MSI的表层土壤质地反演方法

本发明涉及一种msi的表层土壤质地反演方法，属于卫星遥感技术应用领域。

背景技术：

1、土壤质地是影响土壤物理、化学和生物过程和性质的重要因素。土壤质地在土壤肥力和土壤水分保持方面发挥着重要作用，土壤质地空间分布图可用于评估土壤侵蚀风险，或农药和养分的储存和渗透状况，对了解土壤信息和制定农业管理对策至关重要。土壤质地分为砂粒(2-0.05mm)、粉粒(0.05-0.002mm)和黏粒(<0.002mm)，总和为1(或100％)。传统的地质统计学方法需要大量的样本点来保证预测精度，而在较大的区域范围内采样困难且成本较高。

技术实现思路

1、本发明的目的是为了解决在较大的区域范围内采样困难且成本较高的技术问题，提供了一种msi的表层土壤质地反演方法。

2、msi的表层土壤质地反演方法按照以下步骤进行：

3、一、在google earth engine(gee)云平台上下载sentinel-2msi无云影像地表反射率产品，即经过官方大气处理和几何校正前期处理后的数据，并同时将msi地表反射率产品重采样至10m分辨率数据；

4、二、变量选取：选择随机森林预测模型估算黑土区土壤质地，选择经过步骤一处理后的msi无云影像6个波段、以基于波段地表反射率构建的植被指数和亮度相关指数作为随机森林预测模型的输入变量，输出变量为砂粒含量(％)和粉粒含量(％)，土壤质地包括砂粒、粉粒和黏粒，三者含量的总和为100％，砂粒和粉粒的含量预测精度高于黏粒含量，因此，用100％减去砂粒含量和粉粒的含量得到黏粒含量(％)，绘制区域耕地表层土壤质地分布图，即完成msi的表层土壤质地反演；

5、所述随机森林预测模型的输入变量为：

6、蓝波段(b2)、绿波段(b3)、红波段(b4)、近红外波段(b8)、短波红外1(b11)和短波红外2(b12)；

7、归一化差异植被指数(缩写ndvi，normalized differences vegetation index)；

8、转化植被指数(缩写tvi，transformed vegetation index)；

9、增强植被指数(缩写evi，enhanced vegetation index)；

10、土壤调整总植被指数(缩写satvi，soil adjusted total vegetation index)；

11、土壤调整植被指数(缩写savi，soil adjusted vegetation index)；

12、第二次改良土壤调整植被指数(缩写msavi2，the second modified soiladjusted vegetation index)；

13、植被(缩写v，vegetation)；

14、亮度指数(缩写bi，brightness index)；

15、第二亮度指数(缩写bi2，the second brightness index)；

16、红色指数(缩写ri，redness index)。

17、步骤二所述估算黑土区土壤深度为0-20cm。

18、步骤二中构建黑土区土壤质地随机森林预测模型使用randomforest包，决策树的数量(ntree)为500，分割节点的随机变量的数量(mtry)为输入量的1/3，此时数值较小且模型内误差基本稳定。

19、由于土壤质地影响vnir-swir光谱域的光谱强度和吸收带深度，体现在地表反射率变化，能够被卫星遥感技术探测。近几年欧空局发射的sentinel-2a卫星，携带msi传感器涵盖可见光、近红外到短波红外的13个波段，空间分辨率为10-60m，重访周期10d。借助遥感技术，数字土壤制图可以使用少量的样本点在大尺度空间区域内实现，有效地减少现场采样的时间和成本。

20、本发明是通过msi和机器学习算法构建表层土壤质地反演模型绘制土壤质地图，通过土壤质地含量变化间接反映土壤肥力下降和土壤退化等问题，为农业政策制定和实施提供参考。

21、本发明基于msi的表层土壤质地反演方法，即只需获取目标区域msi传感器第2，3，4，8，11和12波段地表反射率，和波段地表反射率构建的归一化差异植被指数，转化植被指数，增强植被指数，土壤调整总植被指数，土壤调整植被指数，第二次改良土壤调整植被指数，植被，亮度指数，第二亮度指数和红色指数作为输入变量，输入自主编程随机森林预测模型，得到表层土壤质地及其空间分布图。本发明涉及一种msi的表层土壤质地反演方法简单，计算出来的土壤质地与实测土壤质地线性拟合较好，精度较高，具有较高的可信度，可用于黑土区表层土壤质地定量反演、耕地质量评估以及土壤生态修复绩效评估等领域，实用性强。

技术特征：

1.msi的表层土壤质地反演方法，其特征在于所述msi的表层土壤质地反演方法按照以下步骤进行：

2.根据权利要求1所述msi的表层土壤质地反演方法，其特征在于步骤二所述估算黑土区土壤深度为0-20cm。

3.根据权利要求1所述msi的表层土壤质地反演方法，其特征在于步骤二中构建黑土区土壤质地随机森林预测模型使用randomforest包，决策树的数量为500，分割节点的随机变量的数量为输入量的1/3。

技术总结
MSI的表层土壤质地反演方法，属于卫星遥感技术应用领域，具体涉及MSI的表层土壤质地反演方法。本发明的是为了解决在较大的区域范围内采样困难且成本较高的技术问题。本方法如下：典型黑土区表层土壤样本采集与测试；遥感影像下载与处理；变量选取；典型黑土区土壤质地遥感反演模型的构建；典型黑土区土壤质地制图。本方法简单，计算出来的土壤质地与实测土壤质地线性拟合较好，精度较高，具有较高的可信度，可用于黑土区表层土壤质地定量反演、耕地质量评估以及土壤生态修复绩效评估等领域，实用性强。

技术研发人员：郑淼,王翔,宋开山,李思佳
受保护的技术使用者：中国科学院东北地理与农业生态研究所
技术研发日：
技术公布日：2024/1/15