[发明专利]基于长时序NDVI的土壤重金属胁迫甄别方法

说明书

本发明公开了一种基于长时序NDVI的土壤重金属胁迫甄别方法，包括步骤遥感影像预处理、NDVI长时间序列构建、EEMD分解、统计性描述指标计算、季节平均模型构建、土壤重金属胁迫序列甄别、土壤重金属胁迫稳定特征提取、地面数据实测、土壤重金属胁迫水平监测步骤。本发明利用NDVI长时间序列，将胁迫光谱特征与时间特征相结合，避免了单一时相缺乏时间特征的弊端；综合EEMD分解与季节平均模型构建，解决了噪声残留问题，更有利于捕捉土壤重金属胁迫的长期影响，实现对土壤重金属胁迫的甄别提取；综合作物物候期，在复杂的土壤环境中建立有效甄别土壤重金属胁迫的稳定特征指标，结合实测数据实现对大面积土壤重金属胁迫的监测。

技术领域

本发明涉及一种土壤重金属胁迫甄别方法，涉及一种基于长时序NDVI的土壤重金属胁迫甄别方法，属于遥感技术领域。

背景技术

传统的重金属监测方法是将实地采集的样本进行实验室化验，其结果精度高，但是速度慢、范围小、成本高，不能在空间分布上获取连续的信息。相较于传统方法，遥感技术具有大面积同步监测、传输速度快、信息丰富等特点，为其在重金属污染监测方面提供了借鉴。

利用遥感卫星影像数据对农田重金属污染大范围监测，逐渐成为重要的技术手段。近年来，国内外学者借助遥感技术，利用作物反射光谱响应特征以及光谱信息分析方面研究重金属污染状况。其中，光学遥感方法具备高空间分辨率的优势，光学植被指数数据与土壤重金属高度相关，是进行土壤重金属监测最常用的一种数据。归一化植被指数(Normalized Difference Vegetation Index，NDVI)定义为近红波段与红光波段的反射率差值除以近红外波段与红光波段的反射率和值，是反映农作物长势的重要参数之一。

自然农田生态系统中农作物生长环境的复杂性导致其在生长过程中受土壤水分胁迫、病虫害胁迫、重金属胁迫等多源复合胁迫因素的影响。在实现土壤重金属胁迫甄别时，需要对特定特征信号进行处理，从而提取出表征特定特征的分量。集合经验模态分解(Ensemble Empirical Mode Decomposition，EEMD)算法在经验模态分解(Empirical ModeDecomposition，EMD)算法的基础上进行了改进，能将原始长时间序列数据进行不断分解，获取不同本征模态函数(Intrinsic Mode Function，IMF)分量，最终分解为若干单一频率的序列以及一个残差组分的形式，为土壤重金属胁迫甄别提供技术支撑。

当前遥感监测作物重金属胁迫的主要局限在于采用的遥感指标的信息量匮乏、指标的稳定性不足，并且缺乏对农作物重金属胁迫光谱响应参数时间特征的系统分析。如果将胁迫光谱特征参数与作物生长阶段的时间特征相结合，将能够有效区分重金属胁迫和其他胁迫因子。因此，基于“时-谱”分析是提取重金属胁迫特征的重要方法。

发明内容

本发明的目的是提供一种基于长时序NDVI的土壤重金属胁迫甄别方法。

为解决上述技术问题，本发明采用的技术方案是：

一种基于长时序NDVI的土壤重金属胁迫甄别方法，包括以下步骤：

步骤1：遥感影像预处理：对N幅遥感影像数据进行辐射定标、大气校正以及几何校正预处理，N＞1；

步骤2：NDVI长时间序列构建：基于预处理后的遥感影像数据计算NDVI长时间序列x(n)，1≤n≤N：

其中ρ_NIR(n)为第n幅遥感影像近红外波段的反射率，ρ_RED(n)为第n幅遥感影像红光波段的反射率；

步骤3：EEMD分解：基于EEMD算法对NDVI长时间序列x(n)进行分解，其分解流程如下：

将具有标准正态分布的白噪声信号z_i(n)加入到NDVI长时间序列x(n)上，产生加噪NDVI长时间序列x_i(n)：