鲁中南山丘区耕地地力的遥感反演模型与应用

作者：李因帅; 张颖; 赵庚星^*; 李涛; 李建伟; 窦家聪; 范瑞彬

来源：农业工程学报, 2020, 36(23): 269-278.

• 遥感
• 反演
• 模型
• 耕地地力
• BP神经网络
• 极限学习机
• 鲁中南山丘区

耕地地力是耕地生产能力的重要表征,地力的遥感快速准确反演是耕地资源利用管理的客观需求。该研究针对鲁中南山丘区,选择东平县和滕州市2个代表性县市,利用东平县的TM影像构建与筛选光谱指标,通过经典统计分析(一元线性回归、曲线回归、多元逐步线性回归)和机器学习(BP神经网络、极限学习机)方法构建与优选反演模型,进而在滕州市进行模型的验证和应用,同时对不同时相的反演模型进行了比较分析。结果表明:5类光谱指标与耕地地力综合指数均有显著的相关性,其中改进型光谱指数的r均>0.684,能更好地反映耕地地力状况;最佳反演模型为经典统计分析方法中的改进指数组-多元逐步线性回归(IIG-MLSR)模型(R2=0.684,RMSE=5.674)和机器学习算法的改进指数组-BP神经网络(IIG-BPNN)模型(R2=0.746,RMSE=5.089);模型在山丘区具有较好的普适性,地力反演与评价的结果具有相似的空间分布特征、相近的耕地面积比例和较高的空间契合度。其中2个最佳模型的高中低3级耕地的面积比例差普遍低于5.55个百分点,空间契合度分别为84.50%和88.76%;模型动态反演分析结果显示,2007—2016年滕州市耕地地力不断提升,高级地由67.30%增加至80.72%;不同时相模型比较结果显示,多时相遥感反演耕地地力具备可行性,4月份冬小麦返青拔节期是反演的最佳时相,10月份裸土时相次之,8月份夏玉米时相最差。该研究提出了山丘区耕地地力快速定量遥感反演的有效方法,对完善遥感反演指标与模型,提高评价效率有参考价值。

• 单位
  山东农业大学