【目的】为提高土壤盐分信息定量遥感提取精度,准确掌握土壤盐渍化程度与分布。【方法】选择垦利区黄河口镇集中连片的重度盐渍土区域为试验区,于2018年4月26日—28日采用搭载Sequoia多光谱相机的无人机进行试验区近地遥感图像采集,并进行图像拼接、辐射校正、正射校正和几何校正等预处理;然后基于相关性分析、灰色关联度分析筛选土壤盐分的敏感波段,构建并筛选光谱参量;进而分别采用多元线性回归(multivariable linear regression,MLR)、支持向量机(support vector machine,SVM)及偏最小二乘(partial least square,PLS)方法构建土壤盐分定量反演模型,并进行验证与评价;最后基于最佳模型进行试验区土壤盐分的分布反演与分析,并与反距离加权插值结果进行精度比较。【结果】相较相关性分析,通过灰色关联度分析的反演模型精度及显著性均有所提高;对比3种建模方法,SVM模型精度最高,PLS模型次之,MLR模型最低,最佳模型为基于灰色关联度分析筛选变量的支持向量机模型,其建模R~2、RMSE分别为0.820、3.626,验证R~2、RMSE、RPD分别为0.773、4.960、2.200;据此模型反演得到该区域土壤盐分含量为0.323—21.210 g·kg~(-1),平均值为6.871 g·kg~(-1),重度盐渍土占58.094%,与实地调查结果较为一致;反演结果与反距离加权插值结果的误差80%控制在样本盐分含量平均值的20%以内,亦较为相近。【结论】基于无人机多光谱可实现重度盐渍土盐分信息的准确提取。

【目的】定量、准确地监测盐渍土，对其防治和农业可持续发展至关重要，论文旨在明确黄河口区土壤盐分及其主要离子的特征光谱，建立适用于该区域的土壤盐渍化定量分析模型，提高其定量分析的精度和稳定性。【方法】首先以山东省垦利县为研究区，于２０１４年１０月５—９日野外采集代表性土样９６个，对土样风干后，采用土壤化学分析方法室内分析盐分及其主要离子（Ｃｌ～－、Ｎａ～＋、Ｃａ～（２＋））含量，并采用美国ａＳＤ ＦｉｅｌＤＳｐｅＣ ３光谱仪测定土样可见／近红外高光谱数据，对光谱反射率进行去噪、一阶导数变换等预处理；然后基于盐分及其主要离子不同含量的样本光谱分析盐分及其主要离子的光谱响应，在此基础上，对样本的土壤．．．

【目的】探究土壤有机质和盐分的光谱响应，分析不同盐分含量对土壤有机质预测模型的影响，建立快速、有效的盐渍土有机质含量高光谱预测模型。【方法】以黄河三角洲地区粉质壤土为研究对象，根据不同盐分含量将土壤样本分为非盐（SA）、轻度（SB）、中度（SC）和重度（SD)4组，分别进行室内高光谱测量；其次采用双因素方差分析法，探究土壤有机质和盐分光谱响应程度；进而对原始光谱（raw spectral reflectance,R）进行一阶微分（first order differential reflectance,FD）、连续统去除（continuous statistical removal,CR）、对数（logarithmic,Log）和多元散射校正（multipication scatter correction,MSC)4种变换；最后分别基于盐渍土的4组样本结合4种变换光谱构建多元线性回归（multiple linear regression,MLR）、偏最小二乘回归（partial least squares regression,PLSR）和支持向量回归（support vector machine,SVR)3种土壤有机质含量高光谱预测模型。【结果】土壤有机质和盐分在400—900 nm范围内光谱响应程度显著且变化规律基本一致，二者的敏感波段存在重叠；通过划分不同盐渍度分组建模能够提高土壤有机质预测精度，且随着盐分含量增加，模型的预测精度下降，FD处理更能突出光谱特征差异，提高有机质含量与光谱反射率的相关性。对比3种模型结果，利用FD处理结合SVR建立土壤有机质预测模型精度最高，最优结果建模集和验证集的决定系数R~2为0.86、0.82，均方根误差RMSE为2.71、2.96 g·kg~(-1)，相对分析误差RPD为2.42。【结论】土壤盐分与有机质在可见光波段附近（400—900 nm）的敏感波段存在重叠，通过划分不同盐渍度能够有效提高有机质预测模型精度。

