基于被動微波混合像元分解技術(shù)的鹽堿地特性探測方法
【專利摘要】本發(fā)明的基于被動微波混合像元分解技術(shù)的鹽堿地特性探測方法，屬于遙感圖像處理的【技術(shù)領(lǐng)域】。通過光譜遙感數(shù)據(jù)獲得觀測地區(qū)地物分類數(shù)據(jù)，建立針對鹽堿地類型的被動微波混合像元分解模型；采用帶約束條件的非負最小二乘法迭代運算求解方程組，實現(xiàn)鹽堿地被動微波混合像元分解；進一步建立分解后的被動微波遙感數(shù)據(jù)與鹽堿地含鹽量的關(guān)系模型，實現(xiàn)鹽堿地特性的有效探測。本發(fā)明為深入研究蘇打鹽堿地水鹽特性與波譜信息的相關(guān)性，及蘇打鹽堿土的導電特性與微波輻射/散射信息的相關(guān)性，掌握蘇打鹽堿地的基本形態(tài)、時空動態(tài)變化過程、演變規(guī)律和地理分布特性，及蘇打鹽堿地的改良與合理利用，提供理論方法和技術(shù)手段。
【專利說明】基于被動微波混合像元分解技術(shù)的鹽堿地特性探測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于遙感圖像處理的【技術(shù)領(lǐng)域】，利用光學和微波遙感在鹽堿地識別上的優(yōu)勢，提出一種基于被動微波混合像元分解技術(shù)的鹽堿地特性探測方法，為掌握蘇打鹽堿地的基本形態(tài)、時空動態(tài)變化過程、演變規(guī)律和地理分布特性，及鹽堿地的改良與合理利用，提供理論方法和技術(shù)手段。
【背景技術(shù)】
[0002]土壤鹽堿化是干旱、半干旱區(qū)主要的土地退化問題，是當今土地荒漠化的主要問題之一。土地的鹽堿化作為一種環(huán)境災害，導致土地的退化，從而削弱和破壞了土地的生產(chǎn)力，使農(nóng)業(yè)區(qū)糧食產(chǎn)量下降，嚴重威脅著生態(tài)及國民經(jīng)濟的可持續(xù)發(fā)展。傳統(tǒng)的野外定位觀測費時費力，而且觀測點少，無法進行大面積動態(tài)監(jiān)測。遙感技術(shù)能大面積地獲取觀測地區(qū)的有用信息，為監(jiān)測地面的信息變化提供了可靠的依據(jù)，被廣泛地應用于鹽堿地的動態(tài)監(jiān)測和資源調(diào)查中。
[0003]由于澳大利亞、美國、埃及等許多國家存在著不同程度的土地鹽堿化，而且面積都很大，所以土地鹽堿化研究很早就成為國外的熱門話題。主要集中在光學遙感鹽堿地特性和微波遙感鹽堿地特性研究。
[0004]( I)光學遙感鹽堿地特性的研究進展
[0005]20世紀70年代，國外利用衛(wèi)星遙感技術(shù)對土地鹽堿化進行監(jiān)測研究。Rao和Dwivedi等在利用遙感技術(shù)研究鹽堿土時，使用0IF(0ptimum Index Factor)技術(shù)，分析了 TM數(shù)據(jù)的波段組合模式與含鹽堿化信息量的關(guān)系，并指出提取鹽堿化土壤信息的精度與遙感數(shù)據(jù)信息量的大小不成正比關(guān)系(參見Rao B RM, Dwivedi R S, etal.Mapping the Magnitude of Sodicity in Part of the Indo-Gangetic Plainof Uttar Pradesh, Northern India Using Landsat-TM Data[J].InternationalJournal of Remote Sensing, 1991，12 (3): 419-425)。