1、基于多光谱遥感影像的土壤有机质反演第一章 绪 论第一节 选题背景、目的和意义1.1 选题背景从20世纪50年代开始，世界范围内人口急剧增加，人口愈多，资源的有限性表现的愈突出，环境问题也愈来愈严峻，人口资源环境之间的矛盾便日趋显现，资源枯竭，耕地锐减，生态环境受到严峻的破坏等成了不可轻忽的社会问题。人类要生存，就需要粮食，这便对农业生产提出了要求，需要极大提高农业生产的效率，力争实现量和质的飞跃。可是，进展需要资源与环境的支持，尤其是这种高速进展，给资源环境带来了庞大的压力，乃至是以捐躯其为代价的。目前活着界范围内，因此而产生的矛盾日趋突出。在所有人口资源环境的矛盾中，土地问题占有很重要的地位
2、，亟待需要重视和解决。土地在生态系统中的角色很重要，问题的本源也在于此：人们为了取得加倍充沛的粮食来养活日增的人口和为了进展现代工业和建设城市大肆开发土地，使得土地超负荷，引发了一系列的土地退化问题，比如土地盐碱化，土地沙化，土地污染，土壤侵蚀和土壤次生盐渍化等，因此为了使生态环境健康进展，各国政府和学者踊跃关注并研究解决土地质量问题。土地是农业生产的重要来源之一，是人类获取资源的重要来源之一，仍是人类赖以生存的自然环境。为了保证农业生产高产、优质、高效，咱们必需了解其理化性质，而且依照其理化性质进行农业生产计划治理。尽管咱们假想的是如此，可是目前现实中却背道而驰。当前，土地开发利用不合理的现
3、象触目皆是，进行农业生产时，大量施用化学物质和其他不合理的利用开发手腕，致使土地问题接踵而至，土壤质量下降，资源衰消退化，环境污染严峻。由于这各类的生态环境问题的显现，严峻制约了农业综合生产能力的提高。为了解决该问题，应该改变农业生产方式，再也不利用传统的对环境破坏大的方式，而应加大力度推行和应用现代技术与治理方式。为了使这一目标顺利实现，土地作为研究对象，其信息获取就变得十分重要。为了提高土地的生产效率，必需精准把握土壤信息，从而诞生了精准农业。精准农业1是利用现代技术基于知识和信息治理复杂农业系统的集成技术体系。将这一技术体系思想应用于农作物生产，可称之为“信息时期的现代农田精耕细作技术”
4、。精准农业技术是21 世纪农业的新方向和新模式，是农业进展的必然趋势。精准农业要紧对土壤进行研究，土壤研究内容中土壤有机质的研究占有重腹地位，因为它是土壤肥力的核心指标之一。在对土壤有机质的研究中，只有充分把握其空间散布格局情形才能进一步估算有机碳储量和分析生态系统碳循环等信息，利用这些信息就能够够为全世界范围内的生态环境健康可持续进展和农业生产的精准治理提供科学依据。目前其空间化方式主若是采纳地统计学方式，该方式比较靠得住、详尽，为此刻有机质空间格局研究的要紧方式，在实际中取得大量应用。可是这种方式也有很多短处，比如地统计学通常要求采样点散布要规那么化，而且野外采样的数据量较大，同时室内分析
5、负担和本钱较高，实时性差，观测周期较长1。相关于地统计学方式，目前兴起了另一个方式，即基于遥感技术的土壤有机质空间分析法。遥感技术是一门新兴的综合性探测技术，被普遍应用于土壤调查和土地评判，因为其具有获取短时刻内同一地域重复观测的大面积同步数据的能力，同时最要紧的是遥感影像记录的信息能够反映表层土壤的多种特点。基于遥感技术的土壤有机质空间分析具有观测区域面积广、费用低、准确性高和实时性强等优势，遥感技术及图像解译技术的进展也使得此方式潜力庞大。表层土壤有机质含量越高，反射能力越差，颜色越深；相反，含量低那么在影像上表现的颜色越浅，因此SOM含量阻碍了土壤的反射光谱特点，因此利用遥感影像对表层土
