基于外部因素消减的土壤盐渍化遥感监测研究

Timely monitoring of the severity of soil salinity is crucial for the utilization and management of soil resources. Remote sensing technology has been widely used for the detection of soil salinity in recent years due to its wide spatial coverage, quick temporal updating, and low cost. However, the application of remote sensing technique in monitoring soil salinity is relatively restricted, particularly in areas where the soil surface is covered with vegetation, as external parameters such as vegetation and soil moisture often lead to the appearance of mixed pixel. Therefore, it is imperative to seek a new approach to solve the problem. In the present study, based on multi-source remote sensing data, net soil spectral information will be extracted from the mixed pixels using blind source separation and external parameter orthogonalization. Then, soil salt content can be estimated using the net spectra, in order to monitoring the severity, area and distribution of saline soil. The approach proposed in the present study will improve the prediction accuracy of soil salt content for partially vegetated surfaces, and will propose a new way for accurately and timely monitoring soil salinity.

土壤盐渍化程度的实时监测对盐渍化土壤的开发利用和管理至关重要。遥感技术以其覆盖面积大、更新速度快和光谱信息丰富等优势，已成为区域土壤盐渍化监测的重要手段。然而，因植被覆盖、土壤水分等外部因素导致的混合像元问题增加了土壤盐渍化程度遥感监测的难度，一直是土壤盐渍化遥感监测的瓶颈，亟需探索新的解决途径。因此，本项目拟以多源遥感数据为数据源，组成混合光谱矩阵，采用盲源分离方法从混合光谱矩阵中分解土壤和植被光谱，然后用外部参数正交化方法去除土壤光谱中的土壤含水量信息，以提取较纯净的土壤光谱信息，减弱植被覆盖和土壤水分等外部因素对土壤光谱信息的影响，并利用提取到的土壤净光谱信息进行土壤含盐量估算，以监测区域土壤盐渍化的程度、面积和分布。研究结果对提高盐渍化土壤的现有遥感监测精度有重要意义，为实现盐渍土大面积、快速、精准监测提供新的方法和思路。

土壤盐渍化程度的实时监测对盐渍化土壤的开发利用和管理至关重要。遥感技术以其覆盖面积大、更新速度快和光谱信息丰富等优势，已成为区域土壤盐渍化监测的重要手段。然而，因植被覆盖等外部因素导致的混合像元问题增加了土壤盐渍化程度遥感监测的难度，一直是土壤盐渍化遥感监测的瓶颈，亟需探索新的解决途径。因此，本研究以遥感数据为数据源，构建混合光谱矩阵，采用非负矩阵分解方法从混合光谱矩阵中分解土壤和植被光谱，以提取土壤光谱信息，减弱植被覆盖等外部因素对土壤光谱信息的影响，并利用提取到的土壤光谱信息进行土壤含盐量估算，以监测区域土壤盐渍化的程度、面积和分布。研究结果对提高盐渍化土壤的现有遥感监测精度有重要意义，为实现盐渍土大面积、快速、精准监测提供新的方法和思路。主要研究结果和结论如下：.（1）植被覆盖严重影响土壤盐分估测精度，在土壤盐分的遥感估测过程中应予以重视。非负矩阵分解技术（Non-negative matrix factorization, NMF）可有效分解土壤和植被的混合光谱，但该算法要求输入的混合光谱数目必须大于或等于源光谱的数目，因此如何构建混合光谱矩阵至关重要。本研究结果表明基于线性方程模型、相邻像元以及多源遥感数据均可构建有效的混合矩阵，其中相邻像元法结果最佳，其次为线性方程模型法，再次为多源遥感影像法。.（2）本研究选用了四种最常用的建模方法用于土壤电导率的反演，分别为偏最小二乘回归（Partial least squares regression, PLSR）、反向传播人工神经网络（Back-propagation neural network, BPNN）、最小二乘-支持向量机（Least square-support vector machine, LS-SVM）和随机森林（Random forest, RF），结果表明对于校正前后的光谱而言，随机森林模型均可取得较好的预测结果，100次随机抽样的平均R2p达0.67，RPD为1.61。.（3）基于土壤采样点和遥感影像估算的结果均表明，研究区大部分区域2017年土壤EC含量较2010年高，EC值降低的区域仅占整个研究区的8.4%。盐渍化等级变化来看，绝大部分区域盐渍化等级保持不变，发生变化的区域占总面积的37.16%，其中31.6%的为盐渍化等级上升区域，仅有5.56%的区域为盐渍化等级下降区域。