尺度效应对多光谱遥感监测土壤水分影响研究

尺度效应是指在无人机遥感观测中,随着遥感分辨率的变化,各尺度遥感反演得到的数据表现不一致的现象,影响多光谱遥感监测土壤水分的精度。为探究尺度效应对于无人机遥感监测土壤水分的影响,以冬小麦为研究对象,通过无人机搭载多光谱相机分别在19、37、55、74、92 m的不同高度(对应分辨率为10、20、30、40、50 mm)拍摄多光谱图像,并同时采集土壤含水率数据。使用ENVI5.3(64 bit)对多光谱图像进行掩膜处理,包括无掩膜处理(no mask,NM)、去土壤掩膜处理(Soil background removal by masking,SRM)、去土壤去阴影掩膜处理(Soil and shadow background removal by masking,SSRM),获取各个高度下冬小麦的纹理特征。使用灰色关联法(Grey Relational Analysis,GCA)优选数据后,采用多元线性回归(Multiple Linear Regression,MLR)、BP神经网络(Back PropagationNeural Network,BPNN)和随机森林(Random Forest,RF)3种方法反演土壤含水率,使用R2和RMSE评价反演效果。研究结果表明:在采取的各种掩膜处理中,无掩膜方法反演效果最好。在各掩膜处理方法下表现最好反演模型是BPNN模型,在大部分情况下表现稳定有较好的反演效果,证明机器学习在遥感监测领域应用的可行性。冬小麦土壤含水率30 mm-NM-RF模型为最佳反演模型。在分辨率为40 mm,即无人机飞行高度74 m时,不同模型综合反演效果最佳,研究成果可应用于今后无人机监测土壤水分确定飞行高度。