农业机械学报

作者：黄悦，李仙岳，高慧娟

单位：内蒙古农业大学,内蒙古农业大学,内蒙古农业大学,

关键词：土壤含盐量;盐分指数;图像纹理;极化指数;Sentinel-1/2;机器学习

基金：国家重点研发计划项目（2022YFD1900802）和内蒙古科技计划项目（2022YFHH0039）

快速监测区域土壤盐渍化信息，对于盐渍化治理与生态环境保护具有重要意义。针对单一数据源、指数、算法导致土壤含盐量反演精度不高的问题，本文以河套灌区义长灌域左三支渠2022—2023年土壤含盐量为研究对象，利用哨兵1/2协同反演土壤含盐量，再通过水云模型、灰度共生矩阵获得Sentinel-1的图像纹理和极化指数。以此为基础构建3种数据集，分别为A（盐分指数）、B（盐分指数+图像纹理）、C（盐分指数+图像纹理+极化指数），将贝叶斯信息准则和全子集筛选法相结合筛选出敏感因子，结合3种机器学习方法构建最优土壤含盐量预估模型并绘制反演图。结果表明，除B8、B11和B12外土壤表层反射率与土壤含盐量呈弱负相关，植被指数和极化指数与土壤含盐量呈极显著正相关；Sentinel-1不同极化波段的图像纹理均与土壤含盐量有较高相关性，其中VH波段最佳。盐分指数、图像纹理和极化指数在机理上具有互补性，与单一或2个组合相比，决定系数从0.723、0.771提升到0.863，在土壤含盐量预估中具有很大潜力。基于盐分指数、图像纹理和极化指数构建的随机森林模型为土壤含盐量监测的最佳模型（决定系数为0.863，平均绝对误差为0.17%，均方根误差为0.12%），显著改善了对土壤含盐量较低值的低估情况。研究结果为盐渍化地区土壤含盐量预测提供了理论依据。

来源：2025年第11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11期