CN115901634A - 一种基于三维特征空间模型的盐渍化反演方法 - Google Patents
一种基于三维特征空间模型的盐渍化反演方法 Download PDFInfo
- Publication number
- CN115901634A CN115901634A CN202211221435.XA CN202211221435A CN115901634A CN 115901634 A CN115901634 A CN 115901634A CN 202211221435 A CN202211221435 A CN 202211221435A CN 115901634 A CN115901634 A CN 115901634A
- Authority
- CN
- China
- Prior art keywords
- salinization
- index
- mai
- dimensional
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012544 monitoring process Methods 0.000 claims abstract description 62
- 239000002689 soil Substances 0.000 claims abstract description 61
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N Iron oxide Chemical compound [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 10
- 230000033228 biological regulation Effects 0.000 claims abstract description 7
- 239000003086 colorant Substances 0.000 claims abstract description 6
- 238000004040 coloring Methods 0.000 claims abstract description 3
- 230000008859 change Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000005484 gravity Effects 0.000 claims description 14
- 238000012417 linear regression Methods 0.000 claims description 10
- 230000003247 decreasing effect Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 5
- 230000008439 repair process Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 description 23
- 150000003839 salts Chemical class 0.000 description 7
- 238000010276 construction Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 230000008020 evaporation Effects 0.000 description 5
- 238000001704 evaporation Methods 0.000 description 5
- 239000013535 sea water Substances 0.000 description 5
- 239000011780 sodium chloride Substances 0.000 description 5
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000009938 salting Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000011155 quantitative monitoring Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000002344 surface layer Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000003313 weakening effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000011497 Univariate linear regression Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000005273 aeration Methods 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 239000002585 base Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033558 biomineral tissue development Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000009189 diving Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种基于三维特征空间模型的盐渍化反演方法,包括:获取一个时期的Landsat影像时序数据集,分别计算土壤调节植被指数MSAVI、地表反照率指数Albedo和氧化铁指数IFe2O3的三个改进型盐渍化特征参量值,将改三个改进型盐渍化特征参量值三维数据可视化显示,构建三维特征空间,选取参考坐标点,计算三维特征空间中任意一点到参考坐标点的空间距离,并计算盐渍化遥感监测指数MAI,根据盐渍化遥感监测指数MAI的不用阈值,将三维特征空间划分为多个个点群、并用不同的颜色着色,采用不同着色的三维特征空间,构建三维特征空间监测模型,反演盐渍化演变过程特征。该方法可以实现盐渍化演变模式及特征反演和分析。
Description
技术领域
本发明涉及盐渍化遥感监测技术领域,更具体的涉及一种基于三维特征空间模型的盐渍化反演方法。
背景技术
土壤盐渍化是由多种自然因素以及人类活动共同作用的结果,严重影响生态环境的稳定和可持续发展。盐渍土在我国分布广泛,按地理位置划分为内陆盐渍土和滨海盐渍土,滨海盐渍土是山东主要的盐渍土类型,其典型区域分布在黄河三角洲和莱州湾南岸地区。近现代黄河三角洲是自1855年黄河由苏北北归重新注入渤海以来,由黄河泥沙堆积孕育出的中国最年轻的一片国土,其形成只有160多年的历史。黄河三角洲土地不断增长且开发潜力巨大。黄河三角洲盐渍化问题尤为突出,是制约当地经济发展的重要因素之一,严重威胁湿地生态系统的稳定和区域生态保护红线的布局。因此,利用科学有效的方法对土壤盐渍化信息进行分析与监测,掌握其时空演变模式及特征,对盐渍化土地进行合理分析布局具有重要意义。
随着遥感技术的成熟与发展,利用高光谱数据进行土壤盐渍化监测具有重要意义,遥感影像探测范围广、数据获取快,被广泛用于大面积土壤盐渍化的动态监测和评价中。曹建荣等人通过Landsat系列卫星研究了在黄河三角洲地区通过遥感手段实现对盐渍化土地退化信息提取的可行性。近年来,国内外的一些学者利用遥感影像反演特征参量,构建二维特征空间应用到盐渍化信息的监测并取得了较好的效果。王飞等同时考虑植被和土壤信息,利用归一化植被指数和盐分指数提出NDVI-SI特征空间概念,对新疆于田绿洲盐渍化进行了定量分析与监测;哈学萍等选取盐分指数和地表反射率建立特征空间并构建模型,对克里雅绿洲的土壤盐渍化分布信息进行了提取;丁建丽等利用改进型土壤调节植被指数和湿度指数,构建MSAVI-WI特征空间对干旱区土壤盐渍化监测进行了研究;郭兵等利用Landsat8 OLI影像构建了基于植被指数-盐分指数特征空间的盐渍化遥感监测指数模型,结果表明该模型对黄河三角洲盐渍化土壤的定量分析与监测有较好的适用性。然而,土壤盐渍化的形成、发展及退化等过程往往受到多种自然及人为因素的复杂影响,上述研究多基于二维特征空间模型开展土壤盐渍化信息的监测,无法考虑多类型因素的交互作用对盐渍化信息反演的影响。因此,开展三维特征空间监测模型的研究对于提高盐渍化反演精度具有重要意义。同时,前人研究多基于稀疏时序的视角开展盐渍演变过程及格局的分析,虽然能够在一定程度上揭示区域盐渍化时空变化规律,但是很难监测和捕捉到盐渍化的突变过程及其临界阈值信息。
发明内容
本发明实施例提供一种基于三维特征空间模型的盐渍化反演方法,包括:
获取一个时期的Landsat影像时序数据集;
根据Landsat影像时序数据集,分别计算土壤调节植被指数MSAVI、地表反照率指数Albedo和氧化铁指数IFe2O3的三个改进型盐渍化特征参量值;
将三个改进型盐渍化特征参量值三维数据可视化显示,构建三维特征空间;
选取参考坐标点,计算三维特征空间中任意一点到参考坐标点的空间距离,然后根据空间距离计算盐渍化遥感监测指数MAI;
根据盐渍化遥感监测指数MAI的不用阈值,将三维特征空间划分为多个个点群、并用不同的颜色着色,其中,不同点群表征不同土壤盐渍化程度;
采用不同着色的三维特征空间,构建点对点的MSAVI-Albedo-IFe2O3三维特征空间监测模型;
采用点对点的MSAVI-Albedo-IFe2O3三维特征空间监测模型反演盐渍化演变过程特征。
优选地,还包括:
对Landsat卫星影像时序数据进行几何校正、条带修复及大气校正。
优选地,根据Landsat时序影像数据集各点的波段值,分别计算改进型土壤调节植被指数MSAVI、地表反照率指数Albedo和氧化铁指数IFe2O3的三个盐渍化特征参量值,计算公式包括:
改进型土壤调节植被指数MSAVI的盐渍化特征参量值计算公式为:
地表反照率指数Albedo的盐渍化特征参量值计算公式为:
Albedo=0.356×Blue+0.130×Red+0.373×Nir+0.085×Swir1+;
0.072×Swir2-0.0018
氧化铁指数IFe2O3的盐渍化特征参量值计算公式为:
其中,Green是绿波段,Blue是蓝波段,Red是红波段,Nir是近红外波段, Swir1和Swir2是短红外波段1和短红外波段2。
