文件大小：1.24M
摘要：【目的】为探究影响土壤含水率反演精度的因素，筛选最优数据组合与建模方法，优化无人机遥感监测玉米早期土壤含水率的反演方法。【方法】在玉米覆盖度差异显著时期，采集无人机影像与地面数据，运用阈值法剔除土壤背景，计算植被覆盖度。通过提取多种光谱和纹理特征，引入植被覆盖度构建多种数据组合模式。采用随机森林回归、岭回归以及偏最小二乘回归分别构建表层土壤含水率反演模型，进而分析不同数据组合模式对土壤表层含水率估算的精度。【结果】剔除背景对模型精度的提升效果因方法与数据集而异，RGB传感器剔除土壤背景后反演精度提升，而TIR传感器剔除土壤背景后的反演精度下降。可见光和热红外结合可显著提升模型精度，为模型提供更丰富的信息并提高鲁棒性。加入覆盖度后，未剔除与剔除背景时土壤表层含水率预测精度均有提高，未剔除土壤背景RGB+TIR+FVC模式相较于RGB+TIR模式的决定系数(R2)提升了0.01；剔除背景后R2提升了0.11。【结论】不同数据结合及覆盖度对模型精度影响不同，筛选较优组合与方法可为玉米早期土壤含水率监测提供参考。
文章目录
0 引 言
1 数据与方法
1.1 研究区概况与试验设计
1.2 数据获取及预处理
1.2.1 可见光图像获取
1.2.2 热红外图像获取
1.2.3 田间试验数据采集
1.3 研究方法
1.3.1 特征变量提取
1.3.2 模型构建与精度评估
2 结果与分析
2.1 相关分析结果
2.1.1 未剔除土壤背景土壤含水率反演结果
2.1.2 剔除土壤背景后土壤含水率反演结果
3 讨 论
4 结 论
