土壤水分是影响农业生产的重要因素,在作物生长发育和最终产量上起着至关重要的作用,快速、高效地估算土壤水分已成为农林水资源监测的热点问题.利用高光谱反射率的特征波段计算植被指数、构建土壤水分反演模型已获得广泛的认可和应用.针对反演土壤水分受植被覆盖度影响较大的问题,提出用多种植被指数组合削弱植被覆盖度对土壤水分反演的影响.在宜昌市仓屋榜试验基地选取30组柑橘树,在果树滴落线处收集土壤,通过烘干法测定土壤质量含水率,采样4次,共计120组土壤含水率;并利用ASD Field Spectral FR光谱仪(波长范围325～1075 nm)及大疆精灵4多光谱版无人机获取了120组试验区蓝、绿、红、红边、近红外及短波红外波段光谱反射率,采用移动平均法对光谱数据进行降噪预处理,通过灰色关联法对9种植被指数进行比较分析,筛选出与土壤水分极显著相关的4种植被指数(p<0.01),各指数与土壤水分的相关性从高到低依次为裸土指数(BSI)、归一化蓝绿差异植被指数(NGBDI)、绿色归一化指数(GNDVI)、归一化差异植被指数(NDVI),其中BSI与土壤水分的相关性最高,相关系数为-0.687(N=120).采用线性逐步回归法和非线性BP神经网络法建立了基于多种植被指数的土壤水分反演模型,依据决定系数(R2)、相对误差绝对值(ARE)、均方根误差(RMSE)作为反演模型的精度评价指标.结果表明:逐步回归模型和BP神经网络模型的土壤水分反演值与实测值之间的R2分别为0.816、0.889,RMSE分别为2.54％、1.53％,ARE分别为21.13％、8.88％,利用多植被指数组合的非线性BP神经网络算法基于植被指数建模对土壤水分反演的精度更高,在一定程度上可以克服植被覆盖度不同对土壤水分反演精度的影响,作为直接测定土壤水分的有效替代方法,为农业灌溉定量决策及科学管理提供科学参数.
Multi-Vegetation Index Soil Moisture Inversion Model Based on UAV Remote Sensing
NETL
NSTL
万方数据
