CN104634943B - 一种盐碱化土壤含盐量的在线测量方法 - Google Patents

Abstract

一种盐碱化土壤含盐量的在线测量方法，本发明涉及一种盐碱化土壤含盐量的在线测量方法，它为了解决现有盐碱化土壤含盐量的测量方法采样费时费力，含盐量的在线测量精度较低的问题。在线测量方法：一、通过土壤开裂实验获取开裂土壤样本照片，然后提取纹理特征，再测量土壤中盐分含量，建立土壤含盐量反演模型；二、在线测量野外土壤含盐量，计算野外土壤归一化灰度共生矩阵和相应拟合关系最好的纹理特征值，得到土壤含盐量的初步在线测量结果；三、通过土壤样本含盐量的最大值和最小值，修正土壤含盐量测量结果。本发明基于盐碱土含盐量对土壤干缩开裂程度的影响，建立开裂样本的纹理特征量与样本含盐量的定量模型，提高测量精度。

Description

一种盐碱化土壤含盐量的在线测量方法

技术领域

本发明涉及一种盐碱化土壤含盐量的在线测量方法，尤其涉及室内盐碱化土壤含盐量反演模型的建立及通过在线测量盐碱土纹理特征实现土壤含盐量的在线测量方法。

背景技术

土壤盐碱化是成为世界性的土地退化过程，它严重破坏土壤性状并且在很大程度上降低了农作物的产量，同时对生态环境也有较大的危害。因此，快速准确的测量土壤含盐量水平对于确定土壤盐碱化程度、指导盐碱化土壤的改良具有重要的现实意义。目前，传统的含盐量测量方法主要针对野外采样、室内测量土壤内各盐离子的总含量来确定的，这种土壤含盐量的测量方法费时费力且不能实时反应含盐量的野外真实状况，遥感手段虽然具有大面积实时的特点，但是遥感数据本身的空间分辨率和光谱分辨率有限，使其局限于大面积的含盐量程度的确定和制图应用，而小尺度的单点含盐量测量精度却很差。松嫩平原的苏打型盐碱土是一种典型的盐碱化土壤，其土壤粘粒含量较高具有很强的膨胀收缩特性。因此在降水过后，土壤表面随水分的蒸发而出现的干缩开裂现象非常普遍。截至目前，已有很多研究关注于土壤裂纹特征的识别和测量以及土壤理化参数、环境条件等对开裂程度的影响等方面。盐分含量作为盐碱化土壤主要的化学特性，对土壤的开裂过程和裂纹特征也有很大程度的影响。

发明内容

本发明的目的是为了解决现有盐碱化土壤含盐量的测量方法采样费时费力，含盐量的在线测量精度较低的问题，而提供一种盐碱化土壤含盐量的在线测量方法。

本发明盐碱化土壤含盐量的在线测量方法按下列步骤实现：

一、建立土壤含盐量反演模型

1、土壤开裂实验

选择不同盐分含量的多组土壤样本，对所有的土壤样本进行风干、研磨处理并过2mm孔径的筛子，然后将每组过筛后的土壤样本分为土壤样本A和土壤样本B，将其中的土壤样本A进行干缩开裂实验，所述的干缩开裂实验是先将所有的土壤样本A分别配置成含水量相同的饱和泥浆，把每组配置好的饱和泥浆分别倒入50厘米×50厘米×3厘米大小的木质样本盒中，抹平泥浆后放置在实验室中进行自然干燥以产生干缩裂纹，直至样本盒中样品的质量不再减少时，得到干燥开裂的土壤样本A；

将数码相机安装在固定的实验平台上，数码相机距离地面高度为1m，以数码相机镜头在地面上的投影为中心确定50厘米×50厘米的正方形区域以保证所有干燥开裂的土壤样本A拍照过程的几何畸变影响相同，将50厘米×50厘米的黑白网格定标板覆盖在干燥开裂的土壤样本A表面，然后使用数码相机对干燥开裂的土壤样本A进行拍照，获取开裂土壤样本照片；

2、提取纹理特征

对每张开裂土壤样本照片进行几何畸变校正，对几何畸变校正后的样本图像进行剪切以获取样本的彩色裂纹区域图像，然后将每张彩色裂纹区域图像转化为灰度图，再根据灰度直方图选取阈值进而进行二值化处理，取反操作后则将每个开裂土壤样本的裂纹图像分割为未开裂的块区(用黑色象元表示)和收缩区域(包括裂纹部分和样本盒内四周的收缩部分，用白色象元表示)；

计算每个开裂土壤样本二值化图像的灰度共生矩阵，将距离步长设置为40，4个方向分别为0°、45°、90°和135°，然后将四个方向得到的归一化灰度共生矩阵进行算数平均从而以去除方向的影响，根据每个开裂土壤样本灰度共生矩阵计算各统计纹理特征值，各统计纹理特征值的计算公式如下：

1)对比度：

$\mathrm{contra}=\underset{n}{\overset{\mathrm{Ng}-1}{\mathrm{\Σ}}}{n}^2\left\{\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j)\right\},|i-j|=n,---\left(1\right)$