优选地,还包括对各个盐渍化特征参量值标准化,盐渍化特征参量值标准化计算公式,包括:
Vi=(Fi-Fi,min)/(Fi,max-Fi,min)
其中,Vi是各个盐渍化特征参量值的标准化指标;Fi是各个盐渍化特征参量值的原始指标i;Fi,min为各个盐渍化特征参量值的原始指标的最小值;Fi,max为各个盐渍化特征参量值的原始指标的最大值。
优选地,土壤盐渍化程度包括:非盐渍化区、盐渍化区、轻度盐渍化区和重度盐渍化区。
优选地,采用点对点的MSAVI-Albedo-IFe2O3三维特征空间监测模型反演现代黄河三角洲盐渍化突变和渐变过程,包括:
计算黄河三角洲一个时间段内平均盐渍化遥感监测指数MAI,反演黄河三角洲盐渍化空间分布特征;
基于栅格单元的一元线性回归分析法,计算每个栅格盐渍化遥感监测指数 MAI的时间序列变化趋势,根据变化趋势分析黄河三角洲区域内Landsat时序影像数据集的各像元景观演变情况;
根据盐渍化遥感监测指数MAI,计算三维特征空间的笛卡尔坐标,根据三维特征空间的笛卡尔坐标,获得黄河三角洲一个时间段逐年的盐渍化的重心,分析显示黄河三角洲盐渍化空间分布的不均衡性和偏向性。
优选地,计算黄河三角洲一个时间段内平均盐渍化遥感监测指数MAI,反演黄河三角洲盐渍化空间分布特征,计算公式包括:
优选地,基于栅格单元的一元线性回归分析法,计算每个栅格盐渍化遥感监测指数MAI的时间序列变化趋势,计算公式包括:
式中,C表示趋势线斜率,表示在一段时间内该像元MAI年际变化的一元线性回归方程的斜率,表示MAI总的变化趋势,t为年份,n表示年份数,若 C大于零,表示MAI呈现增加趋势;若C小于零,则表示MAI呈现减少趋势;若C=0时则说明MAI保持不变。
优选地,根据盐渍化遥感监测指数MAI,计算三维特征空间的笛卡尔坐标,根据三维特征空间的笛卡尔坐标,计算公式包括:
其中,xi,yi表示第i个平面空间单元的属性值的笛卡尔坐标;
本发明实施例提供一种基于三维特征空间模型的盐渍化反演方法,与现有技术相比,其有益效果如下:
本发明基于1984-2022年Landsat时序影像,引入多类型盐渍化表征参量,构建了三维特征空间盐渍化监测模型,进而反演了1984-2022年盐渍化时序数据集,并从渐变和突变两个角度分析了现代黄河三角洲盐渍化演变模式及特征。
附图说明
图1为本发明实施例提供的一种基于三维特征空间模型的盐渍化反演方法流程图;
图2为本发明实施例提供的一种基于三维特征空间模型的盐渍化反演方法特征空间原理;
图3为本发明实施例提供的一种基于三维特征空间模型的盐渍化反演方法特征空间盐渍化监测指数模型,其中,(a)MSAVI-Albedo-IFe2O3;(b)NDVI-WI- IFe2O3;(c)NDVI-Albedo-IFe2O3;(d)MSAVI-Albedo-SI;(e)NDVI-Albedo-SI;(f) NDVI-WI-SI;(g)MSAVI-WI-IFe2O3;(h)MSAVI-WI-SI;
图4为本发明实施例提供的一种基于三维特征空间模型的盐渍化反演方法不同程度土壤盐渍化在构成的三维点模型特征空间的规律分布,其中(a)非盐渍化;(b)轻度盐渍化;(c)中度盐渍化;(d)重度盐渍化;
图5为本发明实施例提供的一种基于三维特征空间模型的盐渍化反演方法的盐渍化三维特征空间模型构建;
图6为本发明实施例提供的一种基于三维特征空间模型的盐渍化反演方法的8个盐渍化遥感监测综合指数,其中,(a)MSAVI-Albedo-IFe2O3;(b)NDVI-WI- IFe2O3;(c)NDVI-Albedo-IFe2O3;(d)MSAVI-Albedo-SI;(e)NDVI-Albedo-SI;(f) NDVI-WI-SI;(g)MSAVI-WI-IFe2O3;(h)MSAVI-WI-SI;
图7为本发明实施例提供的一种基于三维特征空间模型的盐渍化反演方法的一元线性回归分析模型精度验证图;
图8为本发明实施例提供的一种基于三维特征空间模型的盐渍化反演方法的盐渍化遥感监测指数MAI空间分布图;
图9为本发明实施例提供的一种基于三维特征空间模型的盐渍化反演方法的近39年黄河三角洲盐渍化空间分布;
图10为本发明实施例提供的一种基于三维特征空间模型的盐渍化反演方法的黄河三角洲1984-2022年盐渍化趋势分析;
图11为本发明实施例提供的一种基于三维特征空间模型的盐渍化反演方法的黄河三角洲1984-2022年盐渍化重心分布。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1~11,本发明实施例提供一种基于三维特征空间模型的盐渍化反演方法,该方法包括:
1、研究区概况
黄河三角洲位于中国的山东省北部(37°20′–38°12′N,118°07′–119°10′E)黄河入海口处,占地面积约6000平方公里,属暖温带半湿润季风气候,同时带有明显的大陆性气候特征。夏季温度较高,冬季气候干冷,四季分明,具有较大的温差。黄河三角洲多年平均降水量594mm,降水在时间上分配很不均匀,黄河三角洲春旱、夏涝、以及旱涝交错的特点。蒸发量最大的季节是夏季,其次是春季和秋季,蒸发量最少的是冬季。整个三角洲地区降水量小,但蒸发量大,极易发生旱情。黄河三角洲地势西南高、东北低,主要包括东营区、河口区、垦利区、利津县、广饶县。黄河三角洲由于独特的地理位置,导致其潜水位高,地下水矿化度高。同时,风暴潮的频袭及海水的倒灌等,进一步加剧了该区域盐渍化灾害。
