为探究融雪径流与冻结状态对黑土细沟网络发育的影响,该研究开展了冻结与非冻结处理黑土坡面的融雪径流模拟冲刷试验,利用三维激光扫描技术获取多次定时径流冲刷并直至侵蚀形态稳定的坡面点云,结合数字表面模型差异(digital surface mod...为探究融雪径流与冻结状态对黑土细沟网络发育的影响,该研究开展了冻结与非冻结处理黑土坡面的融雪径流模拟冲刷试验,利用三维激光扫描技术获取多次定时径流冲刷并直至侵蚀形态稳定的坡面点云,结合数字表面模型差异(digital surface model of difference,DoD)微地形变化监测方法与点云逆向工程,获取细沟网络发育过程的侵蚀面积、侵蚀体积、细沟长度和细沟密度等侵蚀参数。结果表明,冻结因素与温度变化对细沟网络发育过程与程度有重要影响:1)冻结处理的黑土坡面更容易发展出细沟网络,达到坡面侵蚀形态基本稳定后的侵蚀面积、侵蚀体积以及侵蚀细沟长度是非冻结处理黑土坡面的291%、557%和437%。2)冻结处理与非冻结处理沿坡面细沟截面形态变化差异明显。冻结坡面细沟交叉时宽深比RW/D快速减小,下切速度加快,随后宽度与深度呈比例稳定增加;非冻结坡面汇水处的R_(W/D)随冲刷次数增加而增大,侧蚀速度加快,其他截面R_(W/D)随着冲刷次数的增加而减小,下切速度加快。3)采用ArcGIS与点云逆向工程模型联合获取的冻结状态下细沟形态参数与发育过程DoD相对误差范围为-12.70%~4.42%,提取精度在95%以上。该联合方法在冻结土体条件下获取细沟参数具有较高精度,可作为土壤侵蚀参数高精度提取的一种手段。展开更多
为探究作物冠层受阳光直射或阴影遮挡对无人机热红外遥感诊断作物水分胁迫、监测土壤含水率的影响,该研究以不同灌溉处理的夏玉米为研究对象,将热红外图像划分为光照冠层、阴影冠层、光照土壤、阴影土壤4个部分,分别提取光照温度与阴影...为探究作物冠层受阳光直射或阴影遮挡对无人机热红外遥感诊断作物水分胁迫、监测土壤含水率的影响,该研究以不同灌溉处理的夏玉米为研究对象,将热红外图像划分为光照冠层、阴影冠层、光照土壤、阴影土壤4个部分,分别提取光照温度与阴影温度后计算了11:00、13:00、15:00的冠气温差(冠层温度与大气温度之差,ΔT)、作物水分胁迫指数(crop water stress index,CWSI)、蒸发比(潜热通量与有效能量的比值,evaporative fraction,EF),并对比了3种指数在不同时刻使用光照温度(ΔT_(L)、CWSI_(L)、EF_(L))与阴影温度(ΔT_(S)、CWSI_(S)、EF_(S))后对土壤含水率的监测效果变化情况。结果表明:1)3种指数的监测效果会随时间发生变化,11:00与15:00时EF监测效果较好,13:00时CWSI监测效果较好,ΔT的监测效果较差但随时间波动最小;2)拔节期在区分光照温度与阴影温度后监测效果在11:00时提升幅度最大,EF、EF_(S)、EF_(L)的R^(2)分别为0.54、0.65、0.78,CWSI、CWSI_(S)、CWSI_(L)的R^(2)分别为0.47、0.64、0.70,抽雄期与灌浆期使用光照温度对监测效果提升不大,但使用阴影温度的指数监测效果有明显降低,在13:00时CWSIS较CWSI有最大降幅,R^(2)降幅分别为0.11、0.06;3)在拔节期与抽雄期使用11:00的EFL,在灌浆期使用13:00的CWSI能取得最好的土壤含水率监测效果,验证期预测土壤含水率的R2分别为0.75、0.75、0.89。该研究可以为无人机热红外监测土壤含水率提供参考。展开更多
