[发明专利]基于高光谱数据的土壤水分、盐分信息联合提取方法

说明书

技术领域

本发明涉及农业领域，更具体地说它是基于高光谱数据的土壤水分、盐分信息联合提取方法。

背景技术

土壤水分和盐分含量的准确获取对于干旱、半干旱地区的农业发展、生态保护等具有重要作用；传统提取土壤水盐的方法为野外采集样本并带回实验室进行化验，这种方法精度高，但是劳动力成本高，耗时长；利用高光谱遥感数据提取大面积土壤水分和盐分信息是重要的科技支撑；但是，一般提取土壤水分的方法没有考虑土壤盐分的影响，不适合在含盐土壤中使用，因为土壤水分和盐分对土壤光谱有综合影响；同样，一般提取土壤盐分的方法没有考虑土壤水分的影响；因此，利用高光谱数据提取含盐土壤中的土壤水分和盐分信息比较困难；同时，有研究表明，土壤盐分含量较低时，反演困难；干旱、半干旱地区适合作物生长的大田中的盐分含量一般都小于1％，一般的反演模型不适用。

目前使用的卫星高光谱数据、或者地物波谱仪采集的高光谱数据大多表现为反射率数据；可见光、近红外以及短波红外光谱的反射率数据与土壤水分、盐分、有机质、颜色、氧化铁、质地等许多性质有着密切的联系；但是，反射率数据提供的信息量有限，一些其它的光谱特征如光谱曲线的吸收特征，如吸收峰、吸收谷等，光谱曲线的形状特征如拐点、凸点、凹点等，以及基线效应对光谱曲线的影响等，反射率数据都无法直观体现；因此，需要对高光谱反射率数据进行变换处理，如归一化变换、导数变换等。

目前高光谱反演土壤水分或盐分模型的回归方法有偏最小二乘法，神经网络方法，逐步回归方法，多元线性回归方法等；其中线性的偏最小二乘法和非线性的神经网络法能够克服高光谱变量多重共线性的问题，建立高维的回归模型；但是由于模型的变量过多，模型率定的效率较低，且模型的稳定性较差，推广性不强；而逐步回归方法、多元线性回归方法等对变量的个数要求较高，对高维的高光谱数据难以直接使用。

发明内容

本发明的目的是提供一种基于高光谱数据的土壤水分、盐分信息联合提取方法，提高土壤盐分的提取精度。

为了实现上述目的，本发明的技术方案为：基于高光谱数据的土壤水分、盐分信息联合提取方法，其特征在于：包括如下步骤：

步骤1：初步处理遥感高光谱反射率数据，根据反射率求归一化反射率、表观吸收率一阶导数和表观吸收率二阶导数；

步骤2：建立基于主成分分析的评价系统，选取敏感波段

在步骤1所得反射率、归一化反射率、表观吸收率的一阶导数、表观吸收率的二阶导数的高光谱数据基础上，建立基于主成分分析的评价系统(PCAr)，选取敏感波段；

步骤3：分别计算土壤水分含量不变且土壤盐分含量变化时土壤样本光谱曲线的每个波段的方差和土壤盐分含量不变且土壤水分含量变化时土壤样本光谱曲线的每个波段的方差，通过比较土壤水分含量不变且土壤盐分含量变化时土壤样本光谱曲线的每个波段的方差、土壤盐分含量不变且土壤水分含量变化时土壤样本光谱曲线的每个波段的方差的大小，确定首先反演的变量；

步骤4：步骤3中，当土壤盐分含量不变且土壤水分含量变化时土壤样本光谱曲线的每个波段的方差较大时，利用步骤2中的敏感波段，使用逐步回归方法，建立土壤水分含量的反演模型，并根据预测的土壤水分含量将土壤样本进行分区，得到土壤样本区间；

步骤5：利用步骤2中的敏感波段和步骤4中的土壤样本区间，使用逐步回归方法，对每个区间的土壤样本分别建立土壤盐分含量的反演模型；

步骤6：步骤3中，当土壤水分含量不变且土壤盐分含量变化时土壤样本光谱曲线的每个波段的方差较大时，利用步骤2中的敏感波段，使用逐步回归方法，建立土壤盐分含量的反演模型，并根据预测的土壤盐分含量将土壤样本进行分区，得到土壤样本区间；

步骤7：利用步骤2中的敏感波段和步骤6中的土壤样本区间，使用逐步回归方法，对每个区间的土壤样本分别建立土壤水分含量的反演模型。

在上述技术方案中，步骤2中，选取的敏感波段分布于可见光、近红外和短波红外范围，所述敏感波段包括440，540，570，1390，1430，1460，1740，1870，1900，1940，2010，2270，2350，2410nm。基于本发明提取的这14个敏感波段为土壤水分、盐分反演的重要波段，分布于400-2500nm范围内的可见光、近红外、以及短波红外范围；所选敏感波段能提高土壤水分、盐分的提取精度,适用性强。

选取的敏感波段不仅适用于本发明实施例，也适用于其它地区。

本发明具有如下优点：