中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 基于卫星和无人机遥感数据尺度转换的土壤盐渍化监测研究 节水灌溉 2020 (11) 87-93,104
Position: Home > Articles > Research on Soil Salinization Monitoring Based on Scale Conversion of Satellite and UAV Remote Sensing Data Water Saving Irrigation 2020 (11) 87-93,104

基于卫星和无人机遥感数据尺度转换的土壤盐渍化监测研究

作  者：
冯文哲;王新涛;韩佳;赵亿祥;梁磊;李定乾;唐新新;张智韬
单  位：
西北农林科技大学水利与建筑工程学院
关键词：
尺度转换;土壤盐渍化;多光谱遥感;机器学习;GF-1卫星数据;无人机遥感数据
摘  要：
为提高卫星遥感对土壤盐渍化的监测精度,以内蒙古河套灌区沙壕渠灌域内5块地为研究区,利用GF-1卫星遥感和无人机多光谱遥感分别获取2018年6月中旬的遥感影像数据,同步采集0~20 cm,20~40 cm深度的土壤样点,并引用洛伦兹曲线的原理以表征土壤异质性,同时引入BP神经网络(Back Propagation,BP)、支持向量机(Sup-port Vector Machine,SVM)和极限学习机(Extreme Learning Machine,ELM)构建土壤盐渍化监测模型.采用重采样尺度转换方法,对无人机数据进行尺度上推,用尺度上推后的无人机数据修正GF-1卫星数据,对修正后的数据进行反演建模并与直接采用卫星数据建立的模型进行对比.结果表明:实验区异质性大小与变异系数大小呈正相关.无人机数据构建的机器学习算法模型精度高于卫星数据.其中20 cm深度下无人机遥感数据反演土壤含盐量的最优模型为SVM模型,决定系数(R2)为0.875,均方根误差(RMSE)为0.132,相对分析误差(RPD)为2.773;40 cm深度下无人机遥感数据反演土壤含盐量的最优模型为BP模型R2为0.709,RMSE为0.144,RPD为1.781;20 cm深度下GF-1卫星遥感数据反演土壤含盐量的最优模型为SVM模型,R2为0.453,RMSE为0.245,RPD为0.055;40 cm深度下GF-1卫星遥感数据反演土壤含盐量的最优模型为BP模型R2为0.271,RMSE为0.267,RPD为0.001.通过升尺度转换,可提高卫星遥感反演土壤盐分的模型精度,R2可提高0.4~0.5,RMSE可减小0.061,RPD可提高1.308.可为改进卫星遥感监测土壤盐渍化方法提供参考.
译  名：
Research on Soil Salinization Monitoring Based on Scale Conversion of Satellite and UAV Remote Sensing Data

相似文章

导出引用
计量
文章访问数: 10
HTML全文浏览量: 0
PDF下载量: 1

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46