冠气温差能够间接监测作物水分变化规律,而冠层温度与大气温度之间存在的时滞效应会影响监测效果,为探明两者之间的时滞效应变化规律及影响因素,本研究以拔节期至乳熟期的冬小麦为研究对象,利用红外温度传感器连续监测灌溉上限分别为田...冠气温差能够间接监测作物水分变化规律,而冠层温度与大气温度之间存在的时滞效应会影响监测效果,为探明两者之间的时滞效应变化规律及影响因素,本研究以拔节期至乳熟期的冬小麦为研究对象,利用红外温度传感器连续监测灌溉上限分别为田间持水率的95%(T1)、80%(T2)、65%(T3)和50%(T4)4个不同灌溉处理的冠层温度,并同步获取短波净辐射(Short-wave net radiation,R_(S))、大气温度(Atmospheric temperature,T_(A))、相对湿度(Relative humidity,R_(H))等气象数据。利用错位相关法计算冠层温度与大气温度之间的时滞时间(Time lag,TL),分析其在不同生育期和不同灌溉条件下变化规律,并采用相关性分析法探究气象因子(R_(S)、T_(A)、R_(H))变化率和日均值与时滞时间的相关性,最后通过通径分析探讨气象因子(R_(S)、T_(A)、R_(H))、土壤含水率(Soil moisture content,SMC)以及叶面积指数(Leaf area index,LAI)对时滞时间的共同影响。结果表明:不同生育期和不同灌溉条件下冬小麦冠层温度变化均提前于大气温度;在不同灌溉处理下,T1、T2和T3处理的时滞时间高于T4处理,且在不同生育期下,时滞时间呈现先减少再增加的趋势。短波净辐射变化率(Change rate of short-wave net radiation,R_(SCR))、大气温度变化率(Change rate of atmospheric temperature,T_(ACR))和相对湿度变化率(Change rate of relative humidity,R_(HCR))与时滞时间的相关性均高于对应日均值与时滞时间的相关性;同时,R_(SCR)与时滞时间的相关程度最高(相关系数R为0.718~0.806),TACR次之(R为0.582~0.661),RHCR最低(R为-0.534~-0.570)。利用通径分析发现,时滞时间主要受R_(SCR)、SMC以及LAI共同影响,但在不同灌溉条件下影响时滞时间的主要因素存在差异,其中T1、T2和T3处理主要受R_(SCR)和LAI影响,而T4主要受R_(SCR)和SMC影响。研究可为利用冠气温差信息监测作物水分变化进一步提供理论依据。展开更多
冠层温度(canopy temperature,T_(c))是作物水分胁迫计算的基础。准确地剔除热红外图像中的土壤背景,可以提高作物水分的监测精度。该研究以4种水分处理的拔节期夏玉米为研究对象,借助无人机可见光和热红外图像,采用红绿比值指数(red-gr...冠层温度(canopy temperature,T_(c))是作物水分胁迫计算的基础。准确地剔除热红外图像中的土壤背景,可以提高作物水分的监测精度。该研究以4种水分处理的拔节期夏玉米为研究对象,借助无人机可见光和热红外图像,采用红绿比值指数(red-green ratio index,RGRI)法提取研究区域的面状玉米冠层温度的空间分布信息,并分析每幅热红外图像上冠层温度的累积频率。该并提出了两种改进作物水分胁迫指数(crop water stress index,CWSI)性能的方法,一是使用基于正态分布的不同统计分位数分割冠层温度,并基于不同统计分位数上的平均冠层温度计算CWSI(记为CWSI_(TcF%))。二是基于冠层温度方差(canopy temperature variance,V_(ar)),将玉米冠层数据分为4个区间:区间Ⅰ,T_(c)≤40,V_(ar)≤10;区间Ⅱ,T_(c)≤40,10<V_(ar)≤20;区间Ⅲ,35<T_(c)<45,Var>20;区间Ⅳ,40<T_(c)<50,0<V_(ar)≤20,并在各自区间上选择最敏感的统计分位数计算CWSI(记为CWSI_(n))。