基于RS和GIS的黃河三角洲鹽堿地分級與治理研究.pdf

1、一直以來，鹽堿地問題都是全球性的問題和難題。鹽堿地破壞作物賴以生存的土壤環(huán)境，影響作物的正常生長，甚至導致作物死亡，阻礙了農(nóng)業(yè)生產(chǎn)的正常進行和生態(tài)環(huán)境的平衡發(fā)展。據(jù)國際糧農(nóng)組織及聯(lián)合國教科文組織的相關(guān)統(tǒng)計，目前全球鹽堿地的總面積約9.54億hm2，其中我國所占面積為9900余萬hm2。鹽堿地問題已經(jīng)成為制約我國農(nóng)業(yè)經(jīng)濟發(fā)展的重要因素。
　　黃河三角洲地區(qū)的鹽堿地問題較為突出，已經(jīng)嚴重制約該地區(qū)農(nóng)業(yè)的正常發(fā)展，加強治理刻不容緩。所謂

2、“知己知彼，百戰(zhàn)不殆”，了解該地區(qū)的鹽堿地分布狀況與鹽堿化程度是治理的首要任務(wù)。
　　本文在黃河三角洲地區(qū)進行實地土壤采樣，并對采樣樣本進行實驗，測得采樣點土壤樣本的土壤含鹽量。在ArcGIS10.1平臺上生成采樣點的點要素數(shù)據(jù)，并存儲各采樣點的土壤含鹽量。
　　對環(huán)境與災(zāi)害監(jiān)測預(yù)報小衛(wèi)星星座B星（HJ-1B星）的同期遙感影像進行預(yù)處理，并提取采樣點位置各個波段的遙感影像反射率值。在SPSS平臺上對影像各個波段反射率值與相應(yīng)

3、的土壤含鹽量進行Pearson相關(guān)系數(shù)的運算，并計算各個波段的標準差，從而得到各個波段的診斷系數(shù)，以此來表明各個波段對土壤含鹽量的敏感程度。結(jié)果表明，Band1、Band2和Band3波段的土壤含鹽量敏感性較為統(tǒng)一，且明顯高于Band4波段，此三波段可以用來進行土壤含鹽量的遙感定量反演運算。
　　在SPSS平臺上，以Band1、Band2和Band3三個波段為自變量，使用逐步回歸分析的方法進行多元線性回歸分析運算，以建立影像反射率

4、值與土壤含鹽量之間的關(guān)系模型。結(jié)果顯示，Band2波段自變量被剔除，Band1和Band3波段自變量作為保留自變量進行了回歸運算，運算結(jié)果顯著。
　　BP神經(jīng)網(wǎng)絡(luò)以其較強的非線性回歸映射能力和突出的自學習自適應(yīng)能力而被廣泛使用。將BP神經(jīng)網(wǎng)絡(luò)引入到土壤含鹽量的遙感反演中來，可以充分利用其自身特點，為遙感定量反演提供一種全新的方法和途徑。本文在MATLAB平臺上構(gòu)建了一個包含輸入層、隱含層和輸出層的三層BP神經(jīng)網(wǎng)絡(luò)模型，使用2-16

5、-1結(jié)構(gòu)，即輸入層2個節(jié)點，隱含層16個節(jié)點，輸出層2個節(jié)點。將Band1和Band3作為輸入節(jié)點，使用Log-Sigmoid作為訓練函數(shù)，進行網(wǎng)絡(luò)模型訓練。通過精度檢驗對比BP神經(jīng)網(wǎng)絡(luò)模型和多元線性回歸模型的預(yù)測能力，結(jié)果顯示，前者在大部分情況下要強于后者。因此，使用訓練得到的神經(jīng)網(wǎng)絡(luò)模型對黃河三角洲地區(qū)的土壤含鹽量進行仿真。
　　結(jié)果表明，黃河三角洲地區(qū)的鹽堿地鹽堿化程度較為嚴重，其中以重度鹽堿地和鹽田為代表的原生鹽堿地比重占