（正式版）DB15∕T 2675-2022 《盐碱地改良水盐动态监测与评价导则》

15Guidelinesfordynam2022-07-15发布 1 1 1 2 2 2 2 2 3 3 3 3 3 3 4 4 4 5 I本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定盐碱地改良水盐动态监测与评价导则GB15618土壤环境质量农用地土壤污染风险管GB/T30115卫星遥感影像植被指数产品GB/T37802农田信息监测点选址要求和监测NY/T1121.1土壤检测第1部分∶土壤样品的采集、处理和贮存NY/T1121.2土壤检测第2部分∶土壤NY/T1121.5土壤检测第5部分∶石灰性土壤阳离子交换量的测定NY/T1121.16土壤检测第16部分∶土壤水溶性盐总量的测定NY/T3528耕地土壤墒情遥感监测规范土壤水盐动态观测dynamicobservatio12要研究在某时段前后(如降雨前后、灌溉前后、某一改良措施前后)土壤中含盐量、盐分组成、水分的构确定地下水监测井位置及数量(地下水监测点按照1点/10km²~10点/10km²布设),以网格状布设，井取水，测量水质等指标(或安装自动化监测仪器),监测区域内地下水位和矿化度动态变化。监测点a)小于500亩改良区：按照100m×100m网格布设核心采样点；b)500～1000亩改良区：按照200m×200m网格布设核心采样点；c)1000～5000亩改良区：按照400m×400m网格d)5000～10000亩改良区：按照500m×500e)10000亩以上改良区：按照1000m×1000m网格布设核心采样点。除去采样点表面植被，按照不同的土壤质地进行分类与分层(通常按照0cm~20cm、20cm40cm~60cm、60cm～80cm、80cm~100cm进行分层)依次进行分层取样，在距采样点5m的两侧位测定应按NY/T1121.5的规定执行。3遥感监测应按GB/T30115及NY/T3528a)可见光-近红外波段波长在0.38μm～3.0μm,可见光运用地表物体对0.38μmb)近红外波段波长在0.76μm~3.0μm,近红外波段在白天日照条件好的时候扫描成像常用这雷达遥感影像精度不如光学遥感影像，其微波波段波长为1mm~1m,微波波段具有高空间分辨率若观测目标具有在有云和无云状态下的全天候协同监测要求，可以选择光学影像和雷达影像协同a)成图比例为1:5000时，影像地面分辨率大致在0.4m～0.8m之间；b)成图比例为1:10000时，影像地面分辨率大致在0.8m～1.6m之间；c)成图比例为1:25000时，影像地面分辨率大致在1.0m～2.4m之间；d)成图比例为1:50000时，影像地面分辨率大致在2.4m～3.2m之间。后取样，两期数据对比，可评价整个种植期内的盐碱状通过Arcgis分析软件对地下水观测井每个月份的数据进行插值统计分析，绘制出研究区整个生育对策的关键。本部分主要内容是定量计算每年研究区1m深土层平均土壤盐分变化情况，深入分析区域土壤盐分迁移变化情况及与各影响因素之间的关系。土壤质量的评价标准应水分平衡包括5个方面影响因素：灌水量、降雨量；土壤的深层渗漏量；土壤的地下壤蒸发量；明沟排水量。利用前期采集到的数据，进行水盐均衡计算（计算方法见附录B可以定量4降噪处理包括除去周期性噪声和尖锐性噪声以及除去坏线和条带。周期性噪声一般重叠在原图像A.2几何纠正为同一地区的两种数据源在同一地理坐标系中进行叠加显示和数学运算，应先将其中一种数据源到的有关运行姿态、传感器性能指标、大气状何精纠正。几何精校正包括图像对推向的纠正、图像对地图（栅格或矢量）以及图像对已知坐标点(地面控制点)。图像对推向的纠正是指利用已有准确地理坐标和投影信息的遥感影像，对原始遥感影像进5利用已有地理参考数据（影像、地形图和控制点等）和数字高程模型数据（DEM、G），为了充分利用色彩在遥感图像判读和信息提取中的优势，常常利用彩色合成的方法对多光谱图像偏暗或亮度过于集中，图像的对比度小，需要调整该直方图到正态分布，以改善图像的质量。灰度颠倒是将图像的灰度范围先拉伸到显示设备的动态范围(如0～255)到饱和状态，然后再进行是在被处理像元周围的像元参与下进行的运算处理，邻域的范围取决于滤波器的大小，如3×3或56被覆盖，力争抓住地面景物在多光谱空间中的特征。目前对这个变换的研究主要集中在MSS与TM两种遥遥感图像信息融合是将多源遥感数据在统一的地理坐标系中，采用一定的算法生成一组新的信息裁减成研究范围的大小。我们可以根据ROI（感兴趣区域）范围大小对被裁减影像进行裁剪，也可以按照指定影像文件的范围大小对被裁减影像进行裁剪，或者根据地图的地理坐标或经纬度的范围对被裁对它们进行裁剪，去掉重叠的部分，再将裁剪后的多幅影像装配起来形成一幅大幅面的影像。在做图象镶嵌时经常会出现色调不一致，这时就需要结合实际情况和整体协调性对参与镶嵌的影像进A.6遥感信息提取遥感图像中目标地物的特征是地物电磁波的辐射差异在遥感影像上的反映。依据遥感图像上的地A.7土壤水分反演模型大小。土壤含水量的多寡可引起土壤热容量的变化，进而导致土壤温度日变化幅度的差异;反过来，利7作物缺水指数法是依据植物冠层表面温度与周围气温的测量差值以及太阳净辐射的估算值进行计①净辐射，经过大气辐射订正后的图像反演得到的总辐射;②土壤热通量;③显热通量，由冠层温度、空气动力阻力及中性情况下空气阻④汽化潜热常数。作物缺水指数法以蒸散为基础，物理意义明确，在有植被覆盖的情况下，作物地表温度对裸土来说地表温度指的是土壤表面温度,浓密植被覆盖的地表温度则认为是植被冠层的被动微波遥感主要是通过微波辐射计获得土壤的亮温温度，然后通过物理模型反演土壤水分或与向散射系数和土壤水分含量的关系。通过实验数据的相关分析建立土壤湿度与后向散射系数之间的经A.8土壤盐分反演模型土壤盐分的反演模型有偏最小二乘回归分析法、BP神经网络以及支持向建立的土壤盐分预测模型，对全盐有较好的反演精度，其中对EC值的模型判定系数高达0.88数矩阵，从而达到预期的学习目的。该模型的学习属于指导式学习方法，利A.9土壤养分遥感反演模型线性模型采用多元逐步回归和偏最小二乘回归两种建模分析方法。多元逐步回归是研究多个变量归普遍应用于光谱分析领域，其基本思想是按方差贡献度逐一挑选重要变量引入回归方程.当新变量的选入使先前变量的预测误差增大时，则将其剔除；而先前剔除的变量在新变量引入后变得显著时，则可以重新选入，直到没有再引入的变量或能有效辨识光谱信息与噪声，降低光谱维数，练结果不能满足期望，则修改权值来减小误差，通过不断迭代使训练结果与预想结果一致，达到误差9DB15/T2675—20(资料性)具有重要作用。毛管上升