空分布特征进行研究是非常有必要的 遥感技术由于具备高时间分辨率、广覆盖面和连续观测能力等优点 在土壤盐分反演方面具有很大的潜力 卫星是一种高分辨率的遥感卫星 其多光谱波段覆盖的波段范围广 可以应用于土地利用、地表覆盖和土壤质量等方面的研究 目前已有很多学者利用 数据预测了土壤盐分的分布情况 并进行了评估 其中 等通过使用支持向量机()算法和 数据预测了伊朗半干旱区域的土壤盐分 结果表明 预测模型的精度高于其他算法 并显示了高分辨率的空间分布信息 等发现 卫星的 波段对土壤盐度更敏感 可以作为土壤盐度建模和监测的优秀候选者 另外 杜瑞麒利用 数据分析了河套灌区的土壤盐分对光谱的作用机理 研究发现 土壤盐分在消除水分对光谱的干扰情况下能得到最佳的反演精度 对于不同的研究区域 采用不同的遥感数据和机器学习算法进行分析可以更准确地预测土壤盐分的分布情况 从而更好地实现土壤盐分的管理与保护 本文利用 卫星数据 结合多元逐步回归和偏最小二乘方法 对黄河三角洲入海口流域开展了土壤盐分的时空分布特征的研究 并探讨对于该地区农业发展和土地盐碱化治理的重要性 材料与方法 研究区概况本研究选择位于中国东部的黄河三角洲地区为研究区域 总面积约为 万 包括山东、河南等多个省份 该区域属于亚热带大陆性季风气候区 年平均气温 年降水量约为 主要水系包括淮河和黄河 野外样本采集采样设计综合考虑研究区土壤类型、植被类型、景观特征以及土地利用方式等因素 在野外采样过程中 随机选取了 个均匀分布试验区 每个试验区选取 个采样点 所有的采样点尽量远离道路和建筑 且选取的试验区之间的间距保持在 以上 采样时间为 年 月 日 采样深度为 农业与技术 资源环境 对土壤样本点盐分的提取试验采用电导率法首先进行土样品的制备 具体方法将土样带回实验室进行自然风干去除杂质 并筛选小于 的土壤颗粒 称量 土壤样品与 去离子水配制成水土比为 的土壤溶液 采用电导率仪测定土壤溶液的 (以水土比为 进行土壤溶液的提取)并利用电导法提取土壤中各离子组分的构成和组成含量 最后可通过土壤含盐量与电导率之间的关系提取出土壤的全盐含量图 研究区采样点分布示意图 遥感影像获取及预处理 卫星是欧空局实施的一个卫星计划旨在提供高分辨率的地球观测服务 该卫星搭载了一系列光学传感器 可以在多个波段收集地球表面的图像 数据可以提供高分辨率的地表信息对于土地利用、植被覆盖、水文变化等方面的研究都具有广泛的应用价值 本研究选用 年 月获取的 卫星遥感数据 其空间分辨率为 包括 个光谱波段 对于土壤盐分监测等方面的研究非常有利 同时 也采集了研究区域内 个土壤盐分采样点的数据 用于反演模型的建立和验证表 数据主要参数参数值参数值 、影像的预处理工作包括辐射校正、大气校正、几何校正、影像拼接与裁剪等 本文选用的是已经过大气校正的地表反射率产品 因此只需要进行重采样、格式转换和裁剪等预处理操作 先将哨兵 号 级产品导入到 软件中 进行重采样 采样分辨率以光学波段(分辨率为)为主 导出为 格式 在 中进行裁剪、波段融合等操作根据采样点的位置提取各个波段的光谱反射率 土壤盐分反演模型逐步多元回归()是一种多元线性回归模型 能较好地剔除变量中不重要的参数 也能解决变量中具有高度共线性的问题操作流程是逐个将自变量导入模型中 每个导入的自变量都要经过 检验 并对已选好的变量逐个做 检验 由于导入的新变量使得旧变量不再显著 就会自动地剔除旧变量 