研究结果表明:1)利用2020年和2021年两年数据计算的CWSI_(n)与作物生理指标(气孔导度G_(s)、净光合速率P_(n)、蒸腾速率T_(r))间的决定系数R2分别为0.72、0.52、0.62,nRMSE分别为23.96%、24.06%、25.60%,模型拟合精度高于原始CWSI(R^(2)分别为0.73、0.34、0.46,nRMSE分别为23.69%、28.27%、30.21%),但与CWSITcF%差别不大(R2分别为0.74、0.54、0.61,nRMSE分别为22.87%、23.74%、25.61%);2)虽然CWSI_(TcF%)能提高诊断作物水分胁迫的精度,但最敏感的冠层温度区间在年际间相差较大(2020,61.17%;2021,49.38%;两年数据,83.51%),而CWSI_(n)稳定性更高(与生理指标间的nRMSE分别为:2020年16.60%、27.37%、28.49%;2021年21.60%、18.95%、22.64%)。因此,综合来看CWSI_(n)可以更加精确地监测作物水分胁迫,利用该改进方法可为无人机遥感精准监测作物水分胁迫状况提供参考。展开更多
为探究采用高光谱技术反演冻结状态土壤水溶性盐基离子含量的可行性,该研究针对河套灌区盐渍化土壤,测定土壤在冻结与未冻结状态下的光谱和主要水溶性盐基离子含量(HCO_(3)^(-)、Cl^(-)、CO_(3)^(2-)、SO_(4)^(2-)、K^(+)、Na^(+)、Ca^(...为探究采用高光谱技术反演冻结状态土壤水溶性盐基离子含量的可行性,该研究针对河套灌区盐渍化土壤,测定土壤在冻结与未冻结状态下的光谱和主要水溶性盐基离子含量(HCO_(3)^(-)、Cl^(-)、CO_(3)^(2-)、SO_(4)^(2-)、K^(+)、Na^(+)、Ca^(2+)、Mg^(2+)),光谱经标准正态变量变换(standard normal variable,SNV)和变量投影重要性法(variable importance in projection,VIP)筛选出敏感波段后,采用偏最小二乘回归法(partial least squares regression,PLSR)、支持向量机回归法(support vector regression,SVR)和极限学习机法(extreme learning machine,ELM)构建基于特征光谱的土壤离子含量高光谱反演模型,并对比冻结与未冻结状态反演模型的精度。结果表明:在冻结状态下,不同离子的反演精度存在很大差异,其中Cl^(-)和K^(+)的预测精度极高(相对分析误差大于2.5),SO_(4)^(2-)、Ca^(2+)和Na^(+)预测精度较好(相对分析误差在2.0~2.5之间),其余离子预测效果较差;3种回归方法中,ELM模型精度最高,SVM模型次之,PLSR模型最低。冻结和未冻结状态下离子的最优反演模型相同,但冻结状态下Cl^(-)、SO_(4)^(2-)、K^(+)和Na^(+)反演精度比未冻结状态高,而Ca^(2+)和Mg^(2+)反演精度比未冻结状态低且Mg^(2+)的反演精度差别最大。各离子最优反演模型与未冻结状态下的相对分析误差相比变化为-34.45%~24.43%。该研究构建的VIP-ELM模型为季节性冻土区盐渍化土壤盐基离子的高光谱监测提供了一种可靠途径。展开更多
