一种土壤盐渍化程度的高光谱遥感判断方法技术

本发明专利技术公开了一种土壤盐渍化程度的高光谱遥感判断方法，涉及地理技术领域。本发明专利技术方法包括：采集土壤表层以下未扰动土样作为原始土样；测量原始土样和干燥后重量，计算土样含水率；测量原始土样光谱反射率，得到原始光谱反射率；对原始光谱反射率进行SG平滑去噪；将原始土样按土壤盐分含量从高到低排序，划分建模集和样本集；对高光谱数据进行预处理；分数阶微分处理；利用处理数据建立土壤盐分偏最小二乘回归模型；过比较RMSEc、R

【技术实现步骤摘要】
一种土壤盐渍化程度的高光谱遥感判断方法
本专利技术涉及地理
，尤其涉及一种土壤盐渍化程度的高光谱遥感判断方法。
技术介绍
土壤盐渍化(soilsalinization)是指土壤底层或地下水的盐分随毛管水上升到地表，水分蒸发后，使盐分积累在表层土壤中的过程。是指易溶性盐分在土壤表层积累的现象或过程，也称盐碱化。中国盐渍土或称盐碱土的分布范围广、面积大、类型多，总面积约1亿hm2。主要发生在干旱、半干旱和半湿润地区。盐碱土的可溶性盐主要包括钠、钾、钙、镁等的硫酸盐、氯化物、碳酸盐和重碳酸盐。硫酸盐和氯化物一般为中性盐，碳酸盐和重碳酸盐为碱性盐。土壤盐渍化程度对区域作物生长有较大影响，快速诊断不同等级土壤盐渍化程度的成果，可以有效指导作物种植结构优化布局和动态调整。传统测定不同田块的土壤电导率或土壤盐分含量方法费时费力，而且往往实测点数量有限，导致盐分预测精度低和信息丢失等缺陷。因此，需要寻找一种可准确、快速判断或鉴定出土壤盐渍化程度的方法。
技术实现思路
有鉴于此，本专利技术实施例提供了一种土壤盐渍化程度的高光谱遥感判断方法，主要目的是解决判断方法不准确、耗时耗力的问题。为达到上述目的，本专利技术主要提供了如下技术方案：一方面，本专利技术实施例提供了一种土壤盐渍化程度的高光谱遥感判断方法，所述方法包括以下步骤：采集土壤表层以下未扰动的土样作为原始土样；分别测量所述原始土样和干燥后土样的重量，计算所述土样的含水率；测量所述原始土样的光谱反射率，得到原始光谱反射率；对所述原始光谱反射率进行SG平滑去噪；将所述原始土样按土壤盐分含量从高到低排序，划分建模集和样本集；按照公式1，对所述SG平滑去噪后的400～2400nm原始光谱反射率及其对应的吸光率、标准正态变换及对数之倒数变换分别进行0～2阶分数阶微分处理数据，利用所述处理数据建立土壤盐分偏最小二乘回归模型；公式1：其中，f(λ)为一维光谱，v为微分阶数值，为Gamma函数；通过比较以下模型参数确定最佳土壤盐分含量高光谱反演模型；校正均方根误差(rootmeansquareerrorofcalibration，RMSEc)、建模决定系数(determinationofcoefficients，R2c)、预测均方根误差(rootmeansquareerrorofprediction,RMSEp)、预测决定系数(predictingdeterminationofcoefficients，R2p)、相对分析误差(relativepredictiondeviation，RPD)，筛选出最优模型用以研究区土壤盐分含量的反演；R2c，R2p用以判定模型的稳定程度，越接近于1说明模型的稳定性越好；RMSEc及RMSEp用于表征模型的准确性，其值越小表明模型的精度越高；当RPD<1.4时，模型无法对样本进行预测；当1.4＜RPD＜2时，表明模型具有较好的定量预测能力；当RPD>2.0时表示模型具有极好的预测能力；其中计算R2、RMSE、及RPD的公式如下：公式2：其中，yi和分别为检验样本的观测值和预测值；为样本观测值得平均值；n为预测样本数；R2为两种不同处理的相关系数，为R2p和R2c公式3：其中，yi和分别为验证样本的观测值和预测值；n为预测样本数；公式4：其中，S.D为样本观测值得方差；RMSE为两种不同处理的均方根误差，为RMSEc及RMSEp；利用最优模型，输入未知土样高光谱信息，获得该土样的盐分含量；将所述盐分含量与盐渍化分级标准表进行对比，即可得知该土壤样品的盐渍化程度。