基于无人机高光谱影像的农田土壤有机碳含量估算——以湟水流域农田为例OA北大核心CSTPCD

快速、准确地估算农田土壤有机碳含量并对其进行空间分布制图,有利于土壤精细化管理和智慧农业的发展。该文以青海湟水流域3个典型农田区为例,在研究区内同步采集296个土壤样品和相应的野外原位光谱,使用无人机搭载高光谱相机进行影像获取,并对土壤样品进行室内光谱采集和有机碳含量测定。对光谱反射率进行7种不同形式的变换,通过相关性分析从中筛选出主要特征波段,利用多元线性回归、偏最小二乘回归和随机森林3种方法分别对室内光谱、野外原位光谱和无人机光谱进行建模,对比各模型的精度。用光谱直接转换法对无人机光谱进行校正,使用校正后的无人机光谱最优模型进行建模,模型代入无人机高光谱影像进行有机碳含量制图,最后对满足制图精度要求的农田区进行分析和讨论。结果表明:①除对无人机高光谱进行对数变换后的多元线性回归不能估算有机碳外(相对分析误差为1.375),实验室光谱、野外原位光谱及无人机高光谱的原始光谱及所有转换方法均能对有机碳进行估算,决定系数R 2为0.562~0.942,均方根误差为1.713~5.211,相对分析误差为1.445~4.182;②在所有光谱变换方法中,多元散射校正+一阶微分变换与有机碳含量的相关性最高,特征波段分别为429~449 nm,498~527 nm,830~861 nm和869 nm;③在所有建模结果中,随机森林模型精度最高,其次为偏最小二乘模型,多元线性回归模型精度最低,校正后的无人机光谱建模精度均有所提高;④3个农田区的反演精度均满足制图要求,R 2均在0.88以上。其中,A农田区有机碳含量均值最高,为28.88 g·kg^(-1),整体空间分布均匀;B农田区均值为13.52 g·kg^(-1),整体分布呈现出较强的空间差异性;C农田区有机碳含量均值最低,为8.54 g·kg^(-1),高值和低值的分化明显。本研究可为无人机高光谱遥感技术应用于田间尺度的土壤有机碳含量估算和数字制图提供参考。