稀疏植被覆盖条件下土壤盐渍化高光谱遥感定量反演与动态监测

In this research, the typical soil salinization area in Yellow river delta was selected as research area and aims to estimate and dynamic monitoring the soil salinity at partially vegetated fields, using hyperspectral remote sensing method. In this case, we will explore the soil spectral features, salt-tolerant vegetation and corps. And extract these quantified features to build a data base. Quantify the influence of fractional vegetation cover on the accuracy of soil salinity prediction model. Combine the spectral response index for bare soil and vegetation to establish a model to mapping soil salinity. Which is able to improve the salinity prediction model. According to the distribution feature of bare soil, salt-tolerant vegetation and corps on study area, we will develop a spectral unmixing and multiple endmember spectral mixture analysis methods. In the next step the influence of vegetation will be filtered out from the spectral signal by a new procedure. The residual soil spectral resulting from this procedure will used for mapping soil salinity by soil salinity prediction model build with soil reflectance. With this approach, it is possible to filter out the influence of vegetation from mixed spectra, and realize the goal of estimate and dynamic monitoring the soil salinity on partially vegetated fields, at the sub pixel level using hyperspectral remote sensing method. This research can improve the applicability of spaceborne imaging spectroscopy for soil studies, since the approach can extend the flight-window which is often constrained by presence of vegetation.

以黄河三角洲为研究区，以区域稀疏植被覆盖下亚像元尺度上的土壤盐渍化信息星载高光谱遥感定量反演及动态监测的研究为目标。研究盐渍土、盐生植被、棉花等的光谱特征及受盐分影响的弱信号提取和定量描述技术；研究不同的植被覆盖类型及覆盖度对土壤盐分反演精度的影响；建立综合植被和土壤光谱特征的土壤盐分含量定量反演模型；针对地表裸土、盐生植被、农作物混合分布的特点，开发基于Hyperion和ALI图像数据的多端元光谱混合分解算法，剔除植被信息，反求土壤反射率光谱图像，结合基于土壤光谱数据的土壤盐分含量的定量反演模型，实现亚像元尺度上点-面空间尺度转换的稀疏植被覆盖下区域土壤盐渍化高光谱遥感定量反演及空间分布的制图,动态监测及时空分布规律分析。通过本项目的研究解决稀疏植被覆盖下土壤盐分遥感定量反演中面临的科学问题，扩大盐渍土监测研究中的遥感图像数据采集的时间窗口，提高区域盐渍化监测的精度及应用效果。

高光谱遥感用于盐渍土的定量监测与大面积制图研究几乎都是基于裸土条件下的，机载和星载遥感图像的像元通常包含多种地物要素而存在混合像元问题，如光板地与耐盐植被的混合，特别是农耕区各种农作物的生长及其与土壤的混合等，地表稀疏植被覆盖很大程度上影响了土壤的光谱特征，从而限制了土壤盐分定量反演的精度。.本项目完成了野外调查、采样，调查数据分析，样品理化参数测试，光谱测量等基础工作，遥感图像数据获取。研究了植被对土壤光谱的影响，通过混合像元分解、多端元混合像元分解、高光谱与多光谱数的融合等技术，在子像元尺度上进行了区域包括稀疏植被覆盖下的土壤盐渍化的定量反演；在此基础上针对时间系列不同传感器间的差异，利用高光谱数据与多光谱数据相结合的方法，对不同传感器进行内定标，实现土壤盐渍化时间系列制图，并进行时空分析。提出了一种利用历史陆地卫星多光谱数据监测30年来土壤盐分动态的新方法。我们的研究不仅提供了一种建立长期的土壤盐分动态监测方法，同时能更好地理解黄河三角洲地区土壤盐分的时间变化。同时还开展了InSAR数据处理的相关研究，为后期利用SAR数据用于土壤盐渍化监测提供可靠的数据和技术支持。.在后续的工作中我们将针对国产高分卫星数据如高分5号高光谱数据、高分雷达数据、高分多光谱数据在土壤盐渍化及其他土壤环境参数定量反演的应用潜力和性能评价研究，为推动我国高分卫星数据的应用提供技术支持。