这样就会得到最优的变量集模型逐步回归常用方法有向前法和向后法 这里用的是向前法 即变量由少到多 一个一个加入 直到没有可加入的变量偏最小二乘法()是多因变量与多自变量相关建模方法 能够解决普通多元回归模型所不能解决的问题 尤其是当自变量之间存在多重相关性时 能够对数据信息进行分解和筛选 从而提取出对因变量解释能力最强的自变量组合 经过这样的筛选 能够减少对因变量解释无用的噪声的影响 通过系统进行筛选信息也减少了人为因素的影响 模型精度评估在本研究中 将数据集随机选择其/的测量数据用于模型训练 选/的测量数据用于模型验证本研究使用平均方根误差()和决定系 数()来量化最终模型训练及预测的精度 其计算公式如下:()()()()()式中为真实数据为预测数据为数据的平均值 当模型的 值趋近 和 值向零递减被认为逐步趋于最佳 结果与分析 土壤盐分的统计分析在试验前 先对采样点土壤的一些特征进行描述性统计 表 描述了研究区土壤含盐量值、值、含水量和 的最小值、最大值、平均值、标准差和变异系数()等 从表 可以看出 整个研究区的土壤含盐量值变化很大 范围在 平均值为 资源环境 农业与技术 值大于 表明该地区土壤盐分的空间变异性较强研究区土壤的 值在 之间变化平均值为 变异系数与土壤含盐量接近土壤含水量()的范围变化不大 为 值为 研究区 值的范围变化很小 在 区间 值较小表 列出了研究区的 种土壤属性的特征统计与前人研究的值域区间相似 也说明了本次试验中采样点具有代表性 本文土壤盐渍化分类标准根据 的取值范围进行划分 将其分为 类:非盐渍土壤()轻度盐渍化土壤()中度盐渍土壤()重度盐渍土()和极重度盐渍土()如表 所示表 土壤属性描述性统计土壤属性最小值最大值平均值标准差方差变异系数/()/()/注:为电导率 单位为 为土壤含水量单位为 土壤盐分与光谱波段的相关性分析研究使用了该大坝在 年 月 年 月每月中旬的数据 监测点观测数据如表 所示表 土壤盐分分类标准土壤盐分分类饱和土壤浸提液/()各程度盐分百分比/植物反应非盐碱化只有少数耐盐植物生长表 各波段与土壤 值相关性分析波段/()/()注:表示 级别水平显著相关 由表 可知 红边 ()、红边 ()、近红外波段()、窄近红外波段()、波段()和 波段()与土壤盐分显著相关 土壤盐分回归模型研究使用 软件的 函数作此次的多元逐步回归操作 将提取的 个波段信息作为自变量 将土壤 值作为因变量代入逐步回归模型中结果如图 所示由图 可知 在多元逐步回归模型中其训练集的 在测试集中其 农业与技术 资源环境图 逐步回归模型实测值与预测值的关系使用 作偏最小二乘回归模型的训练 结果如图 所示图 偏最小二乘实测值与预测值的关系由图 可知 在偏最小二乘回归模型中其训练集的 在测试集中其 由图 中 模型的土壤 值与 各个光谱波段的回归系数可知 其中水汽波段()对预测土壤 的贡献最大 其次为窄近红外波段()、近红外波段()波段()和 波段()可见光波段、和 对估算土壤 的贡献率较低图 模型中盐分与各参数的回归系数 模型对比为了较好地评估与比较这 种模型的性能表现将模型表现结果进行整理 如表 所示 最低的 和最高的 表示最高模型拟合特性 由表 可清晰地看出 在训练集中 算法的性能表现最好()略高于 算法的模型表现()在测试集中 算法的性能表现也是最好的()也显著高于 算法的模型表现()表 基于 光谱波段的 种模型的性能比较模型训练集测试集 因此 需要综合考虑训练集和测试集的 