2)角二阶矩：

$\mathrm{ASM}=\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}{\left\{p(i,j)\right\}}^2,---\left(2\right)$

3)熵：

$\mathrm{Entropy}=-\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j)\log \left(p(i,j)\right),---\left(3\right)$

4)一致性：

$\mathrm{Homo}=\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\frac{1}{1+{(i-j)}^2}p(i,j),---\left(4\right)$

5)相关性：

$\mathrm{Cerrelation}=\frac{\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\left(\mathrm{ij}\right)p(i,j)-{\mathrm{\μ}}_x{\mathrm{\μ}}_y}{{\mathrm{\σ}}_x{\mathrm{\σ}}_y},---\left(5\right)$

6)集群荫：

$\mathrm{Clustershade}=\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}{((i-{\mathrm{\μ}}_i)+(j-{\mathrm{\μ}}_j))}^{3}p(i,j),---\left(6\right)$

7)最大概率：

Maxprobability＝max{p(i,j)}， (7)

8)和平均：

$\mathrm{SumAverage}=\underset{i=2}{\overset{2\mathrm{Ng}}{\mathrm{\Σ}}}{\mathrm{ip}}_{x+y}\left(i\right),---\left(8\right)$

p_x+y(i)表示x行和y列同时出现灰度级i的概率值；

9)和熵：

$\mathrm{SumEntropy}=-\underset{i=2}{\overset{2\mathrm{Ng}}{\mathrm{\Σ}}}{p}_{x+y}\left(i\right)\log \left\{p_{x+y}\left(i\right)\right\},---\left(9\right)$

10)和方差：

$\mathrm{SumVariance}=\underset{i=2}{\overset{2\mathrm{Ng}}{\mathrm{\Σ}}}{(i-\mathrm{SumEntropy})}^2{p}_{x+y}\left(i\right),---\left(10\right)$

11)相关信息特征1：

$\mathrm{Inforofcorrelation}1=\frac{\mathrm{HXY}-\mathrm{HXY}1}{\max (\mathrm{HX},\mathrm{HY})},---\left(11\right)$

12)相关信息特征2：

Inforofcorrelation2＝{1-exp[-2*(HXY2-HXY)]}^1/2， (12)

其中：

p(i,j)是归一化灰度共生矩阵(i,j)位置元素值，即图像灰度级i，j同时出现的概率值，Ng是共生矩阵灰度级数，i、j均为正整数，

$p_x\left(i\right)=\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j),---\left(13\right)$

$p_y\left(j\right)=\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j),---\left(14\right)$

$p_{x-y}\left(k\right)=\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j),i+j=k,k=\mathrm{2,3},....2\mathrm{Ng},---\left(15\right)$

$\mathrm{HXY}=-\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j)\log \left\{p(i,j)\right\},---\left(16\right)$

$\mathrm{HXY}1=-\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j)\log \left\{p_x\left(i\right)p_y\left(j\right)\right\},---\left(17\right)$

$\mathrm{HXY}2=-\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}{p}_x\left(i\right)p_y\left(j\right)\log \left\{p_x\left(i\right)p_y\left(j\right)\right\},---\left(18\right)$

μ_x，μ_y为p_x(i)，p_y(j)均值，σ_x，σ_y为p_x(i)，p_y(j)方差，n为灰度级；

3、测量土壤盐分

将每个土壤样本B配置成土壤浸提液，分别测量土壤样本B中的Ca²⁺、Mg²⁺、Cl^-、CO^2-和HCO₃ ^-含量，计算每个土壤样本B中Ca²⁺、Mg²⁺、Cl^-、CO^2-和HCO₃ ^-含量的总和，即为土壤样本B的含盐量；

4、建立反演模型

利用土壤样本B的含盐量及计算得到的各统计纹理特征值建立线性模型，其中线性模型中的横坐标(自变量)为纹理特征量，纵坐标(因变量)为含盐量，选择与土壤样本B含盐量拟合关系最好的纹理特征量，建立土壤含盐量野外在线测量的标准线性反演模型；

二、在线测量野外土壤含盐量

针对待测野外盐碱化土壤的在线测量，将数码相机放置在移动平台上，调整平台高度使数码相机与地面垂直高度为1m，设置数码相机参数与土壤开裂实验时参数相同，然后对野外的开裂盐碱化土壤进行拍照，对野外的开裂盐碱化土壤相片进行几何畸变校正，根据土壤样本A拍照对应的50cm*50cm区域大小及位置剪切野外照片，从而获取标准裂纹照片，再然后对标准裂纹照片进行灰度图转化和二值化处理，计算归一化灰度共生矩阵和相应拟合关系最好的纹理特征值，将拟合关系最好的纹理特征值的计算结果带入标准线性反演模型中，从而实现盐碱化土壤含盐量的初步在线测量；

