[1]张进,吴春笃,张波,等.基于无人机多光谱的土壤全氮含量反演模型研究[J].江苏农业科学,2024,52(20):32-41.
　Zhang Jin,et al.Inversion model of soil total nitrogen content based on UAV multi-spectrum[J].Jiangsu Agricultural Sciences,2024,52(20):32-41.
点击复制

基于无人机多光谱的土壤全氮含量反演模型研究()

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第52卷
期数:
2024年第20期
页码:
32-41
栏目:
遥感反演
出版日期:
2024-10-20

文章信息/Info

Title:
Inversion model of soil total nitrogen content based on UAV multi-spectrum
作者:
张进1; 2;  吴春笃1; 2; 张波3;  张露露1; 2;  王晓文1; 2
1.现代农业装备与技术教育部重点实验室，江苏镇江 212013； 2.江苏大学农业工程学院，江苏镇江 212013； 3.江苏大学环境与安全工程学院，江苏镇江 212013
Author(s):
Zhang Jin; et al
关键词:
土壤; 全氮含量; 无人机; 多光谱遥感; 最小二乘支持向量机; 变分模态分解
Keywords:
-
分类号:
S127
DOI:
-
文献标志码:
A
摘要:
土壤全氮含量是评价土壤肥力及作物生长支持的核心指标之一。本研究构建一种新型反演模型VMD-SSA-LSSVM模型，旨在增强土壤全氮含量预测的精确性与泛化性。首先，使用大疆精灵四多光谱无人机收集作物冠层5个波段的光谱反射率数据；随后，对田间表层土壤进行取样，并通过实验室分析，确定土壤全氮含量，通过分析光谱数据和土壤全氮含量之间的关系，选出敏感波段，并以此为基础构建预测模型；此外，通过比较VMD-SSA-LSSVM模型与其他2种模型(VMD-LSSVM、传统LSSVM)的预测性能，评估不同方法对模型准确性的影响。结果表明，相对于传统LSSVM模型、VMD-LSSVM模型，VMD-SSA-LSSVM模型在土壤全氮含量的反演预测上表现最优。该模型的决定系数(r2)为0.893 3，均方根误差(RMSE)为0.031 3；在之后的拔节、灌浆、孕穗期的验证中，决定系数分别到达0431、0.481、0.537。这些性能指标表明，VMD-SSA-LSSVM模型能够有效提高土壤全氮含量的预测准确度。通过结合变分模态分解并利用麻雀搜索算法优化的最小二乘支持向量机模型，展现出较高的预测精度和良好的泛化能力。VMD-SSA-LSSVM预测模型可作为土壤全氮含量监测和农田管理的有效工具，为农业生产提供科学的决策支持。
Abstract:
-

参考文献/References:

