CN102645350B - 基于高分卫星遥感数据的土壤采样方法 - Google Patents

Abstract

本发明公开了一种基于高分卫星遥感数据的土壤采样方法。采集研究区的高分卫星遥感影像，计算相关指数的栅格数据。将数据置于一个矩形框内，然后分成四个相等面积的区层，计算每一个区层内的半方差平均值，找出半方差值最大的区层继续四分，随着迭代次数增加，最大方差值迅速减小，随后减少的幅度变小，直到达到某一给定的迭代次数或者最大半方差值小于给定的阈值（对应于采样误差限制）。最后，采样区被划分为许多面积大小不一但属性差异相对均一的区层，每个区层即为一个土壤采样单元。利用高分卫星遥感数据结合方差四叉树法进行土壤采样方法，可以快速准确地获得最优的土壤采样布局方案，节省采样成本，提高采样布点的合理性和代表性。

Description

基于高分卫星遥感数据的土壤采样方法

技术领域

本发明涉及一种土壤采样方法，尤其是涉及一种基于高分卫星遥感数据的土壤采样方法。

背景技术

合理的土壤采样方法是进行土壤科学管理和合理施肥的基础，是精确农业实施的前提。以最小的采样数目来达到最大的预测精度是土壤采样的目的。土壤特性的空间变异性可以通过采集的样品信息对未采样点进行预测，这种预测的可靠性依赖于最初的采样是否具有代表性及是否有效地描述了田块的变异性。土壤采样方法的合理与否直接关系到空间变异特性的表达。常见的土壤采样方法可以归结为两大类：Fisher创立的经典统计方法和地统计学空间采样法。经典的采样方法简单易行、应用广泛，但是通常需要大量的样点才能全面准确地获取土壤性状的空间分布特征，采样成本高，效率低。空间采样方法借助地统计学的支持，考虑到空间自相关性来设计采样方法。且随着数据获取技术和现代化信息技术的发展，为推测土壤性状的空间变异提供了越来越多的辅助数据，如遥感数据，高程模型数据等。

土壤采样方法一直是土壤学家研究的热点，CiPra等(1972)比较了有机质、磷等几种土壤肥力特性指标，在同样的误差和置信区间水平上，由于不同土壤肥力变异性的不同，所需要的采样数目也不同。Black等(1993)在代表性土壤样本的选择和采集方面进行了大量的试验和探讨。

随着地统计学理论的深入发展和在土壤学科中的广泛应用，利用地统计学的有关方法和理论来设计和优化采样策略受到越来越多的关注。McBratney和Webster(1983)利用地统计学中克里格插值得到的土壤采样效率较传统统计方法高出13～9倍。Brus等(1999)利用分层简单随机采样法对土壤中速效磷平均含量进行预测，并利用变异函数评价了采样的精度。Ferreyar等(2002)利用半方差函数和空间退火模拟算法来减少土壤水的采样数目，与规则格网和随机采样模式相比，具有较高的预测精度。Wang等(1998)利用规则网格采样、随机采样、分层采样三种采样方法和三种不同的样本大小来研究采样模式和密度对土壤中污染物的空间结构特征的影响，发现样本大小和采样方法都对经验半方差函数有重要影响，同样的样本大小，规则网格采样的预测精度最高。国内姜城等(2001)对土壤合理采样数量做了研究，发现发部分土壤养分都有较为良好的半方差结构，在平衡取样成本和精度的前提下必须考虑土壤养分的空间变异程度。

利用较易获取的数据进行土壤空间变异性的表达，可以节省人力、物力、财力。如利用EM38快速获取的土壤表观电导率数据、高分遥感卫星数据等。史舟等(2007)研究了土壤体积电导率在滨海盐土区的空间变异和采样方案。而利用方差四叉树法借助较易大面积获取的高分遥感卫星数据进行土壤采样方法的研究尚未见报道。这种优化的采样方式可以快速准确地获得最优的土壤采样布局方案，以较少的样品获得较高的预测精度，其采样效率比网格法高约17～44％，节省了采样成本，提高了采样布点的合理性和代表性。