土壤含水量(soil water content, SWC)和土壤含盐量(soil salt content, SSC)是影响作物生长和农业生产力的重要因素。光学卫星图像已成为SWC和SSC估计的主要数据源。然而,在SWC或SSC变化较大地区,土壤水分和盐分会影响对方对光谱反射...土壤含水量(soil water content, SWC)和土壤含盐量(soil salt content, SSC)是影响作物生长和农业生产力的重要因素。光学卫星图像已成为SWC和SSC估计的主要数据源。然而,在SWC或SSC变化较大地区,土壤水分和盐分会影响对方对光谱反射率的响应,使得SSC和SWC的反演精度较差。对此,该研究提出了一个半解析性的反射率模型—RVS模型,来模拟植被光谱反射率(R_(v))对作物根区土壤含水量和含盐量的响应;并通过构建的RVS模型,对植被覆盖区域的土壤含水量和土壤含盐量进行同步监测。研究表明:RVS模型在反演研究区土壤含盐量和含水量时,精度较为可靠(水分:决定系数R^(2)为0.63~0.74,均方根误差为0.017~0.028;盐分:决定系数R^(2)为0.68~0.75,均方根误差为0.052 5~0.061 7)。在作物生长过程中,植被光谱反射率对深层土壤的含水量和含盐量的响应比对浅层土壤的含水量和含盐量的响应更加明显,而且随着作物的生长,影响光谱反射率的主导因素从土壤水分慢慢转向土壤盐分和水盐相互作用。该研究在一定程度上揭示了土壤水分、盐分、水盐交互作用对作物光谱反射率的干扰过程,实现土壤水分和盐分的同步监测,对实现区域尺度上土壤含盐量和含水量的精准监测具有一定的意义。展开更多
以以色列南部Seder Boker地区采集的粘壤土样品为研究对象。在室内利用ASD Field Spec 3型高光谱仪获取土壤的原始光谱,在进行数据预处理和不同数学变换后,共获取了4种光谱指标:光谱反射率(REF)、倒数之对数(LR)、一阶微分(FDR)和去包络...以以色列南部Seder Boker地区采集的粘壤土样品为研究对象。在室内利用ASD Field Spec 3型高光谱仪获取土壤的原始光谱,在进行数据预处理和不同数学变换后,共获取了4种光谱指标:光谱反射率(REF)、倒数之对数(LR)、一阶微分(FDR)和去包络线(CR)。采用偏最小二乘回归法(PLSR)、逐步回归法(SR)和岭回归法(RR)构建了基于不同指标的土壤含水率高光谱反演模型,并对反演结果进行精度验证与比较。结果表明:REF-PLSR模型在所有回归模型中的反演与预测效果均为最优(R2c=0.990,R2p=0.987),在逐步回归模型和岭回归模型中,LR-SR(R2c=0.981,R2p=0.971)、LR-RR(R2c=0.975,R2p=0.979)均为最佳模型。对于其他3种指标,虽然逐步回归法和岭回归法的建模效果较偏最小二乘回归法略有下降,但R2c均大于0.9,R2p均大于0.8,RPD均大于2.5,RMSE均小于0.03,模型仍具有较好的反演效果;逐步回归法和岭回归法均实现了模型的简化,但岭回归法采用有偏估计从而提高了模型的稳健性,且实现了波段的优选(用于建模的波段数仅为全光谱的0.3%)。粘壤土土壤含水率LR-RR高光谱反演模型的建立为高光谱模型的优化、土壤含水率的快速测定提供了途径。展开更多
文摘为探究融雪径流与冻结状态对黑土细沟网络发育的影响,该研究开展了冻结与非冻结处理黑土坡面的融雪径流模拟冲刷试验,利用三维激光扫描技术获取多次定时径流冲刷并直至侵蚀形态稳定的坡面点云,结合数字表面模型差异(digital surface model of difference,DoD)微地形变化监测方法与点云逆向工程,获取细沟网络发育过程的侵蚀面积、侵蚀体积、细沟长度和细沟密度等侵蚀参数。结果表明,冻结因素与温度变化对细沟网络发育过程与程度有重要影响:1)冻结处理的黑土坡面更容易发展出细沟网络,达到坡面侵蚀形态基本稳定后的侵蚀面积、侵蚀体积以及侵蚀细沟长度是非冻结处理黑土坡面的291%、557%和437%。2)冻结处理与非冻结处理沿坡面细沟截面形态变化差异明显。冻结坡面细沟交叉时宽深比RW/D快速减小,下切速度加快,随后宽度与深度呈比例稳定增加;非冻结坡面汇水处的R_(W/D)随冲刷次数增加而增大,侧蚀速度加快,其他截面R_(W/D)随着冲刷次数的增加而减小,下切速度加快。3)采用ArcGIS与点云逆向工程模型联合获取的冻结状态下细沟形态参数与发育过程DoD相对误差范围为-12.70%~4.42%,提取精度在95%以上。该联合方法在冻结土体条件下获取细沟参数具有较高精度,可作为土壤侵蚀参数高精度提取的一种手段。
