CN113609940A - 一种广覆盖的土壤重金属遥感混合制图方法 - Google Patents

Abstract

本发明公开了一种广覆盖的土壤重金属遥感混合制图方法，通过获取目标区域内的土壤采样点重金属含量值和其他辅助数据，并进行预处理；并进行插值处理，进一步计算残差；采用三次样条函数插值拟合空间裸土范围内的残差函数，校正步骤5得到的遥感预测重金属结果；最终得到区域内裸土土壤重金属含量的预测值。本发明的优点在于：通过借助遥感数据获取的地面信息提高局部反演的精度，充分发挥插值方法对在结果异常值的控制，扩大土壤制图的空间范围和提高重金属制图的准确度。

Description

一种广覆盖的土壤重金属遥感混合制图方法

技术领域

本发明涉及遥感和环境领域，具体涉及基于土壤中重金属含量的空间制图方法。

背景技术

土壤重金属污染严重影响到国家粮食安全和人体健康，开展土壤重金属调查，实现大范围空间制图对经济社会的稳定发展具有重要意义。

目前利用地面样本点采样建立反演土壤重金属的空间预测性制图，都是通过已知点推测未知点或其他易于获取的量，建立相关模型，预测难于获取的量，达到制图目的。常见的土壤空间预测性制图方法主要有基于地统计学的空间插值法和基于遥感反演预测制图。

地统计学方法单纯的考虑了土壤重金属元素的空间变化影响，可以仅通过已有的地面采样点，实现空间制图，这也是早期土壤制图广泛采用的技术。但仅考虑采样点之间的空间关系，在较为复杂环境和采样点较少条件下得到的效果往往具有较大的偏差。后期发展的一些插值方法结合土壤发生学理论，通过易于获得的成土环境因素，如植被、地形及其派生因素，建立多变量的综合模型推断难于测定的土壤属性值，改进插值模型。该方法的运用和土壤形成的特殊性有关，在大范围复杂环境中的精度会受影响。基于遥感数据的反演制图充分利用了遥感影像可快速获取大范围空间的地物光谱信息，为大区域的土壤重金属研究制图提供数据支撑。尤其是高光谱技术的发展，可以实现“图谱合一”，为土壤属性的定量反演提供数据基础。地面采样点数据的质量和数量是两种方法的共同限制因素，通常由于地面采样工作量大，地形复杂和偏僻地区采样难度大等因素，采样点的数量往往成为土壤重金属高精度的反演的主要限制因素。

综上所述，目前土壤属性的空间预测制图技术中，地统统计学方法发展较为成熟且数据材料较为宽松，但土壤局部环境变异大和在大范围应用中精度受限，需要足够且均匀的地面采样点才能保证结果的精度；基于遥感数据的土壤反演是近些年研究较多的制图方法，大范围应用上有很大的优势，但容易受遥感影像数据本身和环境因素影响，模型的迁移性较差，需要大数据训练建模才能保证结果精度，以上两种单一方法均存在明显的局限性。

发明内容

本次发明针对目前采样点数量不足，大范围土壤重金属反演制图精度低等问题，提出一种融合空间插值和残差校正等技术，实现高精度、广覆盖的的遥感土壤重金属制图的方法。

为实现上述技术目的，本发明采用了以下技术方案：

一种广覆盖的土壤重金属遥感混合制图方法，包括以下步骤：

步骤1，获取目标区域内的土壤采样点重金属含量值和其他辅助数据，并进行预处理。辅助数据包括高程、经纬度、坡向和坡度数据。可以增加对目标区域的特殊性信息描述。土壤地面采样点数据信息至少包含土壤采样点的位置和重金属含量值，所有的数据通过空间整合到统一大小的网格空间L中。对以上所有的面状数据进行空间重采样，统一到规则的网格M中，其中包含重金属属性信息共l个网格，空间范围记为L。网格为后续步骤处理的基本单元。

步骤2，采用协同克里金插值法将点状土壤重金属采样数据集P插值到覆盖整个目标区域的面状重金属栅格数据P’。协同克里格插值为已有技术，其原理是利用影响土壤重金属浓度的经纬度、海拔、坡度和坡向因子之间的相关性提高对未知点土壤重金属浓度值的预测精度。采用留一法交叉验证计算包含重金属属性信息数据集P的插值结果的残差数据集ε_L＝ε₁，ε₂，...ε_j...，ε_l。

