Inversión cuantitativa del contenido de materia orgánica en suelo negro en la llanura de Songliao
1 Recolecte y analice muestras de suelo. Inversión ASTER
(1)
Basado en el mapa de distribución de suelo negro recopilado de 1:654,38 millones, se desarrolló una ruta de muestreo que puede penetrar el cinturón de suelo negro horizontal y verticalmente. Recopile muestras en estricta conformidad con los requisitos de muestreo y registre la longitud y latitud de los puntos de muestreo a través de GPS. Describe tu entorno en detalle y toma fotografías relevantes.
Época de muestreo: 6 de mayo al 8 de mayo de 2006.
Selección de parcelas: parcelas representativas, alejadas al menos de 200 metros de la carretera.
Ubicación del préstamo: en medio de la cresta del campo.
Estrategia de muestreo: método de línea W, recolectar 4 muestras de suelo de cada parcela, tomar la capa superficial del suelo a una profundidad de 0 ~ 15 cm, mezclar bien y eliminar el exceso de tierra.
Embolsado: Tome aproximadamente 0,5 kilogramos de muestra de suelo y colóquelo en una bolsa de tela especial. Coloque una etiqueta dentro de la bolsa y ate una etiqueta en el exterior de la bolsa.
Descripción de la parcela: Registrar el número de la parcela de muestreo, la longitud y latitud de la ubicación, y determinar el tipo de siembra del año pasado a través del rastrojo. Condiciones de relieve, condiciones del suelo, etc.
②La ubicación de la recolección de muestras de suelo
Debido a la gran área de muestreo, se movió gradualmente de sur a norte antes del arado de primavera y penetró en el cinturón de suelo negro de este a oeste. Los puntos de muestreo se distribuyen desde el condado de Nenjiang en la provincia de Heilongjiang hasta la ciudad de Changchun en la provincia de Jilin, cubriendo todo el cinturón de suelo negro (Figura 3.2.3).
Concéntrate en el tiempo para recoger muestras. Uno * * * recolectó 87 muestras de suelo y tomó una gran cantidad de fotografías relacionadas (Figuras 3.2.4, 3.2.5). Según el entorno de recolección, se seleccionaron 80 muestras de suelo y se enviaron al departamento de análisis y pruebas del Instituto de Geografía y Ecología Agrícola del Noreste de la Academia de Ciencias de China para su análisis, y se obtuvieron los contenidos de materia orgánica del suelo negro y otros elementos relacionados. .
2. La recogida de datos del suelo consta de 2. Inversión TM
Recupera los datos del suelo del período correspondiente en función del tiempo de adquisición de la imagen de teledetección TM.
Durante el segundo censo de suelos, la provincia de Heilongjiang completó estudios de suelos a nivel de condado de 1979 a 1985. Este período coincide con el momento de adquisición de las imágenes de teledetección TM. Por lo tanto, con base en los datos del segundo estudio de suelo, los registros de suelo en el condado de Hailun, provincia de Heilongjiang, y los datos relacionados, se encontraron 40 puntos de muestra de suelo y se determinó la ubicación correspondiente de cada punto con base en el mapa topográfico.
Figura 3.2.3 Ruta de muestreo en el campo de suelo negro y mapa de ubicación de la muestra.
Figura 3.2.4 Fotografía in situ del punto de muestreo de suelo
Figura 3.2.5 Fotografía in situ del punto de muestreo de suelo
②Fuente de datos de teledetección
En este estudio se utilizaron datos ASTER1B de 60 escenas y datos TM de 9 escenas, con imágenes claras y cobertura nula o parcialmente nublada.
ASTER es un sensor multiespectral de alta resolución que cubre 14 bandas desde la luz visible hasta el infrarrojo térmico. Esta encuesta utiliza principalmente las bandas 1 ~ 9 del sensor ASTER. Los datos ASTER se adquirieron desde abril de 2004 hasta mayo de 2006.
Los tiempos de adquisición de datos TM son: 1986.4.29, 1986.5.31, 1986.10.29, 1987.3 0 y 65438.
