导读:本文包含了盐分反演论文开题报告文献综述及选题提纲参考文献，主要关键词:土壤盐渍化,无人机高光谱,地统计,随机森林回归
盐分反演论文文献综述
胡婕[1]（2019）在《基于多源遥感的干旱地区土壤盐分反演研究》一文中研究指出由于自然条件与人类活动的作用,土壤盐渍化不断加剧,给土壤资源的可持续利用带来很大挑战。在我国西北地区,土壤盐渍化问题尤为突出,耕地中约有30%的土地受到了盐渍化的威胁。本研究以新疆阿克苏地区为样区,分别选取裸土区、稀疏植被区以及茂密植被区叁个不同覆盖类型的地块进行野外采样调查,获取研究区土壤盐渍化程度及其空间分布。再利用无人机载高光谱数据与卫星影像分析土壤盐分光谱特征,提取盐分敏感的光谱指数,并在此基础上对土壤盐分含量进行定量预测,最终确定土壤盐分遥感预测模型,以期为土壤盐渍化监测、治理提供基础。本研究主要包括以下叁部分工作:(1)基于半变异函数拟合的土壤盐分空间分异研究本研究结果表明,研究区内土壤盐渍化问题严重,叁个样区土样的平均EC1:5检测值均在10 dS m-1以上。其中,裸露土壤地区的盐渍化情况最为严重,实地采集土样的EC1:5含量在20.25～54.90 dS m-1之间。通过半变异函数拟合,研究发现研究区的土壤盐分存在较强的空间自相关性。随着叁个样区中植被覆盖度的增加,土壤盐分的自相关范围不断扩大。而随着样区土壤盐分含量的降低,较近距离内盐分的空间变异变得更加强烈,土壤盐分的空间相关性不断减弱。使用半变异函数的拟合模型,对研究区土壤盐分进行普通克里格插值并制图,结果显示裸土样区的盐分高值主要集中在西北地区和东南地区,而密集植被样区的盐分高值主要集中在西南地区和东北地区。(2)基于无人机高光谱与卫星多光谱的土壤盐分光谱特征研究不同地物的高光谱曲线差异明显,裸露土壤反射率较低、盐结壳反射率较高且呈现出随波长增加而不断上升的趋势,盐生植物反射率光谱表现出了红边效应。通过提取并尝试一系列不同的宽波段土壤盐分光谱特征与光谱指数,研究发现与植被指数相比,盐分指数与土壤盐分含量的相关性更高。对于高光谱数据提供的众多窄波段,红光与近红外范围的波段与土壤盐分的相关性更高,同时光谱一阶微分比原始光谱与土壤盐分之间的相关性更高。此外,利用任意两个窄波段组合计算均一化光谱指数,并通过分析与土壤盐分的相关性,建立了叁个窄波段土壤盐分光谱指数。(3)基于遥感数据的土壤盐分定量预测模型与制图建立使用高光谱一阶微分、宽波段光谱指数以及窄波段光谱指数作为自变量,对比偏最小二乘回归(Partial least square regression,PLSR)方法以及随机森林回归(Random forest regression,RFR)方法建立遥感数据与土壤盐分与之间的定量预测模型。采用一致性相关系数(Lin's concordance correlation coefficient,CC)、预测与偏差比(Ratio of prediction to deviation,RPD)以及均方根误差(Root mean square error,RMSE)作为评价指标衡量不同模型的预测精度。结果表明与PLSR模型相比,RFR模型可以更好地使用光谱数据预测土壤盐分。而对于不同样区的回归模型来说,裸露土壤地区的模型预测精度最高,其随机森林回归模型的验证集CC高达0.95,RPD高达3.43。基于随机森林回归模型对不同样区的土壤盐分进行制图,结果显示裸土样区的盐分高值主要集中在西北区域,稀疏植被样区的西部与东北区域盐分值较高,而密集植被样区的光谱反演模型由于盐生植物的光谱干扰,得到的土壤盐分图比较细碎,并没有很好地揭示土壤盐分分布规律。(本文来源于《浙江大学》期刊2019-06-12）
