토지 퇴화 평가 지표 체계는 토지 퇴화 특징을 반영하는 식물, 토양, 지형, 수문학 및 수문지질, 근지표 대기 등의 지표로 구성되어 있다. 이러한 지표는 서로 보완하며, 공간상의 상대적 퇴화와 시간상의 동적 퇴화를 포함하여 퇴화 토지의 특징을 여러 방면에서 반영한다. 토지 퇴화를 반영하는 지표로는 식생 범위, 지표 온도, 토양 습도, 토양 모질, 토양 침식 등이 많다. 이 섹션에서는 하이퍼 스펙트 럴 원격 감지 기술의 장점을 반영하는 토양 유기물 지표만 연구 대상으로 선택합니다. 산시 () 성 횡산현 황토구릉지 () 를 예로 들어 174 개 토양 샘플의 스펙트럼 반사율 데이터와 토양 유기질 함량을 분석하고, 정보를 추출하고, 고스펙트럼 원격 감지 기술을 평가하여 가시광선과 근적외선 대역에서 토양 유기질의 응용 잠재력을 감시하고, 다원통계 분석 기술을 이용하여 반사율 역연 모델을 초보적으로 구축하고 정량지도를 시도한다.
(1) 토양 유기물 예측 모델 수립
반사도와 토양 유기물 함량 사이의 역연 모델을 만들기 위해 토양 유기물 함량에 민감한 스펙트럼 지수를 찾아 반사도의 역수 1/r, 반사도의 대수 lgr, 대수 1/lgr 의 역수, 등 스펙트럼의 반사율에 대해 8 가지 변형을 수행했습니다. 단일 상관 분석 방법을 사용하여 실험실에서 측정한 174 개 토양 샘플의 토양 유기물 함량과 반사율 및 그 변환 형식 간의 상관 관계를 밴드별로 분석했습니다. 관련 계수 R 의 표현식은 다음과 같습니다.
황폐화 된 황무지의 원격 탐사 정보 추출에 관한 연구
여기서 ri 는 토양 유기물 함량 OM 과 스펙트럼 반사도 또는 그 변환 형태 사이의 단일 상관 계수 (모두 R 로 표시) 입니다. I 는 밴드 번호입니다. RNI 는 N 번째 토양 샘플의 I 밴드 스펙트럼 반사율 값 (또는 변환 값) 입니다. I 밴드 N 개의 토양 샘플에 대한 스펙트럼 반사도 (또는 변환 형식) 의 평균입니다. OMn 은 n 번째 토양 샘플의 토양 유기물 함량입니다. N 개의 토양 샘플에 대한 실측 토양 유기물 함량의 평균치입니다. N 은 174 이고 토샘플 총수입니다.
본 연구의 구체적인 생각은 야외 샘플의 스펙트럼 데이터를 기초로 한 것이다. 먼저 하이퍼 스펙트 럴 Hyperion 데이터를 사용하여 필드 대상의 스펙트럼 라이브러리를 리샘플링 (2 차 샘플링) 합니다. 경험적 선형 맞춤 방법을 사용하여 그림 스펙트럼 데이터를 기반으로 하는 하이퍼 스펙트 럴 Hyperion 이미지를 보정하여 둘 사이의 연관성을 더욱 설정합니다. 그런 다음 이전 연구에 기초하여 통계적 회귀 분석 방법을 사용하여 샘플링점 그림 스펙트럼 데이터와 토양 유기물 함량 사이의 최적의 역연 모델을 만들고 이 모델을 하이퍼 스펙트 Hyperion 이미지에 적용하여 토양 유기물 함량의 공간 분포를 얻습니다.
본 연구는 용량 분석법을 이용하여 174 개 토양 샘플의 유기질 함량을 측정했다. 최소값은 0. 124%, 최대값은 4.865%, 평균은 1. 179%, 평균편차는/kloc-0 입니다 Krishnan 등 (1980) 은 점진적인 다원선형 회귀와 반복을 통해 네 가지 다른 토양 유형을 연구한 결과, 근적외선 지역 (800 ~2400nm 8732 와 0 입니다. 9828 입니다.
황폐화 된 황무지의 원격 탐사 정보 추출에 관한 연구
여기서 k 는 회귀 상수입니다. ρ 는 반사도 값입니다. λ는 파장이다.
Krishnan 등 예측 모델의 회귀 상수 K 는 토양 유기질 스펙트럼 특징에 대한 다른 요인의 영향을 어느 정도 반영했다. 그러나 이 글은 구체적으로 논의하지는 않지만, 623 곳의 반사율 역수의 대수에 대한 1 차 미분의 비율은 확실하다. 6 나노미터는 564 곳의 반사율 역수의 로그의 1 차 미분이다. 4nm 는 토양 유기물 함량과 관련이 있습니다. 이를 W 로 30 개 그림 스펙트럼 데이터에 대해 계산된 W 값과 토양 유기질 함량의 상관 분석을 통해 W 와 토양 유기질 함량의 상관 계수가 0 에 달한 것으로 나타났다. 8948, 그리고 강한 상관 관계가 있습니다. 따라서 w 는 회귀 분석의 변수로 결정됩니다. 여기서
황폐화 된 황무지의 원격 탐사 정보 추출에 관한 연구
。 SPSS 소프트웨어를 이용한 통계 회귀 분석 결과 표 3-2 에 나와 있습니다.