三、修正土壤含盐量测量结果

在所有的在线测量野外土壤样本中，选择在线计算的纹理特征最小值对应的土壤样本min和在线计算的纹理特征最大值对应的土壤样本max，分别精确测量土壤样本min和土壤样本max的含盐量，设土壤样本min含盐量在线测量结果为C1，土壤样本max含盐量在线测量结果为C2，土壤样本min含盐量的精确测量结果为D1，土壤样本max含盐量的精确测量结果为D2，利用(C1，D1)，(C2，D2)建立线性定标模型，然后根据线性定标模型对所有在线测量结果进行修正，从而完成土壤含盐量的在线测量。

本发明所述的土壤含盐量在线测量方法首先使用数码相机获取土壤样本的裂纹图像，计算样本裂纹图像的灰度共生矩阵数据，根据灰度共生矩阵计算样本裂纹图像的纹理特征量值，然后分别测量土壤样本的含盐量，从而建立以特征值为横坐标，以含盐量为纵坐标的线性关系，然后通过野外的土壤样本图像得到其纹理特征值，依据线性关系得到待测土壤的含盐量。

本发明盐碱化土壤含盐量的在线测量方法是基于盐碱土含盐量对土壤干缩开裂程度的影响，先对不同含盐量的土壤进行土壤开裂试验，建立开裂样本的纹理特征量与样本含盐量的定量模型，进而实现对野外自然条件下土壤含盐量的在线测量，测量结果精度R²达到0.85以上，表明测量结果能够为盐碱地的改良提供较为实时、准确的数据支持。

具体实施方式

具体实施方式一：本实施方式盐碱化土壤含盐量的在线测量方法按下列步骤实施：

一、建立土壤含盐量反演模型

1、土壤开裂实验

选择不同盐分含量的多组土壤样本，对所有的土壤样本进行风干、研磨处理并过2mm孔径的筛子，然后将每组过筛后的土壤样本分为土壤样本A和土壤样本B，将其中的土壤样本A进行干缩开裂实验，所述的干缩开裂实验是先将所有的土壤样本A分别配置成含水量相同的饱和泥浆，把每组配置好的饱和泥浆分别倒入50厘米×50厘米×3厘米大小的木质样本盒中，抹平泥浆后放置在实验室中进行自然干燥以产生干缩裂纹，直至样本盒中样品的质量不再减少时，得到干燥开裂的土壤样本A；

将数码相机安装在固定的实验平台上，数码相机距离地面高度为1m，以数码相机镜头在地面上的投影为中心确定50厘米×50厘米的正方形区域以保证所有干燥开裂的土壤样本A拍照过程的几何畸变影响相同，将50厘米×50厘米的黑白网格定标板覆盖在干燥开裂的土壤样本A表面，然后使用数码相机对干燥开裂的土壤样本A进行拍照，获取开裂土壤样本照片；

2、提取纹理特征

对每张开裂土壤样本照片进行几何畸变校正，对几何畸变校正后的样本图像进行剪切以获取样本的彩色裂纹区域图像，然后将每张彩色裂纹区域图像转化为灰度图，再根据灰度直方图选取阈值进而进行二值化处理，取反操作后则将每个开裂土壤样本的裂纹图像分割为未开裂的块区(用黑色象元表示)和收缩区域(包括裂纹部分和样本盒内四周的收缩部分，用白色象元表示)；

计算每个开裂土壤样本二值化图像的灰度共生矩阵，将距离步长设置为40，4个方向分别为0°、45°、90°和135°，然后将四个方向得到的归一化灰度共生矩阵进行算数平均从而以去除方向的影响，根据每个开裂土壤样本灰度共生矩阵计算各统计纹理特征值，各统计纹理特征值的计算公式如下：

1)对比度：

$\mathrm{contra}=\underset{n}{\overset{\mathrm{Ng}-1}{\mathrm{\Σ}}}{n}^2\left\{\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j)\right\},|i-j|=n,---\left(1\right)$

2)角二阶矩：

$\mathrm{ASM}=\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}{\left\{p(i,j)\right\}}^2,---\left(2\right)$

3)熵：

$\mathrm{Entropy}=-\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j)\log \left(p(i,j)\right),---\left(3\right)$

4)一致性：

$\mathrm{Homo}=\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\frac{1}{1+{(i-j)}^2}p(i,j),---\left(4\right)$

5)相关性：

$\mathrm{Cerrelation}=\frac{\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\left(\mathrm{ij}\right)p(i,j)-{\mathrm{\μ}}_x{\mathrm{\μ}}_y}{{\mathrm{\σ}}_x{\mathrm{\σ}}_y},---\left(5\right)$

6)集群荫：

$\mathrm{Clustershade}=\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}{((i-{\mathrm{\μ}}_i)+(j-{\mathrm{\μ}}_j))}^{3}p(i,j),---\left(6\right)$

7)最大概率：

Maxprobability＝max{p(i,j)}， (7)

8)和平均：

$\mathrm{SumAverage}=\underset{i=2}{\overset{2\mathrm{Ng}}{\mathrm{\Σ}}}{\mathrm{ip}}_{x+y}\left(i\right),---\left(8\right)$

p_x+y(i)表示x行和y列同时出现灰度级i的概率值；

9)和熵：

$\mathrm{SumEntropy}=-\underset{i=2}{\overset{2\mathrm{Ng}}{\mathrm{\Σ}}}{p}_{x+y}\left(i\right)\log \left\{p_{x+y}\left(i\right)\right\},---\left(9\right)$

