导读:本文包含了于田绿洲论文开题报告文献综述及选题提纲参考文献，主要关键词:土壤,盐渍化,遥感,GIS
于田绿洲论文文献综述
依力亚斯江·努尔麦麦提,师庆东,阿不都拉·阿不力孜,夏楠,王敬哲[1]（2019）在《灰色评估模型定量评价于田绿洲土壤盐渍化风险》一文中研究指出针对土壤盐渍化这一干旱区重大生态环境问题,以新疆维吾尔自治区于田绿洲为研究靶区,在野外踏探、室内试验的基础上,将土壤电导率作为评价盐渍化风险生态终点,选择地面蒸散发、地表温度、地表反照率、地面高程、地下水埋深、地下水电导率、地上生物量、叶面积指数、归一化植被指数、表层土壤pH值、表层土壤含水率、土地利用/覆被类型、人口密度和人均耕地面积共14个评价指标作为主要盐渍化风险源,通过遥感与GIS技术获取这些评价因子空间数据集,同时进行数据标准化、迭加并生成相应的栅格图层集,采用Pearson相关性分析法确定评价因子风险权重,引入灰色系统分析法构建研究区盐渍化风险灰色评价模型,构建了土壤盐渍化风险评价模型,并对研究区的盐渍化风险进行定量评价与分析。结果表明:整个研究区盐渍化风险值介于0.053～0.747之间,平均值达到0.190。总体以一般风险为主,盐渍化高度风险占23.37%,虽然分布面积不大,但对绿洲北部区域的生态环境和农业生产影响深远。研究可为干旱区绿洲的土地资源管理、农田系统的合理布局及农业可持续发展中的风险决策提供数据基础与参考依据。(本文来源于《农业工程学报》期刊2019年08期）
再屯古丽·亚库普,买买提·沙吾提,阿卜杜萨拉木·阿布都加帕尔,张东[2]（2018）在《基于PALSAR雷达数据的于田绿洲土壤盐渍化反演》一文中研究指出土壤盐渍化是当今土地退化和荒漠化的主要形式之一,不仅严重制约农业和经济的发展,并且对生态环境和人类生存造成威胁。本研究以新疆于田绿洲为研究区,利用四极化PALSAR(Phased Array type L-band Synthetic Aperture Radar)数据后向散射系数,土壤含水量,土壤pH值以及土壤盐分实测值,采用多元线性回归模型、地理加权回归模型和BP神经网络模型,以土壤含盐量作为因变量建立了定量反演模型。从土壤盐分反演结果图可以看出,反演结果与地面实地考察结果基本一致。经过模型验证得知,3层BPANN模型的均方根误差RMSE=0.99,平均相对误差MRE=0.31,模型性能指数RPD=5.34,其模型预测能力优于前2种传统模型。本文建立的神经网络模型无需考虑复杂的介电常数,在一定程度上能够满足土壤盐渍化监测的需要,促进PALSAR数据在土壤盐渍化监测中的应用。(本文来源于《资源科学》期刊2018年10期）
黄秀艳,师庆东[3]（2018）在《新疆于田绿洲2015年农业景观要素水足迹计算》一文中研究指出水足迹是评价一个地区水资源利用模式以及消费模式的新方法,是目前生态学领域的热点问题。基于水足迹理论,从农、林、牧、渔四个方面对2015年于田县农业景观要素的虚拟水含量进行计算和分析,结果如下:(1)于田县小麦虚拟水总量最多,占于田县总需水量的28.35%,说明小麦为于田县的主要种植作物;(2)于田县主要农业要素单位质量虚拟水含量大小排序为棉花>小麦>葵花>苜蓿>玉米>薯类>葡萄>蔬菜>果用瓜;(3)2015年于田县总灰水足迹为66.8万m3,棉花无论是总灰水足迹还是单位质量灰水足迹都最大;(4)于田县农业景观要素水足迹中,种植及畜牧业生产水足迹分别为:2.31及3.13亿m3,二者消费水足迹共为2.27亿m3;(5)从于田县城乡居民消耗农畜产品来看,除禽肉、奶类及水产品外,乡村居民消耗均高于城镇居民消耗。本文旨在为于田县水资源的可调蓄性和优化农业种植结构提供参考。(本文来源于《节水灌溉》期刊2018年06期）
