基于地物高光谱和无人机多光谱技术的土壤盐分反演模型研究

农业是人类最基本的生产活动之一，而土壤是农业生产中最重要的物质基础。然而，由于传统农业生产方式的粗放，土壤盐渍化、土壤板结等问题日益严重，对农业生产造成了很大的影响。为了解决这些问题，山东科技大学、滨州学院和青岛农业大学等多家机构联手开展了一项基于地物高光谱和无人机多光谱技术的土壤盐分反演模型研究。

该研究以黄河三角洲典型区域为研究区，通过无人机影像获取地物高光谱和无人机多光谱两种样点土壤盐分含量数据。接着，研究人员优选敏感光谱参量，使用偏最小二乘回归和随机森林两种机器学习算法建立土壤盐分含量反演模型，实现研究区的土壤盐分含量反演。

研究结果表明，高光谱 1972nm 波段与土壤盐分含量间的敏感性最高，相关系数为 -0.31。同时，两种不同数据源优化后的随机森林模型均优于偏最小二乘回归模型，且稳定性更好。基于地物高光谱的随机森林模型优于基于无人机多光谱的随机森林模型。结合无人机影像采用多光谱随机森林模型对研究区耕地的土壤盐分含量进行反演，研究区总体以轻、中度盐渍化土壤为主，对作物的耕种具有一定程度的限制。

这项研究构建并对比了两种不同源数据的黄河三角洲土壤盐分反演模型，结合各自数据源的优势进行优化，探索了地表无植被覆盖情况下的土壤盐分含量反演方法，为更精准地反演土地盐渍化程度提供了参考，为精确获取土壤详情提供了一种可能性。

土壤作为农业之本，土壤问题不可忽视。感谢科研机构为农业作出的贡献，同时希望科研成果能早日学以致用，应用到农业生产中。