Rao 對鹽堿化土 壤光譜特征分析發(fā)現(xiàn)，與未鹽堿化土相比，鹽堿化土壤在可見光和近紅外波段有很強的反射率，并且土壤鹽堿化程度越高，反射光譜越強(參見Rao B R M，Sankar T R Dwivedi R, etal.Spectral Behaviour of Salt-affected Soils.1nternational Journal of RemoteSensingl995, 16(12):2125-2136)。2003年，Bui E.N通過對澳大利亞東北部的植被種類，以及植被的分布與集群進行了深入地研究，確定了土地鹽堿化的程度(參見Bui EN, Henderson B L.Vegetation indicators of salinity in northern Queensland [J].Austral Ecology, 2003, 28:539 - 552)。國內(nèi)開展土壤鹽潰化衛(wèi)星遙感監(jiān)測研究始于上世紀80年代，比國外大約晚10年，但是鹽潰化方面的研究不斷地得到新的成果。我國學者對土壤鹽潰化的研究工作集中在鹽潰化土壤的植被及景觀生態(tài)、土壤鹽分積累及運移模型、生態(tài)地質(zhì)環(huán)境及水化學環(huán)境等方面。利用遙感影像進行目視判讀是進行鹽潰土定性、定量和動態(tài)分析的重要手段，數(shù)字圖像處理技術(shù)在早期的鹽潰土監(jiān)測研究方面也發(fā)揮了一定的作用(參見扶卿華等.土壤鹽分含量的遙感反演研究.農(nóng)業(yè)工程學報，2007，(01);吳景坤，章兆興，王愛軍.庫爾勒鹽潰土的遙感圖像處理.遙感信息，1987，(1):26)。
[0006](2)微波遙感鹽堿地特性的研究進展
[0007]從色譜學角度而言，在實驗室內(nèi)利用高光譜信息能夠有效地識別鹽堿土的含鹽類型。在自然條件下，由于水和其它環(huán)境條件的作用降低了含鹽光譜信息的靈敏度，導致利用高光譜信息難以實現(xiàn)鹽堿土特性的定量反演。在微波波段，含水含鹽土壤的變化會影響土壤的導電性，進而影響土壤介電常數(shù)，而介電常數(shù)的變化直接影響其后向散射系數(shù)或微波福射亮溫值(參見 Thomas J.Jackson P E.Nell 0.Salinity Effects onthe Microwave Emission of Siols[J].1EEE Transaction on Geoscience and RemoteSensing.1987,28(2):214-220 ;邵蕓，呂遠，董慶，等.含水含鹽土壤的微波介電特性分析研究[J]，遙感學報，2002，6(6):416-423)，這為通過微波遙感監(jiān)測土壤含鹽量提供了可能。利用微波遙感手段對鹽堿化土壤含鹽量的研究比較少，而且大多是初步的定性的探討。Jackson and Qneiu(參見 Thomas J.Jackson P E.Nell 0.Salinity Effects onthe Microwave Emission of Siols[J].IEEETransaction on Geoscience and RemoteSensing.1987，28(2):214-220.)從他們的野外實驗中發(fā)現(xiàn)在一定的土壤含水量之下，鹽度的增加會造成輻射的降低。