10)和方差：

$\mathrm{SumVariance}=\underset{i=2}{\overset{2\mathrm{Ng}}{\mathrm{\Σ}}}{(i-\mathrm{SumEntropy})}^2{p}_{x+y}\left(i\right),---\left(10\right)$

11)相关信息特征1：

$\mathrm{Inforofcorrelation}1=\frac{\mathrm{HXY}-\mathrm{HXY}1}{\max (\mathrm{HX},\mathrm{HY})},---\left(11\right)$

12)相关信息特征2：

Inforofcorrelation2＝{1-exp[-2*(HXY2-HXY)]}^1/2， (12)

其中：

p(i,j)是归一化灰度共生矩阵(i,j)位置元素值，即图像灰度级i，j同时出现的概率值，Ng是共生矩阵灰度级数，i、j均为正整数，

$p_x\left(i\right)=\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j),---\left(13\right)$

$p_y\left(j\right)=\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j),---\left(14\right)$

$p_{x-y}\left(k\right)=\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j),i+j=k,k=\mathrm{2,3},....2\mathrm{Ng},---\left(15\right)$

$\mathrm{HXY}=-\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j)\log \left\{p(i,j)\right\},---\left(16\right)$

$\mathrm{HXY}1=-\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j)\log \left\{p_x\left(i\right)p_y\left(j\right)\right\},---\left(17\right)$

$\mathrm{HXY}2=-\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}{p}_x\left(i\right)p_y\left(j\right)\log \left\{p_x\left(i\right)p_y\left(j\right)\right\},---\left(18\right)$

μ_x，μ_y为p_x(i)，p_y(j)均值，σ_x，σ_y为p_x(i)，p_y(j)方差，n为灰度级；

3、测量土壤盐分

将每个土壤样本B配置成土壤浸提液，分别测量土壤样本B中的Ca²⁺、Mg²⁺、Cl^-、CO^2-和HCO₃ ^-含量，计算每个土壤样本B中Ca²⁺、Mg²⁺、Cl^-、CO^2-和HCO₃ ^-含量的总和，即为土壤样本B的含盐量；

4、建立反演模型

利用土壤样本B的含盐量及计算得到的各统计纹理特征值建立线性模型，其中线性模型中的横坐标(自变量)为纹理特征量，纵坐标(因变量)为含盐量，选择与土壤样本B含盐量拟合关系最好的纹理特征量，建立土壤含盐量野外在线测量的标准线性反演模型；

二、在线测量野外土壤含盐量

针对待测野外盐碱化土壤的在线测量，将数码相机放置在移动平台上，调整平台高度使数码相机与地面垂直高度为1m，设置数码相机参数与土壤开裂实验时参数相同，然后对野外的开裂盐碱化土壤进行拍照，对野外的开裂盐碱化土壤相片进行几何畸变校正，根据土壤样本A拍照对应的50cm*50cm区域大小及位置剪切野外照片，从而获取标准裂纹照片，再然后对标准裂纹照片进行灰度图转化和二值化处理，计算归一化灰度共生矩阵和相应拟合关系最好的纹理特征值，将拟合关系最好的纹理特征值的计算结果带入标准线性反演模型中，从而实现盐碱化土壤含盐量的初步在线测量；

三、修正土壤含盐量测量结果

在所有的在线测量野外土壤样本中，选择在线计算的纹理特征最小值对应的土壤样本min和在线计算的纹理特征最大值对应的土壤样本max，分别精确测量土壤样本min和土壤样本max的含盐量，设土壤样本min含盐量在线测量结果为C1，土壤样本max含盐量在线测量结果为C2，土壤样本min含盐量的精确测量结果为D1，土壤样本max含盐量的精确测量结果为D2，利用(C1，D1)，(C2，D2)建立线性定标模型，然后根据线性定标模型对所有在线测量结果进行修正，从而完成土壤含盐量的在线测量。

本实施方式步骤一为了充分考虑一致性的因素，根据含盐量区域内的土壤含盐量分类图及区域内土壤含盐量的客观范围，在覆盖土壤含盐量的范围内均匀选择不同盐分含量的多组土壤样本。步骤一土壤开裂实验中在使用数码相机拍摄开裂的土壤样品时，为了减少拍照坏境变化对照片质量的影响，需要用标准的白色比色板进行相机的白平衡定标，并且根据数字光度计测量的光照强度设置相机的感光度，光圈大小和快门速度等参数。

本实施方式步骤一中提取纹理特征部分对每张开裂土壤样本照片进行几何畸变校正，几何畸变校正是为了去除拍照过程中相机镜头引起的照片的中心畸变及拍照时镜头角度偏差引起的照片在某一个方向上的畸变，以获取各方向比例均相同的真实土壤样本图像。根据灰度直方图选取阈值进而进行二值化处理，其过程是对每个土壤样本图像行灰度直方图统计，由于裂纹处于土壤表面灰度存在明显差异，因此灰度直方图呈现明显的双峰形态，选择两个灰度峰值之间的谷底处灰度级作为阈值，进而对灰度图像进行二值化处理。

