论文部分内容阅读
土壤盐渍化是影响内蒙古河套灌区土地资源经济效益和作物产量的关键因素,因此,进行及时、精确的土壤含盐量预报对土壤盐渍化精准治理具有重要意义。土壤含盐量模拟预报是一项困难而复杂的工作,其中最重要的原因是土壤的时空异质性。随着卫星遥感技术日趋完善,融合遥感数据和模型模拟结果的同化算法逐步应用到土壤含盐量模拟过程中,有效地提高土壤含盐量的预测精度。因此本文以高分一号(GF-1)卫星数据反演得到的土壤含盐量为遥感观测值,以GF-1卫星影像与实测土壤含盐量的定量关系作为观测算子,以HYDRUS-1D模型的模拟过程作为模型算子,同时收集实验期内气象数据、土壤数据和实测含盐量数据,通过集合卡尔曼滤波算法将遥感观测值同化到模型模拟的过程中,有效改善HYDRUS-1D模型关于土壤含盐量预测情况,同时分析同化过程中集合数目和观测误差对同化结果的敏感程度。得到的主要结果如下:(1)构建了时间序列的土壤含盐量遥感反演模型并确定各时期最优反演模型。在各个时期内,基于全子集筛选确定不同时期的敏感光谱指数组,分别为B1、B2、SI、SI1、EVI;B4、SI3、SR;B4、BI、NDVI;B4、SI2、S2、S3、EVI。将上述敏感光谱指数组作为变量因子,各时期实测不同深度的土壤含盐量作为因变量,分别建立各时期土壤盐渍化诊断模型。文中选取分位数回归模型、支持向量机回归模型和人工神经网络模型共3种模型均可以较好地建立实测土壤含盐量与高分一号卫星遥感影像的定量关系,建模集和验证集的拟合精度在0.45以上,且RMSE小于0.2%,通过对预测结果的精度比较分析,发现经过全子集筛选后分位数回归模型的效果优于其他两种模型,因此在本次土壤含盐量同化方案中,各时期的观测算子为经过全子集筛选后的分位数回归模型。(2)利用HYDRUS-1D模型进行了灌区植被覆盖条件下不同深度的土壤含盐量模拟。根据灌域内采样点的实际情况和前人的经验,结合室内和室外实验经过多次调试后确定实验期间土壤含盐量模拟相关的各项参数,经HYDRUS-1D模型模拟后输出土壤剖面含盐量的模拟结果。在0-20cm、20-40cm和40-60cm深度下土壤含盐量模拟值的RMSE分别为0.014、0.012和0.011,RE分别为0.061、0.080和0.087,总体上在0-60cm深度下RMSE为0.013,RE为0.076,与实测土壤含盐量相比误差相对较小,表明HYDRUS-1D能够较为简洁高效地模拟土壤含盐量,在一定程度上反映研究区土壤剖面含盐量状况。(3)确定了基于集合卡尔曼滤波算法(En KF)的遥感观测土壤含盐量同化方案,并对同化过程的敏感性进行了分析。同化的观测部分为GF-1卫星遥感影像经过全子集筛选和分位数回归后得到的遥感土壤含盐量观测值,同化算法为集合卡尔曼滤波算法,同化的模拟算子为HYDRUS-1D溶质运移模型的模拟过程。与单独使用HYDRUS-1D模型的模拟结果相比,引入GF-1遥感观测土壤含盐量数据后,模拟结果更加接近实测土壤含盐量。在0-20cm、20-40cm、40-60cm和0-60cm深度下NSE分别达到了0.619、0.668、0.533和0.749,RMSE分别降低0.008、0.008、0.001和0.006,RE分别降低0.024、0.064、0.002、0.003。随着集合数的增加,同化结果逐渐趋于稳定,当集合数为100时,各深度下土壤含盐量同化值的RMSE分别为0.006、0.004、0.010和0.007,误差较小,为本次同化过程的最优集合数。表明同化遥感观测数据可在一定程度上提升土壤含盐量的模拟精度,利用GF-1卫星遥感数据进行土壤含盐量的同化研究可为灌区尺度的土壤信息预报提供一定的参考价值。