【技术实现步骤摘要】
本专利技术涉及土壤反演，具体地说是一种基于多循环分类的耕地土壤含盐量反演方法。
技术介绍
1、土壤盐渍化是限制干旱区和半干旱区农业发展的主要因素之一，会严重影响作物生长和产量。干旱区强烈的土壤蒸发导致耕地次生盐渍化的发生(ivushkin et al.2018)。在全球变暖和区域降雨改变的影响下，世界范围内约有20％的耕地已经受到土壤盐渍化的威胁(hassani et al.2021)，据预测，如不加以控制，在2050年世界将会有超过50％的耕地受到盐渍化的影响(singh 2021)，将会严重阻碍农业的可持续发展，并威胁全球粮食安全(pimentel and pimentel 2006)，因此准确评估干旱区耕地土壤盐渍化程度，判别土壤发生盐渍化的区域，有利于精准地指导农户的农田管理，实现农业可持续生产。
2、现有技术通常通过遥感影像数据提供大范围的地表植被和土壤的光谱特征，并反映土壤盐渍化的情况(zhang et al.2023)。其土壤含盐量反演方法的流程大致为：
3、首先，获取覆盖研究区的landsat和sentinel-2等卫星数据，并采集不同盐渍化程度的土壤样本，并记录每个样本点的经纬度坐标。
4、随后，在实验室中测量采集土壤样本的含盐量，同时通过获取的landsat和sentinel系列卫星影像，计算研究区的光谱特征影像，并通过采集土壤样本点的经纬度坐标，获取每个采集土壤样本点对应的光谱特征值。基于各个样本点光谱特征值和电导率之间的相关性，筛选光谱特征。
5、最后，基于
6、在上述反演流程的基础上多个方法在构建的光谱特征、光谱特征筛选方法以及反演模型三个方面进行了不同的尝试。其中反演模型的选择方面，单一或者多个光谱指数和土壤含盐量之间的线性关系被首先应用于土壤含盐量反演(guo et al.2019；scudiero etal.2015)，但其线性关系并不能很好表现光谱指数和土壤含盐量之间的关系，因此引入了随机森林(rf)(ivushkin et al.2019；li et al.2022)和支持向量机(svm)(periasamy etal.2022)等机器学习方法，以及深度学习相关的方法(garajeh et al.2021；gu etal.2022)被应用于土壤含盐量反演研究中，在基于多光谱特征土壤含盐量反演研究中均表现出了较好的适用性。
7、但是，由于不同盐渍化程度在遥感影像特征的差异程度成为了制约反演精度的关键，随着盐渍化等级的增加，土壤盐分大量出露、对植被的限制更加明显，遥感影像特征差异也更加明显，有利于遥感反演。
8、若耕地土壤含盐量还处于轻度盐渍以及更低水平，其对农作物生长的影响差异并不明显，其与无盐渍化耕地区域在遥感影像特征上的可分性降低，容易混淆两者的分类、严重制约土壤盐渍化反演的精度。并且受到农田管理等因素的影响，土壤盐分对农作物生长的限制不一定明显，更导致轻度盐渍化耕地的遥感影像特征和无盐渍化耕地的特征差异减小。因此导致已有的模型对于中度及以上盐渍化程度的耕地土壤的含盐量反演精度更好，而对于轻度盐渍化耕地和无盐渍耕地的识别及土壤含盐量的反演精度较差，即使单独使用无盐渍和低盐渍化耕地土壤样本构建模型，也很难获得理想的结果。
9、因此基于以上原因，需要设计一种基于多循环分类的耕地土壤含盐量反演方法，在保证对盐渍化耕地有较好提取精度的同时，可以准确反演盐渍化耕地的土壤含盐量。
技术实现思路
1、本专利技术的目的是克服现有技术的不足，提供了一种基于多循环分类的耕地土壤含盐量反演方法，在保证对盐渍化耕地有较好提取精度的同时，可以准确反演盐渍化耕地的土壤含盐量。
2、为了达到上述目的，本专利技术提供一种基于多循环分类的耕地土壤含盐量反演方法，包括以下步骤：
3、s1，基于谷歌地球引擎平台获取研究区的多光谱遥感时间序列影像，通过多光谱影像的质量波段对多光谱影像进行去云处理，并计算多个反映植被和土壤特征的遥感影像光谱指数并得到各个光谱指数时间序列影像；
4、s2，依据国家土壤盐渍化分级标准和耕地土壤样本中的含盐量将样本划分为无盐渍耕地样本和盐渍化耕地样本；
5、s3，分别计算无盐渍耕地样本和盐渍化耕地样本在各个光谱指数时间序列上的可分性指标用以评价两种样本在该光谱指数时间序列上的可分性；选取指标数值最大的光谱指数时间序列，并通过随机森林模型的反向特征消除法去除选择的光谱指数时间序列中的重要性较低的时间段数据，所剩余时段的光谱指数即为用于耕地有无盐渍化分类的遥感影像特征；
6、s4，构建多循环分类模型，将所述s2的样本集合划分为训练样本和验证样本，基于训练样本和所述s3的遥感影像特征建立耕地有无盐渍化分类器，应用验证样本进行精度验证，将分类错误的样本从全体样本中删除并标记为删除样本，剩余的样本标记为剩余样本；所述剩余样本进入下一步流程，执行重复的分类器训练、验证和分类错误样本删除步骤，通过重复多次的样本删除流程，直到训练的分类器的验证精度达到预设条件，最终全部样本将被分为两个样本集合，由各次样本删除流程中被删除样本组成的删除样本集d以及在经过多次样本删除流程后剩余的样本构成的剩余样本集r；
