|本期目录/Table of Contents|

[1]林陈捷,刘振华,张小媛,等.基于红边指数的耕地质量遥感制图[J].江苏农业科学,2022,50(20):233-240.
　Lin Chenjie,et al.Remote sensing mapping of cultivated land quality based on red edge index[J].Jiangsu Agricultural Sciences,2022,50(20):233-240.
点击复制

基于红边指数的耕地质量遥感制图(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第50卷
期数:
2022年第20期
页码:
233-240
栏目:
农业工程与信息技术
出版日期:
2022-10-20

文章信息/Info

Title:
Remote sensing mapping of cultivated land quality based on red edge index
作者:
林陈捷1; 2; 3; 刘振华1; 2; 3; 张小媛1; 2; 3; 胡月明1; 2; 3; 4; 5; 刘洛1; 2; 3
1.华南农业大学资源环境学院，广东广州 510642； 2.广东省土地信息工程技术研究中心，广东广州 510642；3.广东省土地利用与整治重点实验室，广东广州 510642； 4.广州市华南自然资源科学技术研究院，广东广州 510642；5.海南大学热带作物学院，海南海口 570228
Author(s):
Lin Chenjie; et al
关键词:
红边指数; 耕地质量; 变量筛选; 模型构建; 广州市; 遥感制图
Keywords:
-
分类号:
F323.211；S127
DOI:
-
文献标志码:
A
摘要:
耕地是农业生产的基本物质条件，耕地质量评价对耕地保护有重要意义。遥感技术的发展，为解决当前耕地质量评价周期长、效率低的问题带来了新思路。目前基于植被遥感指标的耕地质量评价的研究中，尚未考虑利用作物红边波段评价耕地质量。因此，本研究尝试建立红边指数(red edge index，REI)和耕地质量的光谱响应模型，从Sentinel-2影像中提取14个红边指数，并使用梯度提升树(gradient boosting decision tree，GBDT)算法结合方差膨胀因子(variance inflation factor，VIF)筛选对耕地质量敏感的最佳红边指数；利用偏最小二乘回归(partial least squares regression，PLSR)、岭回归(ridge regression，RR)和BP神经网络(back propagation neural network，BPNN)算法构建红边波段与耕地质量之间的光谱响应模型，比较3个模型的精度从而确定最佳模型，并结合Sentinel-2影像完成耕地质量制图。结果表明，REI-BPNN光谱响应模型为耕地质量最佳预测模型，其建模精度决定系数(R2)为0.70，归一化均方根误差(NRMSE)为10.00%，优于其他2种线性模型，其耕地质量的制图误差NRMSE为14.80%，对比前人研究有所提高，表明通过红边指数反演耕地质量具有较大的潜力，为耕地质量评价提供了新思路。
Abstract:
-

参考文献/References:

［1］李因帅，张颖，赵庚星，等. 鲁中南山丘区耕地地力的遥感反演模型与应用［J］. 农业工程学报，2020，36(23)：269-278.
［2］张紫妍，苏友波，字春光，等. 耕地质量评价体系研究进展［J］. 安徽农业科学，2018，46(31)：1-3，7.
［3］胡凤桂. 寿县主要耕作区耕地质量调查与评价［J］. 安徽农学通报，2020，26(13)：119-123.
［4］李卓倩，赵贤妤，张莉坤，等. 基于LESA综合评价模型的耕地质量定级方法［J］. 水土保持研究，2020，27(4)：363-367，375.
［5］Liu S S，Peng Y P，Xia Z Q，et al. The GA-BPNN-based evaluation of cultivated land quality in the PSR framework using Gaofen-1 satellite data［J］. Sensors，2019，19(23)：5127.
［6］李因帅，赵庚星，王卓然，等. 基于SWCI-NDVI特征空间的县域耕地地力遥感反演［J］. 应用生态学报，2021，32(1)：252-260.
［7］官炎俊，邹自力，张晓平，等. 基于归一化植被指数的耕地质量反演模型研究［J］. 土壤通报，2018，49(4)：779-787.
［8］马佳妮，张超，吕雅慧，等. 基于长时间序列遥感数据反演NPP的耕地质量评价［J］. 农业机械学报，2019，50(1)：202-208.
［9］Zhu M B，Liu S S，Xia Z Q，et al. Crop growth stage GPP-driven spectral model for evaluation of cultivated land quality using GA-BPNN［J］. Agriculture，2020，10(8)：318.
［10］Xia Z Q，Peng Y P，Liu S S，et al. The optimal image date selection for evaluating cultivated land quality based on Gaofen-1 images［J］. Sensors，2019，19(22)：4937.
［11］胡昊，白由路，杨俐苹，等. 不同氮营养冬小麦冠层光谱红边特征分析［J］. 植物营养与肥料学报，2009，15(6)：1317-1323.
［12］Gitelson A A，Gritz Y，Merzlyak M N.Relationships between leaf chlorophyll content and spectral reflectance and algorithms for non-destructive chlorophyll assessment in higher plant leaves［J］. Journal of Plant Physiology，2003，160(3)：271-282.
［13］Wu C Y，Niu Z，Tang Q，et al. Estimating chlorophyll content from hyperspectral vegetation indices：modeling and validation［J］. Agricultural and Forest Meteorology，2008，148(8/9)：1230-1241.
［14］Dash J，Curran P J. Evaluation of the MERIS terrestrial chlorophyll index (MTCI)［J］. Advances in Space Research，2007，39( 1)：100-104.
［15］Navarro G，Caballero I，Silva G，et al. Evaluation of forest fire on Madeira Island using Sentinel-2A MSI imagery［J］. International Journal of Applied Earth Observation and Geoinformation，2017，58：97-106.
［16］Gitelson A，Merzlyak M N.Spectral reflectance changes associated with autumn senescence of Aesculus hippocastanum L. and Acer platanoides L. leaves. spectral features and relation to chlorophyll estimation［J］. Journal of Plant Physiology，1994，143(3)：286-292.
［17］Zhang Z J，Liu M L，Liu X N，et al. A new vegetation index based on multitemporal Sentinel-2 images for discriminating heavy metal stress levels in rice［J］. Sensors，2018，18(7)：2172.
［18］Guyot G，Baret F，Jacquemoud S. Imaging spectroscopy for vegetation studies［C］//Tosellli F，Bodechtel J. Imaging spectroscopy：Fundamentals and prospective applications，Dordrecht. The Nethelands： Kluwer Academic，1992：145-165.
［19］Xiao C W，Li P，Feng Z M，et al. Sentinel-2 red-edge spectral indices (RESI) suitability for mapping rubber boom in Luang Namtha Province，northern Lao PDR［J］. International Journal of Applied Earth Observation and Geoinformation，2020，93：102176.
［20］Carson N，Rosenbaum R S，Moscovitch M，et al. Self-referential processing improves memory for narrative information in healthy aging and amnestic Mild Cognitive Impairment［J］. Neuropsychologia，2019，134：107179.
［21］张宏鸣，刘雯，韩文霆，等. 基于梯度提升树算法的夏玉米叶面积指数反演［J］. 农业机械学报，2019，50(5)：251-259.
［22］金秀，朱先志，李绍稳，等. 基于梯度提升树的土壤速效磷高光谱回归预测方法［J］. 激光与光电子学进展，2019，56(13)：141-150.
［23］Salmerón Gómez R，García Pérez J，López Martín M D M，et al. Collinearity diagnostic applied in ridge estimation through the variance inflation factor［J］. Journal of Applied Statistics，2016，43(10)：1831-1849.
［24］Kang J，Jin R，Li X，et al. Spatial upscaling of sparse soil moisture observations based on ridge regression［J］. Remote Sensing，2018，10(2)：192.
［25］Li Z，Hu Y M，Wu Z，et al. Estimation methods for soil mercury content using hyperspectral remote sensing［J］. Sustainability，2018，10(7)：2474-2487.
［26］吕雅慧，郧文聚，张超，等. 基于TOPSIS和BP神经网络的高标准农田综合识别［J］. 农业机械学报，2018，49(3)：196-204.
［27］高玉明，张仁津. 基于遗传算法和BP神经网络的房价预测分析［J］. 计算机工程，2014，40(4)：187-191.
［28］Razakamanarivo R H，Grinand C，Razafindrakoto M A，et al. Mapping organic carbon stocks in Eucalyptus plantations of the central highlands of Madagascar：a multiple regression approach［J］. Geoderma，2011，162(3/4)：335-346.
［29］欧东璟. 基于多分类器融合的高光谱遥感图像分类［D］. 济南：山东大学，2019.
［30］Khosravi V，Doulati Ardejani F，Yousefi S，et al. Monitoring soil lead and zinc contents via combination of spectroscopy with extreme learning machine and other data mining methods［J］. Geoderma，2018，318：29-41.
［31］范峻恺，徐建刚. 基于神经网络综合建模的区域城市群发展脆弱性评价：以滇中城市群为例［J］. 自然资源学报，2020，35(12)：2875-2887.

