土壤全氮的无人机高光谱响应特征及估测模型构建

摘要：

为更好地体现出光谱与土壤全氮(soil total nitrogen,STN)含量之间的响应关系,实现以高光谱快速估测土壤全氮含量,该研究以无人机搭载高光谱传感器获取农田土壤高光谱影像,提取光谱反射率并进行数学变换,基于灰色关联度和皮尔逊相关系数提取各光谱中土壤全氮含量的敏感波段,基于敏感波段采用偏最小二乘回归(partial least squares regression,PLSR)、岭回归(ridge regression,RR)和随机森林(random forest,RF)构建土壤全氮的高光谱反演模型,筛选出最优模型并对研究区土壤全氮含量进行反演制图.结果表明:1)反射率的倒数光谱中的敏感波段(996～1003 nm)集中在近红外长波范围内,反射率的一阶微分(first derivative of reflectance,FDR)光谱中的敏感波段(398～459、469和472～1003 nm)和反射率对数的一阶微分光谱中的敏感波段(398～459、463～973和978～1003 nm)在可见光和近红外范围内都有分布,反射率的一阶微分光谱中的敏感波段(615～625、632和666～670 nm)主要集中在可见光的红光范围内.2)与基于灰色关联度提取敏感波段构建模型相比,基于皮尔森相关系数提取敏感波段所构建的土壤全氮估测模型精度更高.3)RF-FDR模型精度最高,其验证集R2为0.859,均方根误差为0.143 g/kg,平均绝对误差为0.114 g/kg.基于RF-FDR模型对研究区土壤全氮含量进行反演制图,发现研究区大部分面积土壤全氮含量处于1.50～2.00 g/kg范围内,与实际情况相符.研究可为农田土壤全氮含量快速估测提供技术参考和支撑.

关键词：无人机、氮、土壤、高光谱、灰色关联度、相关系数、反演模型

所属期刊栏目：39

分类号：S153.6(土壤学)

资助基金：河北省重点研发计划项目19226421D

在线出版日期：2023-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：92-101