2.数据源及预处理
1984-2022年的Landsat5 TM、Landsat7 ETM+、Landsat8 OLI影像数据集 (Path/Row,121/34)来自于地理空间数据云(http://www.gscloud.cn/)和美国地质勘探局(USGS)官方网站(http://glovis.usgs.gov/),该数据集的空间分辨率为30m,时像为3-5月份,云量<5%。利用ENVI 5.3对上述影像集进行了几何校正、条带修复及大气校正等。
表2 1984-2022Landsat卫星遥感数据集介绍
Table1 List of satellite remote sensing data
3研究方法
3.1特征空间原理
随着盐渍化程度的加剧,表层土壤盐分聚集,不利于植被的生长,因此,植被盖度呈减小趋势。而随着表层盐土的集聚,Albedo和IFe2O3则呈增加趋势。本研究以MSAVI-Albedo-IFe2O3特征空间为例,A为重度盐渍化区(低 MSAVI、高Albedo、高IFe2O3),C为非盐渍化区域(高MSAVI、低Albedo、低IFe2O3)。特征空间中任意一点M到点C(M,N,P)的距离越大,土壤盐渍化程度就越严重,反之,则土壤盐渍化程度就越小。
3.2典型特征参量的选择
针对黄河三角洲特殊的自然生态景观及其盐渍土成土背景环境,本研究选取了6个典型盐渍化地表参量:归一化植被指数、改进型土壤调节植被指数、盐分指数、地表反照率指数、湿度指数及氧化铁指数。其中归一化植被指数 (Normalized differencevegetation index,NDVI)和改进型土壤调节植被指数 (Modified soil adjustedvegetation index,MSAVI)能较为准确的反映植被覆盖变化情况,其中MSAVI可减少土壤调节植被指数中裸土的影响。盐分指数 (Salinity index,SI)是表征盐渍化信息的重要指标,海水中的盐分是土壤盐分的首要来源之一。地表反照率指数(Surface albedo,Albedo)是地表向各个方向反射的太阳短波辐射与太阳总辐射的比值,是数值气候模式和地表能量平衡的一个重要参数。随着土壤盐渍化程度的加重,土壤表面非耐盐植物的植被覆盖度随着水分的减少而降低,土壤中的盐分从土壤表面析出,土壤表明发生明显的变化,从而影响地表反照率。黄河三角洲地处沿海地区,沿海与内陆地区湿度存在明显差异,因此湿度指数(Wetness index,WI)可以很好的揭示研究区土壤盐渍化信息。土壤盐渍化过程不仅会影响盐渍化地区植被的生长和类型,还会影响土壤中所含化学物质的组成和变化,氧化铁指数(IFe2O3)[35-36] 是研究黄河三角洲土壤盐渍化的重要指标之一。基于遥感影像可以反演典型地表参量,本研究选取了6种典型地表参量,计算公式如表3所示:
表3地表参量计算公式
式中,Blue是蓝波段,Green是绿波段,Red是红波段,Nir是近红外波段, Swir1和Swir2是短红外波段。
3.3指标标准化
由于不同特征参量的量纲存在一定差异,为了消除上述因素的影响,进而提高盐渍反演精度,本研究对不同的指标分别进行了标准化:
Vi=(Fi-Fi,min)/(Fi,max-Fi,min) (1 )
其中Vi是标准化指标;Fi是原始指标i;Fi,min为原始指标的最小值;Fi,max为原始指标的最大值。
3.4趋势分析法
逐像元对每年盐渍化遥感监测指数(MAI)取平均值,得到n年平均盐渍化遥感监测指数MAI的分布情况[37]。
基于栅格单元的一元线性回归分析法能够在一定程度上消除特定年份盐渍化突变的影响,在某个特定的时间段内根据单个栅格单元的数值变化计算每个栅格盐渍化遥感监测指数MAI的时间序列变化趋势。
式中C表示趋势线斜率,表示在某段时间内该像元MAI年际变化的一元线性回归方程的斜率,表示MAI总的变化趋势,t为年份,n表示年份(时间序列1984—2022,即n=39)。若C大于零,则表示MAI呈现增加趋势;若C小于零,则表示MAI呈现减少趋势;若C=0时则说明MAI保持不变。
3.5重心模型
4.基于三维特征空间的盐渍化遥感监测指数模型构建
4.1特征空间构建
基于2020年4月的Landsat影像提取地表参量(NDVI、MSAVI、SI、Albedo、 IFe2O3、WI)并归一化,在黄河三角洲均匀布置渔网点并利用ArcGIS 10.7提取多值到点。将数据利用Matlab2022进行三维点数据可视化,进而构建三维特征空间。选取最优模型应用于研究区整个时间序列(1984-2022年)。为消除城市不透水面及人工建筑区域的干扰,结合30m分辨率土地利用数据剔除该土地利用类型区域。基于6个地表参量构建8个三维特征空间。
4.2盐渍化监测指数模型构建
以MSAVI-Albedo-IFe2O3特征空间为例,不同程度盐渍化土壤在特征空间中的分布规律存在显著差异。根据特征空间中任意点到点(M,N,P)的距离,选取分布在特征空间中不同区域的4个点群。通过对每个点群中设置的46个实测样点分析,得到不同土壤盐渍化与4个点群的关系,如图4所示,红色点群主要分布在非盐渍化区,橙色点群主要分布在轻度盐渍化区,黄色和绿色点群主要分布在中度和重度盐渍化区域。因此不同程度的土壤盐渍化分布在 MSAVI-Albedo-IFe2O3特征空间的不同区域,可以很好的识别不同程度的土壤盐渍化,与现场采样数据结果一致。
