东亚飞蝗隶属于直翅目,蝗总科,斑翅蝗科,飞蝗属,是一种洲际性农业重大害虫。土壤盐分含量等土壤理化性质对东亚飞蝗产卵地选择、蝗卵的发育和孵化等有直接影响;同时,还通过影响植被类型、优势种、盖度和分布等对飞蝗的蝗蝻(育虫)和成虫的取食、活动产生等产生间接影响。此外,土壤盐化是干旱、半干旱农业区主要的土地退化问题,获取有关盐化土壤的性状、范围、面积、地理分布及盐化程度等方面的实时、可靠的信息,对治理盐化土壤,防止其进一步退化和进行农业可持续发展规划至关重要。而遥感以其宏观、综合、动态、快速等特点,成为监测和反演土壤盐分含量的一种新的探测手段。 本文对利用光谱仪实测的土壤光谱进行分析时发现,植被信息严重干扰了土壤光谱信息。当归一化植被指数(NDVI)逐渐减小时,土壤光谱数据与土壤盐分含量之间的相关性明显增大。同时,通过计算实测光谱在各波段的反射率值的均方差,反射率值与土壤盐分含量之间的相关系数和诊断指数,发现波长为451.42—593.79 nm的土壤反射率对盐分含量较为敏感,较适于反演土壤盐分含量。 笔者利用野外样点的地面实测光谱数据建立土壤盐分含量的统计模型,将该模型外推到ASTER影像上,采用ASTER影像的反射率数据反演土壤盐份含量。为了去除植被信息的干扰,提高反演精度,对预处理好的ASTER影像进行了混合像元分解。结果表明,较原始的ASTER影像而言,反演精度的确有所提高。但是统计模型的反演精度总体不高,效果不是很理想。 人工神经网络是近年来发展起来的一种新技术,具有很强的自适应、自学习功能。其中BP(back-propagation)网络是目前应用最为广泛的一种网络模型,它的主要特点是非线性映射能力,采用“误差反向传播”算法,即有教师指导的δ率学习算法。由于土壤光谱特征与土壤盐分含量不是简单的线性的关系,而是很复杂的非线性关系,而BP网络模型的最大的特点就是进行非线性拟合,因此,笔者建立了一个3层的BP网络模型,即输入层、隐层、输出层,以ASTER的B1(波长范围为520—600nm)、B2(波长范围为630—690nm)、B3(波长范围为780—860nm)作为输入,以土壤盐分含量作为输出,利用训练好的BP网络模型进行土壤盐分含量反演。与统计模型相比,反演的精度有明显提高。 最后,根据本研究区实际情况,借鉴前人的研究成果,笔者利用BP网络模型反演的土壤盐分含量对本研究区东亚飞蝗的发生、成灾进行了分析和预测。