[0008]綜上所述，國內(nèi)外學者在土壤鹽分的遙感監(jiān)測上己做了很多研究，取得了許多研究成果。利用微波遙感手段對鹽堿化土壤含鹽量的研究大多是初步的探討，因此，在這一領(lǐng)域的研究主要還是在單一光譜遙感數(shù)據(jù)源層面上，沒有將光學與微波遙感相結(jié)合，共同實現(xiàn)觀測地區(qū)鹽堿特性探測。在遙感探測鹽堿地特性方面所取得的技術(shù)成果還無法滿足鹽堿地改良的應用需求。

【發(fā)明內(nèi)容】

[0009]本發(fā)明要解決的技術(shù)問題是，提供一種基于被動微波混合像元分解技術(shù)的鹽堿地特性探測方法，將光學和被動微波遙感技術(shù)相結(jié)合，共同實現(xiàn)觀測地區(qū)鹽堿地特性的有效探測。
[0010]通過光譜遙感數(shù)據(jù)獲得觀測地區(qū)地物分類數(shù)據(jù)，建立針對鹽堿地類型的被動微波混合像元分解模型；采用帶約束條件的非負最小二乘法迭代運算求解方程組，實現(xiàn)鹽堿地被動微波混合像元分解；進一步建立分解后的被動微波遙感數(shù)據(jù)與鹽堿地含鹽量的關(guān)系模型，實現(xiàn)鹽堿地特性的有效探測。
[0011]為解決本發(fā)明要解決的技術(shù)問題，給出技術(shù)方案如下:
[0012]一種基于被動微波混合像元分解技術(shù)的鹽堿地特性探測方法，該方法的應用條件是被動微波遙感數(shù)據(jù)和光譜遙感數(shù)據(jù)，有如下過程:1)實現(xiàn)觀測地區(qū)的地物分類，2)建立針對鹽堿地類型的被動微波混合像元分解模型，3)被動微波混合像元分解模型求解，4)建立分解后被動微波遙感數(shù)據(jù)與鹽堿地含鹽量的關(guān)系模型；
[0013]所述的實現(xiàn)觀測地區(qū)的地物分類，是對光譜遙感數(shù)據(jù)采用植被指數(shù)劃分觀測地區(qū)地物類型，確定觀測地區(qū)水體、植被、鹽堿地三類地物分類數(shù)據(jù)的結(jié)果；具體的地物分類方法是，從官方網(wǎng)站下載7、8和9月份分辨率光譜遙感影像，計算植被指數(shù)NDVI7、NDVI8和NDVI9，其中，NDVI= (b2-bl)/ (b2+bl),式中:b2是光譜遙感數(shù)據(jù)第二個波段，bl是光譜遙感數(shù)據(jù)第一個波段 ；由7、8和9月連續(xù)3個月NDVI指數(shù)直方圖統(tǒng)計結(jié)果得到閾值?\、Τ2、T3、T4、Τ5、T6,則滿足T1 ( ndvi7_9〈t2位置的數(shù)據(jù)定義為水體，同時滿足T2 ( ndvi8_9〈t3和T4〈NDVI7 ( T5位置的數(shù)據(jù)定義為植被，同時滿足T2 ( NDVI8_9〈T3和T6 ( NDVI7 ( T4位置的數(shù)據(jù)定義為鹽堿地；
[0014]所述的建立針對鹽堿地類型的被動微波混合像元分解模型，是從網(wǎng)站下載被動微波遙感數(shù)據(jù)，根據(jù)被動微波遙感數(shù)據(jù)的空間分辨率，根據(jù)觀測地區(qū)的地理息，利用ArcGIS軟件加載該地區(qū)shapefile矢量文件，得到該地區(qū)的被動微波遙感亮溫數(shù)據(jù)，并通過ArcGIS軟件將該數(shù)據(jù)轉(zhuǎn)換為Grid網(wǎng)格數(shù)據(jù)；具體過程是:第一步是實現(xiàn)被動微波數(shù)據(jù)和地物分類數(shù)據(jù)配準，定位與一個被動微波混合像元匹配的地物分類信息，結(jié)合研究地區(qū)地物分類的結(jié)果，得到被動微波混合像元中該類地物的比例L ;第二步被動微波混合像元模型應滿足如下數(shù)學表達公式:
[0015]Tb(x, y) =Tv(x, y)Lv(x, y) +Tw(x, y)Lw(x, y) +Ts(x, y)Ls(x, y) (3)
[0016]其中Tb代表觀測地區(qū)被動微波混合像元亮溫值，(X，y)代表被動微波混合像元位置；τν代表地物分類為植被的亮溫值，Lv代表與該被動微波混合像元空間位置匹配的分類數(shù)據(jù)中植被像元的比例；TW代表地物分類為水體的亮溫值，Lw代表與該被動微波混合像元空間位置匹配的分類數(shù)據(jù)中水體像元的比例；TS代表地物分類為鹽堿地的亮溫值，Ls代表與該被動微波混合像元空間位置匹配的分類數(shù)據(jù)中鹽堿地像元的比例；且被動微波混合像元中，所有地物分類類型出現(xiàn)的比例L應滿足:
[0017]Lv(x, y) +Lw(x, y) +Ls(x, y) =1 (4)
[0018]第三步選取mX η范圍的被動微波混合像元構(gòu)成一個搜索窗口，記錄mX η窗口中每個被動微波像元中不同地物的出現(xiàn)比例，構(gòu)成地物分布比例矩陣；按公式(5)對mXn范圍內(nèi)的被動微波混合像元進行分解。通過構(gòu)建方程組和非負最小二乘法迭代運算，求解mXn范圍內(nèi)被動微波混合像元分解后的各類地物的組分亮溫T。；
[0019]Tb=Pc.Tc+E (5)
[0020]式中:c=w，v, s是地物分類的種類，即水體、植被和鹽堿地，c的值為3 ；TB是一個(mXn) Xl的矢量,是mX η個被動微波混合像元亮溫值；Τ。是一個cXl的矩陣,是mXn窗口中每個被動微波混合像元對應的三類地物的組分亮溫，這里mXn窗口中同類地物的組分亮溫完全相同；P。是一個(mXn) Xe的矩陣，是mXn窗口中每個被動微波混合像元對應的地物分布比例；E是一個(mXn)Xl的矢量，是mXn個殘差數(shù)據(jù)；
[0021]所述的針對鹽堿地被動微波混合像元分解模型求解，是將觀測地區(qū)被動微波混合像元數(shù)據(jù)，分解成水體、植被和鹽堿地三種類型的被動微波組分亮溫數(shù)據(jù)；具體過程是采用迭代自組織數(shù)據(jù)分析算法(IS0DATA算法)對觀測地區(qū)連續(xù)一段時間的被動微波混合像元亮溫進行統(tǒng)計分類；迭代自組織數(shù)據(jù)分析算法的分類的中心值作為水體、植被和鹽堿地三類地物組分亮溫初值的參考，定義各類地物分類的亮溫初值\、xv、Xs和各類地物分類的亮溫變化閾值Y。，確定某一地物分類的組分亮溫T。的選取范圍是[XfY。，XJY。]，其中c=w，V，S代表地物分類的種類，即水體、植被和鹽堿地；
[0022]所述的建立分解后被動微波遙感數(shù)據(jù)與鹽堿地含鹽量的關(guān)系模型，是利用C波段和X波段的被動微波混合像元分解后的亮溫數(shù)據(jù)的差異性，采用差分的方法，分析其亮溫差值與鹽堿地含鹽量間的關(guān)系；具體過程是先計算C波段和X波段的被動微波混合像元分解后的亮溫數(shù)據(jù)，進一步計算亮溫差值，然后通過二次多項式擬合，建立亮溫差值和地面采樣數(shù)據(jù)含鹽量的關(guān)系模型，如下:
[0023]L=AX (Tx-Tc)2+BX (Tx-Tc)+C (8)
[0024]其中Tc和Tx分別代表C波段和X波段的被動微波混合像元分解后的亮溫數(shù)據(jù)，L代表地面采樣數(shù)據(jù)的含鹽量，A、B和C代表二次多項式擬合系數(shù)；通過(8)式，獲得關(guān)系模型中的回歸系數(shù)A、B和C，進一步可以得到觀測地區(qū)鹽堿地的含鹽量，實現(xiàn)鹽堿地特性的有效探測。