4.2.1盐渍化遥感监测模型构建
图5所示,MSAVI、Albedo及IFe2O3在三维特征空间中存在明显的非线性关系。随着MSAVI的减小,Albedo及IFe2O3增大,盐渍化程度呈加剧趋势。特征空间中任意点M到点O(M,N,P)的距离越大,其对应的盐渍化程度越高。从而距离L1可以用来区分不同的盐渍化程度,因此基于点对点的 MSAVI-Albedo-IFe2O3特征空间监测指数(MAI)构建如下:
4.3精度验证及对比分析
As shown in Figure 6,the spatial distribution of different-salinizedsoil content is differed significantly in different three-dimensional featurespaces.基于上述监测模型,利用ArcGIS 10.7计算了8个盐渍化遥感监测综合指数。
为了验证模型的反演精度,本研究利用根据46个野外验证点(0-20cm土壤盐分)与监测指数模型值进行一元线性回归分析(P<0.01),研究表明(表 4):不同特征参量构成的三维特征空间监测模型的精度存在显著差异,其中基于MSAVI-Albedo-IFe2O3特征空间建立的盐渍化监测模型精度最高, R2=0.93,一元线性回归分析模型精度验证情况如图7所示。
表4不同盐渍化监测指数模型的精度对比
5.讨论
5.1黄河三角洲盐渍化空间分布特征
黄河三角洲1984-2022年近39年平均盐渍化遥感监测指数MAI呈现出明显的空间差异性(图8),每年盐渍化遥感监测指数MAI均值分布不同。黄河三角洲盐渍化在整体上呈现从东北向西南递减、自沿海向内陆逐渐递减的趋势,这与黄河三角洲地理位置密切相关。近39年盐渍化遥感监测指数的均值为0.97。 1984-2022年近39年黄河三角洲盐渍化遥感监测指数MAI均值在整体上呈现增长趋势,2016年盐渍化遥感监测指数最大为1.06,1996年盐渍化遥感监测指数均值最小为0.85。2006-2012年盐渍化遥感监测指数均值高于近39年均值,该时期盐渍化强度较高,盐渍化状况明显恶劣;1984-1986年、1988-2000、 2013-2015年、2019-2022年期间盐渍化遥感监测指数均值低于近39年均值,盐渍化强度较低,盐渍化状况明显改善。
5.2近39黄河三角洲盐渍化空间分布格局
为了更直观地分析和探讨黄河三角洲地区盐渍化强度空间分异格局,利用ArcGis10.7的Natural Breaks方法,结合实测点数据、《盐碱地改良利用规划工作大纲》、植被覆盖度等将盐渍化指数分为4个等级。非盐渍化(<0.8)、轻度盐渍化(0.8-1.0)、中度盐渍化(1.0-1.2)、重度盐渍化(>1.2)。
不同区县近39年盐渍化强度存在明显的差异性,非盐渍化面积为 1368.32km2,占研究区总面积的19.45%,主要分布在中部和西南部的内陆地区;轻度盐渍化面积3448.75km2,占研究区总面积的49.02%,主要分布在中部的内陆地区;中度盐渍化面积1504.63km2,占研究区总面积的21.39%;重度盐渍化面积709.57km2,占研究区总面积的10.14%;中度和重度盐渍化主要分布于东北部及沿海地区。因为中部和西南部地区处于内陆,植被较多,盐渍化程度相对较轻,而东部及东北部沿海,东北部是黄河流域的入海口,地势较低,易发生海水倒灌等现象。黄河三角洲以轻度盐渍化为主,各区县轻度盐渍化面积占比最大,其中河口区面积561.14km2(47.81%)、垦利区面积 141.74km2(44.58%)、利津县面积539.95km2(46.69%)、东营区面积 983.6km2(46.05%)、广饶县面积1222.32km2(54.39%)。
4.3黄河三角洲盐渍化指数变化趋势分析
为进一步分析黄河三角洲近39年的盐渍化遥感监测指数的时空分布特征及变化规律,考察研究区各像元景观演变情况,借助ArcGIS 10.7计算近39年的趋势系数,趋势系数的范围是-0.04-0.04,划分5个不同的等级,其中重度减弱区(-0.04--0.02)、轻度减弱区(-0.02--0.005)、稳定区(-0.005–0.005)、轻度增强区(0.005–0.02)、重度增强区(0.02-0.04)。盐渍化改善区面积为698.76km2,占研究区总面积的10.16%,主要分布在黄河三角洲西南部;盐渍化稳定区面积为4407.30km2,占研究区总面积的64.09%,均匀分布在黄河三角洲中部地区;盐渍化恶劣区面积为1770.26km2,占研究区总面积的25.75%,主要分布在黄河三角洲北部和东部的沿海地区。
5.4黄河三角洲盐渍化指数重心分布特征
盐渍化重心可以有效显示研究区盐渍化空间分布的不均衡性和偏向性。本研究分别计算了黄河三角洲近39年逐年的盐渍化的重心(图11),研究发现:盐渍化重心主要集中在垦利县和利津县交界地带,表明黄河三角洲东北部的盐渍化程度要高于西北部地区。不同时间尺度(5年、10年、20年、40年)下的盐渍化重心迁移轨迹存在一致性与差异性。近39年,黄河三角洲盐渍化重心呈现向东北方向迁移的趋势。5年和10年尺度下,盐渍化重心呈现先向东南方向迁移(2013年之前),而后向北迁移(2013年之后)的趋势。这表明1984-2013年,黄河三角洲东南部的盐渍化加剧程度高于西北地区,而2013-2022年,北部地区的盐渍化加剧程度高于南部地区。
