OLI与HSI影像融合的土壤盐分反演模型

• 作者: 厉彦玲 常春艳 王凌 王卓然 赵庚星 郑佳荣
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 土壤 盐分 遥感 模型 OLI HSI 影像融合 机器学习
• 年，卷（期）: 2017,（21）
• 所属期刊栏目: 农业水土工程
• 页码范围: 173-180
• 页数: 8页
• 分类号: S127|TP79
• 字数: 7435字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2017.21.020

摘要

土壤盐渍化问题是黄河三角洲地区主要的土地退化问题,借助遥感技术快速、准确地掌握土壤盐渍化信息,对农业可持续发展具有重要意义.该文以黄河三角洲垦利县为研究区,利用超球体色彩空间变换算法,将环境一号卫星HSI高光谱影像与Landsat 8 OLI多光谱影像进行融合,选择土壤盐分的特征波段,结合土壤盐分的实测数据,建立统计分析模型(多元线性回归、偏最小二乘回归)和机器学习模型(BP神经网络、支持向量机和随机森林),对土壤盐分进行遥感反演.结果表明:OLI影像的统计分析模型和机器学习模型精度均较低,精度最高的随机森林模型相关系数仅为0.570;HSI影像的反演模型精度高于OLI,BP神经网络模型相关系数为0.607;融合影像反演模型精度明显高于HSI影像和OLI影像,土壤盐分含量的实测值与机器学习模型预测值具有良好的相关性,BP神经网络模型、支持向量机模型和随机森林模型的决定系数R2分别达到0.966、0.821和0.926,模型反演精度较高.研究表明,多光谱和高光谱影像融合能显著提高土壤盐分遥感反演精度,机器学习模型的反演效果明显优于统计分析模型.研究结果对黄河三角洲典型地区的土壤盐分反演具有积极的理论和实践意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵庚星	山东农业大学资源与环境学院	167	5137	43.0	64.0
2	郑佳荣		24	86	5.0	8.0
3	常春艳	山东农业大学资源与环境学院	18	245	9.0	15.0
4	王凌	山东农业大学资源与环境学院	27	559	14.0	23.0
5	厉彦玲	山东农业大学信息科学与工程学院	10	126	6.0	10.0
9	王卓然	山东农业大学资源与环境学院	13	93	5.0	9.0