土壤盐碱化是干旱、半干旱农业区主要的土地退化问题,及时、精准、动态地获取盐碱土盐分信息,对治理盐碱土、防止其进一步退化和进行农业可持续发展至关重要。传统土壤盐碱化监测采用野外土壤定点调查方式,不仅费时、费力,而且测点少,代表性差,无法实现大面积实时监测。遥感 由于能大面积、重复获取多波段、多时相的信息,为大面积实时动态监测盐碱土状况提供了可能。 本论文以吉林省长岭县作为研究区,利用盐碱土高光谱数据和非遥感因子构建盐碱土盐分遥感反演模型。采用电导法测得土壤全盐量,利用 ASD 高光谱仪野外采集高光谱数据,通过分析不同盐分盐碱土的高光谱数据得出盐碱土光谱曲线特征。利用单波段相关分析及多元线性逐步回归分析方法,讨论了不同盐分盐碱土光谱数据与盐分的关系,精选出能够表征盐碱土盐分信息的最佳波段组合,即900nm,800nm,760nm,650nm,580nm,该波段组合可以作为本模型的输入变量。除遥感因子外,地下水埋深和地下水矿化度两个非遥感因子也是建立盐碱土盐分遥感反演模型重要的输入变量。选用BP人工神经网络模型——智能计算的重要分支,在建模过程中经过反复试验与结果比较,不断调整隐含层数目和神经元的个数,使得模型结果不断优化。最终,选择BP神经网络反演盐分信息模型为7-5-3-1结构,即输入层、双隐含层和输出层的神经元个数分别为75,3 和 1。该模型奠定了利用卫星影像反演盐碱土盐分的基础,有可能为各地区盐碱土盐分信息的提取提供方法支持。 论文共分4章,第1章主要阐述了盐碱土遥感监测的国内外研究进展、本论文的研究目标、意义及其工作路线。第2章介绍了研究区——长岭县的自然、人文地理概况和土壤盐碱化现状。第3章定量分析了实验采集的盐碱土高光谱数据与盐分、TM影像数据的关系,利用多元线性逐步回归和相关分析方法确定了表征盐碱土盐分信息的最佳波段组合。第4章基于BP神经网络模型构建了盐碱土盐分遥感反演模型,并进行模型精度检验。结论部分对全文进行概括总结,并讨论了本模型现存问题及改进之处。