共查询到20条相似文献，搜索用时 953 毫秒
1.
无人机多光谱遥感反演各生育期玉米根域土壤含水率 总被引：1，自引：3，他引：1
为准确及时地获取植被覆盖条件下农田土壤水分信息,该文以不同水分处理的大田玉米为研究对象,利用无人机遥感平台对夏玉米进行多期遥感监测,并同步采集玉米根域不同深度土壤含水率(Soil Water Content,SWC)。基于2018年夏玉米拔节期、抽雄-吐丝期和乳熟-成熟期的无人机多光谱遥感影像数据集,通过支持向量机(Support Vector Machine,SVM)分类剔除土壤背景,提取玉米冠层光谱反射率并计算10种植被指数(VegetationIndex,VI),然后利用全子集筛选(FullSubsetSelection)法对不同波段和植被指数进行不同深度土壤含水率的敏感性分析,并分别采用岭回归(Ridge Regression,RR)和极限学习机(ExtremeLearningMachine,ELM)2种方法构建全子集筛选后0～20、20～45和45～60cm不同深度下的土壤含水率定量估算模型。结果表明:基于贝叶斯信息准则(BayesianInformationCriterion,BIC)的全子集筛选法可以有效筛选最优光谱子集,筛选变量基本都通过了显著性检验,自变量个数较少;在同一生育期、同一深度条件下,ELM模型效果均优于RR模型;玉米在拔节期、抽雄-吐丝期的最佳监测深度为0～20cm,在乳熟-成熟期的最佳监测深度为20～45cm;乳熟-成熟期的20～45cm深度下的ELM反演模型效果最优,其建模集和验证集的决定系数Rc2和Rv2分别为0.825和0.750,均方根误差RMSEc和RMSEv分别为1.00%和1.32%,标准均方根误差NRMSEc和NRMSEv分别为10.85%和13.55%。利用全子集筛选法与机器学习相结合的方法可以提高土壤含水率的反演精度和鲁棒性,本研究为快速、准确地监测农田土壤墒情、实施精准灌溉提供了一种新的途径。 相似文献
2.
[目的] 选择西南地区代表性土类紫色土和地带性黄壤,分析其光谱信息,构建土壤水分反演模型,估测土壤含水率,为西南地区土壤水分快速监测提供方法依据。[方法] 通过室内配置紫色土和黄壤不同土壤含水率水平,运用地物光谱仪测量其光谱反射率,比较不同含水率条件下两类土壤的高光谱特征;采用多种数学变换和相关分析法提取特征波段,运用多元逐步回归（SMLR）和BP神经网络（BPNN）分别构建土壤含水率的高光谱估测模型。[结果] ①随土壤含水率的增加,紫色土和黄壤的光谱反射率均逐渐降低;在相同含水率条件下,紫色土的光谱反射率低于黄壤。②土壤含水率对可见光波段（380～760 nm）反射率的影响显著低于红外波段（760～2 500 nm）;均在1 400,1 900,2 200 nm附近存在明显水分吸收谷。③经数学变换的紫色土和黄壤光谱反射率均与土壤含水率存在极强的相关性。④基于BPNN建立的土壤水分反演模型整体优于SMLR模型。[结论] BPNN模型为西南地区紫色土和黄壤土壤含水率光谱反演的最优模型,能够快速准确估测紫色土和黄壤土壤水分状况。 相似文献
3.
