专利名称：排土场植被指数与土壤养分空间多尺度分析方法
技术领域：
本发明涉及排土场植被与土壤关系领域，具体涉及到一种基于小波分析的排土场
植被指数和土壤养分空间多尺度分析方法。
背景技术：
排土场是指矿山采矿排弃物集中排放的场所。采矿是指露天采矿和地下采矿，包含矿山基建期间的露天剥离和井巷掘进开拓；排弃物一般包括腐植表土、风化岩土、坚硬岩石以及混合岩土，有时也包括可能回收的表外矿、贫矿等。排土场是一个复杂的生态系统，野生植物入侵、植被演替等导致了生态系统的多样性，使生态系统更为复杂。阜新海州排土场面积大，不同地块具有不同的排土年限，更加剧了海州排土场生态系统的复杂性。排土场生态环境状况受制于多种因素，其中既有人类活动因素，也有诸多自然环境因子，如地貌、地形、土壤和植被等。这些因子通过非线性的复合作用，共同造成生态环境及生态景观的空间变异性，不同区域、不同尺度其空间变异的决定因素不同。现有技术对排土场植被与土壤养分关系的研究多采用多元回归方法进行分析，多元回归方法忽略了尺度效应，不涉及不同空间尺度下的关系。 小波变换作为一种多尺度分析的数学工具，近年来被较多的应用到地学和生态学研究中，揭示自然或生态因子的多尺度格局，是小波分析最为重要的步骤，即选择合适的小波函数与待分析的函数相乘，分解得到不同尺度下的小波系数并进行重构，进而分析因子在不同尺度下的特性。

发明内容
( — )要解决的技术问题 本发明要解决的技术问题是提供一种排土场植被指数与土壤养分空间多尺度分析方法，以解决现有技术对排土场植被与土壤养分关系的研究没有尺度效应的缺陷。
( 二 )技术方案 因此，本发明提供的一种排土场植被指数与土壤养分空间多尺度分析方法，包括 步骤10、从研究区的遥感图像中提取NDVI ; 步骤20、采集所述研究区的土壤养分，并将所述土壤养分的地统计插值图层进行栅格化处理； 步骤30、在所述研究区的南北方向和东西方向各选择一条样线；
步骤40、从两条所述样线上分别采集NDVI和土壤养分数据； 步骤50、采用小波变换方法对步骤40提取的所述NDVI和土壤养分数据进行空间多尺度分解与重构，得到不同空间尺度上所述NDVI和土壤养分数据的小波近似重构信息；
步骤60、根据步骤50得到的所述小波近似重构信息，采用偏相关分析方法对不同空间尺度下所述NDVI和土壤养分数据的关系进行分析，得到不同空间尺度下所述NDVI和土壤养分数据的偏相关系数。
其中，所述步骤20包括 对所述研究区的土壤养分进行地统计学分析，利用普通克里格插值法获得所述土壤养分的空间分布图； 将所述空间分布图进行栅格化，获得与植被指数空间分辨率相同的栅格图像。
所述土壤养分包括pH值、有机质、NH^N、速效磷和速效钾。
所述步骤50中采用小波变换方法时选取的小波基函数为DB4，分解层数为6。
(三)有益效果 本发明提供的排土场植被指数与土壤养分空间多尺度分析方法，选择NDVI作为植被状况的指标，选择pH值、有机质、NH^N、速效磷、速效钾作为土壤养分的指标，通过对这6个指标进行小波6尺度分解与重构，得到不同空间尺度下各指标的小波近似重构信息，分别计算不同空间尺度下的NDVI小波近似重构信息与土壤养分各指标小波近似重构信息的偏相关系数，分析不同空间尺度下NDVI与土壤养分的相关关系。该方法具有多尺度效应，能从不同尺度上分析NDVI与土壤养分的关系，有利于全面了解排土场生态因子不同空间尺度上的关系以及不同尺度上NDVI空间变异的决定因素。


图1是本发明排土场植被指数与土壤养分空间多尺度分析方法流程图。
具体实施例方式
下面结合附图和实施例，对本发明的具体实施方式
作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。 如图1所示，为本发明排土场植被指数与土壤养分空间多尺度分析方法流程图，本实施例包括以下步骤 步骤10、从研究区的遥感图像中提取归一化植被指数(Normalized DifferenceVegetation Index,简称NDVI);
