Extracción de información espectral de materia orgánica del suelo
El sistema de índice de evaluación de la degradación de la tierra consta de vegetación, suelo, topografía, hidrología e hidrogeología, atmósfera cercana a la superficie y otros indicadores que reflejan las características de degradación de la tierra. Estos indicadores se complementan entre sí y reflejan las características de las tierras degradadas desde diferentes aspectos, incluida la degradación relativa en el espacio y la degradación dinámica en el tiempo. Hay muchos indicadores que reflejan la degradación de la tierra, incluida la cobertura vegetal, la temperatura de la superficie, la humedad del suelo, la materia prima del suelo y la erosión del suelo. Esta sección solo selecciona indicadores de materia orgánica del suelo que pueden reflejar las ventajas de la tecnología de detección remota hiperespectral como objetos de investigación. Tomando como ejemplo la zona montañosa de loess del condado de Hengshan, provincia de Shaanxi, se analizaron los datos de reflectancia espectral y el contenido de materia orgánica del suelo de 174 muestras de suelo, se extrajo información y se analizó el potencial de aplicación de la tecnología de detección remota hiperespectral en el monitoreo de la materia orgánica del suelo. Se evaluó la materia en las bandas visible e infrarroja cercana. Se utilizó tecnología de análisis estadístico multivariado para establecer inicialmente un modelo de inversión de reflectancia e intentar realizar un mapeo cuantitativo.
(1) Establecimiento de un modelo de predicción de materia orgánica del suelo
Para establecer un modelo de inversión entre la reflectancia y el contenido de materia orgánica del suelo, encontrar índices espectrales que sean sensibles al contenido de materia orgánica del suelo. La reflectividad del diferencial de orden r' (65438). Utilizando el método de análisis de correlación simple, se analizó banda por banda la correlación entre el contenido de materia orgánica del suelo y la reflectancia y su forma de conversión de 174 muestras de suelo medidas en el laboratorio. La expresión del coeficiente de correlación r es la siguiente:
Investigación sobre la extracción de información por teledetección de terrenos baldíos degradados
Donde: ri es el coeficiente de correlación único entre el contenido de materia orgánica del suelo OM y la reflectancia espectral o su forma de transformación (ambos representados por I es); el número de banda es el valor de reflectancia espectral (o su valor convertido) de la banda I de la enésima muestra de suelo; es la reflectancia espectral promedio (o su forma convertida) de n muestras de suelo en la banda I; la enésima muestra de suelo El contenido de materia orgánica del suelo es el valor promedio del contenido de materia orgánica del suelo medido de n muestras de suelo, que es el número total de muestras de suelo;
La idea específica de este estudio se basa en los datos espectrales de muestras de campo. Primero, se vuelve a muestrear (submuestrear) la biblioteca espectral de objetivos de campo utilizando datos hiperespectrales de Hyperion. La imagen hiperespectral de Hyperion basada en datos espectrales de objetos terrestres se corrige utilizando el método de ajuste lineal empírico para establecer aún más la correlación entre los dos. Luego, con base en investigaciones previas, se utilizaron métodos de análisis de regresión estadística para establecer el modelo de inversión óptimo entre los datos espectrales de los puntos de muestreo y el contenido de materia orgánica del suelo, y el modelo se aplicó a imágenes hiperespectrales de Hyperion para obtener el contenido espacial de materia orgánica del suelo. distribución.
Este estudio utilizó análisis volumétrico para determinar el contenido de materia orgánica de 174 muestras de suelo. El valor mínimo es 0,124%, el valor máximo es 4,865%, el valor promedio es 1,179% y el error cuadrático medio es 1,122. Krishnan et al. (1980) estudiaron cuatro tipos diferentes de suelo mediante regresión lineal múltiple por pasos e iteración, y descubrieron que no había un pico de absorción causado por la materia orgánica en la región del infrarrojo cercano (800 ~ 2400 nm) y la predicción de la materia orgánica del suelo. El contenido de materia en la región de luz visible fue mejor que el de la región del infrarrojo cercano. En la región infrarroja, los coeficientes de correlación obtenidos son 0,8732 y 0,9828.
Investigación sobre la extracción de información por teledetección de terrenos baldíos degradados
Donde: k es la constante de regresión; ρ es el valor de reflectancia; λ es la longitud de onda.
La constante de regresión k en el modelo de predicción de Krishnan et al. refleja en cierta medida la influencia de otros factores sobre las características espectrales de la materia orgánica del suelo. Sin embargo, este artículo no lo discutirá en detalle, pero lo que sí es seguro es la relación del primer diferencial del logaritmo de la reflectancia recíproca en 623. 6 nanómetros es la primera derivada del logaritmo de la reflectancia recíproca en 564. 4 nm está relacionado con el contenido de materia orgánica del suelo. Tomándolo como W, mediante el análisis de correlación entre el valor de W calculado a partir de los datos espectrales de 30 objetos terrestres y el contenido de materia orgánica del suelo, se encontró que el coeficiente de correlación entre W y el contenido de materia orgánica del suelo alcanzó 0,8948, y hubo un fuerte correlación. Por lo tanto, se determinó W como variable en el análisis de regresión, en el que
Investigación sobre extracción de información por teledetección de terrenos baldíos degradados
.
