本发明涉及定量遥感应用领域，尤其涉及基于无人机多光谱遥感图像的滨海盐渍区土壤盐分含量估算方法，具体涉及一种滨海盐渍区土壤盐分含量估算方法。
背景技术：
土壤盐渍化是当今全球性重大环境问题，严重制约着生态环境和社会经济的健康、持续发展。据统计，全球盐渍土面积约10亿平方公顷（约占全球陆地面积的7%），其中4300万平方公顷为次生盐渍化，导致大约三分之一的灌溉农田因盐渍化威胁而减产；同时，受全球变暖影响，土壤盐渍化面积呈现出不断增大的趋势。而在中国，盐渍化土地面积约为1亿平方公顷，其中，现代盐渍土地约3600万平方公顷（占全国可利用土地的4.88%），耕地中盐渍化土地面积占全球耕地面积的6.6%，土壤盐渍化导致土壤质量下降、土地生产能力降低、农作物长势变差且产量降低、严重时导致农地弃耕，对区域生态、农业生产和粮食安全产生了严重影响，土壤盐渍化的防治意义重大。
传统研究方法多以野外调查和采样分析结合为主，需要消耗较多人力、物力和财力，难以实现快速获取土壤盐分含量的目的。随着遥感技术的发展，众多学者开始致力于运用遥感手段监测土壤盐分含量，21世纪以来农业遥感逐渐向定量化和精准化的方向发展，但当前主流的卫星遥感技术由于重访周期长、受天气影响大、影像分辨率不足等局限因素，在数据稳定性和时空分辨率等方面难以满足精准农业研究的需要。同时，还有可以利用航空飞机获取数据，但是由于航空飞机不易进入民用领域，所以航空遥感图像不易获得。
随着科技进步，无人机技术逐渐走进民用领域，无人机遥感平台易搭建、成本低、飞行区域机动、飞行高度灵活、作业周期短，获取的遥感数据空间和时间分辨率相对较高，不易受周期与天气条件的限制，因此，无人机遥感评估技术成为现在精准农业中实用化研究的热点。
因此，为了改善或解决上述野外调查与采样分析方法和卫星遥感技术中存在的问题，目前在滨海盐渍区土壤盐分含量估算领域亟待研究出一种基于无人机多光谱遥感图像构建的滨海盐渍区土壤盐分含量估测模型，以期进一步提高土壤盐分含量遥感监测的精度和时间稳定性及空间分辨率，为滨海区域土壤盐渍化治理提供技术支持。
技术实现要素：
为了解决上述现有技术中存在的问题，本发明的目的在于提供一种滨海盐渍区土壤盐分含量估算方法，以克服传统野外调查与采样分析方法和卫星遥感技术中存在的费时费力，时间稳定性差和空间分辨率低等缺点，达到了在精准农业中对滨海盐渍区土壤盐分含量的估算不受周期、天气条件的限制，作业周期短、灵活性高，成本低的技术效果。
根据本发明的一个方面，提供了一种滨海盐渍区土壤盐分含量估算方法，其中，包括以下步骤：
获取采样点的滨海盐渍区土壤盐分含量实际测量值；
获取无人机拍摄并传输的采样点的多光谱遥感图像；
对所述多光谱遥感图像进行预处理，得到图像反射率在预设阈值内的波段图像；
在所述波段图像中提取所述采样点对应像元的各波段反射率值；
运用统计产品与服务解决方法（statisticalproductandservicesolutions，简称spss）将所述土壤盐分含量实际测量值与所述各波段反射率值进行相关性分析，得到敏感波段；
基于所述敏感波段与所述土壤盐分含量实际测量值，通过多元线性回归方法，构建土壤盐分含量估算模型；
采用所述土壤盐分含量实际测量值对土壤盐分含量估算模型筛选得到最优估算模型；
利用选取出的最优估算模型估算待测区域的土壤盐分含量。
进一步的，实际测量时间为春季返盐期或秋季返盐期。
进一步的，所述获取无人机拍摄并传输的采样点的多光谱遥感图像，包括以下步骤：
采用无人机搭载多光谱相机实时获取与实际测量同时的多光谱遥感图像。
进一步的，所述预处理至少包括图像拼接处理、辐射校正处理、几何校正处理中的一项。
进一步的，所述波段图像包括绿光波段图像、红光波段图像、红边波段图像和近红外波段图像四个波段图像。
进一步的，所述敏感波段包括绿光波段、红光波段、红边波段和近红外波段。
进一步的，所述多元线性回归方法可以采用多元逐步线性回归方法、多元输入线性回归方法或偏最小二乘回归方法中的一种。
进一步的，所述采用所述土壤盐分含量实际测量值对土壤盐分含量估算模型筛选得到最优估算模型，包括以下步骤：
将所述土壤盐分含量实际测量值分为建模样本集与验证样本集，
其中，所述建模样本集用于构建土壤盐分含量估算模型并获得建模精度，所述验证样本集用于验证构建的估算模型的精度并获得验证精度；
通过所述建模精度与所述验证精度选取最优估算模型。
进一步的，验证构建的估算模型的精度并获得验证精度，包括以下步骤：
将所述验证样本集中的各波段反射率值带入土壤盐分含量估算模型中求得相应的土壤盐分含量估算值；
基于所述土壤盐分含量估算值与所述验证样本集中相应的土壤盐分含量实际测量值，利用拟合方法，得到验证精度。
进一步的，所述最优估算模型的建模精度为0.746，验证精度为0.6375。
根据本发明的另一个方面，提供了一种滨海盐渍区土壤盐分含量估算设备，所述设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如上述任一项所述的方法。
根据本发明的另一个方面，提供了一种存储有计算机程序的计算机可读存储介质，该程序被处理器执行时实现如上述任一项所述的方法。
与现有技术相比，本发明具有以下有益效果：
传统研究方法多以野外调查和采样分析结合为主，需要消耗较多人力、物力和财力，难以实现快速获取土壤盐分含量的目的。本发明公开的土壤盐分含量估算方法与传统实验室测量方法相比，节省人力，提高工作效率，适合较大尺度下土壤盐分含量的估测。
当前主流的卫星遥感技术由于重访周期长、受天气影响大、影像分辨率不足等局限因素，在数据稳定性和时空分辨率等方面难以满足精准农业研究的需要。本发明公开的土壤盐分含量估算方法与遥感影像数据估算方法相比，去除了卫星过境周期和天气因素的影响，提高了测量时间的灵活性和稳定性，飞行高度降低，使得空间分辨率由卫星遥感的10m级降到无人机遥感的cm级，提升上千倍，能够有效去除混合像元影响，对田块尺度下细微差异性能够准确表达，在一定程度下提高了估测的准确性。
附图说明
图1为本发明实施例中土壤盐分含量估算方法的流程图；
图2为本发明实施例中最佳估算模型下植被覆盖度实测值与估测值拟合的示意图。
具体实施方式
下面结合实施例和说明书附图对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本实施例提供了一种滨海盐渍区土壤盐分含量估算方法，包括以下步骤：
s1、获取采样点的滨海盐渍区土壤盐分含量实际测量值；
s2、获取无人机拍摄并传输的采样点的多光谱遥感图像；
s3、对所述多光谱遥感图像进行预处理，得到图像反射率在预设阈值内的波段图像；
s4、在所述波段图像中提取所述采样点对应像元的各波段反射率值；
s5、运用统计产品与服务解决方法（statisticalproductandservicesolutions，简称spss）将所述土壤盐分含量实际测量值与所述各波段反射率值进行相关性分析，得到敏感波段；
s6、基于所述敏感波段与所述土壤盐分含量实际测量值，通过多元线性回归方法，构建土壤盐分含量估算模型；
s7、采用所述土壤盐分含量实际测量值对土壤盐分含量估算模型筛选得到最优估算模型；
s8、利用选取出的最优估算模型估算待测区域的土壤盐分含量。
为便于对本发明的理解，下面结合本实施例提供的滨海盐渍区土壤盐分含量估算方法与附图图1和图2，对本发明的原理做进一步的描述：
本实施例所用的无人机遥感平台是由大疆matrice600pro六旋翼无人机搭载sequoia多光谱相机组成的。
在现有的遥感影像数据估算土壤盐分含量的方法中，遥感平台的搭建主要分为两部分：传感器和飞行器，其中传感器指的就是相机，飞行器就是无人机、飞机或卫星，飞行器与时间分辨率相关。现有的卫星遥感技术，由于卫星有一定的飞行周期，一般为5-30天，因此卫星遥感技术存在重访周期长、受天气影响大、影像分辨率不足等技术问题。而无人机具有飞行区域机动、飞行高度灵活、作业周期短等优势，并且无人机只要在有光照的情况下就可完成作业，不受时间限制和天气限制，因此利用无人机搭载传感器，具有获取的遥感数据空间和时间分辨率相对较高的优点。同时，无人机的飞行高度较低，可以使搭载在无人机上的传感器获取的图像空间分辨率较高，空间分辨率越高，一个像元所表示的地面面积就越小，越适合小面积高精度的估测。另一方面，无人机与各种传感器之间装载灵活，可以根据研究区域的实际需求选择合适的传感器与无人机进行搭配，组成无人机遥感平台。
s1、获取采样点的土壤盐分含量实际测量值
野外实测时间选择春季或秋季返盐期，与无人机遥感图像获取同步进行。在整个研究样区范围内布设采样点，将研究区划分为多个均质样方，各样方区域内选择一个具有代表性的采样点，要求采样点尽量均匀分布在整个研究样区范围内，该研究区包括未利用地与农用地，范围内土壤盐分含量差异明显，从轻度盐渍化到盐土等级均有分布。采用ec110便携式盐分计和trimblegeo7x厘米级手持gps分别记录各采样点的土壤盐分含量和坐标。
s2、获取无人机传输的采样点的多光谱遥感图像
采用大疆matrice600pro六旋翼无人机平台搭载sequoia多光谱相机，根据gps记录的每个采样点的位置信息，控制无人机在样区上方一百米高度，连续实时获取与野外实测同时期的土壤盐分含量的多光谱遥感图像。
s3、获取波段图像
对无人机拍摄并传输的多光谱遥感图像进行拼接、辐射校正和几何校正等预处理，得到图像分辨率达到4-5cm，包含绿光、红光、红边和近红外四个波段图像。
s4、提取各波段反射率值
利用envi5.1classic中pixellocator工具，将步骤s1中记录的gps输入到经过预处理的无人机遥感图像上，找到对应像元，并提取该项元的各波段反射率值。
s5、获得敏感波段
运用统计产品与服务解决方法（statisticalproductandservicesolutions，简称spss）将各采样点土壤盐分含量的实际测量值与遥感图像各波段反射率值进行相关性分析，得到与土壤盐分含量相关性高的敏感波段：g（绿光波段）、r（红光波段）、reg（红边波段）和nir（近红外波段）。
土壤盐分含量的光谱特征主要集中在绿光、红光、红边和近红外四个波段，即sequoia多光谱相机所包含的四个波段，高光谱相机可能会有更丰富的光谱信息，但对于土壤盐分含量估测来说，仅有绿光、红光、红边和近红外四个波段就足够了，丰富的光谱信息只会带来大量的数据冗余，增加数据处理过程中的困难。表1为本发明实施例中敏感波段与土壤盐分含量的相关系数。
s6、构建土壤盐分含量估算模型
将所有样本的土壤盐分含量实际测量值分为建模样本集（约总样本2/3）和验证样本集（约总样本1/3）两部分。
选取建模样本集，以步骤s5中筛选得到的4个敏感波段为自变量，土壤盐分含量实测值为因变量，对自变量与因变量通过多种回归方式进行多元线性回归，得到基于无人机遥感图像的土壤盐分含量估算模型。
其中，回归方式可以选用多元逐步线性回归、多元输入线性回归和偏最小二乘回归等方式。
s7、筛选获得最优估算模型
运用验证样本集对上述通过多种回归方式得到的多个土壤盐分含量估算模型进行模型验证：将验证样本集中样点的各波段反射率值分别带入到多个土壤盐分含量估算模型中求得相应的土壤盐分含量估算值，将得到的土壤盐分含量估算值与验证样本集中相应的各样点的实际测量值进行拟合，得到验证精度。
在本实施例中，综合建模精度与验证精度，优选得到的最优估算模型为：
其中，y为叶绿素含量估算值；g为绿光波段值；r为红光波段值；reg为红边波段值和nir为近红外波段值。
在本实施例中最优估算模型的建模精度为0.746，验证精度为0.6375。
s8、估算待测区域的土壤盐分含量
将上述本实施例得到的土壤盐分含量估算最优模型应用到山东省东营市垦利区某农田，进行土壤盐分含量估算。该农田的土壤类型为滨海盐渍土，土壤盐渍化程度普遍较高，土地利用类型主要为耕地和未利用地，耕地主要种植冬小麦。土壤盐分含量估算的结果，得到估测精度为0.764。
本实施例还提供了一种滨海盐渍区土壤盐分含量估算设备，所述设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如上任一项所述的方法。
本实施例还提供了一种存储有计算机程序的计算机可读存储介质，该程序被处理器执行时实现如上任一项所述的方法。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能。