6.讨论
6.1黄河三角洲盐渍化时空分布特征的成因
黄河三角洲盐渍化在整体上呈现从东北向西南递减、自沿海向内陆逐渐递减的趋势。年均盐渍化重心主要集中在垦利县和利津县交界地带,盐渍化重心从研究区西南部向东北部方向移动。受海陆交互作用影响,黄河三角洲海岸处于动态变化之中。盐渍土的盐分主要来自于海水,黄河三角洲盐渍土基本是从盐渍淤泥发育而来。前期的滨海区域垦荒多为盲目开荒,不合理灌溉及粗放式经营导致该区域次生盐渍化问题极为严重。滩涂是黄河三角洲地区较为主要的土地单元之一,滩涂地呈现与海岸线平行的带状分布,因受海水的影响,地下水位较高,土壤中含有较多的盐分。盐渍化分布特征与地形关系密切,地形与黄河关系密切,沿河方向地势为西南高、东北低,背河方向为离河越近,地势越高。
6.2黄河三角洲盐渍化时空演变格局的成因
盐渍化改善区主要发生在西南部的耕地区域;盐渍化恶劣区主要发生在东北部的湿地区域;盐渍化稳定区主要分布在中部内陆地区。黄河三角洲东北部沿海地带的盐渍化程度要高于西北部内陆地区,由于近现代黄河三角洲是填海造陆形成,所以沉积层中具有较高的含盐量,因此沿海地带盐渍化程度较严重。研究区气候干燥,降水量少且蒸发量大,地表蒸散发旺盛,盐分随包气带、毛管水向上运动,最终聚集到土壤表层,导致表土盐分增加,发生大范围的盐分积累。
7.结论
在充分考虑黄河三角洲盐渍化成因的基础上,在5种特征参量中提取了6 种盐渍化指数,构建了8个三维特征空间,进而得到8个盐渍化遥感监测指数模型。研究结果表明:
(1)基于Landsat卫星影像和特征空间法的盐渍化遥感监测指数模型对于黄河三角洲盐渍化监测具有很好的适用性,总体精度为0.76;
(2)从空间分布特征看,黄河三角洲盐渍化程度呈现从西南内陆地区到东北沿海地区逐渐递减的趋势。
(3)从时空演变格局看,盐渍化重心从研究区西南部向东北部方向移动,盐渍化改善区主要发生在西南部的耕地区域;盐渍化恶化区主要发生在东北部的湿地区域。
以上公开的仅为本发明的几个具体实施例,本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明的精神和范围,但是,本发明实施例并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围内。
Claims (9)
1.一种基于三维特征空间模型的盐渍化反演方法,其特征在于,包括:
获取一个时期的Landsat影像时序数据集;
根据Landsat影像时序数据集,分别计算土壤调节植被指数MSAVI、地表反照率指数Albedo和氧化铁指数IFe2O3的三个改进型盐渍化特征参量值;
将三个改进型盐渍化特征参量值三维数据可视化显示,构建三维特征空间;
选取参考坐标点,计算三维特征空间中任意一点到参考坐标点的空间距离,然后根据空间距离计算盐渍化遥感监测指数MAI;
根据盐渍化遥感监测指数MAI的不用阈值,将三维特征空间划分为多个个点群、并用不同的颜色着色,其中,不同点群表征不同土壤盐渍化程度;
采用不同着色的三维特征空间,构建点对点的MSAVI-Albedo-IFe2O3三维特征空间监测模型;
采用点对点的MSAVI-Albedo-IFe2O3三维特征空间监测模型反演盐渍化演变过程特征。
2.如权利要求1所述的一种基于三维特征空间模型的盐渍化反演方法,其特征在于,还包括:
对Landsat卫星影像时序数据进行几何校正、条带修复及大气校正。
4.如权利要求2所述的一种基于三维特征空间模型的盐渍化反演方法,其特征在于,还包括对各个盐渍化特征参量值标准化,盐渍化特征参量值标准化计算公式,包括:
Vi=(Fi-Fi,min)/(Fi,max-Fi,min)
其中,Vi是各个盐渍化特征参量值的标准化指标;Fi是各个盐渍化特征参量值的原始指标i;Fi,min为各个盐渍化特征参量值的原始指标的最小值;Fi,max为各个盐渍化特征参量值的原始指标的最大值。
5.如权利要求1所述的一种基于三维特征空间模型的盐渍化反演方法,其特征在于,所述土壤盐渍化程度包括:非盐渍化区、盐渍化区、轻度盐渍化区和重度盐渍化区。
6.如权利要求1所述的一种基于三维特征空间模型的盐渍化反演方法,其特征在于,所述采用点对点的MSAVI-Albedo-IFe2O3三维特征空间监测模型反演现代黄河三角洲盐渍化突变和渐变过程,包括:
计算黄河三角洲一个时间段内平均盐渍化遥感监测指数MAI,反演黄河三角洲盐渍化空间分布特征;
基于栅格单元的一元线性回归分析法,计算每个栅格盐渍化遥感监测指数MAI的时间序列变化趋势,根据变化趋势分析黄河三角洲区域内Landsat时序影像数据集的各像元景观演变情况;
