干旱区盐渍土遥感制图：半经验模型与Landsat-OLI数据的应用

本研究论文探讨了"基于半经验模型和Landsat-OLI数据的干旱环境中盐分土壤图绘制"这一主题，发表在《远程 sensing进展》杂志2017年第6期，卷号260-291。文章的主要目标是利用先进的半经验预测模型，结合Landsat-OLI遥感数据、数字高程模型(DEM)、实地土壤样本采集以及实验室和统计分析方法，来准确地描绘干旱区域受盐分影响的土壤分布图。 首先，研究者对Landsat-OLI数据进行了多步处理，包括大气校正以减少大气干扰，通过校准辐射传感器的漂移确保数据的准确性，以及使用DEM修正地形和几何形状的偏差，从而提高图像的精度。接着，他们应用了一种基于土壤盐度和Sodicity Index-2（SSSI-2）的半经验模型，这个模型考虑了土壤盐度与光谱特征之间的关系，从而生成了土壤盐度图。 植被覆盖信息则通过转化差异植被指数（TDVI）提取而来，这有助于识别植被生长状况与土壤盐度的关系。此外，研究还依赖于高精度的5米分辨率DEM，用于计算地形属性，如海拔高度和坡度，这些参数对土壤盐分分布有重要影响。 为了验证模型在干旱环境中的适用性，研究者对比了使用地面实况数据的半经验模型的结果，并进行了视觉比较和统计分析。他们在干旱地区进行了野外工作，共收集了120份土壤样本，包括不同盐度水平的土壤，确保了数据的代表性。所有样本均通过数码相机和GPS进行精准测量，数据实时录入地理信息系统（GIS）数据库，以便后续数据分析。 在实验室阶段，研究人员从土壤中提取了主要的可交换阳离子（Ca2+，Mg2+，Na+，K+，Cl-和SO42-），以及pH值和电导率等关键参数，这些指标对于理解土壤盐度变化机制至关重要。整个研究过程旨在为干旱地区土壤管理、水资源保护和农业规划提供科学依据，通过遥感技术与实地观测相结合，为解决干旱条件下土壤盐碱化问题提供了新的解决方案。