Utilice el software SPSS para realizar análisis de regresión estadística. Los resultados se muestran en la Tabla 3-2.
Tabla 3-2 Tabla de ajuste del modelo de contenido de materia orgánica del suelo y W
Figura 3-4 Comparación de valores medidos y pronosticados de contenido de materia orgánica
De Como se puede observar en la Tabla 3-2, el coeficiente de determinación R2 de la función cuadrática Y = 16.466-4.385W+2.668W2 es el más alto, alcanzando 0.8684, donde ρ es el valor de reflectividad, lo que indica que su efecto de inversión es el mejor y la precisión es la más alta. A través del diagrama de dispersión de los valores medidos y los valores predichos del contenido de materia orgánica del suelo de 30 muestras de suelo (Figura 3-4), también se puede ver intuitivamente que los resultados de la función cuadrática están cerca de los valores medidos. y tiene buenos efectos de predicción.
Por tanto, el mejor modelo de inversión del contenido de materia orgánica del suelo es y = 16,466-4,385w+2,668w2, y el coeficiente de determinación R2 = 0,8684.
(2) Mapeo de parámetros cuantitativos
Aplique el modelo de inversión óptimo establecido del contenido de materia orgánica del suelo a la imagen de reflexión para dibujar los parámetros cuantitativos del índice de contenido de materia orgánica del suelo. El llamado mapeo paramétrico asigna primero valores de parámetros específicos a cada píxel. Con la ayuda de la relación semiempírica entre ciertos valores de banda o sus formas de transformación y los parámetros bioquímicos del suelo, se puede utilizar para establecer modelos de predicción. Los parámetros del suelo establecidos mediante métodos de regresión estadística. La relación entre el contenido de materia orgánica y la reflectancia es un modelo de predicción, luego el valor predicho del contenido de materia orgánica del suelo para cada píxel en la imagen de detección remota hiperespectral se calcula a través de esta relación. Finalmente, el mapa de predicción de un solo parámetro se divide en varios niveles (clases) mediante agrupación o segmentación de densidad, que es el mapa de distribución de un solo parámetro.
Figura 3-5 Gráfico de parámetros del contenido de materia orgánica del suelo
El mejor modelo de inversión de materia orgánica del suelo es y = 16.466-4.385w+2.668w2, donde. En el software ENVI se utiliza el método de separación espectral lineal para extraer la información del suelo en la imagen, el índice NDVI se utiliza para seleccionar suelo con un valor entre 0,1 y 0,3 (vegetación con NDVI > 0,3 y agua con NDVI < 0,1), y la imagen se elimina mediante una máscara Información de vegetación y agua en . Luego, utilizando el método de modelado espacial bajo el software ERDAS, el modelo se aplicó a datos hiperespectrales de Hyperion, se dibujaron parámetros cuantitativos y se obtuvo la distribución espacial del contenido de materia orgánica del suelo (Figura 3-5).
(3) Resumen
1) El contenido y la composición de la materia orgánica del suelo tienen una gran influencia en la reflectividad del suelo. La influencia de la materia orgánica del suelo en la reflectancia del suelo se manifiesta visualmente en que el contenido de materia orgánica del suelo de color oscuro es mayor que el del suelo de color claro, lo que ilustra la relación entre la materia orgánica del suelo y la reflectancia de la luz visible: cuanto mayor es el suelo contenido de materia orgánica, menor es la reflectancia de la luz visible, por el contrario, la reflexión de la luz visible cuanto mayor es la tasa; Estudiosos extranjeros han descubierto que la materia orgánica del suelo contiene una sustancia llamada ácido húmico, que tiene baja reflectividad y puede enmascarar información como la reflectividad y el color del suelo (Zhou Qing, 2004). Baumgardner et al. (1985) encontraron que cuando el contenido de materia orgánica del suelo excede el 2%, puede enmascarar la influencia de otros factores en el espectro del suelo, cuando es menor al 2%, a medida que el contenido de materia orgánica del suelo disminuye, su capacidad; para enmascarar otros componentes se hace mayor, se debilita y tiene poco impacto en el espectro del suelo.
2) Se estableció un modelo de inversión de materia orgánica del suelo Y = 16.466-4.385W+2.668W2. El coeficiente de decisión más alto R2 fue 0,8684. Este modelo se utilizó para el mapeo de parámetros de imágenes hiperespectrales y logró resultados satisfactorios.
3) El análisis de regresión estadística de la ecuación diferencial de primer orden con reflectancia logarítmica tiene dos propósitos: primero, la transformación diferencial de primer orden puede eliminar el efecto de los espectros de ruido y de fondo parcialmente lineales o aproximadamente lineales en el espectro objetivo. El segundo es linealizar la relación entre la reflectancia y el contenido de materia orgánica del suelo para facilitar la investigación.