根据盐渍化遥感监测指数MAI,计算三维特征空间的笛卡尔坐标,根据三维特征空间的笛卡尔坐标,获得黄河三角洲一个时间段逐年的盐渍化的重心,分析显示黄河三角洲盐渍化空间分布的不均衡性和偏向性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211221435.XA CN115901634A (zh) | 2022-10-08 | 2022-10-08 | 一种基于三维特征空间模型的盐渍化反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211221435.XA CN115901634A (zh) | 2022-10-08 | 2022-10-08 | 一种基于三维特征空间模型的盐渍化反演方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115901634A true CN115901634A (zh) | 2023-04-04 |
Family
ID=86471614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211221435.XA Pending CN115901634A (zh) | 2022-10-08 | 2022-10-08 | 一种基于三维特征空间模型的盐渍化反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115901634A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117541086A (zh) * | 2024-01-10 | 2024-02-09 | 中化现代农业有限公司 | 盐渍化程度的确定方法、装置、电子设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108918820A (zh) * | 2018-05-23 | 2018-11-30 | 中国水利水电科学研究院 | 获取耕地土壤盐渍化程度等级分布的方法和装置 |
CN110412245A (zh) * | 2019-08-07 | 2019-11-05 | 石河子大学 | 土壤盐渍化程度遥感监测的研究方法 |
-
2022
- 2022-10-08 CN CN202211221435.XA patent/CN115901634A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108918820A (zh) * | 2018-05-23 | 2018-11-30 | 中国水利水电科学研究院 | 获取耕地土壤盐渍化程度等级分布的方法和装置 |
CN110412245A (zh) * | 2019-08-07 | 2019-11-05 | 石河子大学 | 土壤盐渍化程度遥感监测的研究方法 |
Non-Patent Citations (4)
Title |
---|
BING GUO等: ""Soil Salizanation Information in the Yellow River Delta Based on Feature Surface Models Using Landsat 8 OLI Data"", 《GEOMATICS, NATURAL HAZARDS AND RISK》, pages 94394 * |
张素铭等: "滨海盐渍区土壤盐分遥感反演及动态监测", 《农业资源与环境学报》, pages 349 - 358 * |
李艳华等: "基于三维特征空间的土壤盐渍化遥感模型", 《水土保持研究》, pages 113 - 1212 * |
杨建霞等: "青土湖及周边区域土壤盐渍化的遥感估算研究", 《硕士电子期刊出版信息》, pages 18 - 19 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117541086A (zh) * | 2024-01-10 | 2024-02-09 | 中化现代农业有限公司 | 盐渍化程度的确定方法、装置、电子设备和存储介质 |
CN117541086B (zh) * | 2024-01-10 | 2024-04-19 | 中化现代农业有限公司 | 盐渍化程度的确定方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Subtropical mangrove wetland is a stronger carbon dioxide sink in the dry than wet seasons | |
Zhan et al. | Spatio-temporal variation of the suspended sediment concentration in the Pearl River Estuary observed by MODIS during 2003–2015 | |
CN116757357B (zh) | 一种耦合多源遥感信息的土地生态状况评估方法 | |
Shi et al. | Evaluation system of coastal wetland ecological vulnerability under the synergetic influence of land and sea: A case study in the Yellow River Delta, China | |
