基于雷达遥感的不同深度土壤含盐量反演模型

为及时、有效地监测盐渍化土壤含盐量，以内蒙古河套灌区沙壕渠灌域为研究区，将Sentinel-1雷达影像作为数据源，同步采集不同深度土壤含盐量数据，通过组合两组雷达后向散射系数构建多种指数，并用灰度关联（Gray correlation degree,GCD）排除共线性强的指数，采用偏最小二乘回归（Partial least squares regression，PLSR）、分位数回归（Quantile regression，QR）和支持向量机（Support vector machine regression，SVM）3种方法，构建0~10cm、10~20cm不同深度下的土壤含盐量反演模型。结果表明，在3种回归方法中，SVM回归模型的精度最高，模型建模集决定系数R2c、验证集决定系数R2p均在04以上，建模集均方根误差RMSEc、验证集均方根误差RMSEp均小于03%，分位数回归模型次之，偏最小二乘回归模型最差；在各反演深度下，0~10cm深度的反演精度均高于10~20cm深度的反演精度，其中在0~10cm深度下SVM反演模型效果优于其他模型，R2c、R2p分别为0568和0686，RMSEc、RMSEp分别为0.201%和0.151%。本研究可为雷达遥感监测裸土期土壤盐渍化提供参考。

Inversion Model of Soil Salt Content in Different Depths Based on Radar Remote Sensing