土壤含水量（SMC）是生物地球化學(xué)和大氣耦合過(guò)程的關(guān)鍵變量,在干旱區(qū)農(nóng)業(yè)、生態(tài)和環(huán)境中扮演著重要角色。相較于星載遙感系統(tǒng),無(wú)人機(jī)（UAV）具有可控性強(qiáng)、分辨率高等特點(diǎn)從而被廣泛應(yīng)用,為中小尺度地表參量的快速監(jiān)測(cè)提供新的遙感平臺(tái)。機(jī)載高光譜傳感器的引入,為UAV遙感系統(tǒng)提供了高維海量、納米級(jí)的數(shù)據(jù)源。然而基于UAV高光譜數(shù)據(jù)的研究并未深度挖掘,也尚未形成一個(gè)標(biāo)準(zhǔn)的技術(shù)方案。該研究立足于新疆維吾爾自治區(qū)典型農(nóng)業(yè)區(qū),利用6種預(yù)處理方案,包括一階導(dǎo)數(shù)（FDR）,二階導(dǎo)數(shù)（SDR）,連續(xù)體去除（CR）、吸光度（A）、吸光度一階（FDA）和吸光度二階（SDA）,對(duì)所獲取的UAV高光譜數(shù)據(jù)進(jìn)行處理。在此背景下構(gòu)建4種類型的適宜光譜指數(shù):差值型指數(shù)（DI）,比值型指數(shù)（RI）,歸一化型指數(shù)（NDI）和垂直型指數(shù)（PI）,并從光譜機(jī)理上討論指數(shù)的合理性。最后利用梯度提升回歸樹(shù)（GBRT）、隨機(jī)森林（RF）和eXtreme Gradient Boosting（XGBoost）算法,以28個(gè)最適光譜指數(shù)為獨(dú)立變量建立SMC估算模型,并通過(guò)不同集成學(xué)習(xí)算法的重要性對(duì)變量進(jìn)行排序,從線性和非線性的角度對(duì)所構(gòu)建光... 

【文章來(lái)源】：光譜學(xué)與光譜分析. 2020,40(02)北大核心EISCICSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
引 言
1 實(shí)驗(yàn)部分
    1.1 數(shù)據(jù)采集
    1.2 數(shù)據(jù)預(yù)處理
    1.3 適宜光譜指數(shù)構(gòu)建
    1.4 模型的構(gòu)建與評(píng)價(jià)
2 結(jié)果與討論
    2.1 SMC及光譜特征
    2.2 適宜光譜指數(shù)構(gòu)建
    2.3 構(gòu)建模型與評(píng)價(jià)
3 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]干旱區(qū)大尺度土壤鹽度信息環(huán)境建�！孕陆焐侥媳敝械秃０螞_積平原為例[J]. 丁建麗,王飛.  地理學(xué)報(bào). 2017(01)



本文編號(hào)：3472310