基于Sentinel-2影像的多维光谱分解与集成学习融合方法提升灌溉农田土壤水盐含量动态评估精度

本文创新性地提出结合多维光谱分解与集成学习的混合模型（Stacking），通过量化水盐交互作用对光谱指数（SI）的非线性影响（p<0.05），利用ENDVI-GRVI-CIG和SI5-SI10-NDVIgb组合实现土壤含水量（SWC:R2=0.76）和盐分（SSC:R2=0.71）的高精度反演，为盐碱化灌区精准农业管理提供新范式。

　　

Highlight

盐渍化灌区中，水盐交互作用显著影响作物冠层光谱行为（p<0.05），导致传统光谱指数（SI）与土壤水（SWC）/盐（SSC）的映射关系复杂化。本研究通过非线性回归量化水盐胁迫对SI的协同效应，发现ARVI和SI5对盐分梯度响应最敏感，而VSDI和CIG能有效区分水分梯度。

Value of SI among soil water-salt levels

不同水盐梯度下SI表现显著差异：VSDI、LSM等可区分4个水分等级（W1-W4），而SI7、CIG在盐分分级（S1-S3）中表现优异。值得注意的是，GRVI等指数对中度水分胁迫（W1-W2）不敏感，但对重度胁迫（W3-W4）区分明显，揭示作物对胁迫响应的非线性阈值。

Effect of water-salt interaction on SI

水盐双重胁迫导致作物生理与光谱关系的"信号混淆"现象。例如，盐分加剧会掩盖水分胁迫的光谱特征，而干旱条件下盐害症状可能被低估。这种耦合效应使得单一SI难以准确解析复合胁迫，凸显多维光谱组合分解的必要性。

Conclusion

本研究证实：1）通过线性分解ENDVI-GRVI-CIG（SWC）和SI5-SI10-NDVI_gb（SSC）组合可有效提取水盐特征（R²提升40%以上）；2）Stacking集成学习相比单一模型显著提升预测稳定性（MAE降低至8%-14%），为灌区水盐精准调控提供动态监测新工具。