基于无人机的冬小麦拔节期表层土壤有机质含量遥感反演

发布时间：2023-03-04 10:14

　　快速监测大面积分布的盐渍化麦田土壤有机质含量,可为推进盐渍土改良和促进碳循环研究提供数据支撑。通过野外采样与获取无人机遥感影像,分别基于裸土和植被情况,采用多元线性回归(MLR)、偏最小二乘回归(PLSR)和支持向量机回归(SVR)3种方法,建立区域有机质含量遥感模型,并进行检验和对比,确定最优的土壤有机质含量反演模型;最后基于最优模型进行研究区表层土壤有机质的反演,并与插值结果进行比较。结果表明:经5×5的中值滤波处理后的光谱与土壤表层有机质对应最优;3种模型中,SVR模型的预测精度最高,PLSR次之,MLR效果最差。对比两种变量的建模效果,基于植被的SVR建模效果最好,其建模决定系数(R²)、均方根误差(RMSE)分别为0.89、0.20,验证R²、RMSE分别为0.82、0.24;基于裸土的建模效果不理想,最优的也是SVR模型,其建模R²、RMSE分别为0.63、0.26,验证R²、RMSE分别为0.61、0.25。根据最优模型反演得到该区域有机质含量为17.51～22.53 g·kg

【文章页数】：8 页

【文章目录】：
1 研究地区与研究方法
    1.1 研究区概况
    1.2 数据获取
        1.2.1 土壤样品采集和处理
        1.2.2 遥感影像的获取和预处理
    1.3 研究方法
        1.3.1 裸土光谱的提取
        1.3.2 植被光谱的提取
        1.3.3 敏感指标的选取
    1.4 模型建立与验证
        1.4.1 模型建立
        1.4.2 模型验证
    1.5 有机质的空间分布反演与精度分析
2 结果与分析
    2.1 植被光谱的分析
    2.2 土壤有机质含量和光谱反射率
    2.3 土壤有机质含量的反演模型
    2.4 土壤有机质含量反演模型的优选
    2.5 土壤有机质含量的反演
    2.6 土壤有机质含量的空间插值
    2.7 土壤有机质含量反演精度
3 讨 论
4 结 论



本文编号：3754095