白城土壤盐渍化分布特征分析

doi:10.19754/j.nyyjs.20250330016

摘要/Abstract

摘要： 土壤盐分含量是反映土健康程度的重要指标之一，白城地区属于吉林西北部，是我国三大盐碱地分布区之一，土地盐渍化程度极高，严重制约当地农业经济的发展。为有效监测当地土壤盐成化，预防盐渍化程度加重，利用哨兵2多光谱途感影像结合实测土壤数据，建立土壤盐渍化途感反演模型，并通过随机森林筛选相关性较强的敏感波段及盐分指数，得到反演模型验证集决定系数R和均方根误差(RMSE)分别为0.85和0.183g·kg, 能够较为有效的反映当地盐碱地分布情况，为白城地区盐成化治理提供帮助及参考价值。

中图分类号:

. 白城土壤盐渍化分布特征分析[J]. 农业与技术, 2025, 45(6): 77-82.

参考文献

[1]Fathizad H,Ardakani M A H,Sodaiezadeh H,et al.Investigation of the spatial and temporal variation of soil salinity using random for- ests in the central desert of Iran [J].Geoderma,2020,365:114 -233. [2]刘福全，杜崇，韩旭，等.基于3S技术的大庆地区土壤盐渍化时空变化分析[J].灌溉排水学报，2022,41(05)：132-138. [3]陈红艳，赵庚星，李玉环，等。消除水分因素影响的野外原状土壤盐分高光谱建模估测[J].农业工程学报，2018,34 (12):119-125. [4]李小雨，贾科利，魏慧敏，等。基于随机森林算法的土壤含盐量预测[J].千早区研究，2023,40(08)：1258-1267. [5]黄权中，徐旭，吕玲娇，等.基于遥感反演河套灌区土壤盐分分布及对作物生长的影响[J].农业工程学报，2018,34 (01):102-109. [6]丁建丽，伍漫春，刘海霞，等.基于综合高光谱指数的区域土壤盐渍化监测研究[J].光谱学与光谱分析，2012,32(07)： 1918-1922. [7]贾萍萍，尚天浩，张俊华，等。利用多源光谱信息反演宁夏银北地区干湿季土壤含盐量[J].农业工程学报，2020,36 (17)：125-134. [8]周春。基于无人机多光谱遥感的土壤盐分反演模型研究[D]· 兰州：兰州理工大学，2023. [9]李振.基于无人机高光谱的农田土壤盐分估测研究[D].济南：山东师范大学，2023. [10]Allbed A,Kumar L,Aldakheel YY.Assessing soil salinity using soil salinity and vegetation indices derived from IKONOS high-spa- tial resolution imageries:applications in a date palm dominated re- gion[J].Geoderma,2014,230-231:1-8. [11]孙亚楠，李仙岳，史海滨，等.基于多源数据融合的盐分遥感反演与季节差异性研究[J].农业机械学报，2020,51 (06):169-180. [12]周晓红，张飞，张海威，等。艾比湖湿地自然保护区土壤盐分多光谱遥感反演模型[J].光谱学与光谱分析，2019,39 (04):1229-1235. [13]赵欣悦，席海洋，赵静，等。阿拉善地区土壤盐渍化的遥感反演及分布特征[J].中国沙漠，2023,43(01)：27-36. [14]王飞，杨胜天，丁建丽，等。环境敏感变量优选及机器学习算法预测绿洲土壤盐分[J].农业工程学报，2018,34 (22):102-110. [15]Alhammadi M S,Glenn E P.Detecting date palm trees health and vegetation greenness change on the easter coast of the United ArabEmirates using SAVI J].International Joumal of Remote Sens- img,2008,29(6):1745-1765. [16]陈红艳，赵庚星，陈敬春，等。基于改进植被指数的黄河口区盐渍土盐分遥感反演[J].农业工程学报，2015,31 (05):107-114. [17]Scudiero E,Skaggs T H,Corwin D L,et al.Regional-scale soil salinity assessment using Landsat ETM+canopy reflectance [J]. Remote Sensing of Environment,2015,169:335-343. [18]Frampton W J,Dash J,Watmough G,et al.Evaluating the ca- pabilities of Sentinel-2 for quantitative estimation of biophysical variables in vegetation [J].ISPRS Joumal of Photogrammetry and Remote Sensing,2013,82:83-92. [19]Wu W.The generalized difference vegetation index GDVI)for dryland characterization [J].Remote Sensing,2014,6 (2): 1211-1233 [20]向友珍，李汪洋，台翔，等。基于无人机遥感图像纹理与植被指数的土壤含盐量反演[J].农业机械学报，2023,54 (08)：201-210. [21]宁岸新.基于SentineL2A彩像的千早区土壤盐渍化监测研究[J].安徽农业科学，2024,52(01)：51-55,66. [22]杨丽萍，任杰，王字，等.基于多源遥感数据的居延泽地区土壤盐分估算模型[J].农业机械学报，2022,53(11)： 226-235 [23]Fourati T H,Bouaziz M,Benzina M,et al.Modeling of soil sa- linity within a semi-arid region using spectral analysis [J.Ara- bian Joural of Geosciences,2015,8 (12):11175-11182. [24]马驰.基于Sentinel--2A遥感数据对吉林白城市土壤含盐量的反演[J].千早区研究，2020,37(03)：591-597. [25]刘全明，成秋明，王学，等.河套灌区土壤盐渍化微波雷达反演[J].农业工程学报，2016,32(16)：109-114. [26]张子璇，宋雨桐，张惠中，等.水文气侯影响下黄河三角洲土壤盐分时空动态[J].应用生态学报，2021,32(04)： 1393-1405. [27]栾福明，张小雷，熊黑钢，等.基于TM影像的荒漠-绿洲交错带土壤有机质含量反演模型[J].中国沙漠，2014,34 (04):1080-1086.