航空高光谱支持下黑土地理化性质反演对地形因子的响应

发布时间：2022-12-08 02:49

　　为了探讨地形因子对黑土地理化性质航空高光谱反演的影响,本研究以黑龙江省海伦市典型黑土地为例,开展12种地形因子与土壤有机质含量、全氮含量、全磷含量、全钾含量、pH值、阳离子交换量、全盐量的相关性研究,并对比不同建模方法在加入地形因子前后的预测精度。航空高光谱反演结果表明,海拔、坡度、山谷指数、地形粗糙指数、起伏度与多种土壤理化指标显著相关,在加入地形因子后,支持向量机法和随机森林法的模型预测精度稳定提升,而偏最小二乘法的模型预测精度却大幅下降。随机森林法的模型预测效果整体最好,与纯光谱反射率的反演模型相比,加入地形因子后全氮含量模型预测R~2的提升幅度最大（提升了0.062）,7种理化指标预测模型R~2的平均提升幅度为0.036。总之,地形因子对提升黑土地理化性质的航空高光谱反演精度有积极作用,且适合用于机器学习方法进行反演。 

【文章页数】：8 页

【文章目录】：
1 材料与方法
    1.1 研究区概况
    1.2 航空高光谱数据获取及预处理
    1.3 地面采样与分析
    1.4 地形因子提取
    1.5 土壤理化性质航空高光谱反演
2 结果与分析
    2.1 土壤理化性质及反演统计结果
    2.2 土壤理化指标与地形因子的相互关系
        2.2.1 相关系数
        2.2.2 不同坡度、坡向类别土壤的理化性质差异
        2.2.3 地形因子筛选
    2.3 地形因子对建模的影响
3 讨 论


【参考文献】：
期刊论文
[1]土壤pH值和全钾含量高光谱反演方法比较[J]. 沈从旺,徐丽华.  江苏农业学报. 2020(01)
[2]GF-1影像遥感监测指标与冬小麦长势参数的关系[J]. 单捷,孙玲,王志明,卢必慧,王晶晶,邱琳,黄晓军.  江苏农业学报. 2019(06)
[3]桃树遥感辨识的最佳时相与方法[J]. 邢东兴,王明军,陈玲侠,杨波,焦俏,张亚宁.  江苏农业学报. 2019(04)
[4]黑土区田块土壤有机质空间分异及分布研究[J]. 刘焕军,谢雅慧,潘越,邱政超,张新乐,窦欣,徐梦园,秦乐乐.  土壤通报. 2018(06)
[5]黑土区县域土壤养分空间分布特征及其影响因子[J]. 杜可,王乐,张淑香,雷秋良.  植物营养与肥料学报. 2018(06)
[6]峡江县土壤养分空间特征及与地形因子的相关性[J]. 赵越,罗志军,赵杰,齐松,曹丽萍.  水土保持研究. 2018(05)
[7]新疆察布查尔县农耕层土壤养分空间特征及其与地形因子的关系[J]. 徐莉,闫俊杰,陈晨,崔东.  水土保持通报. 2018(04)
[8]基于深度学习的无人机遥感生态灌区杂草分类[J]. 王术波,韩宇,陈建,潘越,曹毅,孟灏.  排灌机械工程学报. 2018(11)
[9]基于无人机遥感数据的生态渠系信息提取[J]. 张自超,韩宇,陈建,王术波,王广琦,杜楠楠.  排灌机械工程学报. 2018(10)
[10]农情遥感信息服务与野外监测云平台构建[J]. 王利军,郭燕,王来刚,贺佳,程永政,刘婷,武喜红.  南方农业学报. 2018(06)



本文编号：3713392