本实施方式纹理特征值中的对比度公式中的n表示两个灰度级之间的差。计算每个开裂土壤样本二值化图像的灰度共生矩阵，灰度共生矩阵的元素是图像像元灰度之间的二阶组合条件概率密度，它反映了图像中具有一定的距离步长和方向上的像元之间的灰度相关性。对于一幅已知的灰度图像f(x,y)，若图像的灰度级定义为L级，则灰度共生矩阵即为L×L大小的矩阵，其二阶组合条件概率密度的计算公式如下：

p(i,j)＝g{(x1,y1),(x2,y2)∈m×n|f(x1,y1)＝i,f(x2,y2)＝j}，

其中p(i,j)表示灰度共生矩阵在(i,j)位置的元素值，其中i,j分别表示灰度图像f(x,y)在(x1,y1)和(x2,y2)坐标位置处的灰度级。

具体实施方式二：本实施方式与具体实施方式一不同的是步骤一提取纹理特征部分中采用多项式法对每张开裂土壤样本照片进行几何畸变校正。其它步骤及其参数与具体实施方式一相同。

具体实施方式三：本实施方式与具体实施方式一或二不同的是步骤一测量土壤盐分部分中土壤浸提液中土壤质量与水分的质量比为1:5。其它步骤及其参数与具体实施方式一或二相同。

具体实施方式四：本实施方式与具体实施方式一至三之一不同的是步骤一测量土壤盐分部分中采用火焰光度计法测量土壤样本B中Na⁺和K⁺含量。其它步骤及其参数与具体实施方式一至三之一相同。

具体实施方式五：本实施方式与具体实施方式一至四之一不同的是步骤一测量土壤盐分部分中采用EDTA络合滴定法测量土壤样本B中Ca²⁺和Mg²⁺含量。其它步骤及其参数与具体实施方式一至四之一相同。

具体实施方式六：本实施方式与具体实施方式一至五之一不同的是步骤一测量土壤盐分部分中采用AgNO₃溶液滴定法测量土壤样本B中Cl^-含量。其它步骤及其参数与具体实施方式一至五之一相同。

具体实施方式七：本实施方式与具体实施方式一至六之一不同的是步骤一测量土壤盐分部分中采用双指示剂中和法测量土壤样本B中CO^2-和HCO₃ ^-含量。其它步骤及其参数与具体实施方式一至六之一相同。

实施例：本实施例盐碱化土壤含盐量的在线测量方法按下列步骤实施：

一、建立土壤含盐量反演模型

1、土壤开裂实验

在松嫩平原苏打土壤盐碱化程度最严重的大安市按照空间分布和盐碱化程度选择不同盐分含量的56组土壤样本，对所有的土壤样本进行风干、研磨处理并过2mm孔径的筛子，然后将每组过筛后的土壤样本分为土壤样本A和土壤样本B，将其中的土壤样本A进行干缩开裂实验，所述的干缩开裂实验是先将所有的土壤样本A分别配置成含水量相同的饱和泥浆，把每组配置好的饱和泥浆分别倒入50厘米×50厘米×3厘米大小的木质样本盒中，抹平泥浆后放置在实验室中进行自然干燥以产生干缩裂纹，直至样本盒中样品的质量不再减少时，得到干燥开裂的土壤样本A；

将数码相机安装在固定的实验平台上，数码相机距离地面高度为1m，以数码相机镜头在地面上的投影为中心确定50厘米×50厘米的正方形区域以保证所有干燥开裂的土壤样本A拍照过程的几何畸变影响相同，将50厘米×50厘米的黑白网格定标板覆盖在干燥开裂的土壤样本A表面，然后使用数码相机对干燥开裂的土壤样本A进行拍照，获取开裂土壤样本照片；

2、提取纹理特征

采用多项式法对每张开裂土壤样本照片进行几何畸变校正，对几何畸变校正后的样本图像进行剪切以获取样本的彩色裂纹区域图像，然后将每张彩色裂纹区域图像转化为灰度图，再根据灰度直方图选取阈值进而进行二值化处理，取反操作后则将每个开裂土壤样本的裂纹图像分割为未开裂的块区(用黑色象元表示)和收缩区域(包括裂纹部分和样本盒内四周的收缩部分，用白色象元表示)；

计算每个开裂土壤样本二值化图像的灰度共生矩阵，将灰度级Ng设为2，距离步长设置为40，4个方向分别为0°、45°、90°和135°，然后将四个方向得到的归一化灰度共生矩阵进行算数平均从而以去除方向的影响，根据每个开裂土壤样本灰度共生矩阵计算各统计纹理特征值，各统计纹理特征值的计算公式如下，其中n＝i-j，0≤i≤Ng,0≤j≤Ng：

1)对比度：

$\mathrm{contra}=\underset{n}{\overset{\mathrm{Ng}-1}{\mathrm{\Σ}}}{n}^2\left\{\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j)\right\},|i-j|=n,---\left(1\right)$

2)角二阶矩：

$\mathrm{ASM}=\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}{\left\{p(i,j)\right\}}^2,---\left(2\right)$

