| 基于多源遥感协同反演的区域性土壤盐渍化监测 |
| |
| 引用本文： | 冯雪力,刘全明.基于多源遥感协同反演的区域性土壤盐渍化监测[J].农业机械学报,2018,49(7):127-133. |
| |
| 作者姓名： | 冯雪力 刘全明 |
| |
| 作者单位： | 内蒙古建筑职业技术学院;内蒙古农业大学土木建筑工程学院 |
| |
| 基金项目： | 国家自然科学基金项目（51249007、51569018） |
| |
| 摘 要： | 为进一步推动多源遥感技术在农业生产与管理中的应用,以内蒙古河套灌区解放闸灌域为试验区,利用地面实测光谱和地表组合粗糙度数据,联合C波段微波雷达SAR四极化后向散射系数数据,分别利用主成分回归(PCR)、多元逐步回归(MSR)和偏最小二乘回归(PLSR)选取盐分特征波段,并建模评价土壤盐渍化分布。首先,对光谱反射率及其对数、一阶与二阶导数4种光谱数据进行相关性分析,发现相较于原始光谱和对数变换,光谱的一、二阶导数具有更好的相关性,二阶导数变换的618~622 nm、1 802~1 806 nm、2 169~2 173 nm、2 344~2 348 nm这4个特征波段的相关系数分别为0.37、0.28、0.39和0.27;PLSR筛选的波段相较MSR选取的波段延后,但其二阶导数变换模型拟合度小于MSR。其次,在对比二阶导数变换的PCR、MSR和PLSR土壤盐分模型基础上,最终确定了协同光谱特征波段中心反射率二阶导数和雷达后向散射特性、地表组合粗糙度的BP人工神经网络(BPANN)模型为最佳预测模型,其预测模型的R~2为0.890 8,稳定性和预测精度均优于前述经验回归模型。融合多源遥感数据的神经网络模型可快速精准监测土壤盐渍化分布,为灌区土壤退化防治提供基础信息指导。
|
| 关 键 词： | 土壤盐渍化 多源遥感 协同反演 神经网络 |
| 收稿时间： | 2018/1/4 0:00:00 |
Regional Soil Salinity Monitoring Based on Multi-source Collaborative Remote Sensing Data |
| |
| FENG Xueli and LIU Quanming.Regional Soil Salinity Monitoring Based on Multi-source Collaborative Remote Sensing Data[J].Transactions of the Chinese Society of Agricultural Machinery,2018,49(7):127-133. |
| |
| Authors: | FENG Xueli and LIU Quanming |
| |
| Institution: | Inner Mongolia Technical College of Construction and Inner Mongolia Agricultural University |
| |
| Abstract: | |
| |
| Keywords: | soil salinity multi-source remote sensing collaborative inversion neural networks |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
