返回列表
基于无人机高光谱遥感和机器学习的土壤水盐信息反演
遥感应用
2026/09/21
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0.654。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(R_(p)~2)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，R 2和 RPD 分别为 0.427 p 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。
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。
期刊：应用生态学报
DOI：10.13287/j.1001-9332.202311.012
设备：GaiaSky