6、壤有机质含量及其空间格局进行反演是可行的，利用这种方式反演有机质的研究尚处于探讨时期。 选题的目的（一）进一步增强对遥感反演技术的明白得与应用目前遥感技术的土壤有机质空间分析研究还在不断地探讨进步中，应用方面的研究较少，并且大部份的研究都针关于农田土壤。目前所进行的研究中，不管是研究对象仍是研究手腕方式和结论都存在较大的不同性，不同研究之间合作太少，数据共享性较差3。阻碍土壤有机质光谱特点的因素有待进一步研究，罢了有研究结论缺少共性。遥感技术的应用取得愈来愈多的重视，为了使遥感技术飞速进展给遥感估测土壤有机质带来新的元素，使更多的研究增强学者之间的合作与交流，使数据共享性更好，因此进行了这次研
7、究。（二）为农安县确信具体的土壤遥感模型严格的讲，没有一个通用的遥感反演模型适用于不同地表的各类环境，遥感分析模型需要有足够的区域参数，才能逼近地球表层的客观真实存在2。若是只是生搬硬套国外的模型和公式，而不联系中国具体地域自身的地理环境，成立表现地域不同和特色的遥感模型，如此的研究是没成心义的。不同类型土壤的光谱特点不同，不同研究区域，选取的反射光谱波段也不尽相同。尽管关于土壤有机质、土壤水分等属性的光谱反射率反演方式很多，但这些方式都具有必然的局限性，当用于不同区域或不同土壤类型时会显现较大的误差。本文针对农安县的区域环境特点，利用TM遥感影像成立波段与土壤有机质的关系，从而实现该地域土壤
8、性质空间变异性的宏观与微观评判，实现对土壤退化的定量监测与评判，为土壤肥力评判、平稳施肥、土壤适宜性评判等提供信息，从而为合理利用土壤资源效劳。（三）提高对遥感影像数据的处置与变换，同时增强对植被指数的了解本次研究将运用到TM遥感影像的六个波段，将对他们进行变换和处置，而且要通过查阅资料来找适当的植被指数进行研究分析，同时也将用到波段比值等知识，从而能寻求到较好的指标来成立与土壤有机质的关系，在那个进程中，将运用多种软件和多种处置方式，是对所学知识的综合考验与创新，能锻炼笔者自身的分析处置能力和提高综合素养。 选题的意义土壤有机质（Soil Organic Matter，SOM）是土壤的重要组
9、成物质，尽管含量很低，但对土壤形成进程和土壤的物理、化学、生物学性质阻碍专门大；是植物和微生物生命活动所必需的养分和能量的源泉。SOM含量的多少被作为衡量土壤肥力高低的最重要的指标。因此探测土壤的有机质含量是了解土壤肥力的重要途径，而SOM光谱特性的研究为利用光谱技术快速准确获取现代农业生产和治理所需的SOM相关信息提供了条件1。土壤有机质含量的多少能够较好的较准确的衡量土壤肥力的高低，实现对土壤有机质含量的快速测定对土壤施肥指导系统的成立、土壤肥力评判等具有重要意义。目前搜集监测农田土壤信息一样仍是采纳比较传统的方式，即实验室化验分析方式。这种方式尽管有优势，可是也有很多缺点，比如说投入资金
10、大，消耗时刻久，而且对农田采取较均匀的且较合理的采样方式时，空间跨越尺度比较大，工作量大，同时由于采样点比较稀疏，也较难成立精准地有机质含量散布图。近些年来，精准农业的概念愈来愈普及，成为当前农业的研究热点，那个概念的提出与进展要紧归功于现代信息技术，遥感技术确实是其中一种。遥感技术能够快速准确的为农业进展提供地表信息，如土壤水分含量、有机质、氮和磷含量、质地特性等。目前光谱分析技术已普遍应用于许多农产品成份的快速、定量化预测,如蛋白质、脂肪和油料作物。随着遥感技术的进步与进展,光谱分析技术也慢慢应用到对土壤的监测及诊断。土壤有机质是实现精准农业所需要的重要输入参数之一,是决策施肥量的重要评判