提取NDVI的计算方法为
户顺一
<formula>formula see original document page 4</formula> 其中，p NIK、 p K分别为近红外波段和可见光红波段的地表反射率。
因为受空气、光线等因素的影B向，拍摄到的遥感图像与真实值有一定误差，因此、
优选地，首先对研究区的遥感图像进行校正处理，包括几何校正和辐射校正，以得到更为准
确的遥感图像； 具体地，以经过几何配准的地形图为参考图，在Erdas Imagine 9. 2中选取15个控制点，同时选取5个检查点，采用重采样方法对遥感图像进行几何校正，其中重采样方法选择最邻近法，校正误差RMS为0. 3633。 当采用辐射校正时，本实施例中采用辐射定标方法，分两个步骤，先将像元DN值转换为波段积分辐射亮度(Band-integrated radiance)，然后计算光谱辐射亮度。
步骤20、采集研究区的土壤养分，并将土壤养分的地统计插值图层进行栅格化处理； 具体地，本步骤包括采集研究区的土壤养分，并对土壤养分进行地统计学分析，利用普通克里格插值法获得土壤养分的空间分布信息，即土壤养分的地统计插值图层；将地统计插值后的土壤养分空间分布图在ArcGIS9. 2中进行栅格化，获得与植被指数空间分辨率相同的栅格图像； 本实施例中的土壤养分包括pH值、有机质、NH^N、速效磷和速效钾。 本步骤中，对土壤养分进行地统计学分析的主要方法是依据区域化变量理论。将
土壤养分各因子看成是区域化变量Z(x)，其同时具有结构性和随机性，可以用半方差函数
来表示
1 ,r ，2 州=-y Z(X + W — )
/V '2，)台[ h表示采样点间距，又称位差；N(h)为以h为间距的所有观测点的成对数目。
克里格插值法是地统计学中应用最广的最优插值法。它是利用原始数据和半方差函数的结构性，对未采样点进行无偏最优估值的一种方法。设在一区域内某一变量的n个
样点测定值估值为Z(Xi) (i = 1，2，3，......， n)，现通过这n个测定值的线性组合来求待
估点X。处的估测值Z、x。)，即 Z飞X。)-艺义,Z(X,) 式中，A ,为与Z(Xi)位置有关的加权系数。 进行土壤养分地统计插值图栅格化时，首先把地统计插值图导出为矢量图，然后采用Arctoolbox里的conversion tools将矢量图转换成分辨率与植被指数图像分辨率相同的栅格图像，图像格式为ERISGRID。 步骤30、选择研究区样线，在东西、南北方向选择两条样线；
可以分别称之为东西样线和南北样线； 本实施例中，以南北样线的像素数取1073，东西样线的像素数取626，南北样线经度取121° 39' 6"，东西样线纬度取41。
57' 22"为例； 样线的选择需要能够充分代表研究区特征，因为本研究区面积相对较小，因此在南北方向和东西方向上各选一条； 步骤40、从两条样线上分别采集NDVI和土壤养分数据；
该步骤在ArcGIS 9. 2及Erdas 9. 2的支持下完成； 步骤50、基于Matlab 7. 0平台，选用母小波DB4，分解水平6，即分解尺度为2. 44X21]^， 2. 44X22M2，2. 44X23M2，2. 44X24M2，2. 44X25M2，2. 44X26M2，对不同样线上的NDVI和土壤养分进行多尺度分解和重构，得到不同尺度上NDVI和土壤养分数据的小波近似重构信息； 步骤60、根据步骤50得到的近似重构信息计算NDVI与土壤养分在不同空间尺度
下的偏相关系数，得出其在不同空间尺度下的相关关系。 设NDVI和土壤养分的空间序列为x (h)，其小波多尺度分解为 。 fc = [ 々(一 =〈x, &》〉
5
重构为
