基于PSO-PNN模型的喀什噶尔绿洲耕地盐渍化分析

盐渍化是构成绿洲农业低产的主要原因之一,也是农业开发和可持续发展的重要限制因素.为提高盐渍化耕地生产力,促进绿洲农业的可持续发展,以喀什噶尔绿洲耕地为研究对象,利用Landsat 8 OLI遥感影像数据提取遥感指数20个,利用土地利用数据计算研究区耕地开垦年限,用线性拟合的方法将用植被光合作用模型(VPM)模拟的植被净初级生产力(NPP)数据进行降尺度,将遥感指数同土壤采样及实测数据进行相关分析,得到优选的遥感特征变量,再用粒子群优化算法(PSO)优化的概率神经网络(PNN)模型进行盐渍化程度分类,得到研究区耕地盐渍化等级分布情况,后与研究区耕地开垦年限和NPP进行叠加分析.结果表明:(1)选取增强型植被指数(EVI)、盐分指数2(SI2)、湿度指数(WI)、MSAVI-WI-SI特征空间(MWSI)、波段6(B6,2.11～2.29 μm)5个遥感参量通过PSO-PNN模型进行盐渍化程度反演准确率约为80％.(2)耕地开垦年限越大的区域盐渍化程度越低.新开垦的耕地主要分布在研究区东部,而研究区西部大都为开垦年限在45 a以上的老绿洲农业区.(3)耕地盐渍化严重降低了耕地农作物生产力.研究区耕地NPP较高的区域大都分布在西部,较低的区域大都分布在东部,与盐渍化程度等级分布大致相反.上述研究方法与结果可为后续使用遥感参量进行盐渍化反演的研究提供参考,对干旱半干旱区的盐渍化耕地改良具有一定的参考意义.