3)熵：

$\mathrm{Entropy}=-\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j)\log \left(p(i,j)\right),---\left(3\right)$

4)一致性：

$\mathrm{Homo}=\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\frac{1}{1+{(i-j)}^2}p(i,j),---\left(4\right)$

5)相关性：

$\mathrm{Cerrelation}=\frac{\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\left(\mathrm{ij}\right)p(i,j)-{\mathrm{\μ}}_x{\mathrm{\μ}}_y}{{\mathrm{\σ}}_x{\mathrm{\σ}}_y},---\left(5\right)$

6)集群荫：

$\mathrm{Clustershade}=\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}{((i-{\mathrm{\μ}}_i)+(j-{\mathrm{\μ}}_j))}^{3}p(i,j),---\left(6\right)$

7)最大概率：

Maxprobability＝max{p(i,j)}， (7)

8)和平均：

$\mathrm{SumAverage}=\underset{i=2}{\overset{2\mathrm{Ng}}{\mathrm{\Σ}}}{\mathrm{ip}}_{x+y}\left(i\right),---\left(8\right)$

p_x+y(i)表示x行和y列同时出现灰度级i的概率值；

9)和熵：

$\mathrm{SumEntropy}=-\underset{i=2}{\overset{2\mathrm{Ng}}{\mathrm{\Σ}}}{p}_{x+y}\left(i\right)\log \left\{p_{x+y}\left(i\right)\right\},---\left(9\right)$

10)和方差：

$\mathrm{SumVariance}=\underset{i=2}{\overset{2\mathrm{Ng}}{\mathrm{\Σ}}}{(i-\mathrm{SumEntropy})}^2{p}_{x+y}\left(i\right),---\left(10\right)$

11)相关信息特征1：

$\mathrm{Inforofcorrelation}1=\frac{\mathrm{HXY}-\mathrm{HXY}1}{\max (\mathrm{HX},\mathrm{HY})},---\left(11\right)$

12)相关信息特征2：

Inforofcorrelation2＝{1-exp[-2*(HXY2-HXY)]}^1/2， (12)

其中：

p(i,j)是归一化灰度共生矩阵(i,j)位置元素值，即图像灰度级i，j同时出现的概率值，Ng是共生矩阵灰度级数，i、j均为正整数，

$p_x\left(i\right)=\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j),---\left(13\right)$

$p_y\left(j\right)=\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j),---\left(14\right)$

$p_{x-y}\left(k\right)=\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j),i+j=k,k=\mathrm{2,3},....2\mathrm{Ng},---\left(15\right)$

$\mathrm{HXY}=-\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j)\log \left\{p(i,j)\right\},---\left(16\right)$

$\mathrm{HXY}1=-\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j)\log \left\{p_x\left(i\right)p_y\left(j\right)\right\},---\left(17\right)$

$\mathrm{HXY}2=-\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}{p}_x\left(i\right)p_y\left(j\right)\log \left\{p_x\left(i\right)p_y\left(j\right)\right\},---\left(18\right)$

μ_x，μ_y为p_x(i)，p_y(j)均值，σ_x，σ_y为p_x(i)，p_y(j)方差，Ng为灰度级；

3、测量土壤盐分

将每个土壤样本B配置成土壤质量-水分质量比为1:5的土壤浸提液，分别测量土壤样本B中的Ca²⁺、Mg²⁺、Cl^-、CO^2-和HCO₃ ^-含量，计算每个土壤样本B中Ca²⁺、Mg²⁺、Cl^-、CO^2-和HCO₃ ^-含量的总和，即为土壤样本B的含盐量，测量结果如表1；

表1 实验开裂样本含盐量

4、建立反演模型

利用土壤样本B的含盐量及计算得到的各统计纹理特征值建立线性模型，其中线性模型中的横坐标(自变量)为纹理特征量，纵坐标(因变量)为含盐量，选择对比度contra(CON)作为纹理特征量，对比度contra的测量结果如表2，建立土壤含盐量野外在线测量的标准线性反演模型，对比度和含盐量线性模型y＝79.41x–0.7144；

表2 试验开裂样本对比度CON

二、在线测量野外土壤含盐量

在吉林省大安市选择48个自然条件下干燥开裂的土壤样本进行土壤含盐量的在线测量，针对待测野外盐碱化土壤的在线测量，将数码相机放置在移动平台上，调整平台高度使数码相机与地面垂直高度为1m，设置数码相机参数与土壤开裂实验时参数相同，然后对野外的开裂盐碱化土壤进行拍照，对野外的开裂盐碱化土壤相片进行几何畸变校正，根据土壤样本A拍照对应的50cm*50cm区域大小及位置剪切野外照片，从而获取标准裂纹照片，再然后对标准裂纹照片进行灰度图转化和二值化处理，计算归一化灰度共生矩阵和标准反演模型对应的对比度CON纹理特征值，对比度CON纹理特征值提取结果如表3所示，将对比度CON纹理特征值的计算结果带入标准线性反演模型中，从而实现盐碱化土壤含盐量的初步在线测量，初步在线测量结果如表4所示；

