《表5 基于无人机多光谱的土壤盐分估测模型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Sentinel卫星及无人机多光谱的滨海冬小麦种植区土壤盐分反演研究——以黄三角垦利区为例》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

采用逐步回归、偏最小二乘、BP神经网络及SVM支持向量机方法，基于无人机多光谱图像，以66个建模样本的4个波段和3个光谱指数为自变量，土壤盐分含量为因变量建立土壤盐分估测模型，并使用33个验证样本对模型进行验证（表5）。可以看出，4种建模方法的13个模型中，由NDVI、RVI、SI建立的4个光谱指数模型的建模和验证精度均为最佳，均高于光谱波段模型。其中，建模精度最高的是支持向量机模型，R2为0.835，但其验证精度相比其他3个模型较低，说明该模型稳定性较差。从逐步回归模型可以看出，叠加敏感波段项、指数项可以逐步提高建模精度。使用4种建模方法，基于卫星影像，以指数NDVI、RVI、SI为自变量建立土壤盐分估测模型（表6）。通过比较发现，4个无人机光谱指数模型精度均高于同一方法的卫星光谱指数模型，表明采用无人机光谱建模可以提高土壤盐分的反演精度。因此，选择由NDVI、RVI、SI建立的4个无人机光谱指数模型进行下一步的升尺度模型修正与验证。