Aunque los años seleccionados para las imágenes son diferentes, los meses se concentran en marzo-mayo y octubre. Debido a que el invierno en el Nordeste termina durante este período, la superficie del terreno generalmente no está cubierta de nieve, la tierra no está cultivada, es decir, no hay cultivos ni vegetación en la superficie del terreno agrícola, y el terreno está completamente expuesto, a veces con una capa de nieve. Pequeña cantidad de residuos de cultivos esparcidos sobre la superficie, lo que asegura que la exposición se obtiene de la imagen Información espectral del suelo.
③Procesamiento de datos de teledetección
La inversión cuantitativa de materia orgánica del suelo negro utiliza principalmente los datos de imágenes de teledetección L1B de ASTER y TM. La imagen L1B ha sido corregida radiométricamente. Para lograr una alta precisión y buenos efectos de aplicación, se requieren una serie de procesos sobre esta base. Por ejemplo, corrección de errores de radiación causados por el ángulo de altitud solar, corrección de distancia Sol-Tierra, corrección de ganancia, etc.
1. Cálculo de la reflectancia aparente de ASTER
Debido a las diferentes resoluciones espaciales de los datos ASTER en las bandas visible, infrarrojo cercano e infrarrojo de onda corta, antes del cálculo, la onda corta ASTER infrarrojo Los píxeles de seis bandas de los datos se volvieron a muestrear a 15 m como el píxel más cercano y se registraron con los datos de tres bandas en visible e infrarrojo cercano para formar un conjunto de datos que contiene nueve capas de datos.
El modelo de cálculo de la reflectancia aparente ASTER se muestra en la fórmula (3.2.1), y los parámetros relevantes se muestran en la Tabla 3.2.1. En la imagen ASTER, el valor de compensación es igual al valor de ganancia y tiene el signo opuesto, por lo que el valor de radiancia L de ASTER se puede expresar como:
Entorno geológico cuaternario y degradación del suelo negro en la llanura de Songliao
Entre ellos: l es el valor de brillo radiante; la ganancia es la ganancia del sensor; DN es el valor de brillo de la imagen.
Se seleccionaron para el cálculo dos datos ASTER representativos del área de suelo negro de la llanura de Songliao (Tabla 3.2.1 y Tabla 3.2.2). En mayo de 2004, el ángulo de altitud solar θ era 55,142° y 55,445438 0° respectivamente, y la fase temporal era 1°. Se sintetizaron dos imágenes ASTER. Se encuentra principalmente en la frontera de suelo negro entre la ciudad de Bei'an y la ciudad de Hailun.
Tabla 3.2.1 Tabla de parámetros de ganancia del sensor ASTER e irradiancia solar
Tabla 3.2.2 Parámetros relacionados con los datos ASTER de las dos escenas seleccionadas
Fig. 6 Imagen original de Aster-01
Figura 3.2.7 Imagen original de Aster-02
La fórmula de cálculo de la reflectancia aparente de ASTER se compone de la fórmula (2.8.1) y la fórmula (2.8. 4) Se concluye que:
Ambiente geológico cuaternario y degradación del suelo negro en la llanura de Songliao
Compare cada banda de las dos imágenes de escena (Figura 3.2.8, Figura 3.2.9) Sustituyendo en la fórmula (3.2.5) (Tabla 3.2.3), la reflectancia aparente de nueve bandas se calcula mediante el cálculo de bandas (Figura 3.2.10, Figura 3.2.65538 06554).
Figura 3.2.8 Banda 3 original de Aster-01
Figura 3. 2. 9 Reflectancia aparente de la banda 3 de Aster-01
Tabla 3. 2 . Fórmula de cálculo de reflectancia aparente de Aster-01 (02)
Continúa
Figura 3.2.10 Banda original 3 de Aster-02
Figura 3.2 11 Cálculo de aster-. 02 banda 3 reflectancia aparente
2.2. Reflectancia aparente de TM
Según la fórmula (3.2.1) y la fórmula (3.2.2), se puede calcular la reflectancia aparente de TM. Los parámetros relevantes se muestran en la Tabla 3.2.4.
Tabla 3.2.4 Tabla de parámetros de ganancia del sensor TM y de irradiancia solar
3 Corrección de radiación relativa
Dado que este estudio utiliza imágenes multitemporales, para. Debilitar la influencia de la atmósfera y otros factores en la reflexión espectral de los objetos terrestres, la imagen se corrige por radiación relativa. Con base en los datos de las imágenes de abril, se realizó una corrección radiométrica en los datos de las imágenes de otros meses utilizando características pseudoinvariantes del terreno (PIFS) y métodos de regresión estadística.
