為提高衛(wèi)星遙感對土壤鹽漬化的監(jiān)測精度,以內(nèi)蒙古河套灌區(qū)沙壕渠灌域內(nèi)5塊地為研究區(qū),利用GF-1衛(wèi)星遙感和無人機多光譜遙感分別獲取2018年6月中旬的遙感影像數(shù)據(jù),同步采集0～20 cm,20～40 cm深度的土壤樣點,并引用洛倫茲曲線的原理以表征土壤異質(zhì)性,同時引入BP神經(jīng)網(wǎng)絡(luò)（Back Propagation, BP）、支持向量機（Support Vector Machine, SVM）和極限學(xué)習(xí)機（Extreme Learning Machine, ELM）構(gòu)建土壤鹽漬化監(jiān)測模型。采用重采樣尺度轉(zhuǎn)換方法,對無人機數(shù)據(jù)進行尺度上推,用尺度上推后的無人機數(shù)據(jù)修正GF-1衛(wèi)星數(shù)據(jù),對修正后的數(shù)據(jù)進行反演建模并與直接采用衛(wèi)星數(shù)據(jù)建立的模型進行對比。結(jié)果表明:實驗區(qū)異質(zhì)性大小與變異系數(shù)大小呈正相關(guān)。無人機數(shù)據(jù)構(gòu)建的機器學(xué)習(xí)算法模型精度高于衛(wèi)星數(shù)據(jù)。其中20 cm深度下無人機遙感數(shù)據(jù)反演土壤含鹽量的最優(yōu)模型為SVM模型,決定系數(shù)（R²）為0.875,均方根誤差（RMSE）為0.132,相對分析誤差（RPD）為2.773;40 cm深度下無人機遙感數(shù)據(jù)反演土壤含鹽量的最優(yōu)模... 

【文章來源】：節(jié)水灌溉. 2020,(11)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

NDVI洛倫茲曲線

不同數(shù)據(jù)源2種深度下的3種機器學(xué)習(xí)模型預(yù)測土壤鹽分值與實測土壤鹽分值比較如圖4所示。從圖4可以看出,GF-1衛(wèi)星數(shù)據(jù)模型的預(yù)測值與實測值的擬合效果不理想,并且在20 cm深度下極限學(xué)習(xí)機模型的預(yù)測值里還存在不合理的負值。無人機數(shù)據(jù)模型的預(yù)測值和實測值的擬合效果基本良好,除40 cm深度下的極限學(xué)習(xí)機模型之外,其余模型無不合理值出現(xiàn),20 cm深度下3個模型中效果最好的是SVM模型;40 cm深度下3個模型中效果最好的是BP模型。在修正后的GF-1衛(wèi)星數(shù)據(jù)散點圖中,BP神經(jīng)網(wǎng)絡(luò)模型擬合效果最優(yōu),且無不合理值出現(xiàn),說明修正后的衛(wèi)星數(shù)據(jù)進行土壤鹽分反演是行得通的。無人機數(shù)據(jù)和經(jīng)過修正后的GF-1衛(wèi)星數(shù)據(jù)模型的預(yù)測值與實測值的擬合效果均優(yōu)于GF-1衛(wèi)星數(shù)據(jù)模型。綜合散點圖可以得出20 cm深度的模型擬合效果均優(yōu)于40 cm深度的擬合效果。3 討 論

沙壕渠灌域是內(nèi)蒙古河套灌區(qū)西北部解放閘灌域(40°30′～41°17′N,106°33′～107°31′E)內(nèi)的一個獨立個體。如圖1所示,該灌域位于西北高原地帶,平均海拔高于1 010 m,屬于典型的干旱半干旱性氣候。夏季高溫少雨,冬季嚴寒少雪,多年平均氣溫為7 ℃,多年均降雨量140 mm,蒸發(fā)量2 000 mm [15]。主要農(nóng)作物是小麥、白菜、葵花和玉米,同時還夾雜種植一些辣椒、番茄、西瓜等作物。由于降水少、蒸發(fā)大,再加之氣候等多種因素的共同作用,導(dǎo)致了此地較為嚴重的土壤鹽漬化問題。1.2 數(shù)據(jù)來源與處理

【參考文獻】：
期刊論文
[1]大田葵花土壤含鹽量無人機遙感反演研究[J]. 陳俊英,姚志華,張智韜,魏廣飛,王新濤,韓佳.  農(nóng)業(yè)機械學(xué)報. 2020(07)
[2]基于無人機-衛(wèi)星遙感升尺度的土壤鹽漬化監(jiān)測方法[J]. 陳俊英,王新濤,張智韜,韓佳,姚志華,魏廣飛.  農(nóng)業(yè)機械學(xué)報. 2019(12)
[3]基于無人機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)機械學(xué)報. 2019(12)
[4]艾比湖濕地自然保護區(qū)土壤鹽分多光譜遙感反演模型[J]. 周曉紅,張飛,張海威,張賢龍,袁婕.  光譜學(xué)與光譜分析. 2019(04)
[5]基于多源遙感協(xié)同反演的區(qū)域性土壤鹽漬化監(jiān)測[J]. 馮雪力,劉全明.  農(nóng)業(yè)機械學(xué)報. 2018(07)
[6]基于支持向量機的土壤主要鹽分離子高光譜反演模型[J]. 王海江,蔣天池,YUNGER John A,李亞莉,田甜,王金剛.  農(nóng)業(yè)機械學(xué)報. 2018(05)
[7]基于遙感反演河套灌區(qū)土壤鹽分分布及對作物生長的影響[J]. 黃權(quán)中,徐旭,呂玲嬌,任東陽,柯雋迪,熊云武,霍再林,黃冠華.  農(nóng)業(yè)工程學(xué)報. 2018(01)
[8]應(yīng)用中值融合模型的條件植被溫度指數(shù)降尺度轉(zhuǎn)換研究[J]. 王鵬新,劉郊,李俐,張樹譽,解毅.  農(nóng)業(yè)機械學(xué)報. 2017(06)
[9]基于SVM的湖泊咸度等級遙感信息提取方法——以內(nèi)蒙古巴丹吉林沙漠為例[J]. 刁淑娟,劉春玲,張濤,賀鵬,郭兆成,涂杰楠.  國土資源遙感. 2016(04)
[10]基于最大熵模型的玉米冠層LAI升尺度方法[J]. 蘇偉,吳代英,武洪峰,張明政,姜方方,張蕊.  農(nóng)業(yè)工程學(xué)報. 2016(07)



本文編號：3292190