再屯古丽·亚库普[4]（2018）在《基于PALSAR数据极化分解信息的于田绿洲土壤盐渍化信息提取研究》一文中研究指出土壤作为人类生存和生活最基本的自然资源之一,影响着人类生存、生态环境平衡、社会经济和农业可持续发展。然而,在干旱、半干旱地区土壤原生盐渍化和次生盐渍化问题越来越突出,引起土壤肥力下降、酸碱失衡、土地退化、土地资源极度匮乏等问题,严重制约农业和社会经济发展,影响着可持续发展的战略大局。如今越来越多的学者关注着农业耕地和粮食安全问题,在区域范围内动态、快速、准确提取土壤盐渍化信息,监测盐渍土空间分布特征以及对盐土壤盐渍化状况进行定量反演在防止生态环境进一步恶化,农业生产和社会经济可持续发展以及土壤盐渍化的治理利用、统筹规划中至关重要。本文选择新疆于田绿洲为研究区,针对绿洲土壤盐渍化信息提取和定量反演,利用遥感技术和GIS方法,将传统野外实地调查采集的土壤样品理化性质结合于光学和微波遥感数据,采用多种极化分解方法和SVM分类方法实现了于田绿洲土壤盐渍化微波遥感监测;对研究区各采样点后向散射系数、土壤含盐量、含水量以及pH值进行描述性统计分析,并利用各采样点土壤的一些主要的参数作为因变量,通过多元线性回归模型、地理加权回归模型和BP神经网络模型构建了研究区土壤含盐量反演模型,并对模型进行精度评价与对比分析;为了进一步利用雷达数据极化信息,在Cloude–Pottier理论基础上,尝试构建于田绿洲H-α特征空间,初步确定不同土地类型在H-α特征空间上的位置以及散射类型,从而实现土壤盐渍化机理分析。本文主要结论如下:1)本文利用PALSAR-2数据,在极化分解理论基础上,运用多种极化分解方法提取不同的极化参数,并通过wishart和SVM分类方法对研究区进行分类。为了充分挖掘和提取PALSAR-2图像中丰富的目标信息通过目视判读进行反复选择,最终选取噪声较少的12种极化参数作为最佳分类特征信息。将上述11种极化分量作为特征信息加入到SVM分类中对研究区进行土地类型分类。分类结果表明,在相同的训练样本情况下,相比于Wishart分类方法,SVM监督分类方法分类效果更好,分类总精度从80.48%提高到88.00%,Kappa系数从0.73提高到0.83,总精度提高了7.52%。说明,基于目标极化分解的SVM监督分类方法能够更好的挖掘丰富的地物信息,而单独利用相干矩阵的Wishart分类精度较低,从而验证了目标极化分解信息用作分类特征的有效性。2)通过土壤含盐量、含水量和pH值的描述性统计分析可知,研究区土壤含盐量最大值为49.90 g·kg~(-1),最小值为0.13 g·kg~(-1),平均值为9.75 g·kg~(-1);高值主要出现在研究区东北部、西部和中部,低值主要出现在研究区西北部和南部,研究区以中度盐渍化为主;pH值的最大值为9.63,最小值为7.07,平均值为8.44,属于强碱性土壤,空间分布趋势大致相同;土壤含盐量和土壤含水量的变异系数均大于100%,存在较强的空间异质性。3)由于受到植被覆盖度、含水量和地表粗糙度的影响,不同程度盐渍地后向散射系数有一定的区别。其变化趋势为轻度盐渍地后向散射系数最高,中度盐渍地为其次,重度盐渍地后向散射系数最低。这种变化趋势相比于同极化方式在交叉极化方式上更明显。4)本文选用多元线性回归模型、地理加权回归模型、BP神经网络模型建立了土壤含盐量定量反演模型。叁种模型中BP神经网络模型的均方根误差为0.99,与前两种模型相比分别降低了了0.59和0.69,平均相对误差为0.31,分别减少了25%和21%,模型预测能力RPD为5.43,反演精度远远高于前两种传统回归模型,可靠性以及预测能力均有提高。5)本文应用极化分解和Cloude-Pottier理论,将特征空间技术运用到微波遥感数据,建立了极化熵H和散射角α之间的二维特征空间。H-α特征空间结果表明,不同的地物在H-α特征空间上的分布规律具有显著的分异性。其中,盐渍地分布在H-α平面的极化熵H为0~0.67、α小于42.5°的Z_9区域,其散射类型以低熵表面散射为主,而植被覆盖区属于Z_1、Z_2、Z_4和Z_6区。该种特征空间的建立,为通过本章提出的方法,初步确定盐渍地地表物理特征以及散射类型,这有助于改进现有的盐渍化遥感监测方法和策略,寻求新的方法提取盐渍化信息,改善干旱区生态环境,对于今后的干旱区盐渍地信息提取中具有重要的参考价值。(本文来源于《新疆大学》期刊2018-05-01）