土壤水分是影响作物生长的关键因子,在精准灌溉中估算土壤含水率有重要意义,结合作物生理参数与叶片光谱特性,能够在一定程度上增强土壤含水率遥感监测模型的稳定性。为了提高土壤含水率遥感监测模型在冬小麦多种物候期的适用性以及迁移能力,该研究通过连续小波变换增强光谱对叶片不同生化生理指标的响应后,通过变量投影重要性分析方法对冬小麦叶片含水率、叶绿素、叶面积指数敏感的光谱特征进行特征筛选,结合偏最小二乘回归构建土壤含水率模型,并与土壤含水率所选特征建立的监测模型在独立年份数据与不同传感器之间进行比较。结果表明,土壤含水率变化显著改变了冬小麦叶绿素以及叶面积,进而影响了小麦冠层光谱,小尺度小波变换可以增强冬小麦冠层光谱和土壤含水率的相关性（相关系数由0.46提升至0.61）。综合基于地面非成像数据集和机载成像数据集进行的模型验证结果,基于叶绿素所选小波特征在2021年高光谱非成像数据集和2022年机载成像数据集构建的土壤含水率监测模型表现最优,其中基于1尺度叶绿素小波特征构建的模型效果最好,其在独立非成像数据集验证中决定系数为0.541,均方根误差为2.42%,在成像数据集验证中决定系数为0.687,均方根误差为1.92%。因此,通过冬小麦叶片叶绿素与连续小波变换选取的光谱特征进行土壤含水率监测的适用性更强,可以进一步提高土壤含水率监测模型的准确性及稳定性。 相似文献
4.
黑土土壤水分高光谱特征及反演模型 总被引：17，自引：6，他引：11
应用高光谱技术阐释土壤含水率光谱规律及对土壤含水率进行定量分析,为精准农业地表土壤水分的快速测定提供参考。该文以吉林省黑土土类中的黑土亚类土壤为研究对象,利用ASD FieldSpec FR便携式光谱仪在室内环境下对不同含水率的土壤样本进行光谱反射率测量和特征分析;通过对土壤样品高光谱反射率进行对数、倒数、一阶微分以及反射率倒数的一阶微分、反射率对数的一阶微分变换,运用统计分析中的相关系数计算进行了光谱反射率与土壤水分的相关分析,并提取了土壤光谱特征波段;采用逐步多元线性回归方法和指数模式分析法,进行了高光谱土壤含水率定量反演。研究结果表明,在低于田间持水率状况下,黑土土壤光谱反射率及其反射率一阶微分和反射率对数一阶微分变换的敏感波段主要集中在400～410、1 400～1 850和2 050～2 200 nm范围内,其中2 156 nm处与土壤水分相关系数最高,达0.89;在波长1 328、1 439、1 742和2 156 nm处,采用反射率对数一阶微分所建立的黑土土壤含水率预测方程的预测精度最好,决定系数为0.931。黑土土壤含水率高光谱反演模型的建立为土壤水分的快速测定提供了新的途径。 相似文献
5.
无人机多光谱遥感反演不同深度土壤盐分 总被引：5，自引：4，他引：1
快速、精准获取作物覆盖下的土壤盐分信息，可以提高区域土壤盐渍化治理的有效性。该研究在内蒙古河套灌区沙壕渠灌域内试验地获取无人机多光谱遥感图像数据，并同步采集不同深度的土壤盐分数据。通过遥感图像数据提取光谱反射率并计算传统光谱指数，在此基础上引入红边波段建立新的光谱指数，同时使用Elastic-net算法（ENET）对光谱变量进行筛选，并将筛选后的光谱变量分为原始光谱变量组和改进光谱变量组；运用BP神经网络（Back Propagation Neural Networks，BPNN）、支持向量机（Support Vector Machine，SVM）和极限学习机（Extreme Learning Machine，ELM）3种机器学习方法，构建作物覆盖下不同土壤深度的土壤盐分反演模型，并基于最佳反演模型绘制试验区不同深度土壤盐分反演图。结果表明，使用ENET变量选择方法可以有效筛选出最优光谱变量，且基于改进光谱变量组构建的反演模型精度均高于原始光谱变量组；ELM模型反演效果优于SVM模型和BPNN模型，其验证集的决定系数为0.783，均方根误差为0.141，一致性相关系数为0.875；研究区域内，作物覆盖下的土壤盐分最佳反演深度为10～20 cm；在不同土壤深度下，基于改进光谱变量组构建的最佳反演模型绘制的土壤盐分反演图可以较为真实的反映试验区内的盐渍化程度，这说明引入红边波段构建光谱指数可以用于土壤盐分的反演。该研究为无人机多光谱遥感监测农田土壤盐渍化以及农田盐渍化治理提供了一种新途径。 相似文献
6.
7.
