大田葵花土壤含盐量无人机遥感反演研究

发布时间：2021-04-13 13:55

　　以内蒙古河套灌区沙壕渠灌域内大田葵花为研究对象,划分4块不同盐分梯度的试验地,利用无人机搭载六波段多光谱相机和热红外成像仪获取遥感数据,并同步采集区域内不同土壤深度处的盐分数据。利用灰色关联法对构建的光谱指数进行筛选,同时结合冠层温度数据,采用偏最小二乘回归（PLSR）、支持向量机（SVM）、反向传播神经网络（BPNN）和极限学习机（ELM） 4种建模方法构建大田葵花不同生育期、不同土壤深度的盐分反演模型。结果表明,基于葵花现蕾期数据构建的盐分反演模型整体效果优于开花期,以优选盐分指数和光谱指数作为变量组构建的模型效果优于植被指数变量组,盐分反演效果较好的土壤深度为0～20 cm和20～40 cm。不同建模方法对比结果表明,机器学习盐分反演模型的效果优于偏最小二乘回归模型,其中在葵花现蕾期0～20 cm土壤深度处,以光谱指数作为变量组构建的BPNN盐分模型反演效果最好,建模集和验证集R2分别达到0.773和0.718,验证集RMSE、CC分别达到0.062%和0.813。本研究成果可为无人机遥感在大田葵花土壤盐分监测方面的应用及相关研究提供参考。 

【文章来源】：农业机械学报. 2020,51(07)北大核心EICSCD

【文章页数】：14 页

【部分图文】：

试验地示意图

试验所用无人机与传感器配置

实测盐分数据分别于2018年7月15—19日和8月12—16日分两次采集于河套灌区沙壕渠灌域试验地，数据采集时间分别为葵花生长阶段的现蕾期和开花期，如图3所示。试验期间天气晴朗，一般选取11:00和14:00左右进行无人机的飞行试验。每块试验地均匀布置采样点15个，以现蕾期采样点分布为例，如图4所示。采样点均选取在有葵花覆盖的区域内，现蕾期各个采样点葵花覆盖度大部分在80%左右，其中3号地葵花长势最为旺盛，覆盖度也最高，2号地覆盖度较3号地略低，但长势比较均一，而1号地和4号地各个采样点葵花覆盖度则存在一定差异，其中最高的可达88%，最低的仅为39%。开花期各个采样点葵花覆盖度大部分在90%左右，比现蕾期有所提高，但各个采样点覆盖度的具体分布情况与现蕾期基本类似。具体的采样方式为土钻取土，采集包含0～20 cm、20～40 cm和40～60 cm 3个不同深度处的土壤样本约60 g放于铝盒之中，同时采用手持式GPS仪记录每个采样点的位置。图4 取样点分布示意图

【参考文献】：
期刊论文
[1]无人机多光谱反演黄河口重度盐渍土盐分的研究[J]. 王丹阳,陈红艳,王桂峰,丛津桥,王向锋,魏学文.  中国农业科学. 2019(10)
[2]灰色评估模型定量评价于田绿洲土壤盐渍化风险[J]. 依力亚斯江·努尔麦麦提,师庆东,阿不都拉·阿不力孜,夏楠,王敬哲.  农业工程学报. 2019(08)
[3]环境敏感变量优选及机器学习算法预测绿洲土壤盐分[J]. 王飞,杨胜天,丁建丽,魏阳,葛翔宇,梁静.  农业工程学报. 2018(22)
[4]剔除土壤背景的棉花水分胁迫无人机热红外遥感诊断[J]. 张智韬,边江,韩文霆,付秋萍,陈硕博,崔婷.  农业机械学报. 2018(10)
[5]基于光谱指数的绿洲农田土壤含水率无人机高光谱检测[J]. 王敬哲,丁建丽,马轩凯,葛翔宇,刘博华,梁静.  农业机械学报. 2018(11)
[6]河套灌区葵花农田生物地膜覆盖下土壤水-热-氮-盐分布特征[J]. 张景俊,李仙岳,彭遵原,郭宇,丁宗江,冷旭.  生态环境学报. 2018(06)
[7]基于光谱指数优选的土壤盐分定量光谱估测[J]. 郭鹏,李华,陈红艳,刘亚秋,盖岳峰,任涛.  水土保持通报. 2018(03)
[8]大田玉米作物系数无人机多光谱遥感估算方法[J]. 韩文霆,邵国敏,马代健,ZHANG Huihui,王毅,牛亚晓.  农业机械学报. 2018(07)
[9]干旱区土壤盐渍化信息遥感建模[J]. 冯娟,丁建丽,杨爱霞,蔡亮红.  干旱地区农业研究. 2018(01)
[10]基于光谱变换的高光谱指数土壤盐分反演模型优选[J]. 张贤龙,张飞,张海威,李哲,海清,陈丽华.  农业工程学报. 2018(01)



本文编号：3135423