农业资源与环境学报

作者：刘旭辉,白云岗,柴仲平,张江辉,江柱,丁邦新,张超

单位：新疆农业大学资源与环境学院, 乌鲁木齐 830052,新疆水利水电科学研究院, 乌鲁木齐 830049,新疆水利水电科学研究院, 乌鲁木齐 830049,新疆农业大学资源与环境学院, 乌鲁木齐 830052,新疆水利水电科学研究院, 乌鲁木齐 830049,新疆水利水电科学研究院, 乌鲁木齐 830049,新疆水利水电科学研究院, 乌鲁木齐 830049,西北农林科技大学水利与建筑工程学院, 陕西 杨凌 712100,新疆农业大学资源与环境学院, 乌鲁木齐 830052,新疆水利水电科学研究院, 乌鲁木齐 830049

关键词：多光谱遥感，土壤含盐量，变量组，机器学习，空间分布,

基金：国家重点研发计划项目（2021YFD1900805-4）；新疆维吾尔自治区重大科技专项（2020A01002-1）

为探究区域尺度的土壤含盐量空间分布、季节性变化和年际变化特征，本研究以新疆第二师31团棉田为研究区，以2019年和2021年春、夏、秋季实测土壤含盐量和Landsat 8 OLI多光谱影像为基础，将波段组、盐分指数组、植被指数组和全变量组作为模型输入变量组，通过相关性分析优选特征光谱参量，采用极限学习机（Extreme Learning Machine，ELM）、支持向量机（SupportVector Machine，SVM）和BP神经网络（Back Propagation Neural Network，BPNN）构建基于各变量组的不同季节土壤盐分反演模型，通过实测数据评价精度筛选确定各季节最优模型，定量反演地表土壤含盐量。结果表明：研究区两年春、夏、秋季土壤含盐量总样本变异系数分别为 0.67、0.56、0.67，呈中等变异性；中度盐化土的光谱反射率高于轻度盐化土和非盐化土；基于全变量组的BPNN模型均为各季节最优的土壤盐分反演模型，精度由高到低依次为夏季>春季>秋季；两年各季节土壤含盐量由大到小顺序均为秋季>春季>夏季，说明灌排及农业耕作措施对土壤盐分动态变化影响较大；2019—2021年各季节土壤含盐量均有所减小，说明灌区灌排措施对盐碱地治理效果明显。研究表明，基于多光谱影像建立的机器学习模型可定量反演土壤含盐量，为南疆典型绿洲灌区棉田土壤盐渍化监测提供参考。

来源：2023年第3期

《农业资源与环境学报》期刊编辑部

查看农业资源与环境学报杂志2023年第3期