為準確及時地獲取植被覆蓋條件下農(nóng)田土壤水分信息,該文以不同水分處理的大田玉米為研究對象,利用無人機遙感平臺對夏玉米進行多期遙感監(jiān)測,并同步采集玉米根域不同深度土壤含水率（Soil Water Content,SWC）�；�2018年夏玉米拔節(jié)期、抽雄-吐絲期和乳熟-成熟期的無人機多光譜遙感影像數(shù)據(jù)集,通過支持向量機（Support Vector Machine,SVM）分類剔除土壤背景,提取玉米冠層光譜反射率并計算10種植被指數(shù)（VegetationIndex,VI）,然后利用全子集篩選（FullSubsetSelection）法對不同波段和植被指數(shù)進行不同深度土壤含水率的敏感性分析,并分別采用嶺回歸（Ridge Regression,RR）和極限學習機（ExtremeLearningMachine,ELM）2種方法構建全子集篩選后0～20、20～45和45～60cm不同深度下的土壤含水率定量估算模型。結果表明:基于貝葉斯信息準則（BayesianInformationCriterion,BIC）的全子集篩選法可以有效篩選最優(yōu)光譜子集,篩選變量基本都通過了顯著性檢驗,自變量個數(shù)較少;在... 

【文章來源】：農(nóng)業(yè)工程學報. 2020,36(10)北大核心EICSCD

【文章頁數(shù)】：12 頁

【文章目錄】：
0 引言
1 材料與方法
    1.1 試驗區(qū)概況
    1.2 試驗設計
    1.3 試驗數(shù)據(jù)的獲取
        1.3.1 無人機多光譜遙感系統(tǒng)
        1.3.2 土壤含水率測定
    1.4 多光譜圖像處理
        1.4.1 圖像拼接
        1.4.2 剔除土壤背景影響
        1.4.3 植被指數(shù)的計算
    1.5 全子集篩選法
    1.6 模型建立
    1.7 統(tǒng)計分析
2 結果與分析
    2.1 冠層光譜反射率的變化
    2.2 全子集篩選最佳光譜組合
    2.3 嶺回歸模型構建
    2.4 極限學習機模型構建
    2.5 模型綜合評價
3 討論
4 結論


【參考文獻】：
期刊論文
[1]耦合機器學習和機載高光譜數(shù)據(jù)的土壤含水量估算[J]. 田美玲,葛翔宇,丁建麗,王敬哲,張振華.  激光與光電子學進展. 2020(09)
[2]基于全子集-分位數(shù)回歸的土壤含鹽量反演研究[J]. 張智韜,韓佳,王新濤,陳皓銳,魏廣飛,姚志華.  農(nóng)業(yè)機械學報. 2019(10)
[3]基于無人機多光譜遙感的玉米根域土壤含水率研究[J]. 張智韜,譚丞軒,許崇豪,陳碩博,韓文霆,李宇.  農(nóng)業(yè)機械學報. 2019(07)
[4]基于SOC710VP高光譜成像儀的冬小麥土壤含水率反演模型研究[J]. 劉曉靜,陳國慶,王良,陳玉潔,王蘭,劉肖瑜,李學國.  灌溉排水學報. 2019(03)
[5]基于競爭適應重加權采樣算法耦合機器學習的土壤含水量估算[J]. 葛翔宇,丁建麗,王敬哲,王飛,蔡亮紅,孫慧蘭.  光學學報. 2018(10)
[6]土壤水分反演特征變量研究綜述[J]. 王俊霞,潘耀忠,朱秀芳,孫章麗.  土壤學報. 2019(01)
[7]基于特征提取的極限學習機算法在可調諧二極管激光吸收光譜學中的應用[J]. 呂曉翠,李國林,李晗,季文海.  中國激光. 2018(09)
[8]基于光譜指數(shù)的綠洲農(nóng)田土壤含水率無人機高光譜檢測[J]. 王敬哲,丁建麗,馬軒凱,葛翔宇,劉博華,梁靜.  農(nóng)業(yè)機械學報. 2018(11)
[9]無人機多光譜遙感反演花蕾期棉花光合參數(shù)研究[J]. 陳俊英,陳碩博,張智韜,付秋萍,邊江,崔婷.  農(nóng)業(yè)機械學報. 2018(10)
[10]基于灰度關聯(lián)-嶺回歸的荒漠土壤有機質含量高光譜估算[J]. 王海峰,張智韜,Arnon Karnieli,陳俊英,韓文霆.  農(nóng)業(yè)工程學報. 2018(14)



本文編號：3187692