基于分数阶微分光谱指数的冬小麦根域土壤含水率估算模型

• Published in: 农业工程学报 Vol. 39; no. 13; pp. 131 - 140
• Main Authors: 刘浩, 杨锡震, 张蓓, 黄嘉亮, 赵笑, 吴雨箫, 向友珍, 耿宏锁, 陈皓锐, 陈俊英
• Format: Journal Article
• Language: Chinese
• Published: 西北农林科技大学水利与建筑工程学院,杨凌 712100 01.07.2023; 西北农林科技大学旱区农业水土工程教育部重点实验室,杨凌 712100%西北农林科技大学水利与建筑工程学院,杨凌 712100%西北农林科技大学综合素质教育学院,杨凌 712100%中国水利水电科学研究院流域水循环模拟与调控国家重点实验室,北京 100037
• Subjects: models; spectral index; 模型; remote sensing; soil moisture content; 土壤含水率; 遥感; winter wheat; 分数阶微分; 光谱指数; 冬小麦; fractional-order differential
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.202212068

S15; 为探讨分数阶微分(fractional-order differentiation,FOD)技术联合光谱指数改善高光谱反演冬小麦根域土壤含水率(soil moisture content,SMC)的效果,该研究以冬小麦为研究对象,测取高光谱反射率和土壤含水率数据,将高光谱反射率经 Savitzky-Golay(SG)平滑处理后计算典型光谱指数以此构建偏最小二乘回归(partial least squares regression,PLSR)、随机森林(random forest,RF)和BP神经网络(back propagation neural network,BPNN)3种土壤含水率反演模型;将高光谱反射率进行 0～2.0阶(步长为 0.2)的分数阶微分处理后计算比值指数(ratio index,RI)和归一化指数(normalized difference index,NDI),分析不同阶的RI、NDI与SMC之间的二维相关性,筛选得出敏感光谱指数并分组,以此构建 3种反演模型(PLSR、RF和BPNN).结果表明:不同典型光谱指数与土壤含水率的相关性存在很大差异,相关系数波动范围在 0.2～0.6之间,基于典型光谱指数的土壤含水率反演模型效果最好的是PLSR模型,RF模型次之,BPNN模型最低;经分数阶微分处理后筛选的敏感光谱指数与SMC之间的相关性较高,相关系数在不同分数阶上呈阶梯状变化,敏感光谱指数与SMC的相关系数从 0.76(0.2～1.0阶)递减至 0.65(1.6～2.0阶);最优SMC反演模型为FOD处理后的归一化敏感指数建立的RF模型,所建模型的决定系数为 0.75,均方根误差为0.024 g/g,相对分析误差为 2.08.基于分数阶微分改进的光谱指数反演土壤含水率模型较典型光谱指数反演模型效果提升明显(决定系数提升136%),研究成果可为冬小麦根域土壤含水率高光谱监测提供了一种可靠途径.