作为优选，所述方法包括以下具体步骤：步骤1：用深度和直径分别为5.5、7.5cm的环刀采集土壤表层5cm以下处的土壤，获得未扰动土样，收集时剔除浸入体；步骤2：将环刀放入塑料盒中密封、编号、称重并带回实验室；从环刀内取20g左右有代表性的土样放入铝盒内，盖上盖称重，记录铝盒的编号和重量，将没加盖的铝盒放入干燥箱内，在105℃、24h恒温条件下用干燥法测得土壤样本质量含水率ωm，ωm的公式为：式中，M1为原状土样(含铝盒)质量；M2为干燥后原状土样(含铝盒)质量；M3为空铝盒质量；步骤3：利用ASDFieldSpec3光谱仪在照明控制的暗室中测量土壤的光谱反射率；先将制备好的土壤样品装入黑色容器(直径10cm，深度2cm)，填充后将表面刮平；光谱测定的光源为50W卤素灯，使用视场角5°的光纤探头；测量时距土壤样品表面距离定为50cm，光源的天顶角定为50°，探头至待测样品的表面距离定为15cm；步骤4：数据收集：在每次光谱测定之前，去除暗电流并校准白板；每个土壤样品在4个方向测量(3次旋转，每次90度)，每个方向保存5条光谱曲线，总共20条；利用ViewSpecProV6.0.11软件进行算术平均计算，得到土壤样品的实际反射光谱数据；步骤5：SG平滑：在UnscramblerX软件中，选择主菜单→Tasks→Tranform→Smoothing:Savitzky–GolaySmoothing，启动滤波器；将Parameters中的Polynomialroder设置为3；将soomthingpoints设为5；点击OK开始平滑滤波；步骤6：高光谱数据预处理：对原始光谱反射率(reflectivity,REF)及其对应的吸光率(absorbance，ABS)、标准正态变换(standardnormalvariablereflectance,SNV)、对数之倒数变换(log-inversereflectance，LI)进行0～2阶微分处理(阶数间隔为0.1)；1)吸光率(ABS)处理：在UnscramblerX软件中，选择主菜单→Tasks→Tranform→ComputeGeneral，启动ComputeGeneral数学处理工具；输入对数之倒数的数学公式即可完成数据处理；公式如下：式中：R为原始光谱反射率；2)对数之倒数处理：在UnscramblerX软件中，选择主菜单→Tasks→Tranform→ComputeGeneral，启动ComputeGeneral数学处理工具。输入对数之倒数的数学公式即可完成数据处理。公式如下：式中：R为原始光谱反射率。3)标准正态变换处理：在UnscramblerX软件中，选择主菜单→Tasks→Tranform→standardnormalvariablereflectance，启动SNV处理工具。输入所要处理的数据即可完成数据处理。具体公式如下：式中：n是变量个数，xi,j是第i个样本的第j个变量的值；d是自定义的偏移量；步骤7：分数阶微分处理：数据分数微分：利用matlab2017R软件，选择Home→CurrentFolder→放入自行设计的代码→Editor，输入对数之倒数处理后的数据，点击Run，程序即可完成微分处理；具体公式如下：式中：f(λ)为一维光谱，v为微分阶数值，为Gamma函数；步骤8：建模集和样本集的划分：将样本按土壤盐分含量从高到低进行排序，等间隔选取2/3作为建模集，1/3作为验证集分别用于模型的建立以及精度验证；步骤9：建模预测：对SG平滑去噪后的400～2400nmREF及其对应的ABS、SNV、LI分别进行0～2阶(本文档来自技高网...