为比较和验证不同叶面积指数(LAI)机器学习模型迁移后的稳定性,以无人机获取的湖北鄂州与海南水稻田的多光谱影像数据为研究对象,使用8种植被指数经验模型与3种机器学习方法对鄂州试验田的水稻LAI进行反演,并推广至海南试验区。结果表明:1)非线性模型在鄂州试验数据的建模集测试中精确度较优,其中归一化红边差值(NDRE)非线性模型验证的变异系数(CV)=31.05%,但推广至海南试验区后精确度下降严重(验证集CV=74.90%),可移植性差;2)线性模型和机器学习模型在模型移植后表现出较优的稳定性,其中梯度提升回归(GBR)二波段模型在鄂州数据建模集CV=28.91%,在海南数据验证集CV=26.58%;3)增强植被指数(EVI2)线性拟合模型在鄂州数据建模集CV=33.78%,在海南数据验证集CV=27.90%。最后使用EVI2构建的经验模型,对各生育时期2种不同水稻(珞优9348和丰两优4号)的LAI进行预测,结果表明在相同氮水平下,珞优9348表现为氮高效品种。

【目的】明确不同绿肥作物对土壤理化性状的影响,为滨海盐渍土改良利用提供理论依据。【方法】通过田间种植豆科绿肥田菁、草木樨,分析了绿肥生长季滨海盐渍土容重、孔隙度、p H、养分、有机质及盐离子总量的动态变化。【结果】与种植前相比,一个生长季后,种植田菁、草木樨土壤容重减轻6.72%8.82%,孔隙度增加6.90%9.43%;土壤有机质、有效氮含量分别较种植前增加4.56%6.80%和9.49%10.7%,且含量最高的是1月和3月;土壤速效磷含量降低,降幅范围为2.17%35.6%;020 cm土层p H降低

【目的】探索如何利用多光谱遥感对云南切梢小蠹的危害状况进行快速准确的监测。【方法】基于多光谱无人机获取研究区影像结合实地采集样方数据,应用DNN深度学习模型定量反演研究区云南切梢小蠹危害信息,分析虫害等级光谱图像发现GNRE指数和NDVI指数对虫害造成的枯稍率的相关性。【结果】将两指数应用于模型拟合,对比结果发现植被指数NDVI与云南切梢小蠹危害的枯梢率相关性为R~2=0.67696,高于GNRE的R~2=0.45331,且危害等级分类总体分类精度为71.11%,Kappa系数为0.6751,危害等级由高到低的面积占比分别为1.18%、8.60%、73.73%、16.47%。【结论】利用无人机影像结合深度学习技术,可准确得到切梢小蠹分布信息,且危害等级分布呈现出由道路以及树林密度较小区域向密度较大区域其危害性逐渐减小,可为后续大范围切梢小蠹危害云南松的监测与防治提供参考。

黄河三角洲是我国重要的后备土地资源区，而土壤盐渍化对该区的农业生产影响巨大，因此，及时获取该区农作物种植区土壤盐分含量及其分布具有重要意义。论文利用ＡＤＣ便携式多光谱相机和ＥＣ１１０便携式盐分计，采集该区近地多光谱相片和土壤表层含盐量数据，结合两期遥感影像提取黄河三角洲冬小麦种植区面积分布，构建基于近地多光谱植被指数的土壤含盐量估算模型，进而将模型拟合反演到黄河三角洲ＯＬＩ影像，得到黄河三角洲冬小麦种植区土壤盐分含量空间分布图，对麦区土壤盐分状况进行了分析。结果显示，土壤含盐量最佳估算模型为以ＳＡＶＩ为因变量的线性模型（Ｙ＝－０．７５４ｘ＋０．８７０，ｎ＝８０），估测Ｒ～２为０．７４７，精度达．．．

追踪和把握黄河口海域的营养盐分布和历史变化，不仅是西北太平洋边缘海域生源要素地球化学循环的关键内容，而且对区域富营养化和环境质量监管、污染综合整治具有重要意义。本研究延续该海域的营养盐及相关环境要素的现状调查，整理近20年的历史资料，分析黄河口营养盐组成和结构的发展趋势，揭示黄河口营养盐现状的主要影响因素。结果显示，溶解无机氮(DIN)、活性磷酸盐(DIP)和硅酸盐浓度总体由黄河口分别向北和向东南逐渐降低，但其组成和分布的时空差异较大，河口口门外出现异常高值；硝酸氮是DIN的主要组分，各组分相对贡献变化较大，都出现超过80%贡献率的状况；氮磷比(N/P)较高，最低为43.7。近20年黄河口海域DIN变化大致分为3段，2006年前逐渐增加到最高浓度(60μmol/L)，到2009年逐渐降至30μmol/L，之后到2023年在浓度小于30μmol/L的范围内波动；DIP浓度在2005年和2013年出现峰值，2006—2008年浓度较高，其他年度浓度较低。除2000年，黄河口N/P不低于25,2010年以来呈现持续升高的趋势。主成分分析结果表明，营养盐组成能显著表征黄河口水质特征。黄河口海域营养盐组成和分布的极不均匀性以及高N/P，使得黄河口水环境质量情势严峻。