张淑霞[5]（2018）在《于田绿洲地表蒸散发与土壤水盐关系研究》一文中研究指出蒸散发是地表水分的主要支出形式,决定着地表水分和能量的平衡,是区域水文及生态过程中的重要环节。本研究以新疆于田绿洲为研究区,基于光学遥感影像数据,结合气象、水文等辅助数据反演地表参数:地表反照率、植被指数、地表温度净辐射通量、土壤热通量、感热通量等,而后进行区域内蒸散发的估算。本研究中选取SEBAL模型和METRIC模型进行对比分析及验证,获取适用于研究区估算蒸散发的模型,并采取该模型对于田绿洲蒸散发进行时空变化分析。主要研究成果如下:(1)于田绿洲沙漠区、戈壁区、盐渍地及裸露地的植被覆盖率最低,植被指数为-0.19~0.12,较之2011年,2016年植被指数呈现出普遍增加趋势;同年春季植被指数较高,秋季植被指数较低。绿洲内部地表温度较低,绿洲外部沙漠及戈壁地表温度较高;其中水体部分的地表温度最低,如东北部克里雅河、中北部湿地、及零星分布的水库等。于田绿洲地表净辐射通量的分布基本与地表温度一致,于田绿洲中部和东部植被覆盖度高的区域,土壤热通量值较低,基本与归一化植被指数(NDVI)的分布呈负相关。(2)SEBAL和METRIC模型在估算2011年与2016年5月和10月的蒸散发中与MOD16-ET产品数据表现出一致性,SEBAL和METRIC模型反演于田绿洲蒸散发的R~2均高于0.9,呈高度相关,故这两种模型均适用于该研究区蒸散发的估算。(3)2011年5月的反演结果中,METRIC模型的估算精度为0.9554,高于SEBAL模型,而2016年5月,同样出现该结果,METRIC模型估算精度为0.9414,较之SEBAL模型精度更高。而在10月份蒸散发反演的结果中,SEBAL模型的精度高于METRIC模型,2011年10月SEBAL模型估算蒸散发的精度为0.9483,SEBAL模型为0.9056,同样的结果也出现在2016年10月的蒸散发拟合中。(4)从空间上看于田绿洲境内蒸散发有明显的区域特点,研究区中部耕地、林地、河流等区域植被覆盖度较大,从而蒸散量也最大,戈壁和荒漠地区的蒸散量最低。从时间上看,于田绿洲地表蒸散发出现明显的季节变化,春季5月蒸散量较高,秋季9月蒸散量较低。较之2011年,2016年的蒸散量有所增长。(5)研究区的蒸散量与土壤含水量呈线性正相关,且R~2均高于0.8,说明土壤水分在很大程度上影响着蒸散量,即土壤表层含水量高的区域蒸散量就越高,土壤含水量低的区域蒸散量就低。(6)研究区蒸散发与土壤表层含盐量呈线性负相关,且R~2均大于0.7,呈显着相关。说明土壤盐分在很大程度上影响着蒸散发,即土壤含盐量高的区域地表蒸散量较小,土壤含盐量低的区域,地表蒸散量较高。(7)研究区蒸散量与土壤PH值呈负相关,但是相关性并不强,R~2均未达到0.5,说明蒸散量基本不受土壤PH值的影响。(本文来源于《新疆大学》期刊2018-05-01）
米合热古丽·塔什卜拉提,塔西甫拉提·特依拜,买买提·沙吾提,努尔麦麦提江·吾布力卡斯穆,夏楠[6]（2018）在《于田绿洲盐渍土水、盐、温度季节变化规律与相关性研究》一文中研究指出以于田绿洲为研究区,借助ENVI 5.1、ArcMap 10.2、Origin 8.5、SPSS 20.0,同时结合野外实测数据,对盐渍土不同土层(0~20、20~40、40~60、60~80、80~100 cm)的土壤含水量、温度、电导率的变化规律及相关性进行了研究。结果表明:研究区土壤含水量、温度、电导率从6月到8月呈升高趋势,绿洲南部和北部地区的5、8号点在60~80、80~100 cm土层的土壤含水量最高,8、22号点表层(0~20 cm)土壤电导率最高,而南部和西部地区的5、22号点在40~60 cm土层的土壤电导率最高;秋季和夏季的土壤含水量、温度、电导率均高于冬季和春季。研究区西部的16、22号点各土层的含水量与电导率呈显着正相关,在60~80 cm土层的土壤含水量与电导率的相关性最强,相关系数分别为0.970**、0.987**。(本文来源于《土壤》期刊2018年01期）
