為探究無人機(jī)多光譜遙感技術(shù)快速監(jiān)測植被覆蓋下的土壤含鹽量問題,以內(nèi)蒙古河套灌區(qū)沙壕渠灌域內(nèi)4塊不同鹽分梯度的耕地為研究區(qū)域,利用無人機(jī)搭載多光譜傳感器獲取2018年8月遙感影像數(shù)據(jù),并對0～40 cm的土壤進(jìn)行鹽分測定。分別引入敏感波段組、光譜指數(shù)組、全變量組作為模型輸入變量,采用支持向量機(jī)（Support vector machine,SVM）、BP神經(jīng)網(wǎng)絡(luò)（Back propagation neural network,BPNN）、隨機(jī)森林（Random forest,RF）、多元線性回歸（Multiple linear regression,MLR） 4種回歸方法,建立基于3組輸入變量下的土壤鹽分反演模型,并進(jìn)行精度評價(jià),比較不同輸入變量、不同回歸方法對模型精度的影響,評價(jià)并優(yōu)選出最佳鹽分反演模型。結(jié)果表明,通過分析3個(gè)變量組的R2和RMSE,光譜指數(shù)組在4種回歸方法中均取得了最佳的反演效果,敏感波段組和全變量組在不同的回歸方法中反演效果不同。4種回歸方法中,3種機(jī)器學(xué)習(xí)算法反演精度明顯高于MLR模型,且MLR模型中的敏感波段組和全變量組均出現(xiàn)了"過擬合"現(xiàn)象,RF算法在3種機(jī)器... 

【文章來源】：農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019,50(12)北大核心EICSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

研究區(qū)位置示意圖

2018年5月，對沙壕渠灌域的耕地進(jìn)行實(shí)地調(diào)研，根據(jù)土壤的鹽漬化程度，在灌域確定4塊不同鹽漬化梯度的試驗(yàn)區(qū)域，并依次進(jìn)行編號，每塊研究區(qū)域?yàn)?6 hm2，每塊區(qū)域均勻布設(shè)15個(gè)作物(玉米、西葫蘆和葵花)覆蓋下的地面數(shù)據(jù)采集點(diǎn)，共計(jì)60個(gè)采樣點(diǎn)，如圖2所示。1.3 多光譜遙感影像的獲取與處理

所用遙感平臺為大疆創(chuàng)新公司生產(chǎn)的經(jīng)緯M600型六旋翼無人機(jī)，其搭載的傳感器為美國Tetracam公司生產(chǎn)的Micro-MCA多光譜相機(jī)(簡稱MCA)，具有質(zhì)量輕、體積小及遠(yuǎn)程觸發(fā)的特點(diǎn)，非常適合在中小型無人機(jī)上進(jìn)行搭載及拍攝，MCA相機(jī)包括490 nm(藍(lán)光)、550 nm(綠光)、680 nm(紅光)、720 nm(紅邊)、800 nm(近紅外)、900 nm(近紅外)6個(gè)波長的光譜采集通道。2018年8月12—16日于河套灌區(qū)沙壕渠灌域進(jìn)行試驗(yàn)，天氣情況分別為:晴轉(zhuǎn)多云、晴、晴、晴、晴轉(zhuǎn)多云，影像獲取時(shí)間選為11:00—15:00之間(均在晴朗時(shí)拍攝)，無人機(jī)飛行模式按照提前規(guī)劃的航線飛行，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，主航線上和主航線間圖像重疊率均設(shè)置為80%以上，飛行高度經(jīng)多次試飛后選定為120 m(此時(shí)影像地面分辨率為6.5 cm，影像刈幅寬度為66.5 m)，采集光譜前用標(biāo)準(zhǔn)白板進(jìn)行標(biāo)定，4塊區(qū)域分別得到341、320、390、344幅遙感圖像。所用無人機(jī)與多光譜相機(jī)如圖3所示，無人機(jī)飛行路線(以4號地為例)及現(xiàn)場作業(yè)如圖4所示。圖4 無人機(jī)飛行路線及現(xiàn)場作業(yè)圖

【參考文獻(xiàn)】：
期刊論文
[1]河套灌區(qū)土壤水溶性鹽基離子高光譜綜合反演模型[J]. 孫亞楠,李仙岳,史海濱,崔佳琪,王維剛.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(05)
[2]環(huán)境敏感變量優(yōu)選及機(jī)器學(xué)習(xí)算法預(yù)測綠洲土壤鹽分[J]. 王飛,楊勝天,丁建麗,魏陽,葛翔宇,梁靜.  農(nóng)業(yè)工程學(xué)報(bào). 2018(22)
[3]基于光譜指數(shù)的綠洲農(nóng)田土壤含水率無人機(jī)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(jī)械學(xué)報(bào). 2018(11)
[4]基于小波紋理和隨機(jī)森林的獼猴桃果園遙感提取[J]. 宋榮杰,寧紀(jì)鋒,常慶瑞,班松濤,劉秀英,張宏鳴.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(04)
[5]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(bào). 2018(01)
[6]OLI與HSI影像融合的土壤鹽分反演模型[J]. 厲彥玲,趙庚星,常春艷,王卓然,王凌,鄭佳榮.  農(nóng)業(yè)工程學(xué)報(bào). 2017(21)
[7]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)
[8]L波段主被動(dòng)微波協(xié)同反演裸土土壤水分[J]. 馬紅章,劉素美,彭愛華,孫林,孫根云.  農(nóng)業(yè)工程學(xué)報(bào). 2016(19)
[9]基于多光譜影像反演土壤鹽分的建模方法研究[J]. 王明寬,莫宏偉,陳紅艷.  土壤通報(bào). 2016(05)
[10]西北鹽堿土理化性質(zhì)的高光譜建模及預(yù)測（英文）[J]. 肖珍珍,李毅,馮浩.  光譜學(xué)與光譜分析. 2016(05)



本文編號：3483182