无人机多光谱遥感反演不同深度土壤盐分

• 作者: 劳聪聪 周永财 崔文轩 张智韬 张珺锐 杜瑞麒 杨宁 陈俊英
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 无人机 遥感 土壤 含盐量 改进光谱指数 Elastic-net算法 机器学习
• 年，卷（期）: 2020,（22）
• 所属期刊栏目: 专题:农业航空工程
• 页码范围: 13-21
• 页数: 9页
• 分类号: S127|TP79
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2020.22.002

摘要

快速、精准获取作物覆盖下的土壤盐分信息,可以提高区域土壤盐渍化治理的有效性.该研究在内蒙古河套灌区沙壕渠灌域内试验地获取无人机多光谱遥感图像数据,并同步采集不同深度的土壤盐分数据.通过遥感图像数据提取光谱反射率并计算传统光谱指数,在此基础上引入红边波段建立新的光谱指数,同时使用Elastic-net算法(ENET)对光谱变量进行筛选,并将筛选后的光谱变量分为原始光谱变量组和改进光谱变量组;运用BP神经网络(Back Propagation Neural Networks,BPNN)、支持向量机(Support Vector Machine,SVM)和极限学习机(Extreme Learning Machine,ELM)3种机器学习方法,构建作物覆盖下不同土壤深度的土壤盐分反演模型,并基于最佳反演模型绘制试验区不同深度土壤盐分反演图.结果表明,使用ENET变量选择方法可以有效筛选出最优光谱变量,且基于改进光谱变量组构建的反演模型精度均高于原始光谱变量组;ELM模型反演效果优于SVM模型和BPNN模型,其验证集的决定系数为0.783,均方根误差为0.141,一致性相关系数为0.875;研究区域内,作物覆盖下的土壤盐分最佳反演深度为10～20 cm;在不同土壤深度下,基于改进光谱变量组构建的最佳反演模型绘制的土壤盐分反演图可以较为真实地反映试验区内的盐渍化程度,这说明引入红边波段构建光谱指数可以用于土壤盐分的反演.该研究为无人机多光谱遥感监测农田土壤盐渍化以及农田盐渍化治理提供了一种新途径.

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	陈俊英		33	265	10.0	15.0
3	杨宁		9	45	3.0	6.0
4	杜瑞麒		2	0	0.0	0.0
5	崔文轩		1	0	0.0	0.0
6	张珺锐		1	0	0.0	0.0
7	劳聪聪		2	0	0.0	0.0
8	周永财		2	0	0.0	0.0