10.6041/j.issn.1000-1298.2023.08.019
基于无人机遥感图像纹理与植被指数的土壤含盐量反演
基于无人机遥感技术获取农田土壤盐分信息为盐渍化治理提供了快速、准确、可靠的理论依据.本文在内蒙古河套灌区沙壕渠灌域试验地上采集了取样点0~20 cm 的土壤含盐量,并使用M600 型六旋翼无人机平台搭载Micro-MCA 多光谱相机采集图像.利用Otsu 算法对多光谱图像进行图像分类(土壤背景和植被冠层),基于分类结果分别提取剔除土壤背景前后的光谱指数和图像纹理特征,采用支持向量机(SVM)和极限学习机(ELM)构建土壤含盐量监测模型,其4 种建模策略分别为:未剔除土壤背景的光谱指数(策略1)、剔除土壤背景后的光谱指数(策略2)、未剔除土壤背景的光谱指数+图像纹理特征(策略3)、剔除土壤背景的光谱指数+图像纹理特征(策略4),通过比较4 种建模策略的模型精度以筛选出最优变量组合.结果表明:策略3、4 所计算出的土壤含盐量反演精度高于策略1、2,策略1~4 验证集决定系数R2 分别为0.614、0.640、0.657、0.681,因此利用图像纹理特征+植被指数对提高土壤含盐量的反演精度有重要意义.对比策略3、4,图像纹理特征+植被指数受到土壤背景的影响,策略4 精度低于策略3 精度,其R2v 分别为0.614、0.657;各变量处理的最优模型均为ELM 模型,建模集R2 分别为0.625、0.644、0.618、0.683,标准均方根误差分别为0.152、0.134、0.206、0.155.相比于SVM 模型,ELM 模型提高了土壤含盐量的反演精度.
土壤含盐量、无人机遥感、多光谱、图像纹理特征、植被指数、全子集筛选
54
S127;TP79(农业物理学)
国家自然科学基金52279047
2023-10-10(万方平台首次上网日期,不代表论文的发表时间)
共10页
201-210