王丹阳,陈红艳,王桂峰,丛津桥,王向锋[2]（2019）在《无人机多光谱反演黄河口重度盐渍土盐分的研究》一文中研究指出【目的】为提高土壤盐分信息定量遥感提取精度,准确掌握土壤盐渍化程度与分布。【方法】选择垦利区黄河口镇集中连片的重度盐渍土区域为试验区,于2018年4月26日—28日采用搭载Sequoia多光谱相机的无人机进行试验区近地遥感图像采集,并进行图像拼接、辐射校正、正射校正和几何校正等预处理;然后基于相关性分析、灰色关联度分析筛选土壤盐分的敏感波段,构建并筛选光谱参量;进而分别采用多元线性回归(multivariable linear regression,MLR)、支持向量机(support vector machine,SVM)及偏最小二乘(partial least square,PLS)方法构建土壤盐分定量反演模型,并进行验证与评价;最后基于最佳模型进行试验区土壤盐分的分布反演与分析,并与反距离加权插值结果进行精度比较。【结果】相较相关性分析,通过灰色关联度分析的反演模型精度及显着性均有所提高;对比3种建模方法,SVM模型精度最高,PLS模型次之,MLR模型最低,最佳模型为基于灰色关联度分析筛选变量的支持向量机模型,其建模R~2、RMSE分别为0.820、3.626,验证R~2、RMSE、RPD分别为0.773、4.960、2.200;据此模型反演得到该区域土壤盐分含量为0.323—21.210 g·kg~(-1),平均值为6.871 g·kg~(-1),重度盐渍土占58.094%,与实地调查结果较为一致;反演结果与反距离加权插值结果的误差80%控制在样本盐分含量平均值的20%以内,亦较为相近。【结论】基于无人机多光谱可实现重度盐渍土盐分信息的准确提取。(本文来源于《中国农业科学》期刊2019年10期）
周晓红,张飞,张海威,张贤龙,袁婕[3]（2019）在《艾比湖湿地自然保护区土壤盐分多光谱遥感反演模型》一文中研究指出土壤盐分是衡量土壤质量的要素,也是作物生长发育的基本条件。因此,迫切地需要一种可以快速了解土壤盐分含量(SSC)的方法。针对艾比湖湿地自然保护区,基于Landsat8 OLI多光谱遥感影像,以该研究区36个土壤表层样品的盐分含量为数据源,选择相关性较好的多光谱遥感指数分析研究区土壤盐分分布状况,并将其分别与实测SSC构建线性、对数、二次函数模型,进而优选精度最高的模型来反演该研究区SSC。结果表明:(1)在多光谱遥感指数中,与SSC相关性最高的是增强型植被指数(EVI),其相关性范围为(-0.70～-0.67);其次是传统型植被指数(TVI),其范围为(-0.58～-0.46);土壤盐分指数(SI)与SSC的相关性最低,其范围为(-0.45～0.16),其中SI3和SI4与SSC均没有相关性。(2)将实测土壤盐分值所反演的分布图与EVI对比分析,发现在西北、正南方向的艾比湖湖边周围和东北方向盐池桥的SSC均较高,其EVI的值较低,说明通过该研究区实测土壤盐分值所反演的盐分分布图与EVI的空间分布结果较为一致,表明EVI对该地区土壤盐分具有一定的敏感性,能较好地反演SSC的空间分布;(3)分别将叁种EVI与实测SSC建模分析比较,发现SSC与增强型比值植被指数(ERVI)所构建的二次函数模型最好;其验证集的决定系数(R~2)为0.92,均方根误差(RMSE)为2.48,相对分析误差(RPD)为2.09,模型精度较高、稳定性较为可靠,相比之下,说明ERVI对该湿地自然保护区土壤盐分有更高的敏感性,可以用来预测该区域SSC,从而进行空间反演。在TVI中加入Landsat8多光谱遥感影像的b6和b7波段,得到EVI,以此来反演SSC是可行的,且比传统可见光和近红外波段所构建的植被指数反演效果更好。因此该研究不仅可以为遥感反演提供理论参考,而且对该地区SSC的定量估算和动态监测具有重要的意义,也可作为其他区域SSC预测反演的备选方案。(本文来源于《光谱学与光谱分析》期刊2019年04期）
