农业机械学报

作者：董雨昕，韩文霆，崔欣，马伟童，翟雪东，李广

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,西北农林科技大学,西北农林科技大学,中国科学院重庆绿色智能技术研究院,

关键词：遥感;土壤含盐量;尺度转换;无人机;Sentinel-2A卫星

基金：陕西省重点研发项目(2022KW-47、2023-YBNY-221)、国家重点研发计划项目(2022YFD1900802)、国家自然科学基金项目(51979233)和中央高校基本科研业务费专项资金项目(2452023078)

土壤盐渍化是制约农业生产的主要因素之一，精确监测土壤盐渍化尤为重要。本研究利用2023年4月8—12日在河套灌区4个实验区域采集的地面实测含盐量数据和无人机(Unmanned verial vehicle, UAV)数据构建偏最小二乘回归(Partial least squares regression, PLSR)、随机森林(Random forest, RF)、反向传播神经网络(Backpropagation neural network, BPNN)和支持向量机回归(Support vector machine regression, SVR) 4种土壤含盐量(Soil salt content, SSC)反演模型。将最优模型反演得到的实验区土壤盐分分布图分别利用最邻近法(Nearest)、双线性内插法(Bilinear)、立方卷积内插法(Cubic) 3种方法重采样到1、5、10m。计算同时期Sentinel-2A卫星对应像元提取平均值作为卫星影像构建反演模型的含盐量，对比分析各尺度下的最优模型，绘制河套灌区土壤盐分分布图。结果表明：使用Bilinear方法在3种尺度下的相关性均略优于其他2种重采样方法，5种尺度下构建的模型精度由大到小依次为0.07m、1.m、5m、10m、原实测土壤含盐量（OSSC），最优尺度0.07m训练集和验证集最佳模型决定系数R2比OSSC分别提升0.24和0.30，均方根误差（RMSE）低0.06、0.19个百分点。本文探究了多尺度土壤含盐量对卫星多光谱遥感平台反演土壤含盐量模型精度的促进作用，为多源遥感大尺度精准土壤盐渍化反演提供了有效理论依据。

来源：2025年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第6期