组合光学和微波遥感的耕地土壤含盐量反演 后印本

摘要: 耕地保护关系到国家粮食安全和经济社会可持续发展，对生态环境保护具有重要作用，快速精准的获取耕地土壤盐分含量及空间分布信息是耕地保护的必然要求。以宁夏平罗县为研究区，利用Landsat 9 OLI和Sentinel-1遥感影像，提取光谱指数和雷达极化组合指数，基于变量投影重要性法与灰度关联法筛选特征变量，然后运用反向传播神经网络、支持向量机和随机森林3种机器学习算法构建模型，并用最佳模型反演耕地土壤含盐量空间分布情况。结果表明：（1）利用变量投影重要性法筛选变量建立的模型验证集决定系数（R²）大于灰度关联法筛选变量建立的模型。（2）利用随机森林算法，组合光谱指数和雷达极化组合指数协同反演模型效果最佳，建模集R²为0.791，均方根误差（RMSE）为1.016，R²较单一数据源模型分别提高0.065和0.085，RMSE分别降低0.147和0.189；验证集R2为0.780，RMSE为1.132，R2较单一数据源模型分别提高0.091和0.237，RMSE分别降低0.175和0.377。（3）平罗县耕地轻度盐渍化和中度盐渍化土壤分布范围广，占比分别为23.77%和33.54%，重度盐渍化达15.37%。研究结果发现，组合多源遥感数据建模能够有效提高土壤含盐量反演精度，可为干旱区耕地土壤含盐量的反演和当地农业可持续发展提供有效的技术参考。