11、指标。精准农业迫切要求开发可获取田间（如农作物和土壤）实时信息的传感设备与能够直接检测农作物和土壤状况的遥感技术。因而推行新方式的利用即利用遥感影像反演土壤有机质空间格局就变得超级重要而且是时期所需的，这种研究将极大地提高对土壤参数的获取速度，具有超级重要的意义。土壤养分具有必然的空间散布特点,并表现出了必然的随机性和结构性,是各类人类活动及气候、地形等因素综合阻碍的结果。研究一个区域内,同一时刻、不同地址的土壤特性中存在的不同性,即空间变异性,是调整各项治理方法和各项物质投人量、取得最大经济效益的基础。目前在国内外开展的精准农业实践,正是以空间变异性作为其理论基础。而合理利用土地的核心问题，
12、是在把握土地利用现状和土地资源评判的基础上进行的。为成立合理的农、林、牧经济结构，实行土地利用的调整与再分派，以充分发挥土地的生产潜力，真正做到依照土壤的理化特性和其他自然条件，宜农那么农，宜林那么林，宜牧那么牧，做到用地养地相结合，以实现土地合理利用的良性循环和生态平稳。第二节 国内外研究现状当前，利用遥感影像直接取得土壤有机质空间散布格局成为土壤有机质空间分析研究的一个热点。国内外许多学者在不同地域、不同尺度和多种土壤类型上运用遥感影像直接估算法反演土壤有机质空间格局做了一些研究3。研究中发觉， SOM含量与土壤光谱反射率呈显著负相关关系，利用土壤反射光谱能够对SOM含量进行必然程度上的反
13、映4-5；SOM含量与可见光近红外波段光谱反射率呈线性或曲线关系6-8； SOM含量不同，其与光谱反射率的关系也不同：当SOM大于%时，反射率与其含量为非线性关系，需要对大于%的有机质含量进行对数转换9。Krishnan等人1980年研究了四种不同类型的土壤，他们所采纳的方式是多元线性慢慢回归和迭代，以后发觉有机质没有在近红外区域（800nm2400nm）引发吸收峰，近红外波段预测SOM含量成效次于用可见光波段预测，最后还利用和这两个最正确波段的反射值成立了预测土壤有机质含量的回归模型10。Galvao等人在1998年进行了室内研究，取得了如此的结论：土壤反射光谱在550nm700nm处的吸收
14、峰主若是由土壤有机质引发的。他们还分析了有机质含量与土壤反射光谱之间的关系，取得的结果与Krishnan等人的一致11。接着在2001年，Kooistra等人基于土壤光谱反射率、采取偏最小二乘回归的方式估算土壤中有机质等矿物的含量和与有机质等矿物相关性很强的金属元素镉和锌的含量，发觉700、1050、1400、1850、2150、2280、2400和2470nm周围的反射光谱与这几种土壤成份的含量关系超级紧密12。由于土壤有机质与土壤光谱反射率存在定量关系，因此对SOM含量进行了大量的遥感影像反演研究，以往的研究在影像数据的选取上，要紧选择多光谱影像，很少选择高光谱航空影像。2000年Chen
15、 F等人成立了红绿蓝影像三波段亮度值与有机碳含量的指数关系，并对田块内表层有机碳的空间散布进行了绘制13。2001年Galvao等人充分利用AVIRIS数据和来自于巴西的三个要紧土壤类型样品数据，分析了反射光谱和土壤成份之间的关系，发觉尽管土壤类型不同，可是其光谱转变却与土壤成份之间的一致性专门好14。2002年Fox等人计算了影像中每一个像元的红、近红外波段的最小亮度值，采纳的方式是递次求近法和迭代法，通过计算确信了最小亮度值像元，然后计算所有样点距最小像元的红与近红外波段亮度值取得的“距离”，用这种“距离”做自变量，成立与SOM含量的关系，从而能够实现对SOM的含量进行估测。只是该方式利用
16、的前提是有机质大于土壤水分的变异系数，因此该方式只适于那些含水量转变范围较小的区域15。Ben-Dor等人利用高光谱航天传感器获取影像数据，然后与地面数据定量分析，定量的预测土壤水分含量、土壤盐含量和土壤有机质含量16。土壤光谱的实验室操纵测量关于描述土壤光谱特点、土壤分类、发生学和调查具有重要意义。1998年Palacios-Oruete发觉实验室测定的野外土样光谱反射率和高光谱影像测量的土壤反射率相关性高17。通过大量对不同土壤理化参数的光谱特点分析研究说明，不同土壤理化参数的反射光谱响应特点不同，并在光谱分析的基础上，实现了土壤属性的遥感监测18。1987年曾志远对土壤表层全氮和有机质含