李志,李新国,刘彬,麦麦提吐尔逊·艾则孜[4]（2019）在《博斯腾湖西岸湖滨带土壤盐分高光谱反演》一文中研究指出选取博斯腾湖西岸湖滨带为研究区,沿垂直湖岸线方向采集14个土壤剖面70个样本,利用ASD FieldSpec3地物光谱仪获取高光谱数据,基于Q型聚类分析研究不同含盐量土壤光谱特征,对土壤光谱反射率与含盐量做逐波段相关分析和显着性检验,筛选不同光谱变换下的敏感波段,通过多元逐步回归和偏最小二乘回归方法,分别以敏感波段和全波段光谱构建12个土壤含盐量反演模型,优选最佳反演模型。结果表明:17种高光谱变换中, 4种最优光谱变换使土壤含盐量与Savitzky-Golay平滑后的反射率极显着相关波段数明显增多,分别是反射率的一阶微分、平方根一阶微分、对数倒数一阶微分、倒数对数一阶微分,综合确定盐分敏感波段聚集在749、1 024、1 083、1 230、1 677和2 387 nm处;以对数倒数一阶微分光谱全波段建立的偏最小二乘回归模型更适合该区0～50 cm土壤含盐量的高光谱反演,其建模和验证决定系数R~2分别为0.93和0.85,均方根误差RMSE分别为0.37和0.42,相对预测偏差RPD为3.57。(本文来源于《扬州大学学报(农业与生命科学版)》期刊2019年02期）
王雪梅,周晓红[5]（2018）在《渭干河—库车河叁角洲绿洲棉田土壤盐分估算及遥感反演》一文中研究指出基于研究区的野外采样数据与Landsat 8遥感影像提取的增强型植被指数,构建渭干河—库车河叁角洲绿洲棉田土壤盐分估算模型,并对土壤盐分的空间分布格局进行预测。结果表明:(1)由土壤含盐量与增强型归一化植被指数(ENDVI)构建的线性回归模型(y=-56.494x+22.687)拟合效果最好(R2=0. 886,RMSE=0. 907)。(2)通过选取的82个采样点,依据最佳遥感反演模型,预测出研究区土壤含盐量在9.33～26.99 g·kg-1之间变化,平均值为17.42 g·kg-1,标准差为2.30 g·kg-1,预测结果与土壤盐分的实测值较为一致。(3)利用地统计分析方法制作研究区棉田土壤盐分的空间分布图,分析可知土壤盐分从绿洲内部向外围呈逐渐增加的趋势。(本文来源于《干旱地区农业研究》期刊2018年06期）
胡盈盈,王瑞燕,陈红艳,李玉萍,刘燕群[6]（2018）在《黄河叁角洲春秋两季土壤盐分遥感反演及时空变异研究》一文中研究指出为探索黄河叁角洲春秋两季土壤盐分变化,以垦利县为研究区,利用2013年春秋两季Landsat影像,结合野外实测土壤样点与实验室测得土壤含盐量数据,通过遥感技术和统计反演模型,构建土壤盐分定量遥感反演模型,进行土壤盐分空间分布变异及春秋两季土壤盐分的对比分析。通过对原始反射率、反射率线性变换与土壤含盐量进行相关性分析,筛选出土壤盐分敏感波,基于敏感波段建立多元回归模型。研究表明:土壤盐分含量较高的季节集中在春季,而秋季相对低。垦利县土壤盐分含量在靠近海滨地区较为严重,内陆地区的盐碱程度较低,主要影响因素有气候、地表径流等。此研究结果可为研究区盐碱土改良提供数据参考和依据,也对黄河叁角洲生态区保护具有重要意义。(本文来源于《测绘与空间地理信息》期刊2018年08期）
