基于光谱指数的绿洲农田土壤含水率无人机高光谱检测

• 作者: 丁建丽 刘博华 梁静 王敬哲 葛翔宇 马轩凯
• 来源期刊: 农业机械学报
• 学科: 农学
• 关键词: 土壤含水率 高光谱 无人机 遥感 光谱指数
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 164-172
• 页数: 9页
• 分类号: S152.7|TP79
• 字数: 6648字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2018.11.019

摘要

选取新疆阜康绿洲小块农田为研究对象,基于无人机(Unmanned aerial vehicle,UAV)平台搭载的高光谱传感器获取的影像数据,采用Savitzky-Golay (SG)平滑后的一阶微分(First derivative,FD)、吸光度(Absorbance, Abs)、连续统去除(Continuum removal,CR)3种不同预处理方法,获取了SG、SG-FD、CR、Abs及Abs-FD共计5种预处理后的高光谱影像,探索不同预处理下的差值指数(Difference index,DI)、比值指数(Ratio index,RI)、归一化指数(Normalization index,NDI)及垂直植被指数(Perpendicular vegetation index,PVI)与土壤含水率(Soil moisture content,SMC)的关系,在遴选出最优指数及预处理方案的基础上,构建干旱区绿洲农田SMC高光谱定量估算模型.结果表明:预处理在不同程度上提高了光谱指数与SMC的相关性,其中基于Abs预处理的PVI(R644,R651)表现最优,相关系数为0.788,据此构建的三次拟合函数表现最优.基于不同预处理方案下,多变量SMC估算模型在消噪的基础上更深入地挖掘了光谱信息,减少了单一光谱指数造成的误差,提升了模型的定量估测效果.Abs模型预测精度亦最为突出,其建模集Rc2和RMSE为o.84、2.16％,验证集Rp2与RMSE为0.91、1.71％,RPD为2.41.本研究构建的SMC估算模型减少了单一变量模型的误差,在规避过拟合现象的同时,提升了模型的定量估测效果,为土壤含水率状况天地空一体化遥感监测提供了参考方案.