融合作物类型的土壤盐分遥感反演方法研究

在沿海平原地区,土壤盐度是制约作物生长的非生物胁迫之一,也是作物种植的重要依据,作物类型能够间接反映土壤盐渍化程度,因此本文提出了一种融合作物类型信息的土壤盐分反演方法。以黄河三角洲典型滨海盐渍土地区为例,基于Sentinel-2 MSI影像,首先采用随机森林分类提取作物类型信息,并基于OneHot方式将作物类型信息编码;然后融合作物类型信息,结合环境协变量数据、地面实测盐分数据,采用自适应增强决策树模型(AB-DT)进行盐分反演;最后与其他机器学习方法,如支持向量机、随机森林、K最邻近和决策树进行盐分反演精度的对比。结果表明：(1)加入作物类型信息能够提高土壤盐分反演模型精度,所有模型中,融合作物类型变量的AB-DT反演模型精度最高,建模集R²为0.86,测试集R²为0.61;(2)加入作物类型信息能够修正误判的盐渍土级别,并使土壤盐分反演结果的地块边缘更加清晰。综上所述,加入作物类型信息,能够提高土壤盐分反演的准确性,为农田管理和农业决策提供更可靠的依据。