《表6 基于卫星影像光谱指数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》
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。
图表编号 | XD00217312900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.16 |
作者 | 奚雪、赵庚星、高鹏、崔昆、李涛 |
绘制单位 | 山东农业大学资源与环境学院、土肥资源高效利用国家工程实验室、山东农业大学资源与环境学院、土肥资源高效利用国家工程实验室、山东农业大学资源与环境学院、土肥资源高效利用国家工程实验室、山东农业大学资源与环境学院、土肥资源高效利用国家工程实验室、山东省土壤肥料总站 |
更多格式 | 高清、无水印(增值服务) |