NISTOR et al. | How to compute the land cover evapotranspiration at regional scale? A spatial approach of Emilia-Romagna region | |
García-Romero et al. | Climate as a control on foredune mode in Southern Australia | |
Moharana | ICAR-central arid zone research institute, Jodhpur: erosion processes and desertification in the Thar Desert of India | |
Liu et al. | Dynamic evaluation of ecological vulnerability in a lake watershed based on RS and GIS technology | |
Kaniewski et al. | Coastal submersions in the north-eastern Adriatic during the last 5200 years | |
Pellikka et al. | Meteotsunamis in the northern Baltic Sea and their relation to synoptic patterns | |
CN115901634A (zh) | 一种基于三维特征空间模型的盐渍化反演方法 | |
Mitchell et al. | Little tools, big job: The periglacial conveyor system in cryoplanated uplands | |
Ramachandra | Hydrological responses at regional scale to landscape dynamics | |
Yuan-xiu et al. | Saline-alkali land in the Yellow River Delta: amelioration zonation based on GIS | |
CN115797790A (zh) | 区域尺度整段土壤剖面盐分的卫星遥感分区建模方法 | |
BOUDIBI | Modeling the impact of irrigation water quality on soil salinization in an arid region, case of Biskra | |
Han et al. | Spatiotemporal change of landscape elasticity in Yancheng coastal wetland of China. | |
Abuzaid | Spatial and temporal changes of land productivity east of the Nile River (Damietta branch), Egypt | |
Rahmad et al. | Long-term Spatiotemporal Trend Analysis of Precipitation and Temperature in Citarum Watershed, Indonesia | |
El-Baroudy | Assessing long term changes of productivity in some floodplain soils, Egypt, using spatial analyses techniques | |
Nabila et al. | Suitability of seaweed cultivation areas on serangan island, denpasar city, bali | |
Milevski et al. | Application of remote sensing and GIS in detection of potential landslide areas | |
Attia et al. | Land Capability of the Middle Part of Wadi Qena, Eastern Desert, Egypt and Its Suitability for Growing Crops | |
Liu et al. | Spatial and Temporal Changes and Driving Factors of Desertification in the Source Region of the Yellow River, China. | |
Chen et al. | An attempt to monitor seasonal dynamics of soil salinization in the Yellow River Delta region of China using Landsat data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |