灌區(qū)水鹽多源遙感診斷和數(shù)值模擬

前言
第1章 緒論
1.1 鹽漬化土地治理研究現(xiàn)狀
1.1.1 水利調(diào)控
1.1.2 化學改良
1.1.3 生態(tài)改良
1.1.4 生物治理
1.2 遙感反演土壤鹽漬化研究進展
1.2.1 鹽漬化土壤光譜變化特征
1.2.2 遙感信息提取和增強方法
1.2.3 常用的鹽漬化土壤光譜指數(shù)
1.2.4 鹽漬化土壤遙感反演模型構(gòu)建方法
1.3 灌區(qū)水鹽運動模擬研究進展
1.3.1 土壤水鹽運移模型
1.3.2 區(qū)域水鹽運移模型
1.4 本書主要研究內(nèi)容
第2章 河套灌區(qū)概況和試驗監(jiān)測
2.1 河套灌區(qū)概況
2.1.1 自然地理
2.1.2 地下水
2.1.3 灌溉排水
2.1.4 作物種植
2.2 不同尺度的水鹽監(jiān)測
12.2.1 灌區(qū)尺度
2.2.2 解放閘灌域
2.2.3 沙壕渠分干灌域
2.2.4 典型田塊
2.3 鹽分動態(tài)及影響因素分析
2.3.1 鹽分變化
2.3.2 土壤含鹽量主控因子分析
第3章 衛(wèi)星遙感診斷土壤含鹽量方法
3.1 裸土條件下Sentinel-2衛(wèi)星遙感診斷土壤含鹽量方法
3.1.1 數(shù)據(jù)收集及樣點的采集
3.1.2 數(shù)據(jù)相關(guān)性分析
3.1.3 評價指標
3.1.4 回歸建模分析
3.1.5 模型驗證分析及鹽分反演
3.2 植被覆蓋條件下高分一號衛(wèi)星遙感診斷土壤含鹽量方法
3.2.1 數(shù)據(jù)獲取及處理方法
3.2.2 基于植被覆蓋條件下的土壤含鹽量反演方法
3.2.3 基于不同植被覆蓋度的土壤含鹽量反演方法
3.3 雷達衛(wèi)星遙感診斷土壤含鹽量方法
3.4 水鹽交五作用對衛(wèi)星遙感診斷土壤含鹽量的影響
3.5 河套灌區(qū)土壤鹽分時空動態(tài)變化
3.6 小結(jié)
第4章 無人機遙感診斷土壤含鹽量方法
4.1 裸土條件下無人機多光譜遙感診斷土壤含鹽量方法
4.1.1 采樣點土樣、光譜圖像采集與處理
4.1.2 光譜信息與土壤含鹽量的相關(guān)分析
4.1.3 基于光譜信息的土壤鹽分估算模型
4.1.4 模型的綜合評價
4.2 植被覆蓋條件下無人機多光譜遙感診斷土壤含鹽量方法
4.2.1 光譜指數(shù)的構(gòu)建及二維指數(shù)的確定
4.2.2 建模集和驗證集的劃分
4.2.3 土壤含鹽量的描述性統(tǒng)計分析
4.2.4 光譜指數(shù)與土壤含鹽量的相關(guān)性分析
4.2.5 敏感變量的篩選
4.2.6 鹽分估算模型的建立與比較
4.3 基于改進光譜指數(shù)的無人機遙感診斷土壤含鹽量方法
4.3.1 試驗數(shù)據(jù)采集與預(yù)處理
4.3.2 光譜指數(shù)的提取
4.3.3 彈性網(wǎng)絡(luò)(ENET)算法篩選光譜變量
4.3.4 基于機器學習方法的土壤含鹽量估算模型
4.3.5 土壤含鹽量估算模型的精度評價與分析
4.4 小結(jié)
第5章 高光譜遙感診斷土壤水鹽方法
5.1 不同鹽分條件下高光譜遙感診斷土壤含水率方法
5.1.1 建模集與驗證集的劃分
5.1.2 土壤含水率、含鹽量及光譜曲線特征分析
5.1.3 分數(shù)階微分光譜特征分析
5.1.4 基于全波段FOD光譜的ELM模型對比分析
5.1.5 篩選光譜變量
5.1.6 基于不同篩選算法和FOD的ELM模型對比
5.2 不同水分條件下高光譜遙感診斷土壤含鹽量方法
5.2.1 數(shù)據(jù)處理與模型建立
5.2.2 建模集和驗證集的劃分
5.2.3 相關(guān)性分析
5.2.4 灰色關(guān)聯(lián)度分析
5.2.5 逐步回歸分析
5.2.6 變量投影重要性分析
5.2.7 偏最小二乘回歸模型的建立與驗證
5.2.8 支持向量機回歸模型的建立與驗證
5.3 基于分數(shù)階微分光譜指數(shù)的土壤鹽分信息診斷方法
5.3.1 數(shù)據(jù)處理及建模集與驗證集的劃分
5.3.2 光譜指數(shù)構(gòu)建
5.3.3 分數(shù)階微分光譜
5.3.4 最佳分數(shù)階微分光譜篩選
5.3.5 一維、二維及三維光譜指數(shù)的構(gòu)建
5.3.6 模型的構(gòu)建與對比
5.4 小結(jié)
第6章 多源數(shù)據(jù)融合診斷土壤含鹽量方法
6.1 基于集合卡爾曼濾波和HYDRUS-1D模型數(shù)據(jù)同化的遙感診斷土壤含鹽量方法
6.1.1 數(shù)據(jù)采集、處理及評價方法
6.1.2 同化結(jié)果及敏感性分析
6.2 無人機多光諧和熱紅外遙感數(shù)據(jù)融合診斷土壤含鹽量方法
6.2.1 數(shù)據(jù)獲取及處理方法
6.2.2 葵花冠層溫度與土壤鹽分的相關(guān)性分析
6.2.3 不同光譜指數(shù)與土壤鹽分的灰色關(guān)聯(lián)度篩選分析
6.2.4 偏最小二乘回歸模型的建立與分析
6.2.5 機器學習模型的建立與分析
6.2.6 模型的綜合評價
6.3 基于無人機-衛(wèi)星遙感升尺度的土壤含鹽量診斷方法
6.3.1 數(shù)據(jù)的采集及處理
6.3.2 空間升尺度原理與評價方法
6.3.3 實測鹽分數(shù)據(jù)與光譜波段和光譜指數(shù)相關(guān)性分析
6.3.4 不同數(shù)據(jù)源含鹽量回歸模型分析
6.3.5 升尺度定性和定量分析
6.4 小結(jié)
第7章 灌區(qū)水鹽運動分布式模擬模型
7.1 基于水鹽均衡方程的灌區(qū)水鹽分區(qū)模型
7.1.1 模型概況
7.1.2 水量平衡方程
7.1.3 水平衡要素計算
7.1.4 鹽分平衡方程
7.1.5 農(nóng)業(yè)水管理措施
7.1.6 模型輸入和輸