干旱区生态环境知识资源中心(Arid): 耦合机器学习和机载高光谱数据的土壤含水量估算

Arid

	耦合机器学习和机载高光谱数据的土壤含水量估算
其他题名	Coupled Machine Learning and Unmanned Aerial Vehicle Based Hyperspectral Data for Soil moisture Content Estimation
	田美玲; 葛翔宇; 丁建丽; 王敬哲; 张振华
来源期刊	激光与光电子学进展
ISSN	1006-4125
出版年	2020
卷号	57 期号:9
中文摘要	准确估算土壤含水量(SMC),对干旱区的精准农业、水资源管理具有重要意义。针对传统估算方法和野外测量耗时、费力的问题,通过无人机平台获取新疆阜康市冬小麦样地的高光谱影像数据,分别利用一阶导数、二阶导数、吸光度、吸光度一阶导数(FDA)、吸光度二阶导数对原始高光谱数据进行预处理;采用随机森林(RF)、梯度提升回归树(GBRT)和极端梯度提升(XGBoost)三种算法进行特征变量重要性遴选,基于地理加权回归(GWR)建立模型。结果表明:FDA的预处理效果最佳,以FDA-GBRT为基础的模型效果最优,建模集与验证集的决定系数(R~2)分别为0.890、0.891,四分位数间隔为3.490;GBRT算法相较于RF和XGBoost算法优势较为突出,多数模型建模集与验证集的R~2均大于0.600;GWR模型对SMC的预测建模有效,可为干旱区农业生态系统的管理与保护提供理论支撑。
英文摘要	Accurate estimation of soil moisture content(SMC)is of great significance for precision agriculture and water resources management in arid areas.Traditional estimation methods and field measurements are time consuming and labor intensive.Therefore,we obtain hyperspectral image data of winter wheat plots in Fukang City, Xinjiang by unmanned aerial vehicle platform,and the original hyperspectral data are preprocessed through first derivative,second derivative,absorbance,first derivative of absorbance (FDA),and second derivative of absorbance.Random forest (RF),gradient boosted regression tree (GBRT),and extreme gradient boost (XGBoost)are used to select the importance of feature variables.A model is established based on geographical weighted regression(GWR).The results show that the pretreatment effect of FDA is the best.The model based on FDA-GBRT is optimal.The determination coefficient(R~2)of the modeling set and the verification set are 0.890and 0.891,respectively,and the quartile interval reaches 3.490.Compared with RF and XGBoost algorithms,the advantages of the GBRT algorithm are more prominent.The R~2 of most of the model modeling set and the verification set are greater than 0.600.This indicates that the GWR model is effective in predictive modeling of SMC and can provide theoretical support for the management and protection of agro ecosystem in arid regions.
中文关键词	土壤含水量 ; 无人机 ; 高光谱数据 ; 机器学习 ; 地理加权回归模型
英文关键词	soil moisture content unmanned aerial vehicle hyperspectral data machine learning geographical weighted regression model
类型	Article
语种	中文
收录类别	CSCD
WOS研究方向	Physics ; Optics
CSCD记录号	CSCD:6736394
资源类型	期刊论文
条目标识符	http://119.78.100.177/qdio/handle/2XILL650/336542
作者单位	田美玲, 新疆大学资源与环境科学学院;;新疆大学;;新疆大学, ;;绿洲生态教育部重点实验室;;智慧城市与环境建模新疆自治区普通高校重点实验室, 乌鲁木齐;;乌鲁木齐;;乌鲁木齐, 新疆;;新疆;;新疆 830046;;830046;;830046, 中国.; 葛翔宇, 新疆大学资源与环境科学学院;;新疆大学;;新疆大学, ;;绿洲生态教育部重点实验室;;智慧城市与环境建模新疆自治区普通高校重点实验室, 乌鲁木齐;;乌鲁木齐;;乌鲁木齐, 新疆;;新疆;;新疆 830046;;830046;;830046, 中国.; 丁建丽, 新疆大学资源与环境科学学院;;新疆大学;;新疆大学, ;;绿洲生态教育部重点实验室;;智慧城市与环境建模新疆自治区普通高校重点实验室, 乌鲁木齐;;乌鲁木齐;;乌鲁木齐, 新疆;;新疆;;新疆 830046;;830046;;830046, 中国.; 王敬哲, 新疆大学资源与环境科学学院;;新疆大学;;新疆大学, ;;绿洲生态教育部重点实验室;;智慧城市与环境建模新疆自治区普通高校重点实验室, 乌鲁木齐;;乌鲁木齐;;乌鲁木齐, 新疆;;新疆;;新疆 830046;;830046;;830046, 中国.; 张振华, 新疆大学资源与环境科学学院;;新疆大学;;新疆大学, ;;绿洲生态教育部重点实验室;;智慧城市与环境建模新疆自治区普通高校重点实验室, 乌鲁木齐;;乌鲁木齐;;乌鲁木齐, 新疆;;新疆;;新疆 830046;;830046;;830046, 中国.
推荐引用方式 GB/T 7714	田美玲,葛翔宇,丁建丽,等. 耦合机器学习和机载高光谱数据的土壤含水量估算[J],2020,57(9).
APA	田美玲,葛翔宇,丁建丽,王敬哲,&张振华.(2020).耦合机器学习和机载高光谱数据的土壤含水量估算.激光与光电子学进展,57(9).
MLA	田美玲,et al."耦合机器学习和机载高光谱数据的土壤含水量估算".激光与光电子学进展 57.9(2020).