[目的]研究耕地质量遥感评价对实现耕地质量实时有效管护,推进我国现代高效农业发展和保障国家粮食安全具有重要意义.[方法]以从化区为研究区,利用多种变换技术从GF-1影像数据获取光谱参量,通过相关系数和方差膨胀因子筛选对耕地质量敏感的光谱响应指标,分别基于线性(PLSR)与非线性(BPNN、GA-BPNN)模型构建从化区耕地质量遥感光谱响应模型,并利用最佳模型开展耕地质量快速反演与空间制图.[结果]耕地质量的作物光谱响应指标分别为FD-3、SD4、EVI和LR-4,与耕地质量的相关系数分别为0.661、0.663、0.714和-0.674,说明GF-1影像中红、近红外是耕地质量的作物光谱响应波段.利用PLSR、BPNN和GA-BPNN模型分别反演耕地质量,对比反演精度,发现基于GA-BPNN模型能够快速实现耕地质量反演(R2=0.64,NRMSE=10.75％).利用最佳模型进行耕地质量空间制图并验证,结果表明基于GA-BPNN模型利用GF-1卫星影像数据提取的作物光谱指标能够快速有效的反演区域尺度上的耕地质量.[结论]利用遥感技术有助于快速摸清区域尺度下耕地质量状况,完善现有耕地质量评价学科体系,促进学科发展,为后续耕地质量的光谱反演提供理论基础.

耕地质量;卫星遥感;作物光谱;遗传算法—反向传播神经网络

刘珊珊;胡月明;刘振华;林陈捷;王璐

华南农业大学资源环境学院,广州 510642;广东省土地利用与整治重点实验室,广州 510642;广东省土地信息工程技术研究中心,广州 510642;电子科技大学资源与环境学院,成都 611731

西南农业学报

[1]刘珊珊;胡月明;刘振华;林陈捷;王璐-.基于作物光谱的耕地质量反演)[J].西南农业学报,2022(08):1878-1886

作物光谱,管护,高效农业,国家粮食安全,从化区,GF,数据获取,参量,膨胀因子,因子筛选,选对,光谱响应,响应指标,PLSR,BPNN,GA,感光,响应模型,快速反演,空间制图,FD,SD4,EVI,LR,近红外,波段,反演精度,快速实现,NRMSE,卫星影像数据,数据提取,快速有效,区域尺度,遥感技术,摸清,质量状况,耕地质量评价,学科体系,谱反演,卫星遥感,反向传播神经网络

0.273352