17、量进行探测，采纳了多元线性回归分析方式，最后用资源卫星图像四个波段辐射值表示了全氮和有机质含量19；另外也有前人对黑龙江黑土表层土壤有机碳含量作出了研究，其利用Landsat TM影像中TM 5波段较好的估测了有机碳含量20；利用机载高光谱传感器记录的土壤可见光近红外中红外波段光谱数据估算了区域的土壤有机质含量和散布状况21-24；徐彬彬、朱永豪、戴昌达等对土壤光谱与理化性状之间的相关性进行了深切的研究，取得了丰硕成果；利用高光谱卫星遥感影像对澳大利亚新南威尔士州西北部的Narrabri地域的变性土土壤有机质含量进行了估算，以为高光谱卫星遥感影像在反演区域土壤有机质含量方面有优势和潜力，该方式
18、将成为实现土壤数字化的有力手腕25。第三节 要紧研究内容和技术线路 要紧研究内容研究以吉林省农安县为研究区，基于采样点数据及同期遥感影像，分析县域尺度表层土壤有机质含量与多波段影像亮度值之间的相关性，成立回归模型，反演表层土壤有机质的空间格局，以期为农业生产治理和土壤可持续利用提供科学依据。 技术线路论文技术线路如下：（一）数据的获取, 获取农安县土壤有机质的采样点数据和农安县所在地域的TM遥感影像的图幅；（二）数据的预处置，这一进程包括两方面，一是对土壤有机质采样点的检查整理和异样值剔除，而且将采样点数据随机分成两组，一组用来成立模型（training组），一组用来查验模型的精度（test组
19、）；另一方面是对遥感影像的校正和切割，校正依照需要进行，一样有大气校正、坐标系校正等，切割那么是依照农安县的边界切割出该县所对应的TM遥感影像；（三）数据的提取和汇总，“提取”指的是用training组采样点数据提取到与之相对应的遥感影像上的波段信息，即亮度值；“汇总”指的是将采样点中土壤有机质的数据与提取到的六个波段的亮度值汇总在一张表中，以便于接下来的分析；（四）数据的分析与建模，在SPSS软件中对数据进行分析，包括相关性分析，成立散点图等基础分析，和线性回归分析和曲线分析等建模性分析；（五）遥感图像反演，利用所建模型，在ARCGIS软件中反演出农安县地域土壤有机质空间格局散布图；（六）查
20、验，用test组采样点数据提取到反演影像上所对应的有机质含量数据，对这两组数据进行均方根误差RMSE分析，取得模型查验精度；（七）结果分析，对该地域土壤有机质散布图作出分析与评判。技术线路图见图。TM遥感影像的获取图像校正图像切割选点土壤参数数据数据整理采样点数据的获取研究区SOM的遥感反演建立反演模型模型验证 图 技术线路示用意第二章 基础数据的获取及预处置第一节 研究区概况农安县，属吉林省长春市管辖，东京12431-12545，北纬4355-4455。东临德惠市，南接省会长春市，西以公主岭市和长岭县为邻，北与松原市交界（图）。年均气温度，全县土地以耕地为主，总人口115万，其中85万。无霜
21、期145天，降水量毫米，有效积温2800度。地形平坦，四季分明，属中温带半湿润大陆性季风气候。全县幅员5400平方千米，其中耕地435万亩，是全省耕地超过400万亩的3个县份之一，林地95万亩，草原面积52万亩，水域面积33万亩。图 农安县地理位置图农安县境内有松花江、伊通河、新开河、饮马河通过，长达103千米的引松干渠蜿蜒穿过北部乡镇抵达县城东部的两家子水库，不但成为县城生活和生产用水的重要来源，而且还为北部乡镇春天抗旱提供了丰硕的水源。农安县处于松嫩平原腹地, 地貌属冲积湖积平原区，大部份地域海拔200-220m，局部台地可大于300m，河漫滩地带可低于150m。地貌类型有高台地、台地、二