张素铭,赵庚星,王卓然,肖杨,郎坤[7]（2018）在《滨海盐渍区土壤盐分遥感反演及动态监测》一文中研究指出为探索快速提取滨海盐渍土信息的有效方法,实现对滨海盐渍区土壤盐分含量变化趋势的分析,本研究以黄河叁角洲垦利区作为研究区,采用野外实测土壤盐分数据与遥感影像相结合的方法,通过土壤盐分敏感波段和光谱参量的筛选,构建土壤盐分估测模型;优选出最佳模型用于反演,并结合土壤盐分含量指数、土壤盐分动态度和重心向量模型3个指标对研究区土壤盐分含量动态变化进行统计和分析。结果显示:土壤盐分的敏感波段为绿光、红光和近红外波段;波段组合可以提高其与盐分的相关性,运用敏感波段与波段组合相结合的方法建模更优;土壤盐分最佳估测模型为:Y=-6.94-281.762Bnir+60.625Bg×Br+1 178.14Bg×Bnir-152.396Br×Bnir-1 495.491Bg×Br×Bnir,建模精度和验证精度分别为0.878和0.854,说明模型拟合度好,预测能力强,具有可行性。2001—2005年、2005—2009年和2009—2015年3个时段,研究区土壤盐渍化程度的变化趋势表现为加重-减轻-减轻趋势,盐化重心总体向东部沿海方向迁移,各时段土壤盐渍化变化程度较高。本研究提出了利用卫星遥感影像对土壤盐分含量进行预测和动态监测的快捷方法,对滨海盐渍土地资源的利用管理有积极意义。(本文来源于《农业资源与环境学报》期刊2018年04期）
安德玉,邢前国,赵庚星[8]（2018）在《基于HICO波段的滨海土壤盐分遥感反演研究》一文中研究指出本研究以黄河叁角洲滨海盐渍土为例,尝试使用HICO(Hyperspectral Imager for the Coastal Ocean)高光谱影像结合现场实测高光谱数据进行表层土壤全盐含量的反演。采用波段组合的方法建立光谱参量,通过相关分析筛选出敏感光谱参量,以决定系数R2选出最佳模型;利用HICO影像反射率与实测高光谱反射率之间的关系,对模型进行修正,并应用于影像。研究发现,比值(RI)、差值(DI)波段组合方法建立的光谱参量与表层土壤全盐含量的相关性明显提高。DI_((845,473))、DI_((839,490))、DI_((845,496))及DI_((839,501))的幂函数模型效果最好,且验证决定系数R~2均大于0.86,相对分析误差RPD>3,RMSE较小。此外,HICO遥感影像的模型反演结果较为一致,能够反映表层土壤全盐含量的分布。研究显示,利用高光谱数据进行表层土壤全盐含量的反演建模具有可行性,可为区域表层土壤全盐含量的定量反演提供参考。(本文来源于《海洋学报》期刊2018年06期）
王海江,蒋天池,YUNGER,John,A,李亚莉,田甜[9]（2018）在《基于支持向量机的土壤主要盐分离子高光谱反演模型》一文中研究指出快速、无损、定量地获取土壤盐分离子组成及含量是盐渍化土壤治理、改良和利用的重要依据。以新疆盐渍化土壤为研究对象,应用高光谱分析技术获取不同区域土壤盐分离子的特征光谱,在对光谱数据去噪、数据变换基础上分析了鲜样(T1)、风干(T2)和干燥(T3)3类土壤,过2、1、0.15 mm筛处理对离子含量光谱拟合模型精度的影响,建立了基于支持向量机的土壤主要盐分离子光谱反演模型,并对模型的精度和普适性进行了检验。结果表明:土壤原始特征光谱与盐分离子含量均不存在显着相关性,最大相关系数为Na+的0.41;通过光谱数据变换能够明显增强特征波段与离子含量的相关性,K+、Na+、Mg2+、Ca2+、SO_4~(2-)、Cl-和HCO-3的最优变换形式分别为(lgR)'、(lgR)'、R'、(lgR)'、CR、R'和CR,T1处理构建的拟合模型均不能很好地反演离子含量,T3处理的模型估测精度优于T2,土壤粒径越细对土壤离子含量的光谱反演效果越好。分析各处理模型的决定系数和标准误差表明,经T3处理、过0.15 mm筛所构建的离子拟合模型预测精度最高,其中K~+、Na~+、Ca2+和SO_4~(2-)的RPD分别为2.153、2.674 5、2.051和2.786 4,以未参与建模和检验的石河子垦区土样对4种离子模型的普适性检验,其R2分别为0.621 4、0.689 7、0.614 4和0.650 7,说明构建的模型适于估算该区域土壤K+、Na+、Ca2+和SO_4~(2-)的含量。(本文来源于《农业机械学报》期刊2018年05期）
