干旱区生态环境知识资源中心(Arid): 基于图谱融合的土壤盐分监测方法研究

Arid

DOI	中国会议
	基于图谱融合的土壤盐分监测方法研究
	史晓艳; 宋江辉; 王海江; 吕新
通讯作者	史晓艳
中文摘要	【研究背景】及时监测分析绿洲地区土壤盐渍化程度,对保护该地区生态环境的稳定性以及实现农业生产可持续发展起着至关重要的作用。遥感技术因其覆盖面广,周期快,成为区域土壤盐渍化动态监测的一种有效快速无损的新途径。近年来无人机多光谱影像多用于定量监测分析土壤水盐、重金属和有机碳,但大多数研究集中于无人机影像的光谱信息,以纹理形式存在的固有空间信息仍未到得到开发,且目前关于具有超高空间分辨率的无人机图像的纹理分析在含盐量估测方面的性能知之甚少,本研究的目的是通过结合无人机图像的纹理和光谱信息提高土壤盐分监测的精度。【材料与方法】本文以新疆典型盐渍化农田为研究对象,于2019年4月进行无人机飞行拍摄,无人机搭载四波段多光谱(MS)相机,以采集土壤光谱图像,无人机飞行高度设置为70m,对应的地面分辨率为2.55cm,并同步进行田间土壤样品采集工作,采用全部因子、典型相关分析、灰色关联度分析三种指标筛选方法,分别建立基于光谱信息、图像纹理信息以及图谱融合的偏最小二乘回归模型(PLSR)和支持向量机回归模型(SVM),根据回归模型的决定系数(R2)和均方根误差(RMSE)对比模型精度及可靠性,筛选最佳土壤盐分监测模型。【结果与分析】典型相关分析表明,多光谱波段间存在及显著的相关性,除SI-T和NDSI外,其余光谱指标与表层土壤电导率均呈现出及显著的相关性,其中相关性最大的指标为B2、INT1、SI1、SI3,相关系数均为0.83,图像纹理信息中各波段的均值均与土壤盐分含量成极显著相关关系,相关系数分别为0.824、0.835、0.820、0.785。通过比较不同指标筛选方法发现,基于全部因子建立的模型精度优于典型相关性分析建模以及灰色关联度分析建模精度。就建模效果而言,不同筛选方法的模型效果不同,其中PLSR建模方法经过指标筛选后显著提高了模型的精度,这可能是因为指标间显著相关,因此全部指标建模过程中可能会由于共线性问题造成模型精度降低;SVM建模中由于指标筛选而降低了相关性,这可能是因为样本量少的原因,机器学习算法本身需要大量的数据进行计算,因此当样本数量较少时,其优点无法体现出。通过对比分析不同数据源建模精度发现,图谱融合显著提高了模型的决定系数与稳定性,全部因子建立的基于图谱融合的PLSR模型为最优模型,建模集和预测集的决定系数分别为0.853和0.815;【结论】与单独使用光谱信息相比,将纹理信息与光谱信息相集成可以显著提高土壤盐分监测的准确性,有利于实现无人机土壤盐分准确监测。
中文关键词	无人机 ; 图谱融合 ; 盐分
来源出版物	第十九届中国作物学会学术年会论文摘要集
出版年	2020
页码	1
语种	中文
中图法分类号	S151.9;S127
资源类型	会议论文
条目标识符	http://119.78.100.177/qdio/handle/2XILL650/353196
作者单位	石河子大学农学院
推荐引用方式 GB/T 7714	史晓艳,宋江辉,王海江,等. 基于图谱融合的土壤盐分监测方法研究[C],2020:1.