江红南,姜红涛,丁建丽[7]（2017）在《基于遥感数据的于田绿洲土壤湿度时空变化及其影响因素分析》一文中研究指出以典型干旱区新疆于田县绿洲为研究区,利用相关分析和非线性回归分析方法,研究了不同季节和深度的土壤湿度时空变化的影响因素。研究结果表明,对于研究区表层1m深度土壤,各个土层的土壤湿度存在着显着且强烈的相关关系,不同深度土层的土壤湿度空间变异程度不同,表层土壤湿度的空间变异程度较大。地下水位和土壤蒸散发量是研究区土壤湿度时空变化的主要控制因素,不同季节,地下水位和土壤蒸散发量对不同深度土壤湿度空间变化的影响力和影响深度不同,春季和夏季,都是地下水位大于土壤蒸散发量的影响力,土壤蒸散发量的影响深度在春季达到60-80cm,在夏季达到100cm。海拔高度和土壤温度对土壤湿度的空间变异有微弱的影响。在对土壤湿度时空变化具有显着影响的因素中,除土壤温度外,其它因素对土壤湿度时空变化的影响呈非线性关系。(本文来源于《干旱区资源与环境》期刊2017年12期）
王云燕,姜红涛,江红南[8]（2017）在《干旱区典型绿洲地表温度昼夜变化特征研究——以于田绿洲为例》一文中研究指出文中利用2012年长时间序列MODIS地表温度产品,以于田绿洲为例进行干旱区地表昼夜温差时间和空间变化特征的研究。结合MODIS土地利用数据,进一步分析了不同土地利用类型下地表昼夜温差的长时序变化特征。结果显示:研究区绿洲地表昼夜温差在0-40℃之间,其年均值小于25℃,而对于地表昼夜温差范围在0-60℃荒漠区其年均值大于25℃;并且绿洲-荒漠交错带呈现出明显的锯齿状效应。不同土地利用类型的地表昼夜温差值的大小依次是未利用土地、林地、草地、耕地及建设用地。尽管土地利用类型对地表昼夜温差有较大影响,但是其时间序列变化特征并未受到土地利用类型的明显影响;不同土地利用类型具有相似的地表昼夜温差时序特征。相比于Terra卫星,Aqua卫星观测数据能够更好的反映地表昼夜温差的变化特征。(本文来源于《干旱区资源与环境》期刊2017年10期）
阿卜杜萨拉木·阿布都加帕尔,塔西甫拉提·特依拜,依力亚斯江·努尔麦麦提,买买提·沙吾提,再屯古丽·亚库普[9]（2017）在《基于不同插值方法的于田绿洲盐渍化土壤特性空间变异分析》一文中研究指出以于田绿洲为例,基于地统计学的反距离加权法(IDW)、径向基函数法(RBF)、普通克里金法(OK)及局部多项式法(LPI)等4种不同插值方法,经过交叉验证对比确定了适用的方法进行插值,揭示了盐渍化土壤含盐量、电导率、PH值和含水量的空间变异特征。研究表明:(1)于田绿洲含盐量均值为9.29 g kg-1属重盐土类型,同时土壤电导率、含盐量、含水量和pH分别表现为强、中等、弱空间变异性;(2)土壤特性的结构性因子C/(C0+C)均大于75%,表现出空间自相关较强,是结构性因素主导作用的影响;(3)在电导率和含盐量的空间变异分析采用IDW法较为适合,对pH值的空间插值采用OK法精度最高,含水量则除了LPI法,其他叁种方法都可以任意选用;(4)土壤含盐量和电导率空间分布表现出北高南低的分异规律,绿洲外围高于绿洲内部,pH值呈现从东部至西部递减的趋势,易受随机性因素的影响,含水量则出现南北方向明显的差异,研究区中、东部绿洲内高值存在。通过不同插值方法对于田绿洲盐渍化土壤特性的空间异质性研究,揭示了土壤特性空间变异特征及空间分布规律,可为解决土壤盐渍化问题提供基础参考。(本文来源于《土壤通报》期刊2017年05期）
