基于不同盐渍度的黄三角滨海盐渍土水盐定量反演.pdfVIP

符 号 说 明 ArcGIS: arc geographical information system, 地理信息系统处理软件 AVG: average, 平均值 BP: back propagation neural network, BP 神经网络 CC: correlation coefficient, 相关系数 CV: coefficient of variation, 变异系数 DVI: difference vegetation index, 差值植被指数 ENVI: the environment for visualizing images, 遥感图像处理软件 GCD: grey correlation degree, 灰色关联度 GPS: global positioning system, 全球定位系统 MAX: maximum, 最大值 MIN: minimum, 最小值 MLR: multiple linear regression, 多元线性回归 NDVI: normalized difference vegetation index, 归一化植被指数 NIR: near infrared, 近红外 PLSR: partial least squares regression, 偏最小二乘回归 2 R : the coefficient of determination, 决定系数 REG: red edge，红边 RMSE: root mean square error, 均方根误差 RPD: the ratio of prediction to deviation, 相对分析误差 RVI: ratio vegetation index, 比值植被指数 SD: standard deviation, 标准差 SAVI: soil adjusted vegetation index, 盐分指数 SMC: soil moisture content, 土壤含水量 SSC: soil salinity content, 土壤含盐量 SVM: support vector machine, 支持向量机 UAV unmanned aerial vehicle, ： 无人机 目 录 中 文 摘 要I AbstractIII 1 前言1 1.1 研究背景及意义1 1.2 国内外研究进展2 1.2.1 基于卫星影像的土壤水盐定量反演研究进展2 1.2.2 基于无人机近地图像的土壤水盐定量反演研究进展2 1.2.3 基于星机结合的土壤水盐定量反演研究进展- 3 1.3 研究内容与技术路线4 1.3.1 研究目标4 1.3.2 研究内容4 1.3.3 技术路线5 2 材料与方法6 2.1 研究区概况6 2.1.1 自然地理概况6 2.1.2 社会经济概况6 2.2 数据获取及预处理6 2.2.1 不同盐渍化程度的试验区选择6 2.2.2 土壤水盐含量的野外实测7 2.2.3 无人机遥感图像获取及预处理8 2.2.4 Sentinel-2A 遥感影像获取及预处理9 2.3 敏感波段和光谱参量的筛选9 2.4 模型构建及验证9 2.5 试验区土壤水盐空间分布反演与分析10 2.6 无人机与卫星图像反射率一致性分析11 2.7 研究区不同盐渍化程度区域的大致划分11 2.8 研究区土壤水盐空间分布反演与分析11 3 不同盐渍度土壤水盐的光谱特征及光谱参量 12 3.1 土样水、盐描述性统计分析12 3.1.1 土样水分描述性统计分析12 3.1.2 土样盐分描述性统计分析12 3.2 不同盐渍度土壤水、盐的敏感波段12 3.2.1 不同盐渍度土壤水分的敏感波段12 3.2.2 不同盐渍度土壤盐分的敏感波段13 3.3 不同盐渍度土壤水、盐的光谱参量14 3.3.1 不同盐渍度土壤水分的光谱参量14 3.3.2 不同盐渍度土壤盐分的光谱参量15 4 不同盐渍度的试验区土壤水、盐反演 18 4.1 不同盐渍度的试验区土壤水、盐反演模型18 4.1.1 土壤水分反演模型18 4.1.2 土壤盐分反演模型19 4.2 不同盐渍度