［1］Santoso A M，Phoon K K，Quek S T. Effects of soil spatial variability on rainfall-induced landslides［J］. Computers & Structures，2011，89(11/12)：893-900.
［2］李鑫星，曹闪闪，白雪冰，等. 多光谱技术在土壤成分含量检测中的研究进展［J］. 光谱学与光谱分析，2020，40(7)：2042-2047.
［3］雷浩川，刘尊方，于晓晶，等. 基于Landsat 5影像的青海省大通县土壤表层全氮空间格局反演［J］. 青海大学学报(自然科学版)，2021，39(6)：79-86.
［4］祁亚琴，张显锋，张立福，等. 基于高光谱数据的农田土壤养分含量估测模型研究［J］. 新疆农业科学，2018，55(3)：490-495.
［5］杨栋淏，李亚强，刀剑，等. 基于无人机多光谱与地面高光谱遥感的土壤主要养分含量估测［J］. 江苏农业科学，2022，50(2)：178-186.
［6］王璐，蔺启忠，贾东，等. 多光谱数据定量反演土壤营养元素含量可行性分析［J］. 环境科学，2007，28(8)：1822-1828.
［7］王世东，石朴杰，张合兵，等. 基于高光谱的矿区复垦农田土壤全氮含量反演［J］. 生态学杂志，2019，38(1)：294-301.
［8］张强，张国龙，张泽，等. 基于高光谱的土壤全氮含量估测［J］. 山西农业科学，2016，44(7)：972-976.
［9］袁石林，马天云，宋韬等. 土壤中总氮与总磷含量的近红外光谱实时检测方法［J］. 农业机械学报，2009，40(增刊1)：150-153.
［10］Xu Y M，Smith S E，Grunwald S，et al. Effects of image pansharpening on soil total nitrogen prediction models in South India［J］. Geoderma，2018，320：52-66.
［11］Alvarez-Mendoza C I，Teodoro A，Quintana J，et al. Estimation of nitrogen in the soil of Balsa trees in Ecuador using unmanned aerial vehicles［C］//IGARSS 2020-2020 IEEE International Geoscience and Remote Sensing Symposium.Waikoloa，HI，USA.IEEE，2020：4610-4613.
［12］Orlando S，Minacapilli M，Sarno M，et al. A low-cost multispectral imaging system for the characterisation of soil and small vegetation properties using visible and near-infrared reflectance［J］. Computers and Electronics in Agriculture，2022，202：107359.
［13］中华人民共和国环境保护部. 土壤质量全氮的测定凯氏法：HJ 717—2014［S］. 北京：中国环境科学出版社，2015.
［14］Han X，Wei Z，Chen H，et al. Inversion of winter wheat growth parameters and yield under different water treatments based on UAV multispectral remote sensing［J］. Frontiers in Plant Science，2021，12：609876.
［15］韩婷婷，习晓环，王成，等. 基于TM数据的西双版纳地区森林叶面积指数反演［J］. 遥感信息，2014，29(2)：28-32.
［16］Lee H，Wang J F，Leblon B. Using linear regression，random forests，and support vector machine with unmanned aerial vehicle multispectral images to predict canopy nitrogen weight in corn［J］. Remote Sensing，2020，12(13)：2071.
［17］Dragomiretskiy K，Zosso D. Variational mode decomposition［J］. IEEE Transactions on Signal Processing，2014，62(3)：531-544.
［18］王维高，魏云冰，滕旭东. 基于VMD-SSA-LSSVM的短期风电预测［J］. 太阳能学报，2023，44(3)：204-211.
［19］Xue J K，Shen B. A novel swarm intelligence optimization approach：sparrow search algorithm［J］. Systems Science & Control Engineering，2020，8(1)：22-34.
［20］杨邓，杨俊杰，胡晨阳，等. 基于改进LSSVM的短期电力负荷预测［J］. 电子测量技术，2021，44(18)：47-53.
［21］张晓鹏，张兴忠. 基于高斯核函数的支持向量机光伏故障诊断研究［J］. 可再生能源，2021，39(6)：760-765.
［22］芮婷婷，徐云飞，程琦，等. 基于无人机多光谱遥感的冬小麦叶片含水量反演［J］. 麦类作物学报，2022，42(10)：1291-1300.
［23］台翔. 被覆盖条件下的无人机多光谱遥感土壤含盐量监测模型［D］. 杨凌：西北农林科技大学，2022.
［24］徐艺，邵光成，丁鸣鸣，等. 基于岭回归的土壤全氮含量反演模型［J］. 排灌机械工程学报，2022，40(11)：1159-1166.
［25］叶春. 基于数字图像的水稻氮素营养监测方法研究［D］. 南昌：南昌大学，2022.