文摘为探究作物冠层受阳光直射或阴影遮挡对无人机热红外遥感诊断作物水分胁迫、监测土壤含水率的影响,该研究以不同灌溉处理的夏玉米为研究对象,将热红外图像划分为光照冠层、阴影冠层、光照土壤、阴影土壤4个部分,分别提取光照温度与阴影温度后计算了11:00、13:00、15:00的冠气温差(冠层温度与大气温度之差,ΔT)、作物水分胁迫指数(crop water stress index,CWSI)、蒸发比(潜热通量与有效能量的比值,evaporative fraction,EF),并对比了3种指数在不同时刻使用光照温度(ΔT_(L)、CWSI_(L)、EF_(L))与阴影温度(ΔT_(S)、CWSI_(S)、EF_(S))后对土壤含水率的监测效果变化情况。结果表明:1)3种指数的监测效果会随时间发生变化,11:00与15:00时EF监测效果较好,13:00时CWSI监测效果较好,ΔT的监测效果较差但随时间波动最小;2)拔节期在区分光照温度与阴影温度后监测效果在11:00时提升幅度最大,EF、EF_(S)、EF_(L)的R^(2)分别为0.54、0.65、0.78,CWSI、CWSI_(S)、CWSI_(L)的R^(2)分别为0.47、0.64、0.70,抽雄期与灌浆期使用光照温度对监测效果提升不大,但使用阴影温度的指数监测效果有明显降低,在13:00时CWSIS较CWSI有最大降幅,R^(2)降幅分别为0.11、0.06;3)在拔节期与抽雄期使用11:00的EFL,在灌浆期使用13:00的CWSI能取得最好的土壤含水率监测效果,验证期预测土壤含水率的R2分别为0.75、0.75、0.89。该研究可以为无人机热红外监测土壤含水率提供参考。
文摘冠气温差能够间接监测作物水分变化规律,而冠层温度与大气温度之间存在的时滞效应会影响监测效果,为探明两者之间的时滞效应变化规律及影响因素,本研究以拔节期至乳熟期的冬小麦为研究对象,利用红外温度传感器连续监测灌溉上限分别为田间持水率的95%(T1)、80%(T2)、65%(T3)和50%(T4)4个不同灌溉处理的冠层温度,并同步获取短波净辐射(Short-wave net radiation,R_(S))、大气温度(Atmospheric temperature,T_(A))、相对湿度(Relative humidity,R_(H))等气象数据。利用错位相关法计算冠层温度与大气温度之间的时滞时间(Time lag,TL),分析其在不同生育期和不同灌溉条件下变化规律,并采用相关性分析法探究气象因子(R_(S)、T_(A)、R_(H))变化率和日均值与时滞时间的相关性,最后通过通径分析探讨气象因子(R_(S)、T_(A)、R_(H))、土壤含水率(Soil moisture content,SMC)以及叶面积指数(Leaf area index,LAI)对时滞时间的共同影响。结果表明:不同生育期和不同灌溉条件下冬小麦冠层温度变化均提前于大气温度;在不同灌溉处理下,T1、T2和T3处理的时滞时间高于T4处理,且在不同生育期下,时滞时间呈现先减少再增加的趋势。