论文部分内容阅读
土壤盐渍化作为土地荒漠化和土地退化的主要类型之一,是造成干旱、半干旱地区土壤流失的重要原因,及时快速发现和治理土地盐渍化问题显得尤为重要。为建立土壤盐渍化遥感监测模型,选取宁夏平罗县典型土壤盐渍化发生区域作为研究区,以野外原位光谱测量数据和实验室内测得的土壤含盐量与pH数据为基础,运用高光谱数据处理方法,分析不同盐渍化程度土壤的光谱特征；对实测土壤光谱反射率进行倒数、对数、均方根及其一阶微分等光谱变换,计算高光谱指数；与土壤样本含盐量进行相关性分析,筛选盐渍化土壤的光谱特征波段,利用多元线性回归分析建立土壤盐渍化监测模型。通过本文的研究,得到如下结论：(1)野外实测光谱数据与实验室测得的土壤含盐量数据相结合,将土壤类型主要分为非盐渍化土壤、轻度盐渍化土壤、中度盐渍化土壤、重度盐渍化土壤四大类型。不同程度盐渍化地区的土壤光谱特征曲线在形态上基本趋于一致；但在可见光波段,不同程度盐渍化土壤的反射率并不呈现规律性变化。(2)将实测的土壤及植被光谱反射率数据进行倒数、对数、对数倒数、均方根等四种形式的变换,再对原始光谱反射率以及四种变换形式的光谱反射率数据进行一阶导数微分变换以及原始光谱的二阶微分导数变换,共计22种变换形式的反射率数据。再同四种不同类型的土壤含盐量数据进行统计分析,计算相关系数,得到相关系数图。图中显示,各种变换形式可以有效提高光谱反射率和土壤含盐量两者之间的相关性。(3)以筛选出的特征波段为自变量与土壤含盐量进行统计回归分析,构建土壤盐分动态监测模型,结果表明构建模型的模拟值与实际测量的土壤含盐量值之间的相关性较高。尤其是反射率倒数一阶微分模型,相关系数高达0.81,土壤盐渍化遥感监测模型的预测效果较好。(4)变换后的土壤和植被光谱反射率,其中倒数对数一阶微分变换的光谱反射率与实验室测得的土壤含盐量相关性最好。选择相关性最好的特征波段450nm、685nm构建盐分指数模型及960nm和1094nm构建植被指数模型,结果表明两者和土壤含盐量的相关性较高,因此协同两指数构建区域的土壤盐渍化遥感监测模型,经验证,模拟效果很好,可以用来快速提取该区域的土壤盐渍化信息,为今后土壤盐渍化监测提供一种新的手段。