基于NDVI优化选择的土壤水分数据同化 总被引：3，自引：2，他引：1
时间序列上遥感观测数据的准确性会对同化结果有较大的影响.该文以宁夏回族自治区固原市为例,通过北方生产力生态模犁模拟2008年5-7月逐日的土壤湿度,按照不同日期的归一化植被指数(normalized difference vegetation index,NDVI)阈值,分别利用MODIS资料计算出基于红光和近红外波段的垂直含水量指数、改进的垂直干旱指数和基于近红外波段和短波红外波段的短波红外垂直水分胁迫指数,和宁夏中南部的气象站实测土壤水分建立关系,并用不同遥感指数反演的土壤水分作为观测值进行同化.结果表明,在作物的不同生长时期,垂直含水量指数、改进的垂直干旱指数和短波红外垂直水分胁迫指数的反演效果不同,基于NDVI优化遥感反演结果,选择准确性更高的反演结果作为同化观测值,能提高同化土壤水分的精度.该研究表明在不同时间段内使用更为准确的遥感监测结果作为观测值进行同化可以提高同化的精度. 相似文献
8.
土壤水分是农作物和牧草生长的关键因素,也是影响全球气候变化和水循环的重要因子,因此准确监测土壤水分对促进农牧业可持续管理至关重要。基于Landsat 8 OLI多光谱影像,在表面生物物理特性和地形参数的基础上,结合野外实测土壤含水率,采用经验模型法分别构建了反距离加权法（Inverse Distance Weighting,IDW）、多元线性回归（Multivariable Linear Regression,MLR）、随机森林（Random Forest,RF）的土壤含水率反演模型,并采用模型平均法（Granger-Ramanathan,GR）进行组合反演,结果显示,通过模型平均法组合单一模型后在该研究区的土壤含水率反演中表现出了更好的适用性,模型平均法GR对于土壤含水率的估算效果佳,建模集与验证集R2≥0.88,均方根误差均不大于1.42%,且模型性能远优于反距离加权法、多元线性回归和随机森林。 相似文献
9.
滨海盐土遥感监测的发展趋势 总被引：1，自引：0，他引：1
重点阐述国内外滨海盐土遥感监测内容与监测技术的进展,指出尚存问题以及未来的发展趋势。近年来滨海盐土遥感监测,在空间识别上,从基于影像光谱及色相特征的目视解译向计算机自动判读逐渐演变;在盐土性质反演上,由离散样点的统计建模逐渐扩展为空间连续的智能反演;在盐渍化程度监测方面,正由单纯通过土壤理化性质表征盐渍化程度向滨海生态系统的综合监测方向发展。滨海盐土遥感监测深受水分、植被等因素的影响,还存在较大的不确定性,在反演精度、模型通用性以及数据管理上仍有很大发展空间。滨海盐土遥感监测正向时效性、动态性、智能化方向发展,建立多尺度空间的滨海盐土质量通用反演模型以及有效的海量盐土遥感数据管理机制将是未来研究发展的必然趋势。 相似文献
10.
土壤水分反演的特征变量选择研究综述 总被引：4，自引：1，他引：3
土壤水分是水、能量和生物地球化学循环中不可忽略的组成部分,土壤水分信息对水资源管理、农业生产以及气候变化等相关研究有着重要意义。基于遥感数据的土壤水分反演算法是获取土壤水分信息的重要手段,通过对影响土壤水分反演的因素进行梳理,将影响因素抽象为包括土壤特征,植被特征,以及气象特征在内的特征变量,并以此为主线对土壤水分的反演研究进行回顾与梳理。分析了利用不同特征变量反演土壤水分时存在的问题和发展趋势,指出土壤水分反演过程中存在特征变量理论研究不足、综合应用不深的问题,强调耦合使用各类特征变量以提高水分反演精度是未来的研究热点。 相似文献
11.
