基于地物高光谱和无人机多光谱的黄河三角洲土壤盐分机器学习反演模型

分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2023-02-17 合作期刊: 《智慧农业（中英文）》

范承志 王梓文 杨兴超 罗永开 徐学欣 郭斌 李振海

摘要： 土壤盐渍化是限制黄河三角洲地区农业经济发展的重要因素，进一步阻碍了农业生产。为了探索 无人机影像在地表无植被覆盖条件下的土壤盐分含量反演状况，以黄河三角洲典型区域为研究区，获取地 物高光谱和无人机多光谱两种数据源与样点土壤盐分含量，通过优选敏感光谱参量，使用偏最小二乘回归 （Partial Least Squares Regression，PLSR） 和随机森林（Random Forest，RF） 两种机器学习算法建立土壤盐 分含量反演模型，实现研究区的土壤盐分含量反演。结果表明：（1） 高光谱1972 nm波段与土壤盐分含量 间的敏感性最高，相关系数为-0.31。（2） 两种不同数据源优化后的RF模型均优于PLSR，且稳定性更好。 （3） 基于地物高光谱的RF模型（R2=0.54，RMSEv＝3.30 g/kg） 优于基于无人机多光谱的RF模型（R2=0.54， 验证RMSRv＝3.35 g/kg）。（4） 结合无人机影像采用多光谱RF模型对研究区耕地的土壤盐分含量进行反演， 研究区总体以轻、中度盐渍化土壤为主，对作物的耕种具有一定程度的限制。本研究构建并对比了两种不 同源数据的黄河三角洲土壤盐分反演模型，并结合各自数据源的优势进行优化，探索了地表无植被覆盖情 况下的土壤盐分含量反演方法，对更精准反演土地盐渍化程度提供了参考。

 点击量 1759  下载量 242  评论