在室内采用低温冰箱对扰动盐渍土和洗盐后盐渍土的冻胀性进行了研究。结果表明,扰动盐渍土和洗盐后盐渍土在温度高于-4℃时的冻胀率变化最大,在温度低于-4℃时,其冻胀率趋于稳定。冻胀率不但与温度有关,而且与含水量、易溶盐含量、粉粒含量有很好的线性关系,可用线性方程初步估算盐渍土的冻胀率。

【目的】叶面积指数（leaf area index,LAI）是表征作物长势、光合、蒸腾的重要指标。论文旨在研究不同生育期、多生育期无人机多光谱数据棉花LAI估测模型，明确不同生育期间棉花LAI估测模型变化规律，为实时掌握棉花长势并因地制宜进行田间科学管理提供依据。【方法】利用大疆精灵4多光谱无人机获取棉花现蕾期、初花期、结铃期、吐絮期多光谱图像和RGB图像。选用归一化差植被指数（NDVI）、绿度归一化差植被指数（GNDVI）、归一化差红边指数（NDRE）、叶片叶绿素指数（LCI）、优化的土壤调节植被指数（OSAVI）5种多光谱指数和修正红绿植被指数（MGRVI）、红绿植被指数（GRVI）、绿叶指数（GLA）、超红指数（EXR）、大气阻抗植被指数（VARI）5种颜色指数分别建立棉花各生育期及棉花生长多生育期数据集合，结合打孔法获取地面LAI实测数据，使用机器学习算法中偏最小二乘（PLSR）、岭回归（RR）、随机森林（RF）、支持向量机（SVM）、神经网络（BP）构建棉花LAI预测模型。【结果】覆膜棉花LAI随着生育期的变化呈现先增长后下降的趋势，现蕾期、初花期、结铃期内侧棉花叶面积指数均值均显著大于外侧（P<0.05）；选择的指数在各时期彼此间均呈显著相关（P<0.05），总体而言，多光谱指数与颜色指数间的相关性随着生育期的进行而呈现下降趋势，选择的指数在各时期均与棉花LAI相关性显著（P<0.05），多光谱指数相关系数介于0.35—0.85，颜色指数相关系数介于0.49—0.71，相关系数绝对值较大的指数多为多光谱指数，颜色指数与棉花LAI的相关系数绝对值较小；估测模型性能结果显示棉花各生育期模型中多光谱指数优于颜色指数，且各指数模型预测性能随着生育期的变化呈现一定规律性，NDVI是预测棉花LAI的最优指数。从模型结果上看，RF模型和BP模型在各生育期下获得了较高的估计精度。初花期LAI反演模型精度最高，最优模型验证集R2为0.809,MAE为0.288,NRMSE为0.120。多生育期最优模型验证集R2为0.386,MAE为0.700,NRMSE为0.198。【结论】棉花内外侧LAI在现蕾期、初花期、结铃期存在显著差异。在各生育期中，RF和BP模型是预测棉花LAI较优模型。NDVI在各指数中表现最好，是预测棉花LAI的最优指数。多生育期模型效果较单生育期明显下降，最优指数为GNDVI，最优模型为BP。本研究中预测棉花LAI的最优窗口期是初花期。研究结果可为无人机遥感监测棉花LAI提供理论依据和技术支持。

以获取的冬小麦无人机多光谱影像为数据源,充分利用多光谱传感器的红边通道对传统植被指数进行改进,通过灰色关联度分析后基于多个植被指数建模的方法对冬小麦的叶面积指数(leaf area index,LAI)进行反演精度对比。结果显示:使用基于多植被指数的随机森林(RF)比赤池信息量准则-偏最小二乘法(AIC-PLS)反演精度高。得到的LAI反演值和真实值之间的R~2=0.822,RMSE=1.218。研究证明通过随机森林预测具有更好的拟合效果,对冬小麦的LAI反演有较好的适用性。

