基于卫星和无人机遥感数据尺度转换的土壤盐渍化监测研究

• 作者: 冯文哲 唐新新 张智韬 李定乾 梁磊 王新涛 赵亿祥 韩佳
• 来源期刊: 节水灌溉
• 学科: 农学
• 关键词: 尺度转换 土壤盐渍化 多光谱遥感 机器学习 GF-1卫星数据 无人机遥感数据
• 年，卷（期）: 2020,（11）
• 页码范围: 87-93,104
• 页数: 8页
• 分类号: S252|TP79
• 语种: 中文

摘要

为提高卫星遥感对土壤盐渍化的监测精度,以内蒙古河套灌区沙壕渠灌域内5块地为研究区,利用GF-1卫星遥感和无人机多光谱遥感分别获取2018年6月中旬的遥感影像数据,同步采集0～20 cm,20～40 cm深度的土壤样点,并引用洛伦兹曲线的原理以表征土壤异质性,同时引入BP神经网络(Back Propagation,BP)、支持向量机(Sup-port Vector Machine,SVM)和极限学习机(Extreme Learning Machine,ELM)构建土壤盐渍化监测模型.采用重采样尺度转换方法,对无人机数据进行尺度上推,用尺度上推后的无人机数据修正GF-1卫星数据,对修正后的数据进行反演建模并与直接采用卫星数据建立的模型进行对比.结果表明:实验区异质性大小与变异系数大小呈正相关.无人机数据构建的机器学习算法模型精度高于卫星数据.其中20 cm深度下无人机遥感数据反演土壤含盐量的最优模型为SVM模型,决定系数(R2)为0.875,均方根误差(RMSE)为0.132,相对分析误差(RPD)为2.773;40 cm深度下无人机遥感数据反演土壤含盐量的最优模型为BP模型R2为0.709,RMSE为0.144,RPD为1.781;20 cm深度下GF-1卫星遥感数据反演土壤含盐量的最优模型为SVM模型,R2为0.453,RMSE为0.245,RPD为0.055;40 cm深度下GF-1卫星遥感数据反演土壤含盐量的最优模型为BP模型R2为0.271,RMSE为0.267,RPD为0.001.通过升尺度转换,可提高卫星遥感反演土壤盐分的模型精度,R2可提高0.4～0.5,RMSE可减小0.061,RPD可提高1.308.可为改进卫星遥感监测土壤盐渍化方法提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张智韬		29	264	10.0	16.0
2	冯文哲		1	0	0.0	0.0
3	王新涛		1	0	0.0	0.0
4	韩佳		1	0	0.0	0.0
5	赵亿祥		1	0	0.0	0.0
6	梁磊		1	0	0.0	0.0
7	李定乾		1	0	0.0	0.0
8	唐新新		1	0	0.0	0.0