基于综合干旱指数的毛乌素沙地腹部土壤水分反演及分布 总被引：4，自引：3，他引：1
为了克服单一干旱监测指数在复杂覆盖类型的适用性问题,以复杂覆盖类型的毛乌素沙地腹部乌审旗为例,在传统归一化干旱指数(normalized difference drought index,NDDI)、土壤湿度监测指数(soil moisture monitoring index,SMMI)、温度植被干旱指数(temperature vegetation drought index,TVDI)3个单一干旱监测指数的基础上,通过层次分析法确定各指数的权重,结合野外不同覆盖类型实测的土壤含水率数据,分别进行回归分析,建立多指数综合干旱监测模型,基于此模型分析研究区表层土壤水分的空间分布。结果表明:3个单一干旱指数在一定程度上均能客观反映旱情特征,与表层土壤含水率呈现不同程度的负相关,温度植被干旱指数相关性最好为0.604。引入结合多指数的综合干旱监测指数模型,在8月、9月草地和沙地与表层土壤含水率指数模型的决定系数R2均在0.7以上,高于基于单一指数模型的拟合精度。基于该模型,研究区研究区表层土壤含水率整体较低,体积含水率不高于0.15 cm~3/cm~3的面积分别占96.47%(8月)和94.8%(9月)。总体上从东到西,由北到南土壤含水率逐渐降低,与实测表层土壤样本的描述性统计结果有较好的空间一致性。 相似文献
12.
实时监测土壤游离氧化铁含量对于获取区域土壤理化特征数据、监测区域土壤环境具有重要意义。该试验基于HJ-1A 高光谱遥感影像，结合研究区土壤采样的游离氧化铁含量化验数据，分析遥感影像的反射率与土壤游离氧化铁含量的相关性，建立土壤游离氧化铁含量的多元线性反演模型，反演研究区表层土壤游离氧化铁含量。研究结果表明，HJ-1A高光谱遥感影像的反射率与研究区土壤游离氧化铁含量呈负相关性，且在第104波段达到峰值，相关系数为-0.455；利用反射率指数变换建立的反演模型Y=34.11-0.079X23+0.151X72-0.072X79-0.017X90，模型的决定系数为0.837，均方根误差为1.59 g/kg；土壤中有机质对游离氧化铁含量反演精度影响的检验结果显示，研究区土壤的有机质对游离氧化铁含量的反演精度无显著影响。该试验为土壤游离氧化铁的光谱分析提供借鉴，为区域土壤生态环境监测提供数据支持。 相似文献
13.
基于典型研究区植被冠层实测高光谱数据和HSI高光谱影像数据,通过相关分析选择与不同深度土壤含水量响应敏感波段,建立两者的土壤含水量反演模型,并用实测高光谱土壤含水量反演模型校正HSI影像土壤含水量反演的模型。结果表明:土壤含水量响应敏感波段区域为450~650 nm和850~920 nm;两种土壤含水量反演模型对土壤深度为0~10 cm的土壤含水量估算效果最好,其中实测冠层高光谱土壤含水量反演模型精度高于HSI影像土壤含水量反演模型,判定系数(R~2)分别为0.659和0.557;经过校正的HSI影像土壤含水量反演模型精度有了较大的提高,判定系数(R~2)从0.557提升到0.719,均方根误差(RMSE)为0.043 5,较好地提高了区域尺度条件下土壤含水量监测精度,因此运用该方法进行土壤含水量遥感监测是可行的,为进一步提高区域尺度下土壤含水量定量遥感监测提供参考借鉴。 相似文献
14.
基于多源遥感数据的艾比湖流域盐土SWAT模型参数修正 总被引：2，自引：2，他引：0
在SWAT(soil and water assessment tool)模型模拟地表分量过程中,常默认土壤剖面电导率(electrical conductivity,EC)值为0或0.1,将其应用于土壤盐渍化程度较高的流域时,不符合下垫面实际情况。为确保水文模拟逼近真实地表模拟过程,进一步提高模拟精度,该文利用GF-1号卫星16 m分辨率多光谱遥感影像结合分类回归树法反演艾比湖流域区域尺度0~100 cm土壤剖面电导率,模拟值与实测值均方根最大值误差为4.81 dS/m,相对误差最大值为15.17%。模拟值用于修正EC值,结果表明:EC值修正后的SWAT模型土壤水分模拟值,较修正前模拟值精度提高23.84个百分点。该方法在实现SWAT模型参数本地化的同时,有效提高了土壤水分模拟精度,可为土壤盐渍化区域水文模拟提供参考。 相似文献
15.
