《表3 最优模型：渭-库绿洲土壤剖面盐分分布特征及驱动因子分析》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《渭-库绿洲土壤剖面盐分分布特征及驱动因子分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对预处理后的遥感影像进行NDVI、植被覆盖度（VFC）、MNDWI、盐分指数信息提取，具体公式见表1。本研究分别将表1中的算法应用于提取研究区的土壤盐分信息，发现这些算法对本研究区的土壤盐分信息提取效果并不理想，沙地和重度盐渍地的盐分指数值接近会出现将大量沙地混入盐渍地的情况。为了提高分类精度，本研究用回归的方法将指数值与土壤样品的实测盐分值相关联，以指数值为自变量，EC1:5值为因变量，得到盐分指数和EC1:5值的指数回归结果和线性回归结果。发现公式NDSI=（R-N）/（R+N）对应的盐分指数与EC值有极显著（P<0.01）的相关关系，指数回归分析的结果最好，回归方程y=16.907e4.895x，R2=0.375。由此，根据衍生得到的盐分指数带入到回归方程中得到整个研究区的EC1:5，按照土壤盐渍化等级标准[25]（表2）对应的EC1:5值进行盐渍化等级划分；再结合NDVI、植被覆盖度（VFC）、MNDWI、DEM数据以及不同土地覆盖类型的光谱特征建立决策树得到研究区的表层土壤盐分空间分布图，Kappa达到90%。遥感和回归方法的结合得到了表层土壤的盐渍土分级，但遥感只能观测表层（0～10 cm），所以又通过地统计分析的方法得到了其他各剖面土壤盐分的空间分布。本研究基于实测样点的EC1:5利用普通克里金插值对研究区未知样点进行线性无偏、最优估计。半变异函数/协方差模型的选择以及参数的设定以平均值最接近于0、均方根最小、平均标准误差最接近于1为标准进行调试得到最优模型，最终确定的最优模型见表3，根据最优模型得到10～20、20～40、40～60 cm各土层土壤EC1:5插值图。