【技术保护点】
1.一种土壤盐渍化程度的高光谱遥感判断方法，其特征在于，所述方法包括以下步骤：采集土壤表层以下未扰动的土样作为原始土样；分别测量所述原始土样和干燥后土样的重量，计算所述土样的含水率；测量所述原始土样的光谱反射率，得到原始光谱反射率；对所述原始光谱反射率进行SG平滑去噪；将所述原始土样按土壤盐分含量从高到低排序，划分建模集和样本集；按照公式1，对所述SG平滑去噪后的400～2400nm原始光谱反射率及其对应的吸光率、标准正态变换及对数之倒数变换分别进行0～2阶分数阶微分处理数据，利用所述处理数据建立土壤盐分偏最小二乘回归模型；公式1：

【技术特征摘要】
1.一种土壤盐渍化程度的高光谱遥感判断方法，其特征在于，所述方法包括以下步骤：采集土壤表层以下未扰动的土样作为原始土样；分别测量所述原始土样和干燥后土样的重量，计算所述土样的含水率；测量所述原始土样的光谱反射率，得到原始光谱反射率；对所述原始光谱反射率进行SG平滑去噪；将所述原始土样按土壤盐分含量从高到低排序，划分建模集和样本集；按照公式1，对所述SG平滑去噪后的400～2400nm原始光谱反射率及其对应的吸光率、标准正态变换及对数之倒数变换分别进行0～2阶分数阶微分处理数据，利用所述处理数据建立土壤盐分偏最小二乘回归模型；公式1：其中，f(λ)为一维光谱，v为微分阶数值，为Gamma函数；通过比较以下模型参数确定最优土壤盐分含量高光谱反演模型；校正均方根误差(rootmeansquareerrorofcalibration，RMSEc)、建模决定系数(determinationofcoefficients，R2c)、预测均方根误差(rootmeansquareerrorofprediction,RMSEp)、预测决定系数(predictingdeterminationofcoefficients，R2p)及相对分析误差(relativepredictiondeviation，RPD)，筛选出最优模型用以研究区土壤盐分含量的反演；其中，R2c，R2p用以判定模型的稳定程度，越接近于1说明模型的稳定性越好；RMSEc和RMSEp用于表征模型的准确性，其值越小表明模型的精度越高；当RPD<1.4时，模型无法对样本进行预测；当1.4＜RPD＜2时，表明模型具有较好的定量预测能力；当RPD>2.0时表示模型具有极好的预测能力；其中，计算R2、RMSE、及RPD的公式如下：公式2：其中，yi和分别为检验样本的观测值和预测值；为样本观测值得平均值；n为预测样本数；R2为两种不同处理的相关系数，为R2c或R2p；公式3：其中，yi和分别为验证样本的观测值和预测值；n为预测样本数；公式4：其中，S.D为样本观测值得方差；RMSE为两种不同处理的均方根误差，为RMSEc或RMSEp；利用所述最优模型，输入未知土样的高光谱信息，获得所述未知土样的盐分含量；将所述土壤的盐分含量与盐渍化分级标准表进行对比，即可得知所述未知土样的盐渍化程度。2.如权利要求1所述的一种土壤盐渍化程度的高光谱遥感判断方法，其特征在于，所述判断方法具体包括以下步骤：步骤1：用深度和直径分别为5.5、7.5cm的环刀采集土壤表层5cm以下处的土壤，获得未扰动土样，收集时剔除浸入体；步骤2：将环刀放入塑料盒中密封、编号、称重并带回实验室；从环刀内取20g左右有代表性的土样放入铝盒内，盖上盖称重，记录铝盒的编号和重量，将没加盖的铝盒放入干燥箱内，在105℃、24h恒温条件下用干燥法测得土壤样本质量含水率ωm，ωm的公式为：式中，M1为原状土样(含铝盒)质量；M2为干燥后原状土样质量，含铝盒；M3为空铝盒质量；步骤3：利用ASDFieldSpec3光谱仪在照明控制的暗室中测量土壤的光谱反射率；先将制备好的土壤样品装入黑色容器，填充后将表面刮平；光谱测定的光源为50W卤素灯，使用视场角5°的光纤探头；测量时距土壤样品表面距离定为50cm，光源的天顶角定为50°，探头至待测样品的表面距离定为15cm；步骤4：数据收集：在每次光谱测定之前，去除暗电流并校准白板；每个土壤样品在4个方向测量，3次旋转，每次90度，每个方向保存5条光谱曲线，总共20条；利用ViewSpecProV6.0.11软件进行算术平均计算，得到土壤样品的实际反射光谱数据；步骤5：SG平滑：在UnscramblerX软件中，选择主菜单→Tasks→Tranform→Smoothing:Savitzky–GolaySmoothing，启动滤波器；将Parameters中的Polynomialroder设置为3；将soomthingpoints设为5；点击OK开始平滑滤波；步骤6：高光谱数据预处理：对原始...

【专利技术属性】
技术研发人员：张智韬，劳聪聪，王海峰，
申请(专利权)人：西北农林科技大学，
类型：发明
国别省市：陕西,61