基于不同建模方法的土壤pH值无人机遥感影像反演

作     者：王羿 丁鸣鸣 何菁 邵光成 Wang Yi

作者机构：河海大学农业科学与工程学院江苏南京210098 南京市水务局江苏南京210036 南京市水利建筑工程检测中心有限公司江苏南京210036 

出 版 物：《江苏农业科学》 (Jiangsu Agricultural Sciences)

年 卷 期：2022年第50卷第14期

页      面：224-231页

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 09[农学] 0804[工学-仪器科学与技术] 0903[农学-农业资源与环境] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 

基　　金：江苏省“青蓝工程”项目 国家自然科学基金(编号:51879072) 江苏省水利科技项目(编号:2015087) 

主　　题：土壤pH值 无人机 多光谱遥感 LASSO回归模型 

摘      要：土壤pH值是土壤形成过程和熟化陪肥过程的一个指标。为了实现对农田土壤酸碱度状况的量化判别,提高模型预测精度,以江苏省南京市江宁区淳化街道农田土壤pH值为研究对象,采用棋盘式布点法选取60个点位进行土壤pH值测定,采用无人机搭载多光谱传感器获取土壤光谱信息,分别建立多元逐步线性回归(MLSR)、BP神经网络(BPNN)、LASSO回归模型,并采用R^(2)、RMSE、VIF指标评价3种模型精度。结果表明,LASSO回归方法较其他回归方法在多光谱与土壤pH值反演中表现较好,R^(2)=0.618,RMSE=0.430,可以平衡MLSR的共线性问题以及BPNN样本容量较少、验证集精度较差等问题。采用LASSO回归模型进行反演及分类制图,发现研究区内92.6%的土壤呈中性,以期为无人机多光谱反演土壤pH值提供理论参考。