和 选用测试集中对训练的模型预测性能表现最佳的偏最小二乘回归模型()进行后续的土壤盐渍化的分布研究 根据 种模型训练的结果 可求出这 种模型的土壤盐分与各波段之间的回归方程以便后续该地区土壤盐分空间分布图的制作 土壤盐分与各波段的对应关系如表 所示表 和 回归模型模型公式 研究区土壤盐分图的空间分布以选取的 个波段作为自变量输入模型 利用训练的 模型反演土壤盐分 计算了研究区各像元的土壤盐分值 并生成了土壤盐分的空间分布图如图 所示从 年黄河三角洲盐渍化程度分类图中可以 资源环境 农业与技术 看出 研究区主要为非盐渍土 其主要分布在研究区西部 结果也表明 土壤盐渍化程度由西向东逐渐递增 且沿水体向内陆边缘区域盐渍化程度最重 由于地形低 地下水浅 河口区一带盐碱度较高 此外黄河及水库水面沿岸的土壤盐渍化程度普遍较严重一般在 范围内 其是由于咸水侵入而引起的土壤盐碱化图 土壤含盐量的空间分布 讨论本文基于 光谱波段与野外实测土壤盐分数据 采用逐步回归和偏最小二乘回归模型对黄河三角洲土壤盐分进行了反演研究 最终预测了该地区 年 月的土壤盐分的空间分布情况 从表 对土壤盐分与 影像各个光谱波段的相关性分析中可以看出 红边 ()、红边 ()、近红外波段()、窄近红外波段()、波段()和 波段()与土壤盐分显著相关 等指出 近红外波段和短波红外波段是识别土壤盐分的重要指标 在本次研究中 通过使用多元逐步回归和偏最小二乘来对土壤盐分进行反演 研究结果表明 偏最小二乘模型对研究区土壤盐分的反演结果()明显优于 模型反演的效果()表明偏最小二乘模型是最适应本区域土壤盐分反演的模型 可用于该地区土壤盐分的建模与监测 在对本文反演得到的黄河三角洲土壤盐分的时空分布特征如图 所示 从整体上看 该地区的土壤盐分呈现出东高西低的分布趋势 盐渍化土壤主要分布在研究区中北部和滩涂地区 其中研究区西部区域土壤盐分较低 研究区主要为非盐渍化土壤 其面积过半 主要分布在研究区东部 占比最大 轻度盐渍化区域主要分布在东部和北部 中度盐渍化区域呈零散分布于研究区东南部和北部 重度盐渍化区域仅少量分布在东南部和北部 还有一些河流边上 研究区没有极重度盐渍化区域从图中也可以看出土壤盐渍化的区域大多在居民区周围和水体周围 这可能是地形较低 地下水较浅所导致的 结论本研究以黄河三角洲入海口流域表层土壤为研究对象 通过皮尔逊系数分析了研究区内的 影像光谱波段与土壤 的相关性关系 并基于多元逐步回归法和偏最小二乘法 结合野外实测土壤数据 构建了研究区土壤 含量定量估算模型 最后基于最优模型绘制了研究区土壤盐分空间分布图 可得出以下结论:基于 影像的光谱波段建立的土壤盐分模型中 模型具有较好的精度 获得了较好的预测效果 说明 数据可提供一种可靠的方式来预测土壤盐分的分布情况 且遥感与机器学习技术的应用可以大大提高预测的精准度和效率 基于这些数据的研究结果可为土地利用规划和管理提供可靠的参考参考文献 马驰.基于 遥感数据对吉林白城市土壤含盐量的反演.干旱区研究 ():.李光超.黄河三角洲土壤盐渍化研究综述.安徽农学通报 ():.李星佑 张飞 王筝.土壤盐渍化遥感监测模型构建方法现状与发展趋势.自然资源遥感 ():.().().杜瑞麒.水盐交互效应对 卫星光谱反射率的影响及应用.咸阳:西北农林科技大学.刘泽鹏.基于 数据的沧州市土壤盐碱化时空特征及影响因素分析.石家庄:河北师范大学.():.(责任编辑 常阳阳)