相似文献/References:

[1]马立军,陈召亚,杨哲.基于生态安全的耕地质量安全评价 ——以河北省卢龙县为例[J].江苏农业科学,2016,44(03):358.
　Ma Lijun,et al.Evaluation of cultivated land quality and safety based on ecological safety—Taking Lulong County of Hebei Province as an example[J].Jiangsu Agricultural Sciences,2016,44(20):358.
[2]叶达,吴克宁,赵华甫,等.不同限制因子组合区土壤改良对耕地质量等级的影响[J].江苏农业科学,2016,44(04):427.
　Ye Da,et al.Effect of soil improvement on arable land quality grade in different limiting factor combination zone[J].Jiangsu Agricultural Sciences,2016,44(20):427.
[3]魏洪斌,吴克宁,赵华甫,等.我国两大粮食主产区耕地等别空间分布特征分析[J].江苏农业科学,2016,44(01):443.
　Wei Hongbin,et al.Analysis of spatial distribution characteristics of cultivated land quality gradation of Chinas two main grain production areas[J].Jiangsu Agricultural Sciences,2016,44(20):443.
[4]匡丽花,叶英聪,赵小敏.南方水稻主产区土地整治区域耕地质量等级变化[J].江苏农业科学,2015,43(05):362.
　Kuang Lihua,et al.Cultivated land quality grade change of land reclamation area in main rice producing areas of southern China[J].Jiangsu Agricultural Sciences,2015,43(20):362.
[5]肖轶,尹珂.综合国土整治前后的耕地质量评价[J].江苏农业科学,2015,43(01):333.
　Xiao Yi,et al.Quality evaluation of cultivated land before and after integrated land consolidation—Taking Dalu Town of Chongqing City as an example[J].Jiangsu Agricultural Sciences,2015,43(20):333.
[6]陈学砧,高星,赵华甫.土地整治项目区耕地质量提升评价[J].江苏农业科学,2016,44(12):405.
　Chen Xuezhen,et al.Evaluation and study on arable land quality enhancement in land consolidation areas[J].Jiangsu Agricultural Sciences,2016,44(20):405.
[7]董莉莉,吴克宁,魏洪斌,等.我国中部粮食主产区耕地质量等别限制因素及提升对策[J].江苏农业科学,2016,44(12):419.
　Dong Lili,et al.Limiting factors and promotion strategies of cultivated land gradation in major grain producing areas of middle China[J].Jiangsu Agricultural Sciences,2016,44(20):419.
[8]戴文举,刘振杰,刘洛,等.近5年广东省耕地质量时空格局[J].江苏农业科学,2017,45(24):289.
　Dai Wenju,et al.Temporal and spatial pattern of cultivated land quality in Guangdong Province in recent five years[J].Jiangsu Agricultural Sciences,2017,45(20):289.
[9]张晗,郭熙,赵小敏.基于空间质量差异的县域耕地质量等别监测样点布局研究 ——以江西省南昌县为例[J].江苏农业科学,2018,46(02):190.
　Zhang Han,et al.Study on monitoring sample points distribution of county arable land quality grade based on space quality differences—Taking Nanchang County， Jiangxi Province as an example[J].Jiangsu Agricultural Sciences,2018,46(20):190.
[10]郭硕,魏明欢,简卿,等.县域耕地质量监测样点布设研究——以河北省昌黎县为例[J].江苏农业科学,2018,46(12):227.
　Guo Shuo,et al.Study on layout of sample points of cultivated land quality monitoring at county level—Taking Changli County of Hebei Province as an example[J].Jiangsu Agricultural Sciences,2018,46(20):227.

备注/Memo

备注/Memo:
收稿日期：2021-11-08
基金项目：国家重点研发计划(编号：2020YFD1100203)；国家自然科学基金(编号：U1901601)；广东省农业科技创新及推广项目(编号：2022KJ102)。
作者简介：林陈捷(1996—)，男，广东湛江人，硕士研究生，主要从事土地监测和遥感技术研究。E-mail：1606432650@qq.com。
通信作者：胡月明，博士，教授，主要从事土地资源监测评价。E-mail：yueminghugis@163.com。
更新日期/Last Update: 2022-10-20