相似文献/References:

[1]蒋宝南,刘腾飞,单建明,等.QuEChERS-GC/μECD法测定土壤中的毒死蜱残留量[J].江苏农业科学,2014,42(12):332.
　Jiang Baonan,et al.Determination of chlorpyrifos residues in soil by QuEChERS-GC/μECD[J].Jiangsu Agricultural Sciences,2014,42(20):332.
[2]李国锋,魏瑞成,王冉.高效液相色谱法测定土壤中联苯与间羟基苯甲酸残留[J].江苏农业科学,2014,42(12):316.
　Li Guofeng,et al.Determination of biphenyl and M-hydroxy benzoic acid residues in soil by high performance liquid chromatography[J].Jiangsu Agricultural Sciences,2014,42(20):316.
[3]史景允,于伟红,梁秋生.蓖麻对镉污染土壤的修复潜力[J].江苏农业科学,2014,42(11):386.
　Shi Jingyun,et al(8).Potential repairing of cadmium contaminated soil by castor oil plant[J].Jiangsu Agricultural Sciences,2014,42(20):386.
[4]何继山,梁杏,李静.土样浸提液电导率与盐分关系的逐步回归分析[J].江苏农业科学,2014,42(10):314.
　He Jishan,et al.Regression analysis of relationship between soil samples leaching solution conductivity and solinity[J].Jiangsu Agricultural Sciences,2014,42(20):314.
[5]徐洪文,卢妍.土壤碳矿化及活性有机碳影响因子研究进展[J].江苏农业科学,2014,42(10):4.
　Xu Hongwen,et al.Research progress on soil carbon mineralization and factors affecting active organic carbon[J].Jiangsu Agricultural Sciences,2014,42(20):4.
[6]李范,李娜,陈建中,等.基于磷脂脂肪酸提取方法的微生物群落结构研究[J].江苏农业科学,2014,42(09):323.
　Li Fan,et al.Study on microbial community structure based on phospholipid fatty acid extraction method[J].Jiangsu Agricultural Sciences,2014,42(20):323.
[7]张乐森,刘悦上,马金芝,等.山东省滨州市设施蔬菜土壤退化防治与修复对策[J].江苏农业科学,2013,41(07):141.
　Zhang Lesen,et al.Control and restoration strategies of facility vegetable soil degradation in Binzhou of Shandong Province[J].Jiangsu Agricultural Sciences,2013,41(20):141.
[8]尹辉,李晖,蒋忠诚,等.典型岩溶区土壤水分的空间异质性研究[J].江苏农业科学,2013,41(07):332.
　Yin Hui,et al.Study on spatial variability of soil water content in typical karst area[J].Jiangsu Agricultural Sciences,2013,41(20):332.
[9]覃怀德,吴炳孙,吴敏,等.橡胶园土壤钾素空间变异与分区管理技术——以海南省琼中县为例[J].江苏农业科学,2013,41(08):326.
　Qin Huaide,et al.Spatial variability and regionalized management of soil potassium nutrient in rubber plantation—Taking Qiongzhong County of Hainan Province as an example[J].Jiangsu Agricultural Sciences,2013,41(20):326.
[10]符勇,周忠发,王昆,等.基于贵州喀斯特高原山区的烟草种植适宜性研究[J].江苏农业科学,2014,42(09):92.
　Fu Yong,et al.Study on planting suitability of tobacco based on Guizhou karst mountain plateau[J].Jiangsu Agricultural Sciences,2014,42(20):92.
[11]姜霞,吴鹏,谢涛,等.雷公山自然保护区森林土壤碳、氮、磷化学计量特征的垂直地带性[J].江苏农业科学,2018,46(14):292.
　Jiang Xia,et al.Vertical zonality of stoichiometric characteristics of carbon， nitrogen and phosphorus in forest soils of Leigongshan Nature Reserve[J].Jiangsu Agricultural Sciences,2018,46(20):292.

备注/Memo

备注/Memo:
收稿日期：2023-11-30
基金项目：江苏省重点研发计划(编号：BE2022338)；现代农业装备与技术协同创新中心资助项目(编号：XTCX1004)；现代农业装备与技术教育部重点实验室开放基金(编号：MAET202113)。
作者简介：张进(1999—)，男，江苏苏州人，硕士研究生，主要从事农业智能化、可视化研究。E-mail：zwjzxi123@gmail.com。
通信作者：吴春笃，博士，教授，博士生导师，研究方向为污染控制工程、水环境修复、农业环境保护工程。E-mail：wucd@ujs.edu.cn。
更新日期/Last Update: 2024-10-20