ε_jL＝P_jL-P′_jL

式中，P_jL为网格j处真实的土壤重金属含量值，P’_jL为插值计算得到的网格j土壤重金属含量的预测值。

步骤3，利用步骤2得到的残差信息提取采样点及其所在位置周围网格插值结果作为土壤重金属的模拟采样数据集。本步骤的目的是尽可能利用插值结果扩大原有土壤样本信息量。对插值残差大的，提取其周围取样距离小，反之则越大，全部网格点得到的模拟采样空间范围记为A。

步骤4，采用多时相遥感影像提取目标区域的裸土范围。裸土面积的提取方法为已有技术，如决策树分类法等。分别提取n景景影像的空间裸土范围：S₁，S₂，...S_i...，S_n。最终需要制图的空间范围全部影像裸土空间的范围的并集，记为S。

S＝∪(S₁，S₂，…S_i…，S_n)

步骤5、6是为对每一景影像i的操作。

步骤5，通过空间匹配技术建立每景影像中裸土区域S_i和模拟采样点空间A_i的空间交集为建模数据集，并建立土壤重金属的反演模型，记其空间为AS_i。通过遥感反演模型预测裸土区域S_i以内的土壤重金属含量结果

并采用留一交叉验证计算空间A_i部分的数据残差

AS_i＝A_i∩S_i

其中

为步骤5反演模型得到AS_i区域网格j的重金属浓度预测值，

为步骤3中模拟样本网格的重金属含量值。

步骤6，采用三次样条函数插值对步骤5AS_i空间网格中的残差数据ζ_jAS进行拟合，得到覆盖空间范围S_i面状残差函数ζ’_j。对步骤5中S_i以内，A_i范围以外空间B_i的预测结果P″_j进一步校正，记为

最终覆盖目标区域S_i空间的重金属插值结果

步骤7，对n景影像数据重复步骤5、6，分别得到不同时相的和空间的土壤预测结果，对每个网格预测得到的全部重金属浓度结果取均值，得到区域内裸土土壤重金属含量的预测值。

与现有技术相比，本发明具有如下有益效果：

本发明通过借助遥感数据获取的地面信息提高局部反演的精度，充分发挥插值方法对在结果异常值的控制，扩大土壤制图的空间范围和提高重金属制图的准确度。

附图说明

图1为本发明的步骤处理流程图。

具体实施方式

下面对本发明实施步骤做进一步描述。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

本发明技术方案可采用计算机软件实现处理。以下结合图1详述高精度土壤重金属空间预测和制图流程。

步骤1，获取目标区域内的土壤采样点重金属含量值和其他辅助数据，并进行预处理。辅助数据包括高程、经纬度、坡向和坡度数据。如直接获取的辅助数据为数字高程模型(DEM)则需要进行坡度、坡向和经纬度栅格等信息提取，得到反映地表信息的面状栅格数据集。对以上所有的面状数据进行空间重采样，统一到规则的网格M中，网格为后续步骤处理的基本单元。重采样的网格大小选择和步骤4中遥感影像地面空间分辨率相同，也即是最终得到的目标土壤制图空间分辨率。土壤地面采样点数据信息至少包含土壤采样点的位置和重金属含量值，且要求在空间上分布均匀，经网格空间整合，区域内包含重金属属性信息共l个网格，空间范围记为L。

步骤2，采用协同克里金插值法将点状土壤重金属采样数据集P插值到覆盖整个目标区域的面状重金属栅格数据P’。协同克里格插值为已有技术，其原理是利用影响土壤重金属浓度的经纬度、海拔、坡度和坡向因子之间的相关性提高对未知点土壤重金属浓度值的预测精度。采用留一法交叉验证计算数据集P的插值结果的残差数据集ε_L＝ε₁，ε₂，...ε_j...，ε_l。

ε_jL＝P_jL-P′_jL

式中，P_jL为网格j处真实的土壤重金属含量值，P’_jL为插值计算得到的网格j土壤重金属含量的预测值。

步骤3，利用步骤2得到的残差信息提取采样点及其所在位置周围网格插值结果作为土壤重金属的模拟采样数据集。本步骤的目的是尽可能利用插值结果扩大原有土壤样本信息量。具体操作为：先对步骤2得到残差数据集ε_L进行归一化，利用归一化的结果对设定基准取样距离d进行反残差加权，将各插值点所在的中心网格d_jL距离半径内的插值数据作为模拟采样点，网格残差值越大，提取的周围取样距离越小，反之则越大，全部网格点得到的模拟采样空间范围记为A。模拟采样点和真实采样点一样，包含了插值反演的重金属浓度信息和位置信息。残差归一化公式如下：