22、级阶地、一级阶地、河漫滩、沙丘、洼地、冲沟等，整个县区地形呈周围高中间低，台地和低地相间散布的格局。由于第四纪强烈的地质构造隆起在王府伏龙泉一带形成了高台地，强烈的水蚀和风蚀作用使冲积湖积物仅局部残余。农安县位于中部台地平原向西部沙化平原区的过渡地带,东接中部肥沃的黑土带,西邻沙化、盐碱化严峻的农牧交织带；同时农安县农业发达,是中国产粮第一县,也是国家农业现代化实验示范区,研究该区土壤参数遥感方式既能增进农业生产,又易于应用到整个松嫩平原，因此选择农安县作为研究的典型区。农安县要紧土壤类型为黑土、黑钙土、草甸土、风砂土、冲积土26。第二节 数据获取 土壤有机质数据的获取研究的土壤样品搜集进程中
23、布点和搜集方式遵循全国耕地地力调查与质量评判技术规程进行。2005年10月，在研究区的要紧农业用地上共选取了432个采样点（图），这些采样点散布在不同的土地类型上。在不同类型土地上采样方式也不同，菜地、旱田、水田别离在土层025 cm、020 cm土层和015 cm土层取样，如此就同时兼顾了采样点的均匀性和代表性。样本采好后，在实验室中，将所有土壤样品在充分混合、经自然状态下风干，而且在室内将土样研磨、过2mm筛后，测定有机质（采纳重铬酸钾容量法）含量，并将GPS测得的带有坐标记录的采样点数据转换为具有空间坐标的点27。图 农安县土壤有机质采样点散布图 遥感影像的获取本文要利用的图像是TM遥感
24、影像，通过查询知农安县所在地域的经纬度为东京12431-12545，北纬4355-4455，依照该经纬度在 8080/esdi/网站进行搜索下载，最终下载利用的数据是Landsat5的TM遥感影像数据，日期为2005年9月8号。该数据有七个波段，因第六波段为热红外影像，故研究时利用其他六个波段。TM影像的这六个波段的特点如下（表）：表 TM遥感影像各波段特点表波段范围(m )特征TM1 蓝绿光波段，对水体穿透力强，对绿色植被敏感，研究水质、土壤和植被分类等；TM2绿光波段，对水体有较强穿透力，对绿色植被敏感强，评价植被，水污染调查，影像清晰较差；TM3红光波段，对水体有一定透射能力，叶绿素吸收
25、波段，对地形地貌表现效果好，地质常用；TM4摄影红外波段，水强烈吸收，植被强烈反射，对地形地貌、构造表现明显，是地质常用波段；TM5近红外波段，水的吸收带，植被反射，用于湿地、植物含水量和裸地调查；TM7近红外波段,水强烈吸收,大部分造岩矿物高反射，粘土和碳酸盐矿物的吸收带，热液蚀变矿物调查。第三节 数据预处置 土壤有机质采样点数据的处置由于在采取土壤样本和测定进程中存在不确信因素，可能致使某些数据的误差较大，降低数据整体的精准度，因此有必要进行采样点的异样值处置。一样用来剔除异样值的方式是拉依达准那么28。拉依达准那么进行异样值删除的大体思想是给定置信概率%，以此为标准，并以三倍测量列的标准
26、误差为界限，若是误差超过此界限，就以为其不属于正常随机误差的范围，而是粗大误差。像如此含有粗大误差的值确实是样本中的异样值，应从测量数据中删除。用拉依达准那么判定和剔除含有粗大误差的异样值时,应先算出等精度独立测量列Xi(i=1,2,n)的平均值X及残余误差Ui=Xi-X,并按贝塞尔公式算出该测量列的标准偏S,若是某测量值Xd的残余误差Ud=Xd-X (1dn)知足公式|Ud|3S，那么以为Xd是含有粗大误差的异样值,须剔除不要。该数据中处置结果删掉两个异样值，即最终采样点为430个。采样点分组：将采样点分成两组，一组用来建模，称training组；一组用来查验模型，称test组。在ARCGI