引入时相信息的耕地土壤有机质遥感反演模型 总被引：8，自引：3，他引：5
土壤有机质(soil organic matter,SOM)是土壤质量评价的重要指标。监测SOM含量及其空间分布对土壤利用与保护、土壤有机碳库估算等具有重要意义。该文以松嫩平原典型区为研究区,采集4种主要土壤类型样本共147个,获取裸土期多时相MODIS地表反射率8 d合成产品,以单期、多期影像所构建光谱指数作为输入量,构建包含含水量变化与有机质含量信息的多光谱指数,建立SOM线性回归遥感反演模型,揭示SOM空间分布规律。结果表明:由于土壤含水量空间差异随时间变化,基于单期影像构建的模型主要输入量发生规律性改变,其中年积日137 d裸土条件最好,反演模型最优;比值光谱指数R61与SOM显著相关,而和含水量相关性极小,适于作为反演模型输入量;基于多期影像构建的模型引入时相信息后,精度与稳定性较单期影像模型显著提高,其中基于年积日137、105 d两期影像光谱指数所建立的多元线性模型最优;松嫩平原SOM呈现由东北向西南递减趋势。 相似文献
16.
基于Sentinel多源数据的农田地表土壤水分反演模型构建与验证 总被引：4，自引：2，他引：2
土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该文基于Sentinel-1和Sentinel-2多源遥感数据,利用Oh模型、支持向量回归(support vector regression,SVR)和广义神经网络(generalized regression neural Network,GRNN)模型对土壤水分进行定量反演,以减小植被影响,提高反演精度。结果表明:通过水云模型去除植被影响后的Oh模型反演精度有所提高。加入不同植被指数的SVR和GRNN模型的反演效果总体优于Oh模型,基于SVR模型的多特征参数组合(双极化雷达后向散射系数、海拔高度、局部入射角、修改型土壤调整植被指数)反演效果最优,其测试集相关系数和均方根误差分别达到了0.903和0.015 cm~3/cm~3,为利用多源遥感数据反演农田地表土壤水分提供了参考。 相似文献
17.
基于光谱特征空间的农田植被区土壤湿度遥感监测 总被引：3，自引：2，他引：1
土壤湿度遥感动态监测在农业生产中具有重要作用。近年来,多种基于光谱特征空间的土壤水分监测指数被陆续提出,并得到广泛关注和应用,但当前多数监测指数未考虑混合像元的影响。该文针对垂直干旱指数(perpendicular drought index,PDI)在农田植被覆盖区监测精度降低问题,分析了植被覆盖下的PDI误差分布规律,引入垂直植被指数(perpendicular vegetation index,PVI)作为植被覆盖表征量,在PVI-PDI二维空间对PDI模型进行调整,提出了适于植被覆盖的植被调整垂直干旱指数(vegetation adjusted perpendicular drought index,VAPDI),并利用内蒙古明安镇研究区实测土壤湿度数据,对PDI与VAPDI进行了比较和验证。结果表明,在裸土、麦茬、土豆、豇豆4种植被覆盖类型中,PDI与土壤实测含水率的决定系数分别为0.630、0.504、0.571、0.543,VAPDI与土壤实测含水率的决定系数分别为0.599、0.523、0.602、0.585。VAPDI在植被区的误差略小于PDI,一定程度上克服了植被覆盖对监测精度的影响。通过PDI和VAPDI空间分布图的比较也说明,VAPDI对土壤湿度的差别有更好的区分能力,在中尺度土壤表层水分遥感反演方面具有一定的优势。该研究可为农田土壤湿度遥感监测方法选择及监测误差分析提供参考依据。 相似文献
18.