张淑霞,塔西甫拉提·特依拜,依力亚斯江·努尔麦麦提,朱小强[10]（2017）在《基于Landsat 8劈窗算法的地表温度空间响应关系研究:以于田绿洲为例》一文中研究指出该研究选取于田绿洲为研究区,运用遥感技术,采用能表示地表能量的指标——地表温度来研究绿洲能量,分析和探讨新疆于田绿洲热环境空间分布特征。具体研究内容:(1)将Landsat 8数据作为本研究的数据源,运用热红外遥感技术,收集并结合研究区气象数据计算关键参数:亮度温度、大气透过率、地表比辐射率,最后采用劈窗算法反演地表温度;(2)计算研究区植被覆盖度,并分析植被覆盖度与地表温度间相互关系,结果表明植被覆盖与地表温度具有较强的负相关性,R~2=0.979 2;(3)通过空间迭加分析研究区的地表温度与土地利用类型,得出研究区地表温度呈现出沿绿洲中心逐渐向四周增高的环状分布,地表温度均值从低到高依次为水体(18.02℃)、耕地(24.23℃)、林草地(26.3℃)、盐渍地(35.34℃)、其他(37.87℃)、沙漠(39.64℃)。(本文来源于《环境科学与技术》期刊2017年08期）
于田绿洲论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
土壤盐渍化是当今土地退化和荒漠化的主要形式之一,不仅严重制约农业和经济的发展,并且对生态环境和人类生存造成威胁。本研究以新疆于田绿洲为研究区,利用四极化PALSAR(Phased Array type L-band Synthetic Aperture Radar)数据后向散射系数,土壤含水量,土壤pH值以及土壤盐分实测值,采用多元线性回归模型、地理加权回归模型和BP神经网络模型,以土壤含盐量作为因变量建立了定量反演模型。从土壤盐分反演结果图可以看出,反演结果与地面实地考察结果基本一致。经过模型验证得知,3层BPANN模型的均方根误差RMSE=0.99,平均相对误差MRE=0.31,模型性能指数RPD=5.34,其模型预测能力优于前2种传统模型。本文建立的神经网络模型无需考虑复杂的介电常数,在一定程度上能够满足土壤盐渍化监测的需要,促进PALSAR数据在土壤盐渍化监测中的应用。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
于田绿洲论文参考文献
[1].依力亚斯江·努尔麦麦提,师庆东,阿不都拉·阿不力孜,夏楠,王敬哲.灰色评估模型定量评价于田绿洲土壤盐渍化风险[J].农业工程学报.2019
[2].再屯古丽·亚库普,买买提·沙吾提,阿卜杜萨拉木·阿布都加帕尔,张东.基于PALSAR雷达数据的于田绿洲土壤盐渍化反演[J].资源科学.2018
[3].黄秀艳,师庆东.新疆于田绿洲2015年农业景观要素水足迹计算[J].节水灌溉.2018
[4].再屯古丽·亚库普.基于PALSAR数据极化分解信息的于田绿洲土壤盐渍化信息提取研究[D].新疆大学.2018
[5].张淑霞.于田绿洲地表蒸散发与土壤水盐关系研究[D].新疆大学.2018
[6].米合热古丽·塔什卜拉提,塔西甫拉提·特依拜,买买提·沙吾提,努尔麦麦提江·吾布力卡斯穆,夏楠.于田绿洲盐渍土水、盐、温度季节变化规律与相关性研究[J].土壤.2018
[7].江红南,姜红涛,丁建丽.基于遥感数据的于田绿洲土壤湿度时空变化及其影响因素分析[J].干旱区资源与环境.2017
[8].王云燕,姜红涛,江红南.干旱区典型绿洲地表温度昼夜变化特征研究——以于田绿洲为例[J].干旱区资源与环境.2017
[9].阿卜杜萨拉木·阿布都加帕尔,塔西甫拉提·特依拜,依力亚斯江·努尔麦麦提,买买提·沙吾提,再屯古丽·亚库普.基于不同插值方法的于田绿洲盐渍化土壤特性空间变异分析[J].土壤通报.2017
[10].张淑霞,塔西甫拉提·特依拜,依力亚斯江·努尔麦麦提,朱小强.基于Landsat8劈窗算法的地表温度空间响应关系研究:以于田绿洲为例[J].环境科学与技术.2017