快速、精準(zhǔn)獲取作物覆蓋下的土壤鹽分信息,可以提高區(qū)域土壤鹽漬化治理的有效性。該研究在內(nèi)蒙古河套灌區(qū)沙壕渠灌域內(nèi)試驗(yàn)地獲取無人機(jī)多光譜遙感圖像數(shù)據(jù),并同步采集不同深度的土壤鹽分?jǐn)?shù)據(jù)。通過遙感圖像數(shù)據(jù)提取光譜反射率并計(jì)算傳統(tǒng)光譜指數(shù),在此基礎(chǔ)上引入紅邊波段建立新的光譜指數(shù),同時(shí)使用Elastic-net算法（ENET）對光譜變量進(jìn)行篩選,并將篩選后的光譜變量分為原始光譜變量組和改進(jìn)光譜變量組;運(yùn)用BP神經(jīng)網(wǎng)絡(luò)（BackPropagation Neural Networks,BPNN）、支持向量機(jī)（Support Vector Machine,SVM）和極限學(xué)習(xí)機(jī)（Extreme Learning Machine,ELM）3種機(jī)器學(xué)習(xí)方法,構(gòu)建作物覆蓋下不同土壤深度的土壤鹽分反演模型,并基于最佳反演模型繪制試驗(yàn)區(qū)不同深度土壤鹽分反演圖。結(jié)果表明,使用ENET變量選擇方法可以有效篩選出最優(yōu)光譜變量,且基于改進(jìn)光譜變量組構(gòu)建的反演模型精度均高于原始光譜變量組;ELM模型反演效果優(yōu)于SVM模型和BPNN模型,其驗(yàn)證集的決定系數(shù)為0.783,均方根誤差為0.141,一致性相關(guān)系數(shù)為0.875;研究區(qū)... 

【文章來源】：農(nóng)業(yè)工程學(xué)報(bào). 2020,36(22)北大核心EICSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

研究區(qū)域示意圖

無人機(jī)采用大疆創(chuàng)新科技有限公司生產(chǎn)的經(jīng)緯Matrice 600六旋翼無人機(jī)，該機(jī)的最大續(xù)航時(shí)間約40 min，最大上升和水平飛行速度分別為5和18 m/s，同時(shí)可承受最大8 m/s的風(fēng)速。無人機(jī)搭載具有質(zhì)量輕、體積小及遠(yuǎn)程觸發(fā)等特點(diǎn)的傳感器Micro-MCA多光譜相機(jī)（簡稱MCA）。MCA具有6個(gè)光譜采集通道，對應(yīng)6個(gè)光譜波段，分別為490（藍(lán)光）、550（綠光）、680（紅光）、720（紅邊）、800（近紅外1）、900 nm（近紅外2）。在無人機(jī)多光譜相機(jī)獲取遙感圖像之前，將標(biāo)準(zhǔn)白板放置于研究區(qū)內(nèi)進(jìn)行標(biāo)定，無人機(jī)飛行模式按照既定航線飛行，飛行高度設(shè)定為120 m（獲取圖像分辨率為6.5 cm），主航線之間以及主航線上的圖像重復(fù)率均設(shè)置為80%以上。MCA拍照時(shí)，相機(jī)鏡頭與地面呈90°，拍照模式為等時(shí)間間隔（3 s）。獲取多光譜圖像后，使用MCA自帶的Pixel Wrench 2軟件對獲取的無人機(jī)多光譜遙感數(shù)據(jù)導(dǎo)出、圖像提取、校準(zhǔn)以及合成，之后將獲取的多幅多光譜遙感圖像以及對應(yīng)的GPS數(shù)據(jù)導(dǎo)入Pix4Dmapper軟件中完成校正以及拼接工作，得到完整的合成波段圖像。將合成的遙感圖像導(dǎo)入ENVI Classic中，導(dǎo)入實(shí)測取樣點(diǎn)的GPS定位信息，確定其所在像元點(diǎn)，并提取該像元點(diǎn)6個(gè)光譜波段的灰度值，通過標(biāo)準(zhǔn)白板標(biāo)定后，取得相對應(yīng)的6波段光譜反射率。

對比表5和表6發(fā)現(xiàn)，基于改進(jìn)光譜變量組的土壤鹽分模型反演效果要優(yōu)于原始光譜變量組。為了更加直觀的反映模型的反演效果，本研究基于最佳反演模型繪制了研究區(qū)不同深度的土壤鹽分分布圖（圖3）。從圖中可見，在不同土壤深度處，一號試驗(yàn)地土壤主要以非鹽漬化為主，二號和三號試驗(yàn)地土壤以非鹽漬化和輕度鹽漬化為主，這與實(shí)地調(diào)查情況基本一致；而四號試驗(yàn)地土壤以重度鹽漬化和鹽土為主，且四號試驗(yàn)地東北部以及西南部鹽漬化程度較高且較為集中，這是由于這些區(qū)域?yàn)辂}荒地，鹽漬化程度偏高，這也與實(shí)際勘察情況相一致。由此可知，基于改進(jìn)光譜變量組所建立的最佳反演模型可用于該試驗(yàn)地區(qū)土壤鹽分的反演。3 討論

【參考文獻(xiàn)】：
期刊論文
[1]基于高景一號遙感影像的林地信息提取[J]. 曾文,林輝,李新宇,肖越,魯宏旺.  中南林業(yè)科技大學(xué)學(xué)報(bào). 2020(07)
[2]無人機(jī)多光譜遙感反演各生育期玉米根域土壤含水率[J]. 譚丞軒,張智韜,許崇豪,馬宇,姚志華,魏廣飛,李宇.  農(nóng)業(yè)工程學(xué)報(bào). 2020(10)
[3]大田葵花土壤含鹽量無人機(jī)遙感反演研究[J]. 陳俊英,姚志華,張智韜,魏廣飛,王新濤,韓佳.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2020(07)
[4]基于無人機(jī)多光譜遙感的冬小麥葉面積指數(shù)反演[J]. 孫詩睿,趙艷玲,王亞娟,王鑫,張碩.  中國農(nóng)業(yè)大學(xué)學(xué)報(bào). 2019(11)
[5]基于無人機(jī)多光譜遙感的土壤含鹽量反演模型研究[J]. 張智韜,魏廣飛,姚志華,譚丞軒,王新濤,韓佳.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(12)
[6]Sentinel-2影像和BP神經(jīng)網(wǎng)絡(luò)結(jié)合的小麥條銹病監(jiān)測方法[J]. 黃林生,江靜,黃文江,葉回春,趙晉陵,馬慧琴,阮超.  農(nóng)業(yè)工程學(xué)報(bào). 2019(17)
[7]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(jī)械學(xué)報(bào). 2019(10)
[8]基于光譜指數(shù)與機(jī)器學(xué)習(xí)算法的土壤電導(dǎo)率估算研究[J]. 曹肖奕,丁建麗,葛翔宇,王敬哲.  土壤學(xué)報(bào). 2020(04)
[9]基于Sentinel-2A影像的玉米冠層葉綠素含量估算[J]. 蘇偉,趙曉鳳,孫中平,張明政,鄒再超,王偉,史園莉.  光譜學(xué)與光譜分析. 2019(05)
[10]基于AdaBoost-ElasticNet的套利算法[J]. 李兵,高波涌,孫建明,余翠.  中國計(jì)量大學(xué)學(xué)報(bào). 2019(01)



本文編號：3220641