黄河三角洲典型生态脆弱区土壤退化遥感反演 总被引：5，自引：2，他引：5
黄河三角洲是典型的生态环境脆弱区,土壤质量不高,盐渍化状况普遍,快速准确掌握该区土壤退化状况,对退化土壤恢复重建、可持续利用具有重要意义。该研究选择黄河三角洲垦利县为研究区,以2008年实测数据为依据,通过建立土壤退化评价指标体系,以参评因素权重与隶属度值加权组合构建土壤退化综合指数,在GIS支持下对土壤退化进行了综合评价;采用与实测同时相的TM影像数据,结合不同程度退化土壤光谱特征、土壤退化综合指数与波段灰度值的相关性分析,筛选土壤退化敏感波段,进而构建土壤退化敏感光谱指数,并建立基于敏感光谱指数的土壤退化综合指数反演模型,最终筛选出拟合程度最高的指数模型作为研究区土壤退化的反演模型,对模型进行精度分析,并利用2008年遥感影像验证反演结果;将该反演模型应用于2011年和2013年的遥感影像,并对研究区2008-2013年的土壤退化状况及动态变化进行了分析。结果显示:基于土壤退化综合指数评价结果,研究区土壤退化程度从沿海到内陆呈现由高到低过渡的趋势;TM1、TM2、TM3波段为土壤退化敏感波段,基于此3个波段组合的土壤退化光谱指数构建的土壤退化遥感反演模型有较高的精度,R2为0.7182,其验证均方根误差、相对误差和决定系数分别为0.0241、3.66%和0.6724,反演结果与同年基于实测数据的综合评价结果相一致;研究区2008-2013年土壤退化状况总体变化不大,有逐渐改善趋势。 相似文献
19.
黑土区田块尺度土壤有机质含量遥感反演模型 总被引：9，自引：4，他引：5
为了对田块尺度土壤有机质进行空间反演并提高模型精度和稳定性,该文以黑龙江省黑土带41.3 hm~2田块为例,获取2016年5月中下旬两期(受限于拍摄周期和天气原因而选择不同卫星影像,2016年5月17日Landsat 8影像和5月25日Sentinel-2A影像)裸土时期遥感影像和4 m分辨率DEM数据;分析单期影像与土壤有机质(soil organic matter,SOM)的关系,两期影像所包含的土壤含水量变化信息与地形因素对SOM预测模型精度的影响,建立基于BP神经网络的SOM遥感反演模型。结果表明:该田块内SOM含量差异较大;利用单期影像预测SOM时,基于红波段和785~899 nm波段建立的预测模型精度(建模均方根误差RMSE 1.033,检验RMSE 1.079)和稳定性(建模决定系数R2 0.677,检验R20.644)较高;两期影像时,基于红波段和1 570~1 650 nm波段建立的预测模型精度(建模RMSE 0.855,检验RMSE 0.898)和稳定性(建模R2 0.792,检验R2 0.797)显著提高;在两期影像模型基础上,加入地形因子作为输入量,模型精度(建模RMSE 0.492,检验RMSE 0.499)和稳定性(建模R2 0.917,检验R2 0.928)进一步提高。研究成果可为土壤碳库估算和农田精准施肥提供理论与技术支持。 相似文献
20.
基于模糊判别成分分析法的高光谱作物信息提取与分类 总被引：1，自引：1，他引：0
东北地区是中国主要的玉米种植区,同时也是中国易发生干旱的地区,干旱常态化严重制约着该地区玉米生产的稳定发展。以辽宁省春玉米为研究对象,在明确春玉米不同发育期干旱变化特征的基础上,基于FY-3A、MODIS、春玉米发育期和土壤相对湿度观测等数据,建立春玉米干旱遥感监测指标集,构建各发育期不同土层深度的土壤相对湿度遥感监测模型,并以2000年为例开展了辽宁省春玉米干旱监测的应用研究,结果表明：1993-2012年辽宁省春玉米在各个发育期均有干旱发生,其中1999-2002年为干旱高发期,乳熟期干旱最为严重;多指数协同配合能提高遥感手段对土壤相对湿度的监测能力,其中陆表水分指数对土壤相对湿度监测能力较强,其次是水分指数;利用构建的春玉米各发育期土壤相对湿度遥感监测模型,监测2001-2004年部分发育期和土层深度的干旱状况,总体监测准确率为73.32%;实现了2000年辽宁省春玉米发育期干旱等级动态监测,所得监测结果与当年农业气象观测记录在发育阶段和空间上都有很好的一致性,遥感监测结果正确。因此,此项研究对于大范围准确跟踪监测春玉米干旱,以及提高春玉米生产的防灾减灾能力具有重要意义。 相似文献