[0025]在2)建立針對鹽堿地類型的被動微波混合像元分解模型中，所述的從網(wǎng)站下載被動微波遙感數(shù)據(jù)，是經(jīng)過標定、大氣校正、地理校正和標準化預處理的數(shù)據(jù)。
[0026]在2)建立針對鹽堿地類型的被動微波混合像元分解模型中，所述的被動微波混合像元中該類地物的比例L，計算公式如(2)式:
[0027]
【權(quán)利要求】
1.一種基于被動微波混合像元分解技術(shù)的鹽堿地特性探測方法，該方法的應用條件是被動微波遙感數(shù)據(jù)和光譜遙感數(shù)據(jù)，有如下過程:1)實現(xiàn)觀測地區(qū)的地物分類，2)建立針對鹽堿地類型的被動微波混合像元分解模型，3)被動微波混合像元分解模型求解，4)建立分解后被動微波遙感數(shù)據(jù)與鹽堿地含鹽量的關(guān)系模型； ①所述的實現(xiàn)觀測地區(qū)的地物分類，是對光譜遙感數(shù)據(jù)采用植被指數(shù)劃分觀測地區(qū)地物類型，確定觀測地區(qū)水體、植被、鹽堿地三類地物分類數(shù)據(jù)的結(jié)果；具體的地物分類方法是，從官方網(wǎng)站下載7、8和9月份分辨率光譜遙感影像，計算植被指數(shù)NDVI7、NDVI8和NDVI9，其中，NDVI= (b2-bl)/ (b2+bl),式中:b2是光譜遙感數(shù)據(jù)第二個波段，bl是光譜遙感數(shù)據(jù)第一個波段；由7、8和9月連續(xù)3個月NDVI指數(shù)直方圖統(tǒng)計結(jié)果得到閾值?\、Τ2、T3、T4、T5、T6,則滿足T1 ≤ NDVI7_9〈T2位置的數(shù)據(jù)定義為水體，同時滿足T2 ≤ NDVI8_9〈T3和T4〈NDVI7 ≤T5位置的數(shù)據(jù)定義為植被，同時滿足T2 ≤ NDVI8_9〈T3和T6 ≤ NDVI7 ≤ T4位置的數(shù)據(jù)定義為鹽堿地； ②所述的建立針對鹽堿地類型的被動微波混合像元分解模型，是從網(wǎng)站下載被動微波遙感數(shù)據(jù)，根據(jù)被動微波遙感數(shù)據(jù)的空間分辨率，根據(jù)觀測地區(qū)的地理息，利用ArcGIS軟件加載該地區(qū)shapefile矢量文件，得到該地區(qū)的被動微波遙感亮溫數(shù)據(jù)，并通過ArcGIS軟件將該數(shù)據(jù)轉(zhuǎn)換為Grid網(wǎng)格數(shù)據(jù)；具體過程是:第一步是實現(xiàn)被動微波數(shù)據(jù)和地物分類數(shù)據(jù)配準，定位與一個被動微波混合像元匹配的地物分類信息，結(jié)合研究地區(qū)地物分類的結(jié)果，得到被動微波混合像元中該類地物的比例L ;第二步被動微波混合像元模型應滿足如下數(shù)學表達公式:
Tb(X，y) =Tv(X，y)Lv(x, y) +Tw(x, y)Lw(x, y) +Ts(x, y)Ls(x, y) (3) 其中Tb代表觀測地區(qū)被動微波混合像元亮溫值，(x, y)代表被動微波混合像元位置；TV代表地物分類為植被的亮溫值，Lv代表與該被動微波混合像元空間位置匹配的分類數(shù)據(jù)中植被像元的比例；TW代表地物分類為水體的亮溫值，Lw代表與該被動微波混合像元空間位置匹配的分類數(shù)據(jù)中水體像元的比例；TS代表地物分類為鹽堿地的亮溫值，Ls代表與該被動微波混合像元空間位置匹配的分類數(shù)據(jù)中鹽堿地像元的比例；且被動微波混合像元中，所有地物分類類型出現(xiàn)的比例L應滿足:
Lv(x, y) +Lw(x, y) +Ls(x, y) =1 (4) 第三步選取mXn范圍的被動微波混合像元構(gòu)成一個搜索窗口，記錄mXn窗口中每個被動微波像元中不同地物的出現(xiàn)比例，構(gòu)成地物分布比例矩陣；按公式(5)對mXn范圍內(nèi)的被動微波混合像元進行分解。通過構(gòu)建方程組和非負最小二乘法迭代運算，求解mXη范圍內(nèi)被動微波混合像元分解后的各類地物的組分亮溫Τ。；
Tb=Pc- Tc+E (5) 式中:c=w，v, s是地物分類的種類，即水體、植被和鹽堿地，c的值為3 ；TB是一個(mXn) Xl的矢量,是mX η個被動微波混合像元亮溫值；Τ。是一個cXl的矩陣,是mXn窗口中每個被動微波混合像元對應的三類地物的組分亮溫，這里mXn窗口中同類地物的組分亮溫完全相同；P。是一個(mXn) Xe的矩陣，是mXn窗口中每個被動微波混合像元對應的地物分布比例；E是一個(mXn)Xl的矢量，是mXn個殘差數(shù)據(jù)； ③所述的針對鹽堿地被動微波混合像元分解模型求解，是將觀測地區(qū)被動微波混合像元數(shù)據(jù)，分解成水體、植被和鹽堿地三種類型的被動微波組分亮溫數(shù)據(jù)；具體過程是采用迭代自組織數(shù)據(jù)分析算法(ISODATA算法)對觀測地區(qū)連續(xù)一段時間的被動微波混合像元亮溫進行統(tǒng)計分類；迭代自組織數(shù)據(jù)分析算法的分類的中心值作為水體、植被和鹽堿地三類地物組分亮溫初值的參考，定義各類地物分類的亮溫初值\、xv、Xs和各類地物分類的亮溫變化閾值Y。，確定某一地物分類的組分亮溫T。的選取范圍是[XfY。，XJY。]，其中c=w，V，S代表地物分類的種類，即水體、植被和鹽堿地； ④所述的建立分解后被動微波遙感數(shù)據(jù)與鹽堿地含鹽量的關(guān)系模型，是利用C波段和X波段的被動微波混合像元分解后的亮溫數(shù)據(jù)的差異性，采用差分的方法，分析其亮溫差值與鹽堿地含鹽量間的關(guān)系；具體過程是先計算C波段和X波段的被動微波混合像元分解后的亮溫數(shù)據(jù)，進一步計算亮溫差值，然后通過二次多項式擬合，建立亮溫差值和地面采樣數(shù)據(jù)含鹽量的關(guān)系模型，如下:
2.根據(jù)權(quán)利要求1所述的基于被動微波混合像元分解技術(shù)的鹽堿地特性探測方法，其特征是，所述的從網(wǎng)站下載被動微波遙感數(shù)據(jù)，是經(jīng)過標定、大氣校正、地理校正和標準化預處理的數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的基于被動微波混合像元分解技術(shù)的鹽堿地特性探測方法，其特征是，所述的被動微波混合像元中該類地物的比例L，計算公式如(2)式:
4.根據(jù)權(quán)利要求1所述的基于被動微波混合像元分解技術(shù)的鹽堿地特性探測方法，其特征是，在被動微波混合像元分解模型求解中，還設計一個目標函數(shù)R作為判斷可能解優(yōu)劣的標準，目標函數(shù)R定義為:
【文檔編號】G01N22/00GK103808736SQ201410050321
【公開日】2014年5月21日 申請日期:2014年2月13日 優(yōu)先權(quán)日:2014年2月13日
【發(fā)明者】顧玲嘉, 任瑞治, 張爽 申請人:吉林大學