首页|基于无人机高光谱遥感和机器学习的土壤水盐信息反演

基于无人机高光谱遥感和机器学习的土壤水盐信息反演

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
精准诊断盐碱农田水盐信息有助于保护耕地面积、长效提升土壤地力.本研究基于无人机高光谱数据提取田块尺度植被冠层光谱信息,利用标准正态变量(SNV)、多元散射校正(MSC)、一阶微分(FDR)和二阶微分(SDR)分别对原始光谱反射率(R)进行数学变换,通过最大相关系数绝对值(MACC)确定土壤含水量(SWC)、pH值和含盐量(SSC)的最优光谱变换形式,并采用竞争性自适应重加权采样法(CARS)对其进行特征波段提取,基于偏最小二乘回归(PLSR)、随机森林(RF)和极端梯度提升(XGBoost)建立土壤水盐信息反演模型.结果表明:土壤含水量、pH值和含盐量分别以R、FDR和MSC为最佳光谱变换形式,所对应的MACC分别为0.730、0.472和0.654o CARS算法能有效剔除无关变量,从150个光谱波段中优选出16～17个特征波段.土壤含水量和pH值均以XGBoost模型表现最佳,模型验证决定系数(Rp2)分别达0.927和0.743,相对分析误差(RPD)分别达3.93和2.45;土壤含盐量以RF模型为最优反演方法,Rp2和RPD分别为0.427和1.64.本研究结果可为土壤水盐信息空天地一体化遥感监测提供参考方案,为盐碱地改良和保护性耕作提供科学依据.
Inversion of soil water and salt information based on UAV hyperspectral remote sensing and machine lear-ning

UAV remote sensinghyperspectrumcompetitive adaptive reweighted samplingrandom forestextreme gradient boosting

王怡婧、丁启东、张俊华、陈睿华、贾科利、李小林

展开 >

宁夏大学地理科学与规划学院,银川 750021

宁夏大学生态环境学院,西北土地退化与生态恢复国家重点实验室培育基地/西北退化生态系统恢复与重建教育部重点实验室,银川 750021

西安煤航遥感信息有限公司,西安 710199

无人机遥感 高光谱 竞争性自适应重加权采样法 随机森林 极端梯度提升

国家重点研发计划国家自然科学基金国家自然科学基金清华大学-宁夏银川水联网数字治水联合研究院联合开放基金宁夏回族自治区科技创新领军人才项目

2021YFD19006024206700342061047SKLHSE-2022-IOW112022GKLRLX02

2023

10.13287/j.1001-9332.202311.012

应用生态学报
中国生态学学会 中国科学院沈阳应用生态研究所

应用生态学报

CSTPCDCSCD北大核心
影响因子：2.114
ISSN：1001-9332
年,卷(期)：2023.34(11)
  • 4
  • 2
  • 19