采用无人机载高分辨率光谱仪反演土壤有机碳含量

作     者：祝元丽 王冬艳 张鹤 石璞 Zhu Yuanli;Wang Dongyan;Zhang He;Shi Pu

作者机构：吉林大学地球科学学院长春130012 比利时法语鲁汶大学地球与生命研究所比利时新鲁汶1348 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2021年第37卷第6期

页      面：66-72页

核心收录：

学科分类：09[农学] 0903[农学-农业资源与环境] 090301[农学-土壤学] 

基　　金：国家自然科学基金项目(41807059) 吉林省科技发展计划项目(20190103108JH) 吉林大学研究生创新基金资助项目(101832020CX221) 

主　　题：无人机 高光谱 土壤 有机碳 偏最小二乘回归 便携地物光谱仪 

摘      要：小型无人机(Unmanned Aerial Vehicle,UAV)平台与土壤高光谱技术的有机结合可作为一种快速、准确获取高分辨率土壤有机碳(Soil Organic Carbon,SOC)空间信息的手段,适用于精准农业管理和土地监测,但目前该方面应用不多。该研究选取中国东北黑土和比利时黄土研究区,通过构建与UAV兼容的土壤高光谱数据获取平台,研究其在暗室和野外自然光条件下快速反演SOC含量的能力;进行多源光谱数据修正,探索暗室SOC模型直接应用到野外条件的可行性。结果表明:1)暗室条件下构建的基于UAV兼容光谱数据(FX)的偏最小二乘回归(Partial Least Squares Regression,PLSR)模型能准确预测2个研究区的SOC含量(相对分析误差大于1.6,R^(2)≥0.65);2)野外自然光条件下构建的SOC预测模型精度略有下降(R^(2)=0.58),但SOC含量估算值与实测值的值域相近,说明仍能捕捉SOC含量在其值域的变化;3)利用校准标样对不同光照条件下的FX数据进行修正,将基于实验室光谱数据的PLSR模型应用于野外光谱数据,为实现无需实地采样即可利用无人机载高光谱数据进行SOC快速调查奠定了基础。