<formula>formula see original document page 6</formula> NDVI与土壤养分空间不同尺度偏相关计算方法为在分析变量A和y之间的偏相关系数时，当控制了 x2的线性作用后，Xl和y之间的一阶偏相关系数为 其中，i^，ry2，1^分别为y和Xl的相关系数、y和x2的相关系数、Xi和x2的相关系数，偏相关分析的检验通常用概率P值，若P值小于给定的显著性水平，则偏相关性显著，否则，两变量之间的相关性不显著。本实施例中在对南北样线土壤养分环境因子与NDVI的偏相关系数计算时，有机质的控制变量为速效磷和速效钾，NH4_N的控制变量选取为速效钾，速效磷的控制变量为有机质，速效钾的控制变量为NH^N和有机质。在东西样线中，计算pH值与NDVI的偏相关系数时其控制变量为有机质和速效磷，有机质控制变量为pH值和速效磷，NH4_N的控制变量定为速效磷和速效钾，速效磷的控制变量有三个，分别为pH值、有机质和NH4_N，速效钾的控制变量为NH4_N。对于没有与之相关性特别强的环境因子，则取其与NDVI的相关系数。 由以上实施例可以看出，本发明实施例通过选择NDVI作为植被状况的指标，选择pH值、有机质、NH^N、速效磷、速效钾作为土壤养分的指标，通过对6个指标进行小波6尺度分解与重构，得到不同空间尺度下各指标的小波近似重构信息，分别计算不同空间尺度下的NDVI小波近似重构信息与土壤养分各指标小波近似重构信息的偏相关系数，分析不同空间尺度下植被指数与土壤养分的相关关系。该方法具有多尺度效应，能从不同尺度上分析NDVI与土壤养分的关系，有利于全面了解排土场生态因子不同空间尺度上的关系以及不同尺度上NDVI空间变异的决定因素。 以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。
权利要求
一种排土场植被指数与土壤养分空间多尺度分析方法，其特征在于，包括步骤10、从研究区的遥感图像中提取归一化植被指数(NDVI)；步骤20、采集所述研究区的土壤养分，并对所述土壤养分的地统计插值图层进行栅格化处理；步骤30、在所述研究区的南北方向和东西方向各选择一条样线；步骤40、从两条所述样线上分别采集NDVI和土壤养分数据；步骤50、采用小波变换方法对所述步骤40提取的所述NDVI和土壤养分数据进行空间多尺度分解与重构，得到不同空间尺度上NDVI和土壤养分数据的小波近似重构信息；步骤60、根据所述步骤50得到的小波近似重构信息，采用偏相关分析方法对不同空间尺度下所述NDVI和土壤养分数据的关系进行分析，得到不同空间尺度下所述NDVI和土壤养分数据的偏相关系数。
2. 如权利要求1所述的排土场植被指数与土壤养分空间多尺度分析方法，其特征在于，所述步骤20包括对所述研究区的土壤养分进行地统计学分析，利用普通克里格插值法获得所述土壤养分的空间分布图；将所述空间分布图进行栅格化，获得与植被指数空间分辨率相同的栅格图像。
3. 如权利要求1所述的排土场植被指数与土壤养分空间多尺度分析方法，其特征在于，所述土壤养分包括pH值、有机质、NH^N、速效磷和速效钾。
4. 如权利要求1所述的排土场植被指数与土壤养分空间多尺度分析方法，其特征在于，所述步骤50中采用小波变换方法时选取的小波基函数为DB4，分解层数为6。
全文摘要
本发明公开了一种排土场植被指数与土壤养分空间多尺度分析方法。该方法选择归一化植被指数作为植被状况的指标，选择pH值、有机质、NH4N、速效磷、速效钾作为土壤养分的指标，通过对6个指标进行小波6尺度分解与重构，得到不同空间尺度下各指标的小波近似重构信息，分别计算不同空间尺度下NDVI小波近似重构信息与土壤养分各指标小波近似重构信息的偏相关系数，分析不同空间尺度下NDVI与土壤养分的相关关系。该方法能从不同空间尺度上分析NDVI与土壤养分的关系，有利于全面了解排土场生态因子不同空间尺度上的关系以及不同尺度上NDVI空间变异的决定因素。
文档编号G01N33/24GK101788553SQ20101011710
公开日2010年7月28日 申请日期2010年3月2日 优先权日2010年3月2日
发明者李道亮, 武兴, 郭祥云, 陈英义 申请人:中国农业大学