陈文娇[10]（2018）在《基于多源数据光谱转换的土壤盐分反演与动态分析》一文中研究指出土壤盐渍化已成为黄河叁角洲地区最严重的土壤问题之一,制约了区域经济健康发展,利用遥感手段开展盐渍土监测必要而迫切。在土壤盐渍化动态监测中,单一传感器数据很难满足长时间序列的需求,而多源传感器提供的时间序列数据之间存在波段宽度不一致甚至波段缺失、数据连续性差等问题。本文以研究区2000-2016年间4景Landsat-5 TM、EO-1ALI、Landsat-8 OLI时间序列影像及Hyperion高光谱数据为基础,选用最新的OLI传感器为目标数据,采用光谱转换的方法,模拟出OLI长时间序列影像数据;在此基础上以OLI数据为基准,分别基于多元线性回归、偏最小二乘回归和BP神经网络建模方法,进行土壤盐分定量反演建模研究;并通过动态度、转移矩阵、迭置分析等方法进行不同类型盐渍土时空动态分析研究。本文主要研究内容及结论如下:(1)利用Hyperion高光谱数据通过光谱重采样的方法模拟TM、ALI、OLI传感器类型数据,选用最新的OLI传感器为目标数据,以数值回归方法建立了 TM、ALI与OLI传感器对应波段间的光谱转换关系,从而将TM、ALI影像转换为模拟的OLI时序影像,最终间接获得了 OLI的长时间序列影像数据。研究结果表明,对两种传感器波长响应设置相同的波段而言,经过光谱转换的TM、ALI波段与对应OLI波段之间的相关性提高不显着;特别地,对OLI新增波段而言,相对于光谱转换前的TM、ALI波段,经过光谱转换的TM、ALI波段与对应OLI波段之间的相关性得到了显着提高。该光谱转换方法能够充分且有效地利用存档多源遥感数据构建光谱一致性较高的时间序列影像,为盐渍土动态监测提供数据保障。(2)采用偏最小二乘回归(PLSR)、多元线性回归(MLR)与BP神经网络(BPNN)模型分别建立土壤光谱与盐分参量间(电导率EC、全盐量S)预测模型。建模结果表明,以EC或S为因变量时,基于PLSR模型的预测精度高于MLR模型;基于PLSR和MLR的预测模型中,以EC为因变量的模型预测精度高于以S为因变量的模型。非线性预测的BP神经网络模型建模精度优越,但易出现模型检验决定系数远低于建模决定系数的过度拟合情况。所有模型中,最稳定、精度最高的土壤盐分预测模型为基于偏最小二乘回归且以EC为因变量的PLSR-EC模型,建模决定系数Rc2=0.716,检验决定系数 Rv2=0.700,相对误差 K=33.56%。(3)将PLSR-EC盐分预测模型应用至OLI时间序列影像上,反演得到2000年,2008年,2012年与2016年时间序列影像的土壤盐分制图结果。采集野外土壤样本盐分实测值检验制图精度,用2012年野外土壤实测电导率值检验2012年影像反演电导率值,制图精度R2=0.690;用2016年电导率实测值检验,制图精度R2=0.795;且4景反演结果中盐分异常值均低于10%,表明反演结果基本可靠;高盐分土壤可能存在预测值偏低的情况。(4)根据反演得到的4景研究区土壤盐分空间分布图,通过面积统计、动态度、转移矩阵、迭置分析等方法进行不同类型盐渍土时空动态分析研究。由年份间土地利用转移矩阵统计可以得出,研究区内盐土、盐化土和轻度盐渍土结构稳定性较差,易与其他土壤类型相互转化。土地利用动态度分析表明轻度、中度盐渍土增长速度最快,有扩张趋势,2012年-2016年高盐分土壤有盐渍化减轻趋势。GIS迭置分析可以看出,非土壤向盐渍土的转化区域主要包括典型研究区东北部孤岛镇和仙河镇南部,以轻、中度盐渍土为演化方向;以及典型研究区南部的永安镇东部,以中度、重度盐渍土为演化方向。非盐渍土向盐渍土的转化较分散,突出区域为典型研究区中、南部,以重度盐渍土为主要演化方向。(本文来源于《东南大学》期刊2018-03-07）
