礦區(qū)排土場(chǎng)的土壤含水量監(jiān)測(cè)研究在礦產(chǎn)資源開發(fā)、生態(tài)恢復(fù)及干旱預(yù)警等方面具有重要意義。以我國(guó)東部草原區(qū)勝利露天礦北排土場(chǎng)土壤為試驗(yàn)材料,使用Spequoia多光譜相機(jī)和ECH₂O土壤水分傳感器對(duì)4種不同深度（1 cm、3 cm、5 cm、10 cm）的土柱樣本每天10:00至14:00持續(xù)監(jiān)測(cè),采集到4個(gè)波段（550 nm、660 nm、735 nm、790 nm）處的土壤光譜反射率和土壤含水量數(shù)據(jù),分別使用偏最小二乘回歸法、嶺回歸法、反向傳播（BP）神經(jīng)網(wǎng)絡(luò)三種方法建立單波段或多波段光譜反射率組合作為反演因子的土壤含水量反演模型。結(jié)果表明,偏最小二乘回歸法、嶺回歸法反演精度較低,R²最高僅為0.606。以綠（550 nm）、紅邊（735 nm）、近紅外（790 nm）三波段組合作為反演因子的反向傳播神經(jīng)網(wǎng)絡(luò)（G-R-N-BP）模型反演效果最佳,其對(duì)1 cm、3 cm、5 cm、10 cm深度土壤含水量反演模型的決定系數(shù)（R²）分別為0.866、0.800、0.975、0.911,均方根誤差（RMSE）分別為0.333、0... 

【文章來源】：礦業(yè)科學(xué)學(xué)報(bào). 2020,5(06)

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

多光譜相機(jī)拍攝土柱試驗(yàn)現(xiàn)場(chǎng)示意圖

本文設(shè)計(jì)了5種反演土壤含水量的BP模型,分別由綠光(GREEN-BP)波段、紅邊(REG-BP)波段、近紅外(NIR-BP)波段、紅邊-近紅外(REG- NIR-BP)波段組合、綠-紅邊-近紅外(GREEN-REG-NIR-BP)波段組合共計(jì)5種形式作為輸入因子,ECH2O土壤水分傳感器監(jiān)測(cè)到的土壤含水量作為輸出因子,模型空間拓?fù)浣Y(jié)構(gòu)分別為1-3-1(輸入層為1,隱含層為3,輸出層為1)、2-3-1(輸入層為2,隱含層為3,輸出層為1)、3-3-1(輸入層為3,隱含層為3,輸出層為1)。網(wǎng)絡(luò)訓(xùn)練迭代次數(shù)設(shè)置為500,學(xué)習(xí)速率為0.03,學(xué)習(xí)誤差設(shè)定為0.001。使用仿真軟件MATLAB R2017a編寫程序,將各波段反射率數(shù)據(jù)和土壤含水量監(jiān)測(cè)數(shù)據(jù)導(dǎo)入訓(xùn)練網(wǎng)絡(luò)模型,結(jié)果如圖3所示。由于紅光波段在此次BP神經(jīng)網(wǎng)絡(luò)反演中精度過低,故未考慮與展示。從圖2可以看到,4種不同深度(1 cm、 3 cm、5 cm、10 cm)下5種BP模型的反演結(jié)果差異較大。其中,GREEN-REG-NIR-BP模型反演效果最好;GREEN-BP模型反演效果最差,且隨深度的增加反演效果越差,其在3 cm深度下R2最高,也僅達(dá)到0.473。綜合來看,應(yīng)用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的土壤含水量反演模型,多波段組合作為輸入因子的BP模型反演效果優(yōu)于單一輸入因子BP模型,且對(duì)于5 cm、10 cm深度土壤含水量的反演表現(xiàn)優(yōu)異。

【參考文獻(xiàn)】：
期刊論文
[1]基于TVDI的布爾臺(tái)礦區(qū)土壤濕度變化分析[J]. 徐霞,孫文彬,王振.  礦業(yè)科學(xué)學(xué)報(bào). 2019(04)
[2]基于無人機(jī)攝影測(cè)量的露天礦排土場(chǎng)三維模型構(gòu)建[J]. 隋濤,肖武,王黨朝,王鑫,田帥帥,孫浩軒.  金屬礦山. 2018(05)
[3]基于無人機(jī)多光譜遙感的土壤含水率反演研究[J]. 張智韜,王海峰,韓文霆,邊江,陳碩博,崔婷.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(02)
[4]基于可見光-短波紅外波譜反射率的裸土土壤含水量反演建模[J]. 鄭小坡,孫越君,秦其明,任華忠,高中靈,吳伶,孟慶野,王金梁,王建華.  光譜學(xué)與光譜分析. 2015(08)
[5]基于遺傳BP神經(jīng)網(wǎng)絡(luò)的主被動(dòng)遙感協(xié)同反演土壤水分[J]. 余凡,趙英時(shí),李海濤.  紅外與毫米波學(xué)報(bào). 2012(03)
[6]嶺回歸在近紅外光譜定量分析及最優(yōu)波長(zhǎng)選擇中的應(yīng)用研究[J]. 張曼,劉旭華,何雄奎,張錄達(dá),趙龍蓮,李軍會(huì).  光譜學(xué)與光譜分析. 2010(05)
[7]遙感監(jiān)測(cè)土壤含水率模型及精度分析[J]. 張智韜,李援農(nóng),楊江濤,常慶瑞.  農(nóng)業(yè)工程學(xué)報(bào). 2008(08)
[8]多維隨機(jī)變量的線性相關(guān)性[J]. 蔣福坤,劉正春,柴惠文.  數(shù)理統(tǒng)計(jì)與管理. 2008(01)
[9]嶺回歸分析在解決多重共線性問題中的獨(dú)特作用[J]. 楊楠.  統(tǒng)計(jì)與決策. 2004(03)
[10]利用溫度植被旱情指數(shù)（TVDI）進(jìn)行全國(guó)旱情監(jiān)測(cè)研究[J]. 齊述華,王長(zhǎng)耀,牛錚.  遙感學(xué)報(bào). 2003(05)

碩士論文
[1]基于遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法的土壤含水量反演研究[D]. 劉麗娜.電子科技大學(xué) 2011



本文編號(hào)：3059900