典型文献
基于地物高光谱和无人机多光谱的黄河三角洲土壤盐分机器学习反演模型
文献摘要：
土壤盐渍化是限制黄河三角洲地区农业经济发展的重要因素,进一步阻碍了农业生产.为了探索无人机影像在地表无植被覆盖条件下的土壤盐分含量反演状况,以黄河三角洲典型区域为研究区,获取地物高光谱和无人机多光谱两种数据源与样点土壤盐分含量,通过优选敏感光谱参量,使用偏最小二乘回归(Partial Least Squares Regression,PLSR)和随机森林(Random Forest,RF)两种机器学习算法建立土壤盐分含量反演模型,实现研究区的土壤盐分含量反演.结果表明:(1)高光谱1972 nm波段与土壤盐分含量间的敏感性最高,相关系数为-0.31.(2)两种不同数据源优化后的RF模型均优于PLSR,且稳定性更好.(3)基于地物高光谱的RF模型(R2=0.54,RMSEv=3.30 g/kg)优于基于无人机多光谱的RF模型(R2=0.54,验证RMSRv=3.35 g/kg).(4)结合无人机影像采用多光谱RF模型对研究区耕地的土壤盐分含量进行反演,研究区总体以轻、中度盐渍化土壤为主,对作物的耕种具有一定程度的限制.本研究构建并对比了两种不同源数据的黄河三角洲土壤盐分反演模型,并结合各自数据源的优势进行优化,探索了地表无植被覆盖情况下的土壤盐分含量反演方法,对更精准反演土地盐渍化程度提供了参考.
文献关键词：
土壤盐分含量;遥感;地物高光谱;无人机多光谱;偏最小二乘回归;随机森林;机器学习
中图分类号：
作者姓名：
范承志;王梓文;杨兴超;罗永开;徐学欣;郭斌;李振海
作者机构：
山东科技大学测绘与空间信息学院,山东青岛 266590;滨州学院山东省黄河三角洲生态环境重点实验室,山东滨州 256603;青岛农业大学农学院,山东青岛 266109
文献出处：
引用格式：
[1]范承志;王梓文;杨兴超;罗永开;徐学欣;郭斌;李振海-.基于地物高光谱和无人机多光谱的黄河三角洲土壤盐分机器学习反演模型)[J].智慧农业（中英文）,2022(04):61-73
A类：
RMSRv
B类：
地物高光谱,无人机多光谱,分机,反演模型,土壤盐渍化,制黄,黄河三角洲地区,农业经济发展,无人机影像,植被覆盖,土壤盐分含量,典型区域,数据源,感光,参量,偏最小二乘回归,Partial,Least,Squares,Regression,PLSR,Random,Forest,RF,机器学习算法,波段,RMSEv,盐渍化土壤,耕种,研究构建,不同源,同源数据,土壤盐分反演,反演方法
AB值：
0.212615
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