Modelo de inversión cuantitativa de suelo negro
Se realizó un análisis de regresión por pasos utilizando la reflectancia espectral como variable independiente y la transformación logarítmica del contenido de materia orgánica como variable dependiente. Después de repetidos experimentos, se realizaron análisis de regresión lineal, logarítmica y diferencial sobre el contenido de materia orgánica de cada punto de muestreo y la reflectividad correspondiente a cada banda. El estudio encontró que las bandas 2, 3, 4, 8 y 9 de la imagen ASTER y las bandas 1, 2, 3 y 4 de la imagen TM tienen una buena correlación con la materia orgánica del suelo negro.
El contenido de materia orgánica se correlaciona negativamente con el valor espectral del suelo. Por ejemplo, la correlación de 9 bandas en la imagen ASTER está por debajo de -0,5, y la más baja alcanza -0,7 (Figura 3.2.12). Esto muestra que el contenido de materia orgánica está correlacionado negativamente con el valor del espectro de reflectancia del suelo y tiene una buena correlación.
Según el análisis de banda única, se encontró que entre las relaciones entre el contenido de materia orgánica del suelo y los valores espectrales y diversas transformaciones matemáticas, la relación exponencial es la más ideal. Antes de establecer la relación entre ellos, el contenido de materia orgánica del suelo (MOS) se convirtió mediante log ln (MOS). Después de la transformación, la correlación entre la forma logarítmica del contenido de materia orgánica y los valores espectrales del suelo mejoró en todas las bandas. Por ejemplo, en la imagen ASTER, la correlación en la banda de luz visible aumenta significativamente y el coeficiente de correlación cae de -0,607 a -0,678 a 0,556 μm (Figura 3.2.12).
Figura 3. 2. 12 Coeficiente de correlación entre el contenido de materia orgánica en la imagen ASTER y su transformación logarítmica y valor espectral.
Por lo tanto, se estableció la relación entre el valor del logaritmo natural del contenido de materia orgánica y el valor del espectro de reflectancia del suelo para mejorar la precisión y estabilidad del modelo.
Al estudiar la relación de transformación logarítmica entre el contenido de materia orgánica del suelo y la reflectancia espectral y su forma de transformación matemática, se obtuvo un modelo de inversión para el contenido de materia orgánica del suelo negro.
Establecer el modelo de inversión de suelo negro ASTER, de la siguiente manera:
Ambiente geológico cuaternario y degradación del suelo negro en la llanura de Songliao
Establecer el modelo de inversión de suelo negro TM , de la siguiente manera:
Entorno geológico cuaternario y degradación del suelo negro en la llanura de Songliao
Entre ellos, ρi representa la reflectancia espectral, lnρi representa la forma logarítmica de la reflectancia espectral y ρ 'I es la reflexión de la banda I. El diferencial de primer orden de la velocidad se puede expresar como ρ'I = (ρI 1-ρI-1)/(λI 1-λI-1).
⑤Extracción cuantitativa de suelo negro
Utilice un árbol binario de decisión para extraer cuantitativamente suelo negro. En este estudio, se seleccionan muestras para cada objeto terrestre y se analizan las curvas espectrales de reflexión en imágenes de teledetección para descubrir las características espectrales típicas de varios objetos terrestres y las bandas de diagnóstico que distinguen a otros objetos terrestres. El valor espectral de la banda de diagnóstico se ingresa en el árbol binario como condición de juicio para distinguir suelo negro y suelo no negro en imágenes de teledetección.
Tomando ASTER bicolor como ejemplo, los parámetros para extraer información del suelo negro (Figura 3.2.13, Figura 3.2.14) y sus resultados preliminares (Figura 3.2.15, Figura 3.2.16) son descrito en detalle.
Figura 3.2.13 Diagrama de estructura de árbol binario de decisión de Aster-01 para extraer información del suelo negro.
Figura 3.2.14 Diagrama de estructura de árbol binario de decisión de Aster-02 para extraer información del suelo negro
Figura 3.2.15Extracción de información del suelo negro de aster-01
Figura 3.2 .16 aster -02 Extracción de información del suelo negro