27、S中进行，training：test依照7:3的比例来进行。 遥感影像的处置对遥感影像的处置主若是将影像由原投影方式转到albers投影下，如此才能和采样点进行匹配。在envi中，咱们先自概念 albers投影，参数如以下图（图）所示：图 albers投影参数在参数中，投影类型为“Albers Conical Equal Area”，椭球体为“Krassovsky”,右边东偏(False easting)和北偏（North eating）都为0， Latitude of Projection origin为0， 中央经度（Longitude of Central meridian ）为105，
28、标准纬度（Latitude of standard parallels）别离为25和47。ENVI软件中的“convert map projection”选项可进行最终的投影转换，变换投影时利用成立的albers投影，利用多项式（Polynomial）方式进行运算,其他参数不变。其他的几幅影像也依照一样方式转化。转换完成后，需对影像进行裁剪，因为原始的是一个矩形区域，也包括非农安县地域的其他地域。在ARCGIS中利用工具“extra by mask”，将遥感影像和农安的边界加入后即可开始裁减，最终取得了农安县的遥感影像。 第三章 农安县土壤有机质空间格局反演第一节 数据分析 土壤养分的描述性统
29、计分析对土壤养分含量数据进行统计特点分析，是成立土壤养分含量变异模型的基础和前提。利用EXCEL软件对研究区采样点的土壤有机质（training组采样点）含量进行常规统计分析，土壤有机质的常规统计值见表。表 土壤有机质常规统计表均值标准差数据值域最大值最小值观测数采样点有机质301从上表能够看出，土壤有机质含量的转变范围是，均值为，属于中等水平；标准差为，转变幅度不是专门大，比较集中。 土壤养分的正态散布查验进行有机质含量与TM遥感影像亮度值的相关性分析之前，要查验有机质是不是为正态散布，不然会产生比例效应。比例效应可明白得为当样品均值增加时，样品方差也增加29。假设存在比例效应时，一样是对原
30、始数据取对数的方式来进行排除。下表是对采样点有机质含量进行K-S查验的结果，结果显示显著性为，大于即为服从正态散布，sig值越大越接近正态散布，因此研究利用的采样点是服从正态散布的。 土壤养分与遥感数据单波段的相关性分析在成立模型之前，要先对有机质和几组波段属性值进行相关性分析，以便确信哪个波段与有机质含量关系紧密，从而能够较好的选择出最正确波段成立比较理想的模型。利用SPSS软件，进行双变量的相关性分析，结果如下（表）。一样对波段进行各类变换有可能提高与有机质的相关性，这种变换包括取对数，进行一阶微分，二阶微分，取倒数等，那个地址先对波段属性值进行了对数运算而且与有机质进行了相关性分析。表
31、有机质与波段值及其对数的相关性表波段波段一波段二波段三波段四波段五波段七SOM*波段对数波段一波段二波段三波段四波段五波段七SOM*从该表中能够看出波段取对数后比波段原始数据的相关性都要高出一些，可是高处的并非多；波段对数中，除第四波段，其他的波段都与有机质含量成显著相关。其中波段五和波段七与SOM含量的相关性最高，为和。在进行相关性分析进程中，也进行了有机质取对数的尝试，而且与波段属性及其对数值做相关性分析，结果汇总如下（表）。表有机质对数与波段及其对数的相关性波段波段一波段二波段三波段四波段五波段七LnSOM*波段对数波段一波段二波段三波段四波段五波段七LnSOM*从该表中能够看出，当有机质取对数后，不管是和波段原始值仍是波段对数值，相关性都又有了提高（除波段四外），普遍提高了个水平。到此刻为止，相关性最好的达到了，是lnSOM和lnB7的相关性。 土壤养分与遥感数据多波段的
