典型文献
基于无人机多光谱影像的土壤盐分反演模型
文献摘要：
为探究不同作物覆盖下不同深度的土壤盐分快速反演模型,该研究采集苜蓿、玉米覆盖下0～15、>15～30、>30～50 cm层深度的土壤盐分含量,基于无人机多光谱影像数据,提取各地块采样点的光谱反射率,在此基础上引入红边波段计算光谱指数作为特征变量,采用支持向量机递归特征消除算法(Support Vector Machine-Recursive Feature Elimination,SVM-RFE)以筛选光谱指数及未经过筛选的全指数组作为模型输入组,共构建出36个基于随机森林(Random Forest,RF)、极限学习机(Extreme Learning Machine,ELM)、BP神经网络(Back Propagation Neural Network)等机器学习模型,确定不同作物覆盖下的最佳土壤盐分反演模型.结果表明:SVM-RFE算法筛选光谱指数构建模型精度优于未进行筛选构建的模型.对于苜蓿和玉米覆盖土壤,整体上,RF反演效果优于ELM模型和BPNN模型,反演结果能体现真实土壤盐分含量,在0～15和>30～50 cm土层上,RF模型反演效果优于其他模型,苜蓿样地验证集决定系数Rp2分别为0.71、0.58,验证集均方根误差RMSEp分别为0.026、0.033,玉米样地Rp2分别为0.67、0.64,RMSEp分别为0.111、0.094,在>15～30 cm土层上ELM反演效果较好,苜蓿样地Rp2为0.58,RMSEp为0.039,玉米样地Rp2为0.68,RMSEp为0.059.0～15 cm是作物覆盖下的土壤含盐量最佳反演深度,验证集平均决定系数R2为0.65,均方根误差RMSE为0.084.研究结果可为土壤盐分的快速反演提供理论依据.
文献关键词：
无人机;土壤;盐分;多光谱;SVM-RFE;反演模型
中图分类号：
作者姓名：
赵文举;马芳芳;马宏;周春
作者机构：
兰州理工大学能源与动力工程学院,兰州 730050
文献出处：
引用格式：
[1]赵文举;马芳芳;马宏;周春-.基于无人机多光谱影像的土壤盐分反演模型)[J].农业工程学报,2022(24):93-101
A类：
最佳反演深度
B类：
无人机多光谱影像,土壤盐分反演,反演模型,不同深度,快速反演,苜蓿,土壤盐分含量,影像数据,地块,采样点,光谱反射率,红边波段,光谱指数,特征变量,支持向量机递归特征消除,递归特征消除算法,Support,Vector,Machine,Recursive,Feature,Elimination,RFE,过筛,数组,模型输入,Random,Forest,极限学习机,Extreme,Learning,ELM,Back,Propagation,Neural,Network,机器学习模型,指数构建,构建模型,模型精度,BPNN,土层,样地,验证集,决定系数,Rp2,RMSEp,土壤含盐量
AB值：
0.3117
相似文献
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。