其中ε_max和ε_min分别为残差集ε的最大和最小值，残差加权公式如下：

其中d为基准取样距离，可以根据区域内重金属元素的变异程度的分析进行调整。变异系数计算为已有技术，变异系数＜10％时为弱变异，可扩大距离。变异系数＞100％表示强变异性，可减小距离。

步骤4，采用多时相遥感影像提取目标区域的裸土范围。裸土面积的提取方法为已有技术，如决策树分类法等。分别提取n景景影像的空间裸土范围：S₁，S₂，...S_i...，S_n。最终需要制图的空间范围全部影像裸土空间的范围的并集，记为S。

S＝∪(S₁，S₂，…S_i…，S_n)

步骤5、6是为对每一景影像i的操作。

步骤5，通过空间匹配技术建立每景影像中裸土区域S_i和模拟采样点空间A_i的空间交集为建模数据集，并建立土壤重金属的反演模型，记其空间为AS_i。常用的反演算法模型如偏最小二乘法、机器学习算法等为已有技术。通过模型预测裸土区域S_i以内的土壤重金属含量结果

并采用留一交叉验证计算空间A_i部分的数据残差

AS_i＝A_i∩S_i

其中

为步骤5反演模型得到AS_i区域网格j的重金属浓度预测值，

为步骤3中模拟样本网格的重金属含量值。

步骤6，采用三次样条函数插值对步骤5AS_i空间网格中的残差数据ζ_jAS进行拟合，得到覆盖空间范围S_i面状残差函数ζ’_j。对步骤5中S_i以内，A_i范围以外空间B_i的预测结果P”_j进一步校正，记为

最终覆盖目标区域S_i空间的重金属插值结果

步骤7，对n景影像数据重复步骤5、6，分别得到不同时相的和空间的土壤预测结果，对每个网格预测得到的全部重金属浓度结果取均值，得到区域内裸土土壤重金属含量的预测值。

其中m为S空间范围内所有的网格数。

本发明通过借助遥感数据获取的地面信息提高局部反演的精度，充分发挥插值方法对在结果异常值的控制，扩大土壤制图的空间范围和提高重金属制图的准确度。

Claims (4)

1.一种广覆盖的土壤重金属遥感混合制图方法，其特征在于，包括以下步骤：

步骤1，获取目标区域内的土壤采样点重金属含量值和其他辅助数据，并进行预处理；

步骤2，采用协同克里金插值法将点状土壤重金属采样数据集P插值到覆盖整个目标区域的面状重金属栅格数据P’；

步骤3，利用步骤2得到的残差信息提取土壤重金属的模拟采样数据集；

步骤4，通过多时相遥感影像提取目标区域内的裸土面积；

步骤5，建立每景影像土壤重金属反演模型并预测该景影像裸土区域全部的重金属浓度值，并计算残差；

步骤6，采用三次样条函数插值拟合空间裸土范围内的残差函数，校正步骤5得到的遥感预测重金属结果；

步骤7，对n景影像数据重复步骤5、6，分别得到不同时相的和空间的土壤预测结果，对每个网格预测得到的全部重金属浓度结果取均值，得到区域内裸土土壤重金属含量的预测值。

2.根据权利要求1所述的一种广覆盖的土壤重金属遥感混合制图方法，其特征在于：在步骤3中构建的残差加权的模拟样本数据集。

3.根据权利要求2所述的一种广覆盖的土壤重金属遥感混合制图方法，其特征在于：步骤3中构建的残差加权的模拟样本构建过程如下：

S01,对步骤2得到残差数据集ε_L进行归一化，利用归一化的结果对设定基准取样距离d进行反残差加权，将各插值点所在的中心网格d_jL距离半径内的插值数据作为模拟采样点，全部网格点得到的模拟采样空间范围记为A；所述模拟采样点包含插值反演的重金属浓度信息和位置信息；残差归一化公式如下为：

其中ε_mah和ε_min分别为残差集ε的最大和最小值，残差加权公式为：

其中d为基准取样距离。

4.根据权利要求1所述的一种广覆盖的土壤重金属遥感混合制图方法，其特征在于：在步骤6采用三次样条函数插值对步骤5AS_i空间网格中的残差数据ζ_jAS进行拟合，得到覆盖空间范围S_i面状残差函数ζ′_j，对步骤5中S_i以内，A_i范围以外空间B_i的预测结果P″_j进一步校正，记为

最终覆盖目标区域S_i空间的重金属插值结果

其中拟合公式如下：

Images