基于被动微波混合像元分解技术的盐碱地特性探测方法
【专利摘要】本发明的基于被动微波混合像元分解技术的盐碱地特性探测方法，属于遥感图像处理的【技术领域】。通过光谱遥感数据获得观测地区地物分类数据，建立针对盐碱地类型的被动微波混合像元分解模型；采用带约束条件的非负最小二乘法迭代运算求解方程组，实现盐碱地被动微波混合像元分解；进一步建立分解后的被动微波遥感数据与盐碱地含盐量的关系模型，实现盐碱地特性的有效探测。本发明为深入研究苏打盐碱地水盐特性与波谱信息的相关性，及苏打盐碱土的导电特性与微波辐射/散射信息的相关性，掌握苏打盐碱地的基本形态、时空动态变化过程、演变规律和地理分布特性，及苏打盐碱地的改良与合理利用，提供理论方法和技术手段。
【专利说明】基于被动微波混合像元分解技术的盐碱地特性探测方法
【技术领域】
[0001]本发明属于遥感图像处理的【技术领域】，利用光学和微波遥感在盐碱地识别上的优势，提出一种基于被动微波混合像元分解技术的盐碱地特性探测方法，为掌握苏打盐碱地的基本形态、时空动态变化过程、演变规律和地理分布特性，及盐碱地的改良与合理利用，提供理论方法和技术手段。
【背景技术】
[0002]土壤盐碱化是干旱、半干旱区主要的土地退化问题，是当今土地荒漠化的主要问题之一。土地的盐碱化作为一种环境灾害，导致土地的退化，从而削弱和破坏了土地的生产力，使农业区粮食产量下降，严重威胁着生态及国民经济的可持续发展。传统的野外定位观测费时费力，而且观测点少，无法进行大面积动态监测。遥感技术能大面积地获取观测地区的有用信息，为监测地面的信息变化提供了可靠的依据，被广泛地应用于盐碱地的动态监测和资源调查中。
[0003]由于澳大利亚、美国、埃及等许多国家存在着不同程度的土地盐碱化，而且面积都很大，所以土地盐碱化研究很早就成为国外的热门话题。主要集中在光学遥感盐碱地特性和微波遥感盐碱地特性研究。
[0004]( I)光学遥感盐碱地特性的研究进展
[0005]20世纪70年代，国外利用卫星遥感技术对土地盐碱化进行监测研究。Rao和Dwivedi等在利用遥感技术研究盐碱土时，使用0IF(0ptimum Index Factor)技术，分析了 TM数据的波段组合模式与含盐碱化信息量的关系，并指出提取盐碱化土壤信息的精度与遥感数据信息量的大小不成正比关系(参见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 对盐碱化土 壤光谱特征分析发现，与未盐碱化土相比，盐碱化土壤在可见光和近红外波段有很强的反射率，并且土壤盐碱化程度越高，反射光谱越强(参见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通过对澳大利亚东北部的植被种类，以及植被的分布与集群进行了深入地研究，确定了土地盐碱化的程度(参见Bui EN, Henderson B L.Vegetation indicators of salinity in northern Queensland [J].Austral Ecology, 2003, 28:539 - 552)。国内开展土壤盐溃化卫星遥感监测研究始于上世纪80年代，比国外大约晚10年，但是盐溃化方面的研究不断地得到新的成果。我国学者对土壤盐溃化的研究工作集中在盐溃化土壤的植被及景观生态、土壤盐分积累及运移模型、生态地质环境及水化学环境等方面。利用遥感影像进行目视判读是进行盐溃土定性、定量和动态分析的重要手段，数字图像处理技术在早期的盐溃土监测研究方面也发挥了一定的作用(参见扶卿华等.土壤盐分含量的遥感反演研究.农业工程学报，2007，(01);吴景坤，章兆兴，王爱军.库尔勒盐溃土的遥感图像处理.遥感信息，1987，(1):26)。
[0006](2)微波遥感盐碱地特性的研究进展
[0007]从色谱学角度而言，在实验室内利用高光谱信息能够有效地识别盐碱土的含盐类型。在自然条件下，由于水和其它环境条件的作用降低了含盐光谱信息的灵敏度，导致利用高光谱信息难以实现盐碱土特性的定量反演。在微波波段，含水含盐土壤的变化会影响土壤的导电性，进而影响土壤介电常数，而介电常数的变化直接影响其后向散射系数或微波福射亮温值(参见 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 ;邵芸，吕远，董庆，等.含水含盐土壤的微波介电特性分析研究[J]，遥感学报，2002，6(6):416-423)，这为通过微波遥感监测土壤含盐量提供了可能。利用微波遥感手段对盐碱化土壤含盐量的研究比较少，而且大多是初步的定性的探讨。Jackson and Qneiu(参见 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.)从他们的野外实验中发现在一定的土壤含水量之下，盐度的增加会造成辐射的降低。
[0008]综上所述，国内外学者在土壤盐分的遥感监测上己做了很多研究，取得了许多研究成果。利用微波遥感手段对盐碱化土壤含盐量的研究大多是初步的探讨，因此，在这一领域的研究主要还是在单一光谱遥感数据源层面上，没有将光学与微波遥感相结合，共同实现观测地区盐碱特性探测。在遥感探测盐碱地特性方面所取得的技术成果还无法满足盐碱地改良的应用需求。
【发明内容】
[0009]本发明要解决的技术问题是，提供一种基于被动微波混合像元分解技术的盐碱地特性探测方法，将光学和被动微波遥感技术相结合，共同实现观测地区盐碱地特性的有效探测。
[0010]通过光谱遥感数据获得观测地区地物分类数据，建立针对盐碱地类型的被动微波混合像元分解模型；采用带约束条件的非负最小二乘法迭代运算求解方程组，实现盐碱地被动微波混合像元分解；进一步建立分解后的被动微波遥感数据与盐碱地含盐量的关系模型，实现盐碱地特性的有效探测。
[0011]为解决本发明要解决的技术问题，给出技术方案如下:
[0012]一种基于被动微波混合像元分解技术的盐碱地特性探测方法，该方法的应用条件是被动微波遥感数据和光谱遥感数据，有如下过程:1)实现观测地区的地物分类，2)建立针对盐碱地类型的被动微波混合像元分解模型，3)被动微波混合像元分解模型求解，4)建立分解后被动微波遥感数据与盐碱地含盐量的关系模型；
[0013]所述的实现观测地区的地物分类，是对光谱遥感数据采用植被指数划分观测地区地物类型，确定观测地区水体、植被、盐碱地三类地物分类数据的结果；具体的地物分类方法是，从官方网站下载7、8和9月份分辨率光谱遥感影像，计算植被指数NDVI7、NDVI8和NDVI9，其中，NDVI= (b2-bl)/ (b2+bl),式中:b2是光谱遥感数据第二个波段，bl是光谱遥感数据第一个波段 ；由7、8和9月连续3个月NDVI指数直方图统计结果得到阈值?\、Τ2、T3、T4、Τ5、T6,则满足T1 ( ndvi7_9〈t2位置的数据定义为水体，同时满足T2 ( ndvi8_9〈t3和T4〈NDVI7 ( T5位置的数据定义为植被，同时满足T2 ( NDVI8_9〈T3和T6 ( NDVI7 ( T4位置的数据定义为盐碱地；
[0014]所述的建立针对盐碱地类型的被动微波混合像元分解模型，是从网站下载被动微波遥感数据，根据被动微波遥感数据的空间分辨率，根据观测地区的地理息，利用ArcGIS软件加载该地区shapefile矢量文件，得到该地区的被动微波遥感亮温数据，并通过ArcGIS软件将该数据转换为Grid网格数据；具体过程是:第一步是实现被动微波数据和地物分类数据配准，定位与一个被动微波混合像元匹配的地物分类信息，结合研究地区地物分类的结果，得到被动微波混合像元中该类地物的比例L ;第二步被动微波混合像元模型应满足如下数学表达公式:
[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代表观测地区被动微波混合像元亮温值，(X，y)代表被动微波混合像元位置；τν代表地物分类为植被的亮温值，Lv代表与该被动微波混合像元空间位置匹配的分类数据中植被像元的比例；TW代表地物分类为水体的亮温值，Lw代表与该被动微波混合像元空间位置匹配的分类数据中水体像元的比例；TS代表地物分类为盐碱地的亮温值，Ls代表与该被动微波混合像元空间位置匹配的分类数据中盐碱地像元的比例；且被动微波混合像元中，所有地物分类类型出现的比例L应满足:
[0017]Lv(x, y) +Lw(x, y) +Ls(x, y) =1 (4)
[0018]第三步选取mX η范围的被动微波混合像元构成一个搜索窗口，记录mX η窗口中每个被动微波像元中不同地物的出现比例，构成地物分布比例矩阵；按公式(5)对mXn范围内的被动微波混合像元进行分解。通过构建方程组和非负最小二乘法迭代运算，求解mXn范围内被动微波混合像元分解后的各类地物的组分亮温T。；
[0019]Tb=Pc.Tc+E (5)
[0020]式中:c=w，v, s是地物分类的种类，即水体、植被和盐碱地，c的值为3 ；TB是一个(mXn) Xl的矢量,是mX η个被动微波混合像元亮温值；Τ。是一个cXl的矩阵,是mXn窗口中每个被动微波混合像元对应的三类地物的组分亮温，这里mXn窗口中同类地物的组分亮温完全相同；P。是一个(mXn) Xe的矩阵，是mXn窗口中每个被动微波混合像元对应的地物分布比例；E是一个(mXn)Xl的矢量，是mXn个残差数据；
[0021]所述的针对盐碱地被动微波混合像元分解模型求解，是将观测地区被动微波混合像元数据，分解成水体、植被和盐碱地三种类型的被动微波组分亮温数据；具体过程是采用迭代自组织数据分析算法(IS0DATA算法)对观测地区连续一段时间的被动微波混合像元亮温进行统计分类；迭代自组织数据分析算法的分类的中心值作为水体、植被和盐碱地三类地物组分亮温初值的参考，定义各类地物分类的亮温初值\、xv、Xs和各类地物分类的亮温变化阈值Y。，确定某一地物分类的组分亮温T。的选取范围是[XfY。，XJY。]，其中c=w，V，S代表地物分类的种类，即水体、植被和盐碱地；
[0022]所述的建立分解后被动微波遥感数据与盐碱地含盐量的关系模型，是利用C波段和X波段的被动微波混合像元分解后的亮温数据的差异性，采用差分的方法，分析其亮温差值与盐碱地含盐量间的关系；具体过程是先计算C波段和X波段的被动微波混合像元分解后的亮温数据，进一步计算亮温差值，然后通过二次多项式拟合，建立亮温差值和地面采样数据含盐量的关系模型，如下:
[0023]L=AX (Tx-Tc)2+BX (Tx-Tc)+C (8)
[0024]其中Tc和Tx分别代表C波段和X波段的被动微波混合像元分解后的亮温数据，L代表地面采样数据的含盐量，A、B和C代表二次多项式拟合系数；通过(8)式，获得关系模型中的回归系数A、B和C，进一步可以得到观测地区盐碱地的含盐量，实现盐碱地特性的有效探测。
[0025]在2)建立针对盐碱地类型的被动微波混合像元分解模型中，所述的从网站下载被动微波遥感数据，是经过标定、大气校正、地理校正和标准化预处理的数据。
[0026]在2)建立针对盐碱地类型的被动微波混合像元分解模型中，所述的被动微波混合像元中该类地物的比例L，计算公式如(2)式:
[0027]
【权利要求】
1.一种基于被动微波混合像元分解技术的盐碱地特性探测方法，该方法的应用条件是被动微波遥感数据和光谱遥感数据，有如下过程:1)实现观测地区的地物分类，2)建立针对盐碱地类型的被动微波混合像元分解模型，3)被动微波混合像元分解模型求解，4)建立分解后被动微波遥感数据与盐碱地含盐量的关系模型； ①所述的实现观测地区的地物分类，是对光谱遥感数据采用植被指数划分观测地区地物类型，确定观测地区水体、植被、盐碱地三类地物分类数据的结果；具体的地物分类方法是，从官方网站下载7、8和9月份分辨率光谱遥感影像，计算植被指数NDVI7、NDVI8和NDVI9，其中，NDVI= (b2-bl)/ (b2+bl),式中:b2是光谱遥感数据第二个波段，bl是光谱遥感数据第一个波段；由7、8和9月连续3个月NDVI指数直方图统计结果得到阈值?\、Τ2、T3、T4、T5、T6,则满足T1 ≤ NDVI7_9〈T2位置的数据定义为水体，同时满足T2 ≤ NDVI8_9〈T3和T4〈NDVI7 ≤T5位置的数据定义为植被，同时满足T2 ≤ NDVI8_9〈T3和T6 ≤ NDVI7 ≤ T4位置的数据定义为盐碱地； ②所述的建立针对盐碱地类型的被动微波混合像元分解模型，是从网站下载被动微波遥感数据，根据被动微波遥感数据的空间分辨率，根据观测地区的地理息，利用ArcGIS软件加载该地区shapefile矢量文件，得到该地区的被动微波遥感亮温数据，并通过ArcGIS软件将该数据转换为Grid网格数据；具体过程是:第一步是实现被动微波数据和地物分类数据配准，定位与一个被动微波混合像元匹配的地物分类信息，结合研究地区地物分类的结果，得到被动微波混合像元中该类地物的比例L ;第二步被动微波混合像元模型应满足如下数学表达公式:
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代表观测地区被动微波混合像元亮温值，(x, y)代表被动微波混合像元位置；TV代表地物分类为植被的亮温值，Lv代表与该被动微波混合像元空间位置匹配的分类数据中植被像元的比例；TW代表地物分类为水体的亮温值，Lw代表与该被动微波混合像元空间位置匹配的分类数据中水体像元的比例；TS代表地物分类为盐碱地的亮温值，Ls代表与该被动微波混合像元空间位置匹配的分类数据中盐碱地像元的比例；且被动微波混合像元中，所有地物分类类型出现的比例L应满足:
Lv(x, y) +Lw(x, y) +Ls(x, y) =1 (4) 第三步选取mXn范围的被动微波混合像元构成一个搜索窗口，记录mXn窗口中每个被动微波像元中不同地物的出现比例，构成地物分布比例矩阵；按公式(5)对mXn范围内的被动微波混合像元进行分解。通过构建方程组和非负最小二乘法迭代运算，求解mXη范围内被动微波混合像元分解后的各类地物的组分亮温Τ。；
Tb=Pc- Tc+E (5) 式中:c=w，v, s是地物分类的种类，即水体、植被和盐碱地，c的值为3 ；TB是一个(mXn) Xl的矢量,是mX η个被动微波混合像元亮温值；Τ。是一个cXl的矩阵,是mXn窗口中每个被动微波混合像元对应的三类地物的组分亮温，这里mXn窗口中同类地物的组分亮温完全相同；P。是一个(mXn) Xe的矩阵，是mXn窗口中每个被动微波混合像元对应的地物分布比例；E是一个(mXn)Xl的矢量，是mXn个残差数据； ③所述的针对盐碱地被动微波混合像元分解模型求解，是将观测地区被动微波混合像元数据，分解成水体、植被和盐碱地三种类型的被动微波组分亮温数据；具体过程是采用迭代自组织数据分析算法(ISODATA算法)对观测地区连续一段时间的被动微波混合像元亮温进行统计分类；迭代自组织数据分析算法的分类的中心值作为水体、植被和盐碱地三类地物组分亮温初值的参考，定义各类地物分类的亮温初值\、xv、Xs和各类地物分类的亮温变化阈值Y。，确定某一地物分类的组分亮温T。的选取范围是[XfY。，XJY。]，其中c=w，V，S代表地物分类的种类，即水体、植被和盐碱地； ④所述的建立分解后被动微波遥感数据与盐碱地含盐量的关系模型，是利用C波段和X波段的被动微波混合像元分解后的亮温数据的差异性，采用差分的方法，分析其亮温差值与盐碱地含盐量间的关系；具体过程是先计算C波段和X波段的被动微波混合像元分解后的亮温数据，进一步计算亮温差值，然后通过二次多项式拟合，建立亮温差值和地面采样数据含盐量的关系模型，如下:
2.根据权利要求1所述的基于被动微波混合像元分解技术的盐碱地特性探测方法，其特征是，所述的从网站下载被动微波遥感数据，是经过标定、大气校正、地理校正和标准化预处理的数据。
3.根据权利要求1所述的基于被动微波混合像元分解技术的盐碱地特性探测方法，其特征是，所述的被动微波混合像元中该类地物的比例L，计算公式如(2)式:
4.根据权利要求1所述的基于被动微波混合像元分解技术的盐碱地特性探测方法，其特征是，在被动微波混合像元分解模型求解中，还设计一个目标函数R作为判断可能解优劣的标准，目标函数R定义为:
【文档编号】G01N22/00GK103808736SQ201410050321
【公开日】2014年5月21日 申请日期:2014年2月13日 优先权日:2014年2月13日
【发明者】顾玲嘉, 任瑞治, 张爽 申请人:吉林大学