| 基于全子集-分位数回归的土壤含盐量反演研究 |
| |
| 引用本文： | 张智韬,韩佳,王新涛,陈皓锐,魏广飞,姚志华. 基于全子集-分位数回归的土壤含盐量反演研究[J]. 农业机械学报, 2019, 50(10): 142-152 |
| |
| 作者姓名： | 张智韬 韩佳 王新涛 陈皓锐 魏广飞 姚志华 |
| |
| 作者单位： | 西北农林科技大学,西北农林科技大学,西北农林科技大学,中国水利水电科学研究院水利研究所,西北农林科技大学,西北农林科技大学 |
| |
| 基金项目： | 国家重点研发计划项目（2017YFC0403302）和国家自然科学基金项目（41502225） |
| |
| 摘 要： | 为提高植被覆盖条件下卫星遥感对土壤含盐量的估测精度,以河套灌区解放闸灌域为研究区,以高分一号卫星影像为数据源,同步采集不同深度土壤含盐量,通过全子集筛选法(Best subset selection)分析不同波段和光谱指数对于不同深度土壤含盐量的敏感性,并采用人工神经网络(Artificial neural network,ANN)、支持向量机(Support vector machine,SVM)和分位数回归(Quantile regression,QR) 3种方法,构建全子集筛选前后0～20 cm、20～40 cm、0～40 cm、40～60 cm、0～60 cm等不同深度下的土壤含盐量反演模型。结果表明,B4、BI、SI1、SI3是0～20 cm、0～40 cm处土壤含盐量的敏感变量组合,B4、BI、NDVI为20～40 cm、40～60 cm、0～60 cm处土壤含盐量的敏感变量组合;在各深度下,分位数回归模型的精度最高,模型的决定系数R2c1、R2v1均在0. 4以上,均方根误差RMSEc1、RMSEv1均小于0. 4%,SVM次之,ANN最差;在20～40 cm深度下QR反演模型效果优于其他深度,为本文土壤含盐量估算的最优模型,其建模和验证的决定系数R2c1、R2v1分别为0. 611和0. 671,建模和验证均方根误差RMSEc1、RMSEv1分别为0. 177%和0. 160%。本研究可为卫星遥感大范围监测植被覆盖条件下土壤盐渍化程度提供参考。
|
| 关 键 词： | 土壤含盐量 遥感 全子集 分位数回归 反演模型 |
| 收稿时间： | 2019-07-06 |
Soil Salinity Inversion Based on Best Subsets-Quantile Regression Model |
| |
| ZHANG Zhitao,HAN Ji,WANG Xintao,CHEN Haorui,WEI Guangfei and YAO Zhihua. Soil Salinity Inversion Based on Best Subsets-Quantile Regression Model[J]. Transactions of the Chinese Society for Agricultural Machinery, 2019, 50(10): 142-152 |
| |
| Authors: | ZHANG Zhitao HAN Ji WANG Xintao CHEN Haorui WEI Guangfei YAO Zhihua |
| |
| Abstract: | |
| |
| Keywords: | soil salinity remote sensing best subset selection quantile regression inversion models |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
|
点击此处可从《农业机械学报》下载全文 |
|
