基于无人机遥感的汾河灌区土壤水分反演研究

作     者：郭磊 

作者单位：太原理工大学 

学位级别：硕士

导师姓名：晋华

授予年度：2023年

学科分类：08[工学] 081104[工学-模式识别与智能系统] 09[农学] 0903[农学-农业资源与环境] 0804[工学-仪器科学与技术] 0811[工学-控制科学与工程] 

主      题：无人机多光谱 土壤水分 玉米 机器学习 汾河灌区 气候因子 

摘      要：在干旱和半干旱地区,土壤水分是反映植被生长状况和农业干旱情况的重要指标,土壤长期缺水可能会导致区域内农业生态系统不断恶化,从而严重制约当地社会经济的快速发展。山西省作为农业用水大省,多年农业平均用水量占总用水量的60%左右,土壤水分短缺所造成的影响将更加明显。近年来无人机因具有操作简便、时效性高、工作成本低以及机动性强,可及时准确地获取大面积农田土壤水分信息等优点,成为实现节水灌溉的重要工具。因此,本文以汾河灌区农业用水典型试验区—山西省中心灌溉试验站为研究区,基于无人机遥测影像构建玉米不同生育期土壤水分反演模型,为汾河灌区玉米的灌溉制度提供理论和技术支持。本文首先探究了研究区土壤水分与气候因子(降雨量、气温、风速以及蒸发量)的变化规律,并分析了二者之间的相关性,得出影响土壤水分变化的主控因子。其次利用无人机获取玉米不同生育期的多光谱影像数据,提取不同波段反射率、计算出31种植被指数,并对植被指数和不同深度土壤水分的敏感性进行了分析;然后运用反向传播神经网络(BP)、随机森林(RF)以及极端随机树(ET)3种机器学习算法构建不同深度和生育期的土壤水分反演模型,并比选得出玉米耕作层土壤水分最佳反演模型。第三对不同生育期下冠层/地表温度、植被株高以及叶面积指数与土壤水分的相关性进行了分析研究,并结合植被指数构建了偏最小二乘法(PLS)土壤水分反演模型。主要研究结果如下:(1)汾河灌区多年平均土壤水分呈不显著下降趋势;多年月均土壤水分呈倒双“S型曲线变化,土壤水分的变化幅度随着土壤深度的增大而降低。多年平均降雨量、气温和蒸发量整体上呈上升趋势,三者的月均变化规律均表现为倒“V型曲线;多年平均风速呈下降趋势,月均风速的变化规律表现为不规则倒“S型曲线。降雨量、气温、蒸发量与土壤水分呈负相关关系,风速与土壤水分呈正相关关系,通过主成分分析得出气温是影响研究区土壤水分变化的主控因子。(2)对不同波段反射率计算得到的31种植被指数,采用灰色关联分析方法筛选出与土壤水分敏感性高的植被指数共有20种,其中选取次数较多的有SIPI、GNDVI、NRVI、NDVI、ARVI、DATT、OSAVI等7种植被指数,这些植被指数主要与NIR波段和R波段有关,表明这2个波段可作为汾河灌区玉米试验田土壤水分反演研究的主要数据源。(3)从不同生育期的反演效果来看,利用机器学习算法构建的反向传播神经网络(BP)、随机森林(RF)以及极端随机树(ET)3种土壤水分反演模型在灌浆成熟期的反演效果最好,在拔节期反演效果最差。在同一生育期下,BP、RF和ET模型验证集的决定系数R随着土壤深度的增加而减小,并且在45-60cm处验证集的R接近于0,表明3种模型的预测精度均随着土壤深度的增加而降低,0-45cm为模型最佳反演深度。在不同生育期和不同深度的土壤水分反演中,ET模型在3种模型综合表现较好,因此选定ET模型作为汾河灌区玉米土壤水分最佳反演模型。(4)在基于偏最小二乘法构建的植被指数、地面实测数据(冠层/地表温度、植被株高和叶面积指数)、以及植被指数联合地面实测数据的3种土壤水分反演模型中,植被指数联合地面实测数据所构建的土壤水分反演模型的精度最高,地面实测数据构建的模型次之,单纯利用植被指数构建的模型最差。表明相比于单纯利用植被指数进行土壤水分反演,地面实测数据的加入会对模型的反演精度起到一定提高作用,可使0-10cm、10-20cm、20-30cm以及30-45cm的R分别增加0.200、0.416、0.373以及0.300。