基于无人机的冬小麦拔节期表层土壤有机质含量遥感反演

摘要：

快速监测大面积分布的盐渍化麦田土壤有机质含量,可为推进盐渍土改良和促进碳循环研究提供数据支撑.通过野外采样与获取无人机遥感影像,分别基于裸土和植被情况,采用多元线性回归(MLR)、偏最小二乘回归(PLSR)和支持向量机回归(SVR)3种方法,建立区域有机质含量遥感模型,并进行检验和对比,确定最优的土壤有机质含量反演模型;最后基于最优模型进行研究区表层土壤有机质的反演,并与插值结果进行比较.结果 表明:经5×5的中值滤波处理后的光谱与土壤表层有机质对应最优;3种模型中,SVR模型的预测精度最高,PLSR次之,MLR效果最差.对比两种变量的建模效果,基于植被的SVR建模效果最好,其建模决定系数(R2)、均方根误差(RMSE)分别为0.89、0.20,验证R2、RMSE分别为0.82、0.24;基于裸土的建模效果不理想,最优的也是SVR模型,其建模R2、RMSE分别为0.63、0.26,验证R2、RMSE分别为0.61、0.25.根据最优模型反演得到该区域有机质含量为17.51 ～22.53 g·kg-1,平均值为19.51 g·kg-1,与实地调查结果较为一致;插值结果与反演结果相比,精度受到限制.综上,基于无人机多光谱可以对盐渍土冬小麦拔节期土壤有机质含量进行快速、大范围精准估测.

关键词：无人机、多光谱、盐渍土、冬小麦、拔节期、土壤有机质

所属期刊栏目：31

资助基金：本文由山东省重点研发计划项目;山东省“双一流”计划项目

在线出版日期：2020-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2399-2406