发明内容

本发明的目的在于提供了一种基于高分卫星遥感数据的土壤采样方法，借助易大面积获取的高分遥感卫星数据进行土壤采样。

本发明的技术方案是：

(1)高分卫星遥感数据预处理：通过公式从高分遥感卫星数据中提取后向散射系数指数，以文件的形式存放；

(2)区层的划分：将提取的后向散射系数置于一个矩形框内，分成四个面积相等的区层h；

(3)计算区层内的半方差值：对每一个区层均计算出半方差值φ_h；

(4)最大方差值区层的寻找：找出步骤(3)中四个面积相等的区域中半方差值φ_h最大的区层，再将其分的区层为四个面积相等的区层；

(5)分割终止：对步骤(4)中划分的四个面积相等的区层重复步骤(3)直到达到某一给定的迭代次数，或者直到半方差值φ_h的最大值小于某一阈值ε；设i为迭代次数，那么在第i个迭代时，所划分的总的区层数为n_i＝3i+1；

(6)采样方法：在划分出的n_i区层内，采样点的位置是随机的，或者布设于中心；

(7)采样图制作：将每个采样点的空间位置和高分卫星遥感图像一起制作成野外土壤采样地图或输入到手持电脑上，然后结合GPS定位仪进行土壤采样。

本发明具有的有益效果是：

本发明利用高分卫星遥感数据结合方差四叉树法进行土壤采样，可以快速准确地获得最优的土壤采样布局方案，节省采样成本，提高采样布点的合理性和代表性。比传统的网格采样效率提高17～44％左右，为精确农业管理提供了一种可行的方案。

附图说明

图1是层内最大方差与分层数之间的关系图。

图2是方差四叉树法采样方法结果图。

图3是传统网格采样与四叉树法采样方法标准误差比较图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

选取浙江省上虞市西北地区、杭州湾南岸的海涂实验农场作为研究区域。选取2011年11月21日过境的ALOS/PALSAR高分雷达遥感数据(空间分辨率12.5米)用于后向散射系数提取。

(1)高分卫星遥感数据预处理：ALOS/PALSAR L波段HH极化图像的后向散射系数σ₀(dB)通过公式(1)由图像的象元DN值得到，后向散射系数栅格图像数据以文件的形式存放；

σ₀＝10*log₁₀(DN)²+ε            (1)

式中，ε是雷达定标系数，对于ALOS/PALSAR Level 1.5数据ε＝-83.0。

(2)区层的划分：将提取的研究区雷达后向散射系数栅格数据置于一个矩形框内，分成四个面积相等的区层h；

(3)计算区层内的半方差值：对每一个区层按照公式(2)计算出半方差值φ_h；

${\mathrm{\φ}}_h=\sqrt{n_h^2\stackrel{\‾}{\mathrm{\γ}}(A_h,A_h)}---\left(2\right)$

式中n_h是区层h内离散点对的数目，A_h是区层h的面积，区层h内的半方差平均值，它可以由公式(3)计算求得：

$\stackrel{\‾}{\mathrm{\γ}}(A_h,A_h)=\frac{1}{A_h^2}{\∫}_{A_h}{\∫}_{A_h}\mathrm{\γ}(x-x^{\′}){\mathrm{dxdx}}^{\′}---\left(3\right)$

并可以利用公式(4)近似求得：

$\stackrel{\‾}{\mathrm{\γ}}(A_h,A_h)=\frac{1}{n_h^2}\underset{i=1}{\overset{n_h}{\mathrm{\Σ}}}\underset{j=1}{\overset{n_h}{\mathrm{\Σ}}}\mathrm{\γ}(x_i-x_j)\≈\frac{1}{{2n}_h^2}\underset{i=1}{\overset{n_h}{\mathrm{\Σ}}}\underset{j=1}{\overset{n_h}{\mathrm{\Σ}}}{[z\left(x_i\right)-z\left(x_j\right)]}^2...\left(4\right)$