土壤氮元素是土壤肥力的一个重要指标，掌握土壤氮元素含量的变化是观测农作物的发育状况及时空变化规律等的基础。利用高光谱对土壤氮元素进行反演，可为精准农业地表土壤元素快速测定提供参考。为实现对土壤中氮元素含量的快速测定，以沈阳农业大学海城试验田为例，对土壤原始反射率进行了一阶导数变换，运用等距特征映射算法（isometric feature mapping,lsomap）、竞争性自适应重加权采样法（competitive adapative reweighted sampling, CARS）对一阶导数光谱数据进行降维并提取出相关特征。运用BP神经网络（back propagation neural network,BPNN）、GA优化（GA-BPNN）以及经过NSGA-Ⅲ优化后的BP神经网络（NSGA-Ⅲ-BPNN）3种分析方法建立土壤全氮的高光谱反演模型，并利用决定系数（R~2）和均方根误差（root mean square error,RMSE）对反演模型进行评价。结果表明：经过ISOMAP进行的降维相对于CARS能有效的对特征进行提取。优化后的神经网络模型建立的土壤养分含量预测模型优于未优化的神经网络，能极好地预测土壤中的氮元素含量。基于Isomap降维后的NSGA-Ⅲ-BPNN的模型的反演模型预测效果最好，最终预测土壤全氮含量训练集为R~2=0.842、RMSE=0.077，测试集R~2=0.826、RMSE=0.089。反演精度高于GA-BPNN和BPNN的模型反演精度，与其他模型组合相比，该组合可以为土壤氮元素含量的反演研究提出一种新的方法。

采用结壳法对三种滨海盐渍土的非饱和导水率进行了研究。结果表明：非饱和导水率与负压水头呈指数曲线关系，当负压水头达１０ｋＰａ时，三种滨海盐渍土的非饱和导水率渐趋一致；在质地基本相同的情况下，土壤盐分、容重、孔隙度以及有机质含量均对非他和导水率有很大的影响；结壳层的组成不同对测定非饱和导水率也有一定的影响，但结壳法完全能运用于滨海盐渍土非饱和导水率的研究。

为研究无硫木质素对土体分散性的改良效果，以某地区分散性盐渍土为研究对象，以不同配比无硫木质素制备土样。通过碎块试验和针孔试验、无侧限抗压强度试验及扫描电镜试验对改性试样的分散性、无侧限抗压强度及微观结构进行测试。研究表明：加入无硫木质素后土体分散性得到明显改善；无硫木质素可以提高盐渍土的强度，但木质素含量达到15%时，会导致土样强度下降；无硫木质素通过填充土样孔隙、降低孔隙度、减少水的渗入以及物理联结作用来降低土的分散性。该试验探究了无硫木质素的改良机理，验证了其对盐渍土分散性改良的有效性和可行性，为价格低廉、经济高效的分散土改良新方法探索提供了一定理论依据。

[目的]本研究旨在解决人工监测棉花脱叶催熟效果耗时、费力等问题。[方法]利用四旋翼无人机获取喷施棉花脱叶剂前后4次多光谱图像，采用Pix4Dmapper软件拼接无人机图像，计算SAVI、RVI、DVI和NDVI四种植被指数，利用最大熵阈值法和植被指数阈值法提取棉叶覆盖信息。利用支持向量机对喷施脱叶剂的棉花进行监督分类，对4次采集的多光谱图像总体分类精度均大于97%，Kappa系数均大于0.95，因此将支持向量机分类结果作为真值，对最大熵阈值法和基于植被指数阈值法提取的棉花脱叶信息进行验证。将最佳提取方法用于建立棉花脱叶效果监测模型，代替人工监测棉花脱叶效果。根据最佳脱叶效果监测模型制作第二次脱叶剂施药处方图，指导第2次脱叶剂的变量喷施。[结果]结果表明，在整个棉花脱叶过程中，基于SAVI_(840)植被指数阈值法监测棉花脱叶效果优于基于RVI_(940)最大熵阈值法，前者为最优监测棉花脱叶效果的模型，将最优监测模型提取的结果与田间调查棉叶数拟合，对数模型的R~(2)最高，为0.96，说明无人机遥感监测棉花脱叶效果可行；根据最优监测模型提取棉叶信息制作变量喷施处方图进行施药并验证，结果表明施药效果较好，与常规定量施药相比，可节约农药7.39%，最高节药率达14.61%。[结论]无人机遥感监测技术可以代替人工大面积、快速和准确地监测棉花脱叶效果，利用本文得出的遥感监测结果生成的变量施药处方图进行变量喷施，可实现减药增效。