换一批基于无人机高光谱遥感和机器学习的土壤水盐信息反演
Inversion of soil water and salt information based on UAV hyperspectral remote sensing and machine lear-ning
摘要精准诊断盐碱农田水盐信息有助于保护耕地面积、长效提升土壤地力.本研究基于无人机高光谱数据提取田块尺度植被冠层光谱信息,利用标准正态变量(SNV)、多元散射校正(MSC)、一阶微分(FDR)和二阶微分(SDR)分别对原始光谱反射率(R)进行数学变换,通过最大相关系数绝对值(MACC)确定土壤含水量(SWC)、pH值和含盐量(SSC)的最优光谱变换形式,并采用竞争性自适应重加权采样法(CARS)对其进行特征波段提取,基于偏最小二乘回归(PLSR)、随机森林(RF)和极端梯度提升(XGBoost)建立土壤水盐信息反演模型.结果表明:土壤含水量、pH值和含盐量分别以R、FDR和MSC为最佳光谱变换形式,所对应的MACC分别为0.730、0.472和0.654o CARS算法能有效剔除无关变量,从150个光谱波段中优选出16～17个特征波段.土壤含水量和pH值均以XGBoost模型表现最佳,模型验证决定系数(Rp2)分别达0.927和0.743,相对分析误差(RPD)分别达3.93和2.45;土壤含盐量以RF模型为最优反演方法,Rp2和RPD分别为0.427和1.64.本研究结果可为土壤水盐信息空天地一体化遥感监测提供参考方案,为盐碱地改良和保护性耕作提供科学依据.
更多相关知识
关键词
无人机遥感高光谱竞争性自适应重加权采样法随机森林极端梯度提升UAV remote sensinghyperspectrumcompetitive adaptive reweighted samplingrandom forestextreme gradient boosting
DOI
10.13287/j.1001-9332.202311.012
发布时间
2023-12-13（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2021YFD1900602）
国家自然科学基金（42067003）
国家自然科学基金（42061047）
清华大学-宁夏银川水联网数字治水联合研究院联合开放基金项目（SKLHSE-2022-IOW11）
宁夏科技创新领军人才项目（2022GKLRLX02）
- 浏览7
- 被引29
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