표 3-2 토양 유기물 함량 모델 및 w 피팅 모델 표
그림 3-4 유기물 함량의 측정 및 예측 값 비교
표 3-2 에서 볼 수 있듯이 2 차 함수 Y = 16.466-4.385W+2.668W2 의 결정 계수 R2 가 가장 높고 0.8684 에 도달합니다. 여기서 ρ는 반사도 값이며 역연 효과가 가장 높고 정확도가 가장 높다는 것을 나타냅니다. 30 개의 토양 샘플에 대한 토양 유기물 함량 측정치와 예측값의 분산형 차트 (그림 3-4) 를 통해 2 차 함수의 결과가 실측 값과 가까워져 예측 효과가 좋다는 것을 시각적으로 알 수 있다.
따라서 토양 유기물 함량의 최적 반전 모델은 y = 16.466-4.385w+2.668w2 로 결정 계수 R2 = 0.8684 입니다.
(2) 정량적 매개 변수 매핑
확립 된 토양 유기물 함량의 최적 반전 모델을 반사 이미지에 적용하고 토양 유기물 함량 지수의 정량적 매개 변수를 그립니다. 매개 변수지도 제작이란 먼저 각 이미지 요소에 특정 매개 변수 값을 부여하는 것입니다. 특정 밴드 값 또는 변형 형태와 토양 생화학 매개 변수 사이의 반 경험적 관계를 통해 예측 모델을 만드는 데 사용할 수 있습니다. 통계적 회귀 방법으로 설정된 토양 유기물 함량과 반사율 사이의 관계는 이러한 예측 모델입니다. 그런 다음 이 관계를 통해 하이퍼 스펙트 럴 원격 감지 이미지에서 각 픽셀 원의 토양 유기물 함량에 대한 예측치를 계산합니다. 마지막으로 클러스터 또는 밀도 분할을 통해 단일 매개변수 예측도를 여러 계층 (클래스) 으로 나눕니다. 이것이 단일 매개변수 분포도입니다.
그림 3-5 토양 유기물 함량 매개 변수지도
토양 유기물의 최적 반전 모델은 y = 16.466-4.385w+2.668w2 입니다. ENVI 소프트웨어에서 선형 스펙트럼 분리법을 사용하여 이미지에서 토양 정보를 추출하고, NDVI 지수를 사용하여 0. 1 ~ 0.3 사이의 토양 (NDVI>0.3 의 식물과 NDVI < 0. 1 의 물) 을 선택합니다. 그런 다음 ERDAS 소프트웨어의 공간 모델링 방법을 사용하여 모델을 하이퍼 스펙트 럴 Hyperion 데이터에 적용하고 정량화 매개변수를 그려 토양 유기물 함량의 공간 분포를 얻습니다 (그림 3-5).
(3) 요약
1) 토양 유기물의 함량과 구성은 토양 반사율에 큰 영향을 미친다. 토양 유기물이 토양 반사율에 미치는 영향은 어두운 토양 유기물 함량이 연한 색 토양보다 높다는 것을 시각적으로 보여준다. 이는 토양 유기물과 가시광선 반사율의 관계를 보여준다. 토양 유기물 함량이 높을수록 가시광선 반사율이 낮아진다. 반대로 가시광선의 반사도가 높습니다. 외국 학자들의 연구에 따르면 토양 유기질에는 부식산이라는 물질이 포함되어 있는데, 이 물질은 반사율이 낮아 토양 반사율과 토양 색깔 등을 가릴 수 있다 (주청, 2004). Baumgardner 등 (1985) 은 토양 유기질 함량이 2% 를 넘을 때 다른 요인이 토양 스펙트럼에 미치는 영향을 가릴 수 있다는 사실을 발견했다. 2% 미만일 때 토양 유기질 함량이 감소함에 따라 다른 팀을 가리는 능력이 점점 약해져 토양 스펙트럼에 미치는 영향이 적다.
2) 토양 유기물 반연 모델 Y = 16.466-4.385W+2.668W2 를 세웠다. 최고 결정 계수 R2 는 0.8684 로 이 모델을 하이퍼 스펙트 럴 이미지 매개변수 매핑에 사용하여 만족스러운 결과를 얻었습니다.
3) 반사율이 로그인 1 차 미분방정식의 통계적 회귀 분석에는 두 가지 목적이 있습니다. 1 차 미분변환은 선형 또는 대략적인 선형 배경과 노이즈 스펙트럼이 목표 스펙트럼에 미치는 영향을 제거할 수 있습니다. 두 번째는 반사율과 토양 유기질 함량의 관계를 선형화하여 연구하기에 편리하다.