波段反射率和植被指数结合的作物生长季农田土壤水分估测

• 作者: 张传波 李卫国 王晶 李伟 马廷淮
• 来源期刊: 江苏农业学报
• 学科: 农学
• 关键词: 农田土壤水分含量 作物生长 多光谱波段反射率 植被指数 神经网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 农业信息工程|AGRICULTURAL INFORMATION ENGINEERING
• 页码范围: 111-118
• 页数: 8页
• 分类号: S127
• 语种: 中文
• DOI: 10.3969/j.issn.1000-4440.2022.01.013

摘要

为了建立快速、有效的农田土壤水分含量(SMCF)遥感估测方法,在江苏省连云港市东海县、泰州市兴化市和盐城市大丰区布设SMCF遥感估测试验.在获取作物冠层近红外波段反射率(Near-infrared bandreflectance,Rnir)、红光波段反射率(Red bandreflectance,Rred)以及SMCF的基础上,通过分析波段反射率和植被指数多个遥感光谱特征指标与SMCF之间的相关性,构建基于BP神经网络的SMCF遥感估测模型,并与多元线性回归模型估测精度进行比较.结果表明,Rnir、Rred、差值植被指数(DVI)和比值植被指数(RVI)与SMCF间呈正相关关系,归一化差值植被指数(NDVI)和SMCF间呈负相关关系,各指标与SMCF的相关性从高到低依次为Rnir>DVI>Rred>NDVI>RVI,其中Rnir与SMCF相关性最高,相关系数为0.765.利用BP神经网络建立的SMCF估测模型的决定系数(R2)为0.928,均方根误差(RMSE)为3.61％,平均相对误差(ARE)为9.07％.利用多元线性回归方法建立的SMCF估测模型的R2为0.660,RMSE为7.65％,ARE为21.43％.二者相比可以看出,BP神经网络SMCF估测模型的估测效果明显优于多元线性回归模型,说明将神经网络算法与波段反射率和植被指数结合建模,可以有效提高SMCF的估测精度.