摘要
耕地表层土壤有机碳(SOC)和作物冠层叶绿素含量分别是土壤肥力和农田作物生长状态的重要指标之一.以山东省瀛汶河流域的耕地为研究对象,利用深度学习提取耕地地块,基于Sentinel-2A多光谱遥感数据和野外采样试验数据,运用BP神经网络模型构建反演模型,得到研究区耕地的表层SOC和冠层叶绿素含量的空间分布.结果表明:(1)秋收时节的复杂影像对深度学习模型准确识别瀛汶河流域的耕地产生一定的影响,但在平原地区影响相对较小;(2)冠层叶绿素反演模型在反演叶绿素含量方面虽已达到较高精度(决定系数r2=0.79),但仍受地表条件复杂性和植被多样性因素的制约;(3)研究区耕地表层SOC含量集中于13.00-16.00 g/kg,且空间分布规律不显著.本研究不仅为瀛汶河流域的农业生产和生态系统管理提供了科学依据,还为精准农业管理提供了有力支持.
维普
万方数据