短波净辐射变化率(Change rate of short-wave net radiation,R_(SCR))、大气温度变化率(Change rate of atmospheric temperature,T_(ACR))和相对湿度变化率(Change rate of relative humidity,R_(HCR))与时滞时间的相关性均高于对应日均值与时滞时间的相关性;同时,R_(SCR)与时滞时间的相关程度最高(相关系数R为0.718~0.806),TACR次之(R为0.582~0.661),RHCR最低(R为-0.534~-0.570)。利用通径分析发现,时滞时间主要受R_(SCR)、SMC以及LAI共同影响,但在不同灌溉条件下影响时滞时间的主要因素存在差异,其中T1、T2和T3处理主要受R_(SCR)和LAI影响,而T4主要受R_(SCR)和SMC影响。研究可为利用冠气温差信息监测作物水分变化进一步提供理论依据。
文摘冠层温度(canopy temperature,T_(c))是作物水分胁迫计算的基础。准确地剔除热红外图像中的土壤背景,可以提高作物水分的监测精度。该研究以4种水分处理的拔节期夏玉米为研究对象,借助无人机可见光和热红外图像,采用红绿比值指数(red-green ratio index,RGRI)法提取研究区域的面状玉米冠层温度的空间分布信息,并分析每幅热红外图像上冠层温度的累积频率。该并提出了两种改进作物水分胁迫指数(crop water stress index,CWSI)性能的方法,一是使用基于正态分布的不同统计分位数分割冠层温度,并基于不同统计分位数上的平均冠层温度计算CWSI(记为CWSI_(TcF%))。二是基于冠层温度方差(canopy temperature variance,V_(ar)),将玉米冠层数据分为4个区间:区间Ⅰ,T_(c)≤40,V_(ar)≤10;区间Ⅱ,T_(c)≤40,10<V_(ar)≤20;区间Ⅲ,35<T_(c)<45,Var>20;区间Ⅳ,40<T_(c)<50,0<V_(ar)≤20,并在各自区间上选择最敏感的统计分位数计算CWSI(记为CWSI_(n))。研究结果表明:1)利用2020年和2021年两年数据计算的CWSI_(n)与作物生理指标(气孔导度G_(s)、净光合速率P_(n)、蒸腾速率T_(r))间的决定系数R2分别为0.72、0.52、0.62,nRMSE分别为23.96%、24.06%、25.60%,模型拟合精度高于原始CWSI(R^(2)分别为0.73、0.34、0.46,nRMSE分别为23.69%、28.27%、30.21%),但与CWSITcF%差别不大(R2分别为0.74、0.54、0.61,nRMSE分别为22.87%、23.74%、25.61%);2)虽然CWSI_(TcF%)能提高诊断作物水分胁迫的精度,但最敏感的冠层温度区间在年际间相差较大(2020,61.17%;2021,49.38%;两年数据,83.51%),而CWSI_(n)稳定性更高(与生理指标间的nRMSE分别为:2020年16.60%、27.37%、28.49%;2021年21.60%、18.95%、22.64%)。因此,综合来看CWSI_(n)可以更加精确地监测作物水分胁迫,利用该改进方法可为无人机遥感精准监测作物水分胁迫状况提供参考。
文摘为探究采用高光谱技术反演冻结状态土壤水溶性盐基离子含量的可行性,该研究针对河套灌区盐渍化土壤,测定土壤在冻结与未冻结状态下的光谱和主要水溶性盐基离子含量(HCO_(3)^(-)、Cl^(-)、CO_(3)^(2-)、SO_(4)^(2-)、K^(+)、Na^(+)、Ca^(2+)、Mg^(2+)),光谱经标准正态变量变换(standard normal variable,SNV)和变量投影重要性法(variable importance in projection,VIP)筛选出敏感波段后,采用偏最小二乘回归法(partial least squares regression,PLSR)、支持向量机回归法(support vector regression,SVR)和极限学习机法(extreme learning machine,ELM)构建基于特征光谱的土壤离子含量高光谱反演模型,并对比冻结与未冻结状态反演模型的精度。