7、s5，将所述s4中最后一次样本删除流程中建立的分类器作为剩余样本集r对应的分类器，训练该分类器时的训练样本和验证样本作为剩余样本集r的训练样本和验证样本；将删除样本集d划分训练样本和验证样本，并基于训练数据训练删除样本集对应的分类器；
8、s6，将剩余样本集r的验证样本和删除样本集d的验证样本合并，作为最终的验证样本集t；
9、s7，基于剩余样本集r的分类器和耕地的光谱指数时间序列遥感影像特征对全部样本和待分区域进行分类，得到耕地有无盐渍化的初始分类结果，并计算每个像元在逐次样本删除过程中被分为有盐渍化的概率，对概率进行求和，标记为该样本和像元分为盐渍化耕地的概率和；
10、s8，构建所述s4～s5建立的删除样本集d和剩余样本集r的两个分类器在待分类区域中适用区域的判别规则；分别统计验证样本集t，验证样本集中分类错误样本集以及删除样本集d中的验证样本集的概率和，并按照有无盐渍化的初始分类结果进行分类，分别获得属于以上三个子集概率和分布图；按照有无盐渍化两个类别，建立重叠度指标评价上述三个样本子集概率和分布的重叠度，选取重叠度最大时对应的概率和作为两个分类器在待分类区域中适用区域的判别阈值；
11、s9，基于所述s8的待分区域耕地有无盐渍化的初始分类结果和被分为盐渍化耕地的概率和，并应用s9建立的判别规则，划分待分类区域中基于剩余样本集r和删除样本集d建立的两个分类器适用区域；对删除样本训练分类器的适用区域进行重新分类，替换s8中该区域耕地有无盐渍化的初始分类结果，得到最终的耕地本文档来自技高网...
【技术保护点】
1.一种基于多循环分类的耕地土壤含盐量反演方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多循环分类的耕地土壤含盐量反演方法，其特征在于，所述S1中的多光谱遥感影像为Sentinel-2卫星的MSI传感器的多光谱影像，包括Sentinel-2影像的全部波段。
3.根据权利要求1所述的基于多循环分类的耕地土壤含盐量反演方法，其特征在于，所述S1中去云处理为质量波段为Sentinel-2影像的QA60波段，并以GEE上自带的去云算法对Sentinel-2的多光谱影像进行去云处理。
4.根据权利要求1所述的基于多循环分类的耕地土壤含盐量反演方法，其特征在于，所述S3中可分性的评价为：JM距离评估两种类别样本在指定特征空间中的可分性，计算方法为：
5.根据权利要求1所述的基于多循环分类的耕地土壤含盐量反演方法，其特征在于，所述S4中全部样本集作为初始输入数据，之后每次样本删除流程是将上一个流程输出的剩余样本集作为输入，将样本随机划分为训练样本和验证样本并以训练样本训练随机森林分类器，通过网格搜索法，遍历所有在设定取值范围内的参
6.根据权利要求1所述的基于多循环分类的耕地土壤含盐量反演方法，其特征在于，所述S9中被分为无盐渍耕地的验证样本的重叠度指标ScoreNon-sanitary和被分为盐渍化耕地的验证样本的重叠度指标Scorresanitary的计算方法为：
7.根据权利要求1所述的基于多循环分类的耕地土壤含盐量反演方法，其特征在于，所述S12中，以选取出的四个光谱指数的时间序列数据作为基础，通过梯度提升决策树GBDT模型构建土壤含盐量反演模型，并根据模型计算的特征重要性指标，将重要性最低的特征剔除，剩余的特征重新训练土壤含盐量反演模型，并重复以上步骤，直到基于梯度提升决策树的土壤含盐量反演模型的精度达到最好。
...【技术特征摘要】
1.一种基于多循环分类的耕地土壤含盐量反演方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多循环分类的耕地土壤含盐量反演方法，其特征在于，所述s1中的多光谱遥感影像为sentinel-2卫星的msi传感器的多光谱影像，包括sentinel-2影像的全部波段。
3.根据权利要求1所述的基于多循环分类的耕地土壤含盐量反演方法，其特征在于，所述s1中去云处理为质量波段为sentinel-2影像的qa60波段，并以gee上自带的去云算法对sentinel-2的多光谱影像进行去云处理。
4.根据权利要求1所述的基于多循环分类的耕地土壤含盐量反演方法，其特征在于，所述s3中可分性的评价为：jm距离评估两种类别样本在指定特征空间中的可分性，计算方法为：
5.根据权利要求1所述的基于多循环分类的耕地土壤含盐量反演方法，其特征在于，所述s4中全部样本集作为初始输入数据，之后每次样本删除流程是将上一个流程输出的剩余样本集作为输入，将样本随机划分为训练样本和验证样本并以训练样本训练随机森林分类器，通过网格搜索法，遍历所有在设定取值范...
【专利技术属性】
技术研发人员：许尔琪，高了然，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：
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。