基于数字相片像元统计分析的滨海土壤盐渍化定量估算研究

Accurately monitoring spatiotemporal variation of coastal soil salinity is the fundamental premise of scientifically assessing the reclamation potential and functional orientation of coastal beach. Due to the limit of complex surface and monitor tools, it is difficult to estimate soil salinity at large scale both precisely and rapidly. This project will obtain soil surface photos by means of unmanned aerial vehicle (UAV) equipped with a high-resolution camera, and soil physicochemical properties with sampling and measurement. Firstly remove vegetation and shadow pixels with the methods of histogram clustering and spatial distance analysis, then delve deeply the relationship between digital photo pixels and soil constituents, and soil salinity (SS) model group will be established to disperse soil water content (SWC) influence based on hierarchical classification of SWC. Afterwards, the optimal height to take photos will be identified with the dataset of different heights for balancing the accuracy of model group and the requirement of extensive monitoring. Finally combining model group and the optimal height, we can obtain automatically photos with the information of SS and GPS, which could give us spatial variation characteristics of coastal soil salinity. The outcomes will provide a set of system for monitoring soil salinity accurately and quickly based on UAV and a digital camera, and provide theoretical foundation for scientific management and development planning of coastal soil.

精确监测滨海土壤盐渍化时空变化特征是科学评估沿海滩涂围垦潜力和功能定位的基本前提，地表复杂性与监测平台和手段的限制使得滨海土壤盐渍化较难实现大范围的精准快捷监测。本项目借助无人机搭载高分辨率数码相机同步获取地表相片数据和土壤盐渍化数据，通过相片像元亮度直方图聚类和空间距离分析方法剔除植被和阴影像元，再深入挖掘相片土壤像元与土壤水盐含量之间的关系，构建基于土壤含水量分级的土壤盐渍化模型组，将土壤水分影响分散到各个子模型中，然后通过不同高度数据分析出最佳拍照高度，拍照高度需要同时兼顾模型组精度和大范围监测的需求，最后结合土壤盐分系统化模型和最佳拍照高度，实现无人机自动获取具有位置信息和盐分信息的相片，并通过插值法得到复杂地表下滨海土壤更精确细腻的盐渍化空间特征。成果拟提出一套基于无人机平台和土壤盐分系统化模型的精确快捷监测方法，为沿海土壤的科学管理和发展规划提供有力的理论依据。

沿海滩涂是我国重要的后备土地资源，为我国国土面积增长和促进经济发展有重要贡献，但由于其较高的盐分含量，严重阻碍了沿海滩涂土壤开发利用的进程。精确监测滨海土壤盐渍化时空变化特征是科学评估沿海滩涂围垦潜力和功能定位的基本前提，地表复杂性与监测平台和手段的限制使得滨海土壤盐渍化较难实现大范围的精准快捷监测，本项目通过数码相机获取地表相片数据和土壤盐渍化数据，建立一套基于数码相片的土壤盐渍化快速监测方法。研究结果主要有三：一是基于基于相片像素统计分析的土壤盐渍化定量研究，通过土壤相片中像素的亮度值大小及直方图分布对土壤含盐量进行建模。拍照获取土壤颜色RGB 和灰度值，将亮度值（0-255）分成若干亮度区间，计算每个亮度区间在每种颜色中所占的比例，并通过这些区间中的某一个区间的比例进行建模，通过计算对比最终选择了将亮度值分成 9 个区间，RGB 和 Gray 分别选择其中的第 5、5、8 和 5 个区间所占的比例进行建模可以得到最好的结果，其中 R2达到了0.9。二是基于机器学习和数码相片的土壤盐分信息反演，借鉴上一个研究结合随机森林方法，建立像元数与土壤盐分信息之间的反演模型，发现高浓度的离子比低浓度的离子估计得更准确（R2=0.74）。三是提出了一种基于数码相片和土壤颜色空间转换的滨海地区表层土壤盐分的定量估算方法，相片中提取RG，HIS，CIEXYZ，CIELAB，CIELUV，和CIELCH6种色彩空间，共有16个颜色参数，建立其与土壤电导率之间的相关模型，最终获取估算土壤盐分的随机森林模型!验证集数据的模型精度达到R2=0.75，颜色纯度对模型的重要性最大，其次是颜色亮度，色相的贡献较小。以上方法为有效估算滨海土壤盐分含量提供一个新思路，对数码相片的分析和应用为近地表参数定量估算提供了新视角。