盐分反演论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
【目的】为提高土壤盐分信息定量遥感提取精度,准确掌握土壤盐渍化程度与分布。【方法】选择垦利区黄河口镇集中连片的重度盐渍土区域为试验区,于2018年4月26日—28日采用搭载Sequoia多光谱相机的无人机进行试验区近地遥感图像采集,并进行图像拼接、辐射校正、正射校正和几何校正等预处理;然后基于相关性分析、灰色关联度分析筛选土壤盐分的敏感波段,构建并筛选光谱参量;进而分别采用多元线性回归(multivariable linear regression,MLR)、支持向量机(support vector machine,SVM)及偏最小二乘(partial least square,PLS)方法构建土壤盐分定量反演模型,并进行验证与评价;最后基于最佳模型进行试验区土壤盐分的分布反演与分析,并与反距离加权插值结果进行精度比较。【结果】相较相关性分析,通过灰色关联度分析的反演模型精度及显着性均有所提高;对比3种建模方法,SVM模型精度最高,PLS模型次之,MLR模型最低,最佳模型为基于灰色关联度分析筛选变量的支持向量机模型,其建模R~2、RMSE分别为0.820、3.626,验证R~2、RMSE、RPD分别为0.773、4.960、2.200;据此模型反演得到该区域土壤盐分含量为0.323—21.210 g·kg~(-1),平均值为6.871 g·kg~(-1),重度盐渍土占58.094%,与实地调查结果较为一致;反演结果与反距离加权插值结果的误差80%控制在样本盐分含量平均值的20%以内,亦较为相近。【结论】基于无人机多光谱可实现重度盐渍土盐分信息的准确提取。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
盐分反演论文参考文献
[1].胡婕.基于多源遥感的干旱地区土壤盐分反演研究[D].浙江大学.2019
[2].王丹阳,陈红艳,王桂峰,丛津桥,王向锋.无人机多光谱反演黄河口重度盐渍土盐分的研究[J].中国农业科学.2019
[3].周晓红,张飞,张海威,张贤龙,袁婕.艾比湖湿地自然保护区土壤盐分多光谱遥感反演模型[J].光谱学与光谱分析.2019
[4].李志,李新国,刘彬,麦麦提吐尔逊·艾则孜.博斯腾湖西岸湖滨带土壤盐分高光谱反演[J].扬州大学学报(农业与生命科学版).2019
[5].王雪梅,周晓红.渭干河—库车河叁角洲绿洲棉田土壤盐分估算及遥感反演[J].干旱地区农业研究.2018
[6].胡盈盈,王瑞燕,陈红艳,李玉萍,刘燕群.黄河叁角洲春秋两季土壤盐分遥感反演及时空变异研究[J].测绘与空间地理信息.2018
[7].张素铭,赵庚星,王卓然,肖杨,郎坤.滨海盐渍区土壤盐分遥感反演及动态监测[J].农业资源与环境学报.2018
[8].安德玉,邢前国,赵庚星.基于HICO波段的滨海土壤盐分遥感反演研究[J].海洋学报.2018
[9].王海江,蒋天池,YUNGER,John,A,李亚莉,田甜.基于支持向量机的土壤主要盐分离子高光谱反演模型[J].农业机械学报.2018
[10].陈文娇.基于多源数据光谱转换的土壤盐分反演与动态分析[D].东南大学.2018