【技术实现步骤摘要】
一种利用遥感构建指数估算秸秆残留农田土壤盐分的方法
[0001]本专利技术属于遥感反演领域，具体涉及一种利用遥感构建特征指数用于估算秸秆残留农田土壤盐分的方法。
技术介绍
[0002]土壤盐渍化包括原生盐渍化和次生盐渍化，尤其是农田土壤盐渍化严重危害了土壤健康和作物生产。干旱和半干旱地区土壤蒸散量远高于降水量，土壤表面盐分积累结成盐壳，然而，不合理的农田管理(如漫灌洗盐)加剧了二次盐渍化进程。土壤盐渍化的定量估算对于耕地土壤资源的保护和利用具有重要意义。遥感技术因其空间范围覆盖广、观测空间分辨率高、时间重返周期性短的特点，被广泛用于土壤盐分的检测与评估。
[0003]在利用遥感手段定量反演土壤盐分中，针对不同的土壤盐渍化类型，以往的研究构建并使用了多个盐分指数、植被指数、遥感波段等用于建模回归。然而，因为地理环境的不同，气候类型、地貌特征、盐渍化类型、土壤类型、植被类型、社会经济要素等本地化特征明显，在应用到不同地区时，不同指数的通用性表现出一定的差异。特别是对于存在秸秆残留的农田土壤而言，此类农田土壤由于表面存在秸秆覆盖等不利因素，因此其在遥感反演盐分含量时缺乏特征指数的问题。因此，针对干旱区秸秆残留农田土壤盐渍化的监测，需要构建并优选一系列指数用于指示农田土壤表层的盐分，从而实现对土壤盐分的高精度定量反演与可视化，为干旱区秸秆残留农田土壤盐分含量的估算提供了新方法
技术实现思路
[0004]本专利技术的目的在于解决现有技术中存在的问题，联合地面调查数据，提供一种利用Sentinel>‑
2卫星数据和Sentinel
‑
1雷达数据构建特征指数用于估算秸秆残留农田土壤盐分的方法。
[0005]为了实现上述专利技术目的，本专利技术采用的具体技术方案如下：
[0006]第一方面，本专利技术提供了一种利用遥感构建指数估算秸秆残留农田土壤盐分的方法，其步骤如下：
[0007]S1、获取待测区域在待估算时间下对应的Sentinel
‑
2卫星数据、Sentinel
‑
1雷达数据、土壤采样数据集；所述待测区域的土地类型为干旱区秸秆残留农田；所述土壤采样数据集中包含待测区域内不同采样点对应的土壤表层盐分含量；
[0008]S2、对Sentinel
‑
2卫星数据中的多光谱影像进行预处理，得到不同波段的表面反射率数据，再通过多种光谱变换得到光谱数据集；所述光谱变换形式包括对数变换、倒数变换和微分变换；所述光谱数据集中包含影像中每一个栅格的光谱集合，所述光谱集合包括原始光谱和经过所述光谱变换后得到的多种变换光谱；对Sentinel
‑
1雷达数据进行预处理，得到包含垂直发射
‑
垂直接收(VV)和垂直发射
‑
水平接收(VH)的雷达后向散射系数的雷达数据集；
[0009]S3、遍历土壤表层盐分的敏感波段组合中不同的波段，并将其组合成不同的二维、
三维和四维指数，得到多维指数集合；再针对所述土壤采样数据集中的每个采样点，从所述光谱数据集中获取每个采样点对应的光谱集合，基于光谱集合中的每一条光谱分别计算所述多维指数集合中每一种指数的值；然后以每一条光谱下的每一种指数作为待筛选指数，将所述土壤采样数据集中各土壤采样点的土壤表层盐分含量分别与不同的待筛选指数进行相关性分析，筛选出相关性最高的至少一个待筛选指数作为高敏感指数；
[0010]S4、以所述土壤采样数据集中的各采样点为回归样本，以所述高敏感指数作为自变量，以土壤表层盐分含量作为因变量，建立回归模型；并从所述光谱数据集和所述雷达数据集中获取待测区域内每一个栅格对应的所述高敏感指数的值，根据所述回归模型计算得到每一个栅格处的土壤表层盐分含量，最终形成待测区域内秸秆残留农田土壤盐分含量的空间分布图。
[0011]作为优选，所述Sentinel
‑
2卫星数据中的多光谱影像的预处理包括辐射定标和大气校正，且其中大气校正所选用的模型为FLAASH。
[0012]作为优选，所述Sentinel
‑
1雷达数据的预处理包括轨道校正、热噪声去除、辐射校正、Lee滤波和多普勒地形校正，并选用水云模型去除植被含水量对土壤后向散射系数的影响后，将垂直发射
‑
垂直接收(VV)和垂直发射
‑
水平接收(VH)的雷达后向散射系数转换并得到分贝(dB)格式的雷达数据集。
[0013]作为优选，所述土壤采样数据集中，每一个采样点对应的土壤表层盐分含量由土壤表面0～0.2m的土层通过电导率法测定得到。
[0014]作为优选，所述Sentinel
‑
2卫星数据和Sentinel
‑
1雷达数据的空间分辨率为10米。
[0015]作为优选，所述敏感波段组合由光学遥感敏感波段和雷达敏感波段组成，其中所述光学遥感敏感波段为Sentinel
‑
