文献类型：期刊文章

作　　者：陈红艳[1] 赵庚星[1] 陈敬春[2] 王瑞燕[1] 高明秀[1]

机构地区：[1]山东农业大学资源与环境学院/土肥资源高效利用国家工程实验室,泰安271018 [2]山东省巨野县水务局,巨野274900

出　　处：《农业工程学报》

基　　金：国家自然科学基金(41401239;41271235);山东省优秀中青年科学家科研奖励基金(BS2013NY004);中国博士后科学基金(2014M561953);"十二五"国家科技支撑计划项目课题(2013BAD05B06)

年　　份：2015

卷　　号：31

期　　号：5

起止页码：107-114

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20151400700192)、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：快速获取土壤盐分的含量、特征及空间分布信息是盐渍土治理、利用的客观需求。该文针对黄河三角洲盐渍土，以垦利县为例，基于Landsat 8 OLI多光谱影像，在传统植被指数的基础上引入短波红外波段进行扩展，提出了改进植被指数；然后基于改进前后对应的植被指数，分别采用多元逐步回归（multivariable linear regression，MLR）、反向传播神经网络（back propagation neural networks，BPNN）和支持向量机（support vector machine，SVM）方法构建土壤盐分含量的遥感反演模型，并进行模型验证、对比和优选；最后基于最佳模型进行研究区土壤盐分含量的空间分布反演和分析。结果显示：相对传统植被指数，扩展后植被指数可增强与土壤盐分的相关性，大幅降低指数间的多重共线性；采用上述3种方法建模，改进后模型的精度比改进前都有提高，验证集决定系数R2提高0.04～0.10，均方根误差RMSE降低0.13～0.73，相对分析误差RPD提高0.25～0.34，改进后模型RPD均大于2.0，普遍达到性能良好；对比3种建模方法，SVM建模精度最高，BPNN模型次之，MLR分析精度最低，最佳模型为基于改进植被指数的土壤盐分含量支持向量机反演模型，建模集R2和RMSE为0.75、3.48，验证集R2、RMSE和RPD为0.78、3.02和2.56，模型较为准确、可靠；基于该模型反演的研究区土壤盐分含量整体较高，盐渍化程度空间分布表现为自西南部农业生产区至东北沿海区域逐渐加重，与实地调查一致。研究表明基于Landsat 8 OLI多光谱影像，引入第7波段对植被指数进行改进，从而构建土壤盐分含量的支持向量机模型，可获得较好的土壤盐分空间分布反演结果。

关 键 词：土壤  盐分 遥感 支持向量机  植被指数 反演 黄河口

分 类 号：S153] S127]