式中γ(x_i-x_j)是区层h内离散点对x_i和x_j之间的半方差值；z(x_i)和z(x_j)是区层h内离散点对x_i和x_i的测量值。

(4)最大方差值区层的寻找：找出步骤(3)中四个面积相等的区域中φ_h最大的区层，再将其分为四个面积相等的区层。

(5)分割终止：对步骤(4)中划分的四个面积相等的区层重复步骤(3)直到达到某一给定的迭代次数，或者直到半方差值φ_h的最大值小于某一阈值ε；设i为迭代次数，那么在第i个迭代时，所划分的总的区层数为n_i＝3i+1。最大方差值与分层数的关系见图1，当迭代次数i为17，划分的区层数n_i为52个时，分割终止。

(6)采样方法：在划分出的52个区层内，采样点的位置布设于每个区层的中心，土壤采样点的位置见图2。

该算法将感兴趣的研究区进行等方差的分割，采样区被划分为许多离散层且样点随机的位于每一层内，如果下面公式(5)成立，那么对以总体为n的样本，其采样方差为最小。

$n_h=n\frac{A_h{S}_h}{\mathrm{\Σ}{A}_h{S}_h}---\left(5\right)$

式中，n为总样品数目，S_h为区层h的标准差。

如果在每一区层选择同样数目的样本，也就是说，对于任意的i和j，都有n_i＝n_j。那么对于任意的i和j，A_iS_i应等于A_jS_j。因而，该算法将那些A_hS_h值最大的层进行划分，并不断划分下去直到所有层的A_h和S_h的乘积差不多相等为止。对A_hS_h，用平均半方差值的方根取代S_h则有公式(6)：

$A_h{S}_h=A_h\sqrt{\stackrel{\‾}{\mathrm{\γ}}(A_h,A_h)}$

$=A_h\sqrt{\frac{1}{A_h^2}\underset{A}{\∫}\underset{A}{\∫}\stackrel{\‾}{\mathrm{\γ}}(x-x^{\′})\mathrm{dx}{\mathrm{dx}}^{\′}}$

$\≈n_h\sqrt{\frac{1}{n_h^2}\underset{i=1}{\overset{n_h}{\mathrm{\Σ}}}\underset{j=1}{\overset{n_h}{\mathrm{\Σ}}}\mathrm{\γ}(x_i-x_j)}$

$\≈\sqrt{\frac{1}{2}\underset{i=1}{\overset{n_h}{\mathrm{\Σ}}}\underset{j=1}{\overset{n_h}{\mathrm{\Σ}}}{[z\left(x_i\right)-z\left(x_j\right)]}^2}={\mathrm{\φ}}_h...\left(6\right)$

(7)采样图制作：将52个采样点的空间位置和高分卫星遥感图像一起制作成野外土壤采样地图或输入到手持电脑上，然后结合GPS定位仪进行野外采样。得到的采样结果与网格采样法相比较的误差分析见图3，其采样效率比网格法高约17～44％。

Claims (1)

1.一种基于高分卫星遥感数据的土壤采样方法，其特征在于该方法的步骤如下：

（1）高分卫星遥感数据预处理：通过公式从高分遥感卫星数据中提取后向散射系数指数，以文件的形式存放；

（2）区层的划分：将提取的后向散射系数置于一个矩形框内，分成四个面积相等的区层h；

（3）计算区层内的半方差值：对每一个区层均计算出半方差值                                                

；

（4）最大方差值区层的寻找：找出步骤（3）中四个面积相等的区层中半方差值

最大的区层，再将该半方差值

最大的区层划分为四个面积相等的区层；

（5）分割终止：对步骤（4）中划分的四个面积相等的区层重复步骤（3）直到达到某一给定的迭代次数，或者直到半方差值

的最大值小于某一阈值ε；设i为迭代次数，那么在第i个迭代时，所划分的总的区层数为n _i =3i+1；

（6）采样方法：在划分出的n _i 区层内，采样点的位置是随机的，或者布设于中心；

（7）采样图制作：将每个采样点的空间位置和高分卫星遥感图像一起制作成野外土壤采样地图或输入到手持电脑上，然后结合GPS定位仪进行土壤采样。

Images