基于超宽带雷达和多光谱数据融合的土壤含水率检测

作     者：郭交 白清源 郭文川 GUO Jiao;BAI Qingyuan;GUO Wenchuan

作者机构：西北农林科技大学机械与电子工程学院陕西杨凌712100 陕西省农业信息感知与智能服务重点实验室陕西杨凌712100 农业农村部农业物联网重点实验室陕西杨凌712100 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2021年第52卷第9期

页      面：241-249页

核心收录：

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 

基　　金：国家自然科学基金项目(51979233、41301450) 陕西省重点研发计划项目(2020GY-162) 

主　　题：土壤含水率 超宽带雷达 多光谱 数据融合 支持向量机 

摘      要：土壤含水率监测是精准农业的重要组成部分,对于农情监测和农业生产起着关键性作用。超宽带雷达由于其体积小、质量轻、穿透力强和功耗低等特性已被广泛应用于土壤含水率监测研究。而现有超宽带雷达反演土壤含水率多为理想裸土情况,实际应用中地表植被覆盖会对结果造成较大影响,针对此问题,融合超宽带雷达和多光谱数据,利用支持向量机(SVM)模型对农田尺度不同植被覆盖下的土壤含水率进行分级预测,以减小植被对预测精度的影响。研究结果表明,在超宽带雷达回波数据提取出的不同时域特征组合中,选用峰值因子、峭度、均方根、峰-峰值、最大幅值、方差、偏斜度、平均值和最小幅值9个时域特征作为SVM模型输入特征预测结果最好,总体精度为95.59%,Kappa系数为0.9492。加入植被指数NDVI后,不同时域特征组合作为特征输入的模型精度均有显著提高,其中将9个时域特征与NDVI共同作为SVM输入预测效果最佳,总体精度为98.09%,Kappa系数为0.9780,与不考虑植被影响的预测结果比较,总体精度提高了2.50个百分点,Kappa系数提高了0.0288。