表3 野外裂纹样本对比度CON

表4 在线测量初步结果

三、修正土壤含盐量测量结果

在所有的在线测量野外土壤样本中，选择在线计算的纹理特征最小值对应的土壤样本min和在线计算的纹理特征最大值对应的土壤样本max，分别精确测量土壤样本min和土壤样本max的含盐量，设土壤样本min含盐量在线测量结果C1为1.45mg/g，土壤样本max含盐量在线测量结果C2为44.31mg/g，土壤样本min含盐量的精确测量结果D1为2.87mg/g，土壤样本max含盐量的精确测量结果D2为21.84mg/g，利用(C1，D1)，(C2，D2)建立线性定标模型y＝0.46x+0.78(其中x表示含盐量初次在线测量值，y表示含盐量标定值)，然后根据线性定标模型对所有在线测量结果进行修正，从而完成土壤含盐量的在线测量，测量结果如表5所示，精度R²＝0.94。

表5 含盐量在线测量标定结果

Claims (7)

1.一种盐碱化土壤含盐量的在线测量方法，其特征在于盐碱化土壤含盐量的在线测量方法是按下列步骤实现：

一、建立土壤含盐量反演模型

1、土壤开裂实验

选择不同盐分含量的多组土壤样本，对所有的土壤样本进行风干、研磨处理并过2mm孔径的筛子，然后将每组过筛后的土壤样本分为土壤样本A和土壤样本B，将其中的土壤样本A进行干缩开裂实验，所述的干缩开裂实验是先将所有的土壤样本A分别配置成含水量相同的饱和泥浆，把每组配置好的饱和泥浆分别倒入50厘米×50厘米×3厘米大小的木质样本盒中，抹平泥浆后放置在实验室中进行自然干燥以产生干缩裂纹，直至样本盒中样品的质量不再减少时，得到干燥开裂的土壤样本A；

将数码相机安装在固定的实验平台上，数码相机距离地面高度为1m，以数码相机镜头在地面上的投影为中心确定50厘米×50厘米的正方形区域以保证所有干燥开裂的土壤样本A拍照过程的几何畸变影响相同，将50厘米×50厘米的黑白网格定标板覆盖在干燥开裂的土壤样本A表面，然后使用数码相机对干燥开裂的土壤样本A进行拍照，获取开裂土壤样本照片；

2、提取纹理特征

对每张开裂土壤样本照片进行几何畸变校正，对几何畸变校正后的样本图像进行剪切以获取样本的彩色裂纹区域图像，然后将每张彩色裂纹区域图像转化为灰度图，再根据灰度直方图选取阈值进而进行二值化处理，取反操作后则将每个开裂土壤样本的裂纹图像分割为未开裂的块区和收缩区域；

计算每个开裂土壤样本二值化图像的灰度共生矩阵，将距离步长设置为40，4个方向分别为0°、45°、90°和135°，然后将四个方向得到的归一化灰度共生矩阵进行算数平均从而以去除方向的影响，根据每个开裂土壤样本灰度共生矩阵计算各统计纹理特征值，各统计纹理特征值的计算公式如下：

1)对比度：

$\mathrm{contra}=\underset{n}{\overset{\mathrm{Ng}-1}{\mathrm{\Σ}}}{n}^2\left\{\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j)\right\},|i-j|=n---\left(1\right)$

2)角二阶矩：

$\mathrm{ASM}=\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}{\left\{p(i,j)\right\}}^2,---\left(2\right)$

3)熵：

$\mathrm{Entropy}=-\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j)\log \left(p(i,j)\right),---\left(3\right)$

4)一致性：

$\mathrm{Homo}=\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\frac{1}{1+{(i-j)}^2}p(i,j),---\left(4\right)$

5)相关性：

$\mathrm{Correlation}=\frac{\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\left(\mathrm{ij}\right)p(i,j)-{\mathrm{\μ}}_x{\mathrm{\μ}}_y}{{\mathrm{\σ}}_x{\mathrm{\σ}}_y},---\left(5\right)$

6)集群荫：

$\mathrm{Clustershade}=\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}{((i-{\mathrm{\μ}}_i)+(j-{\mathrm{\μ}}_j))}^{3}p(i,j),---\left(6\right)$

7)最大概率：

Maxprobability＝max{p(i,j)}， (7)

8)和平均：

$\mathrm{SumAverage}=\underset{i=2}{\overset{2\mathrm{Ng}}{\mathrm{\Σ}}}{\mathrm{ip}}_{x+y}\left(i\right),---\left(8\right)$

p_x+y(i)表示x行和y列同时出现灰度级i的概率值；

9)和熵：

$\mathrm{SumEntropy}=-\underset{i=2}{\overset{2\mathrm{Ng}}{\mathrm{\Σ}}}{p}_{x+y}\left(i\right)\log \left\{p_{x+y}\left(i\right)\right\},---\left(9\right)$

10)和方差：

$\mathrm{SumVariance}=\underset{i=2}{\overset{2\mathrm{Ng}}{\mathrm{\Σ}}}{(i-\mathrm{SumEntropy})}^2{p}_{x+y}\left(i\right),---\left(10\right)$