结果表明:在冻结状态下,不同离子的反演精度存在很大差异,其中Cl^(-)和K^(+)的预测精度极高(相对分析误差大于2.5),SO_(4)^(2-)、Ca^(2+)和Na^(+)预测精度较好(相对分析误差在2.0~2.5之间),其余离子预测效果较差;3种回归方法中,ELM模型精度最高,SVM模型次之,PLSR模型最低。冻结和未冻结状态下离子的最优反演模型相同,但冻结状态下Cl^(-)、SO_(4)^(2-)、K^(+)和Na^(+)反演精度比未冻结状态高,而Ca^(2+)和Mg^(2+)反演精度比未冻结状态低且Mg^(2+)的反演精度差别最大。各离子最优反演模型与未冻结状态下的相对分析误差相比变化为-34.45%~24.43%。该研究构建的VIP-ELM模型为季节性冻土区盐渍化土壤盐基离子的高光谱监测提供了一种可靠途径。
文摘土壤含水量(soil water content, SWC)和土壤含盐量(soil salt content, SSC)是影响作物生长和农业生产力的重要因素。光学卫星图像已成为SWC和SSC估计的主要数据源。然而,在SWC或SSC变化较大地区,土壤水分和盐分会影响对方对光谱反射率的响应,使得SSC和SWC的反演精度较差。对此,该研究提出了一个半解析性的反射率模型—RVS模型,来模拟植被光谱反射率(R_(v))对作物根区土壤含水量和含盐量的响应;并通过构建的RVS模型,对植被覆盖区域的土壤含水量和土壤含盐量进行同步监测。研究表明:RVS模型在反演研究区土壤含盐量和含水量时,精度较为可靠(水分:决定系数R^(2)为0.63~0.74,均方根误差为0.017~0.028;盐分:决定系数R^(2)为0.68~0.75,均方根误差为0.052 5~0.061 7)。在作物生长过程中,植被光谱反射率对深层土壤的含水量和含盐量的响应比对浅层土壤的含水量和含盐量的响应更加明显,而且随着作物的生长,影响光谱反射率的主导因素从土壤水分慢慢转向土壤盐分和水盐相互作用。该研究在一定程度上揭示了土壤水分、盐分、水盐交互作用对作物光谱反射率的干扰过程,实现土壤水分和盐分的同步监测,对实现区域尺度上土壤含盐量和含水量的精准监测具有一定的意义。
文摘以以色列南部Seder Boker地区采集的粘壤土样品为研究对象。在室内利用ASD Field Spec 3型高光谱仪获取土壤的原始光谱,在进行数据预处理和不同数学变换后,共获取了4种光谱指标:光谱反射率(REF)、倒数之对数(LR)、一阶微分(FDR)和去包络线(CR)。采用偏最小二乘回归法(PLSR)、逐步回归法(SR)和岭回归法(RR)构建了基于不同指标的土壤含水率高光谱反演模型,并对反演结果进行精度验证与比较。结果表明:REF-PLSR模型在所有回归模型中的反演与预测效果均为最优(R2c=0.990,R2p=0.987),在逐步回归模型和岭回归模型中,LR-SR(R2c=0.981,R2p=0.971)、LR-RR(R2c=0.975,R2p=0.979)均为最佳模型。对于其他3种指标,虽然逐步回归法和岭回归法的建模效果较偏最小二乘回归法略有下降,但R2c均大于0.9,R2p均大于0.8,RPD均大于2.5,RMSE均小于0.03,模型仍具有较好的反演效果;逐步回归法和岭回归法均实现了模型的简化,但岭回归法采用有偏估计从而提高了模型的稳健性,且实现了波段的优选(用于建模的波段数仅为全光谱的0.3%)。粘壤土土壤含水率LR-RR高光谱反演模型的建立为高光谱模型的优化、土壤含水率的快速测定提供了途径。