2卫星数据中的蓝(Blue)波段、绿(Green)波段、红(Red)波段、近红外(NIR)波段、短波红外1波段(SWIR 1)、短波红外2波段(SWIR 2)和3个植被红边指数(Red Edge 1，Red Edge 2，Red Edge3)波段，所述雷达敏感波段为Sentinel
‑
1雷达数据中垂直发射
‑
垂直接收(VV)和垂直发射
‑
水平接收(VH)的雷达后向散射系数，。
[0016]作为优选，所述微分变换包括一阶微分变换、二阶微分变换和三阶微分变换，影像中每一个栅格的光谱集合均包含6条光谱，分别为原始光谱、对数变换光谱、倒数变换光谱、一阶微分变换光谱、二阶微分变换光谱和三阶微分变换光谱。
[0017]作为优选，所述多维指数集合中，二维、三维和四维指数均由相应维数的波段通过组合计算得到，组合计算的形式为差值计算、比值计算和幂计算中的一种或多种结合。
[0018]作为优选，所述回归模型为多项式回归模型，其形式为：
[0019]EC=a
×
ERSSI2+b
×
ERSSI+C
[0020]式中：EC为土壤表层盐分含量，a、b、c分别为回归系数。
[0021]需说明的是，上述第一方面中所提供的各技术方案，可以应用于任意的待测区域和时间，只要多维指数集合中所涵盖的指数可选范围足够广泛，一般都可以筛选得到高敏感指数并最终构建得到回归模型。
[0022]在本专利技术中，通过后续实施例，筛选到了一种高敏感指数，该指数是能有效指示干旱区秸秆残留农田土壤盐分的新指数增强型秸秆残留盐分指数(Enhanced Residues Soil Salinity Index，ERSSI)，该高敏感指数为基于二阶微分变换光谱计算的三维指数，三维指
数形式为其中ERSSI为高敏感指数，Green为Sentinel
‑
2卫星数据的绿(Green本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种利用遥感构建指数估算秸秆残留农田土壤盐分的方法，其特征在于，步骤如下：S1、获取待测区域在待估算时间下对应的Sentinel
‑
2卫星数据、Sentinel
‑
1雷达数据、土壤采样数据集；所述待测区域的土地类型为干旱区秸秆残留农田；所述土壤采样数据集中包含待测区域内不同采样点对应的土壤表层盐分含量；S2、对Sentinel
‑
2卫星数据中的多光谱影像进行预处理，得到不同波段的表面反射率数据，再通过多种光谱变换得到光谱数据集；所述光谱变换形式包括对数变换、倒数变换和微分变换；所述光谱数据集中包含影像中每一个栅格的光谱集合，所述光谱集合包括原始光谱和经过所述光谱变换后得到的多种变换光谱；对Sentinel
‑
1雷达数据进行预处理，得到包含垂直发射
‑
垂直接收(VV)和垂直发射
‑
水平接收(VH)的雷达后向散射系数的雷达数据集；S3、遍历土壤表层盐分的敏感波段组合中不同的波段，并将其组合成不同的二维、三维和四维指数，得到多维指数集合；再针对所述土壤采样数据集中的每个采样点，从所述光谱数据集中获取每个采样点对应的光谱集合，基于光谱集合中的每一条光谱分别计算所述多维指数集合中每一种指数的值；然后以每一条光谱下的每一种指数作为待筛选指数，将所述土壤采样数据集中各土壤采样点的土壤表层盐分含量分别与不同的待筛选指数进行相关性分析，筛选出相关性最高的至少一个待筛选指数作为高敏感指数；S4、以所述土壤采样数据集中的各采样点为回归样本，以所述高敏感指数作为自变量，以土壤表层盐分含量作为因变量，建立回归模型；并从所述光谱数据集和所述雷达数据集中获取待测区域内每一个栅格对应的所述高敏感指数的值，根据所述回归模型计算得到每一个栅格处的土壤表层盐分含量，最终形成待测区域内秸秆残留农田土壤盐分含量的空间分布图。2.如权利要求1所述的利用遥感构建指数估算秸秆残留农田土壤盐分的方法，其特征在于，所述Sentinel
‑
2卫星数据中的多光谱影像的预处理包括辐射定标和大气校正，且其中大气校正所选用的模型为FLAASH。3.如权利要求1所述的利用遥感构建指数估算秸秆残留农田土壤盐分的方法，其特征在于，所述Sentinel
‑
1雷达数据的预处理包括轨道校正、热噪声去除、辐射校正、Lee滤波和多普勒地形校正，并选用水云模型去除植被含水量对土壤后向散射系数的影响后，将垂直发射
‑
垂直接收(VV)和垂直发射
‑
水平接收(VH)的雷达后向散射系数转换并得到分贝(dB)格式的雷达数据集。4.如权利要求1所述的利用遥感构建指数估算秸秆残留农田土壤盐分的方法，其特征在于，所述土壤采样数据集中，每一个采样点对应的土壤表层盐分含量由土壤表面0～0.2m的土层通过电导率法测定得到。5.如权利要求1所述的利用遥感构建指数估算秸秆残留农田土壤盐分...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。