11)相关信息特征1：

$\mathrm{Inforofcorrelation}1=\frac{\mathrm{HXY}-\mathrm{HXY}1}{\max (\mathrm{HX},\mathrm{HY})},---\left(11\right)$

12)相关信息特征2：

Inforofcorrelation2＝{1-exp[-2*(HXY2-HXY)]}^1/2， (12)

其中：

p(i,j)是归一化灰度共生矩阵(i,j)位置元素值，即图像灰度级i，j同时出现的概率值，Ng是共生矩阵灰度级数，i、j均为正整数，

$p_x\left(i\right)=\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j),---\left(13\right)$

$p_y\left(j\right)=\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j),---\left(14\right)$

$p_{x-y}\left(k\right)=\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j),i+j=k,k=\mathrm{2,3},...2\mathrm{Ng},---\left(15\right)$

$\mathrm{HXY}=-\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j)\log \left\{p(i,j)\right\},---\left(16\right)$

$\mathrm{HXY}1=-\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}p(i,j)\log \left\{p_x\left(i\right)p_y\left(j\right)\right\},---\left(17\right)$

$\mathrm{HXY}2=-\underset{i=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}\underset{j=1}{\overset{\mathrm{Ng}}{\mathrm{\Σ}}}{p}_x\left(i\right)p_y\left(j\right)\log \left\{p_x\left(i\right)p_y\left(j\right)\right\},---\left(18\right)$

μ_x，μ_y为p_x(i)，p_y(j)均值，σ_x，σ_y为p_x(i)，p_y(j)方差，n为灰度级；

3、测量土壤盐分

将每个土壤样本B配置成土壤浸提液，分别测量土壤样本B中的Ca²⁺、Mg²⁺、Cl^-、CO^2-和HCO₃ ^-含量，计算每个土壤样本B中Ca²⁺、Mg²⁺、Cl^-、CO^2-和HCO₃ ^-含量的总和，即为土壤样本B的含盐量；

4、建立反演模型

利用土壤样本B的含盐量及计算得到的各统计纹理特征值建立线性模型，其中线性模型中的横坐标为纹理特征量，纵坐标为含盐量，选择与土壤样本B含盐量拟合关系最好的纹理特征量，建立土壤含盐量野外在线测量的标准线性反演模型；

二、在线测量野外土壤含盐量

针对待测野外盐碱化土壤的在线测量，将数码相机放置在移动平台上，调整平台高度使数码相机与地面垂直高度为1m，设置数码相机参数与土壤开裂实验时参数相同，然后对野外的开裂盐碱化土壤进行拍照，对野外的开裂盐碱化土壤相片进行几何畸变校正，根据土壤样本A拍照对应的50cm*50cm区域大小及位置剪切野外照片，从而获取标准裂纹照片，再然后对标准裂纹照片进行灰度图转化和二值化处理，计算归一化灰度共生矩阵和相应拟合关系最好的纹理特征值，将拟合关系最好的纹理特征值的计算结果带入标准线性反演模型中，从而实现盐碱化土壤含盐量的初步在线测量；

三、修正土壤含盐量测量结果

在所有的在线测量野外土壤样本中，选择在线计算的纹理特征最小值对应的土壤样本min和在线计算的纹理特征最大值对应的土壤样本max，分别精确测量土壤样本min和土壤样本max的含盐量，设土壤样本min含盐量在线测量结果为C1，土壤样本max含盐量在线测量结果为C2，土壤样本min含盐量的精确测量结果为D1，土壤样本max含盐量的精确测量结果为D2，利用(C1，D1)，(C2，D2)建立线性定标模型，然后根据线性定标模型对所有在线测量结果进行修正，从而完成土壤含盐量的在线测量。

2.根据权利要求1所述的一种盐碱化土壤含盐量的在线测量方法，其特征在于步骤一提取纹理特征部分中采用多项式法对每张开裂土壤样本照片进行几何畸变校正。

3.根据权利要求1所述的一种盐碱化土壤含盐量的在线测量方法，其特征在于步骤一测量土壤盐分部分中土壤浸提液中土壤质量与水分的质量比为1:5。

4.根据权利要求1所述的一种盐碱化土壤含盐量的在线测量方法，其特征在于步骤一测量土壤盐分部分中采用火焰光度计法测量土壤样本B中Na⁺和K⁺含量。

5.根据权利要求1所述的一种盐碱化土壤含盐量的在线测量方法，其特征在于步骤一测量土壤盐分部分中采用EDTA络合滴定法测量土壤样本B中Ca²⁺和Mg²⁺含量。

6.根据权利要求1所述的一种盐碱化土壤含盐量的在线测量方法，其特征在于步骤一测量土壤盐分部分中采用AgNO₃溶液滴定法测量土壤样本B中Cl^-含量。

7.根据权利要求1所述的一种盐碱化土壤含盐量的在线测量方法，其特征在于步骤一测量土壤盐分部分中采用双指示剂中和法测量土壤样本B中CO^2-和HCO₃ ^-含量。