基于无人机高光谱数据的耕地土壤盐分反演模型优选

土壤盐渍化是制约农业生产安全的常见问题,快速准确地获取土壤盐分信息,对改良和解决土壤盐渍化具有重要意义。本研究以无人机(UAV)高光谱遥感数据为数据源,针对耕地的不同土地利用现状,根据不同光谱转换数据筛选特征波段集合,最终对比支持向量机(SVR)、反向传播神经网络(BPNN)和随机森林回归(RFR)模型的精度,提出区域耕地土壤盐分的最佳反演模型。结果表明:采用一阶微分的光谱转换数据与随机森林回归方法结合的反演模型精度最高;针对不同土地利用现状的耕地分别进行特征波段的提取能确保模型整体精度更高,其决定系数为0.885,均方根误差为0.413,相对分析误差为4.208。研究结果可为机载高光谱实现耕地土壤盐分的高精度反演提供参考,为耕地盐碱化防治提供科学依据。