新大遥感地学分析课件第5章 土壤遥感
合集下载
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
5.2 土壤遥感数据分析
5.2.3 光谱混合分解模型 遥感数据中“纯”土壤像素很少, 经常
包含植被和落叶信息。应用光谱混合分解模 型一方面可把遥感数据分解为土壤、植被以 及非光合作用植被, 另一方面,对于那些植 被极度稀疏的地区,光谱混合分解模型还可 以模拟土壤地球化学属性(湿度、铁氧化物有线性和非线性两种:
5.2 土壤遥感数据分析
(1) 线性混合分解模型 该模型的基础是假定每一像素的反射率等于 各端元组分反射率权重的和,方程如下: Y=Ax 其中:Y 是给定像素反射率矢量;A 是一个 矩阵,矩阵列向量是n 个端元组分的反射率; x 是解向量,由像素中每一端元组分所占的 比例组成。该方法可以确定一个像素内各端 元组分所占的比例,或者确定像素内没有用 作端元组分的额外成分。其优点是简单易用, 对于某些土地覆盖类型,如沙漠灌木带效果 很好。
5.1 土壤波谱特征及其变化规律
总的来说,土壤光谱反射特性的差异与 变化都取决于土壤的组成与表面状态,其中 最为重要的是腐殖质含量。含量愈高,反射 率愈低,光谱的曲线愈趋低平,这是总的规 律。但应注意腐殖质的组分如胡敏酸、富里 酸等之间的光谱特性差异颇大,对土壤光谱 特性的影响也就有所不同。
此外,土壤湿度对反射特性的巨大影响 绝对不能忽视。
生形式(如导数变化、比值等) 作为自变量, 以土壤物化参数为因变量,建立多元回归模 型的一种分析技术。可表示为:
y=A+B1V1+B2V2+···+BiVi
其中Vi 是原始光谱反射率或其派生形式, y 是土壤物化参数的回归值, A是常数项, Bi ( i= 1, 2, 3,…, n) 是Vi 对y 的偏回归 系数。
5.1 土壤波谱特征及其变化规律
自然状况的土壤表面的反射率没有明显的峰值和谷值,一般 来说土质越细,反射率越高,有机质含量越高和含水量越高 反射率越低。此外土壤的肥力也会对反射率产生影响。
5.1 土壤波谱特征及其变化规律
土壤类别是多种多样的,其光谱反射特性也必然相应地发生许多变化但 就其光谱曲线在可见光至近红外区的整体形态与斜率变化情况看,均可 归纳为平直型、缓斜型、陡坎型和波浪型四大类 。
5.1 土壤波谱特征及其变化规律
使用FTIR测定的大量土壤样品在2.5μm ~14μm的反射光谱曲线经过换算得出热红外 区的比辐射率可以看出,不同土壤类型有一 些差异,但不大;另一方面,不同土壤类型, 特别是不同质地及不同有机质含量,因而具 有不同水分物理特性的土壤,其吸热增温、 故热降温和热储存、热传导过程都会有所不 同,使得土壤的热特性复杂多变。
5.2 土壤遥感数据分析
从遥感数据中大量获取土壤信息需要发 展许多技术方法。土壤光学遥感中常用的有 多元统计分析、主成分分析、光谱混合分解、 光谱匹配等技术。
5.2.1 多元统计分析 5.2.2 主成分分析 5.2.3 光谱混合分解模型
5.2 土壤遥感数据分析
5.2.1 多元统计分析 多元统计分析是以原始光谱数据或其派
第5章 土壤遥感
主要内容
5.1 土壤波谱特征及其变化规律 5.1.1 土壤的反射光谱特征 5.1.2 土壤的热红外辐射特征 5.1.3 土壤的的微波辐射与散射特征
5.2 土壤遥感数据分析 5.2.1 多元统计分析 5.2.2 主成分分析 5.2.3 光谱混合分解模型
5.3 土壤遥感分析 5.3.1 土壤类型的遥感分析 5.3.2 土壤侵蚀调查与监测 5.3.3 土壤水分监测与干旱灾害预测 5.3.4 土壤盐分监测
5.1 土壤波谱特征及其变化规律
5.1.3 土壤的的微波辐射与散射特征 关于土壤的微波辐射特性,根据肖金凯
的初步研究,不论何种土壤类型,在105℃ 烘干状态下,其介电常数均在5左右,加水之 后,介电常数近线性上升,不同类型土壤, 上升幅度稍有差异,表明土壤的介电常数主 要由土壤含水量决定,与土壤成分和性质有 一定关系但不是很大。
土壤遥感
5.1 土壤波谱特征及其变化规律
5.1.1 土壤的反射光谱特征 土壤的波谱特性主要包括土壤反射光谱
特性、土壤热红外与微波的辐射散射特性等, 但应用最多的是土壤反射光谱特征 。总的来 说,土壤的主要物质组成与岩矿一脉相承, 因而土壤和岩矿的光谱反射特性在整体上基 本一致,即反射率从可见光的短波段起随波 长的增加而逐渐抬升。
5.2 土壤遥感数据分析
在采集的土壤样品中,一部分用来建立统计 回归模型,另一部分对构建的模型进行验证。 Leone 等对实验室测量的光谱数据分两步做 多元统计分析,研究AVIRIS在评估地中海丘 陵地区土壤发展和退化水平方面的性能。 Alici等应用多元统计分析技术研究了 SantaMonica 山两条峡谷中有机质、铁含量 和结构对土壤光谱的影响。多元统计分析也 可用来选择诊断性波长范围,从而降低数据 维数,实现数据压缩。
土壤的机械组成即质地与表面状况对光 谱反射率也有明显影响。
5.1 土壤波谱特征及其变化规律
5.1.2 土壤的热红外辐射特征 土壤的热红外和微波辐射、散射特性与
岩矿有许多类似之处,但由于土壤是疏松的 有机和无机复合体,固、液、气三相共存, 成分多样,且处于相互消长、快速多变之中, 故更为复杂。
其中土壤含水量是造成土壤表面温度差 异,乃至热红外辐射变化的主要因素。
5.1 土壤波谱特征及其变化规律
影响土壤微波后向散射系数的另两个重要因 素是表层土粒粗细与土壤结构状况。土粒粗 细以机械组成即质地表征,这个因素比较稳 定。土壤结构状况在农区将随耕作管理等措 施而变化,不过对于使用波长较长的雷达遥 感面言,结构变化幅度一般不超过表面粗糙 度判据范围,这时可忽略不计。
5.2 土壤遥感数据分析
5.2.2 主成分分析(PCA) 主成分分析是基于统计特征的多维正交线性 变换。公式如下:
Y=TX 其中:Y 是新生成主成分矩阵;X 是原始变 量矩阵,可以是室内光谱,也可以是遥感影 像; T 是由X 的协方差矩阵S 的特征向量所 组成的正交矩阵。PCA 利用降维的思想,把 相关的多个变量转变成少数几个不相关的综 合变量,实现了数据压缩。其缺点是难以确 定每一主成分的物理意义。