基于全子集-分位数回归的土壤含盐量反演研究

基于全子集-分位数回归的土壤含盐量反演研究

论文摘要

为提高植被覆盖条件下卫星遥感对土壤含盐量的估测精度,以河套灌区解放闸灌域为研究区,以高分一号卫星影像为数据源,同步采集不同深度土壤含盐量,通过全子集筛选法(Best subset selection)分析不同波段和光谱指数对于不同深度土壤含盐量的敏感性,并采用人工神经网络(Artificial neural network,ANN)、支持向量机(Support vector machine,SVM)和分位数回归(Quantile regression,QR) 3种方法,构建全子集筛选前后0~20 cm、20~40 cm、0~40 cm、40~60 cm、0~60 cm等不同深度下的土壤含盐量反演模型。结果表明,B4、BI、SI1、SI3是0~20 cm、0~40 cm处土壤含盐量的敏感变量组合,B4、BI、NDVI为20~40 cm、40~60 cm、0~60 cm处土壤含盐量的敏感变量组合;在各深度下,分位数回归模型的精度最高,模型的决定系数R2c1、R2v1均在0. 4以上,均方根误差RMSEc1、RMSEv1均小于0. 4%,SVM次之,ANN最差;在20~40 cm深度下QR反演模型效果优于其他深度,为本文土壤含盐量估算的最优模型,其建模和验证的决定系数R2c1、R2v1分别为0. 611和0. 671,建模和验证均方根误差RMSEc1、RMSEv1分别为0. 177%和0. 160%。本研究可为卫星遥感大范围监测植被覆盖条件下土壤盐渍化程度提供参考。

论文目录

  • 0 引言
  • 1 材料与方法
  •   1.1 研究区概况
  •   1.2 遥感数据获取及预处理
  •   1.3 土壤样本采集及化学分析
  •   1.4 光谱指数计算及全子集筛选
  •   1.5 模型建立
  •     1.5.1 分位数回归模型
  •     1.5.2 人工神经网络模型
  •     1.5.3 支持向量机模型
  •   1.6 统计分析
  • 2 结果与分析
  •   2.1 自变量与土壤含盐量的相关性分析
  •   2.2 基于全子集的最优自变量组合方式筛选确定
  •   2.3 人工神经网络模型建立与分析
  •   2.4 支持向量机模型建立与分析
  •   2.5 分位数回归模型建立与分析
  •   2.6 模型综合评价
  • 3 讨论
  • 4 结论
  • 文章来源

    类型: 期刊论文

    作者: 张智韬,韩佳,王新涛,陈皓锐,魏广飞,姚志华

    关键词: 土壤含盐量,遥感,全子集,分位数回归,反演模型

    来源: 农业机械学报 2019年10期

    年度: 2019

    分类: 农业科技,基础科学

    专业: 自然地理学和测绘学,农业基础科学,农艺学

    单位: 西北农林科技大学旱区农业水土工程教育部重点实验室,西北农林科技大学水利与建筑工程学院,中国水利水电科学研究院水利研究所

    基金: 国家重点研发计划项目(2017YFC0403302),国家自然科学基金项目(41502225)

    分类号: S156.4

    页码: 142-152

    总页数: 11

    文件大小: 342K

    下载量: 346

    相关论文文献

    • [1].基于分位数回归的针阔混交林树高与胸径的关系[J]. 浙江农林大学学报 2020(03)
    • [2].基于分位数回归的人力资本结构对产业结构优化升级的影响研究——以山西省为例[J]. 商业经济 2020(06)
    • [3].基于弹性网分位数回归的开放型基金绩效研究[J]. 数理统计与管理 2020(04)
    • [4].教育增值评价中嵌套数据增长百分位估计方法探析:多水平线性分位数回归模型的应用[J]. 中国考试 2020(09)
    • [5].分位数回归下的指标设计与实现[J]. 当代经济 2019(02)
    • [6].基于分位数回归模型的地震巨灾风险评估[J]. 数理统计与管理 2019(05)
    • [7].基于分位数回归的大豆期货市场的风险分析[J]. 中国商论 2017(33)
    • [8].房地产增长收敛的分位数回归分析[J]. 阴山学刊(自然科学版) 2016(04)
    • [9].年龄对医疗费用增长的影响:基于分位数回归模型的分析[J]. 中国卫生经济 2016(06)
    • [10].基于多元分位数回归的汇率时序相依性分析[J]. 统计与决策 2015(15)
    • [11].影响波士顿不同社区房价水平的因素分析——基于分位数回归方法[J]. 商 2015(30)
    • [12].分位数回归对资产定价模型的比较分析[J]. 商业故事 2016(34)
    • [13].金融素养与金融满意度[J]. 金融科学 2017(01)
    • [14].国产电影票房绩效的影响因素研究——基于分位数回归及门限效应的分析[J]. 文化产业研究 2017(02)
    • [15].对外贸易、经济增长与二氧化碳排放——基于分位数回归的实证研究[J]. 经济数学 2019(04)
    • [16].基于神经网络分位数回归的金融风险预警[J]. 统计与决策 2020(14)
    • [17].分位数回归模型在高维金融数据分析中的方法和应用[J]. 知识经济 2019(07)
    • [18].新疆各地州市承接产业转移的能力、规模及其匹配性研究——基于分位数回归模型的研究[J]. 市场论坛 2019(07)
    • [19].面板数据复合分位数回归模型的估计[J]. 统计与决策 2018(05)
    • [20].高等教育发展对收入不平等的影响——基于分位数回归模型的研究[J]. 北京交通大学学报(社会科学版) 2016(01)
    • [21].员工培训对什么样的企业最有益?—基于无条件分位数回归的分析[J]. 管理现代化 2016(01)
    • [22].一元线性模型的分位数回归解的求法[J]. 白城师范学院学报 2016(05)
    • [23].基于贝叶斯复合分位数回归的参数估计及应用[J]. 工业仪表与自动化装置 2016(05)
    • [24].基于分位数回归模型的卫生总费用影响因素研究[J]. 现代生物医学进展 2015(30)
    • [25].公共部门与非公共部门工资差异的分位数回归分析[J]. 统计研究 2012(01)
    • [26].无条件分位数回归:文献综述与应用实例[J]. 统计研究 2012(03)
    • [27].城乡收入差距、房地产投资对城镇化发展的影响研究——基于面板数据分位数回归的实证分析[J]. 中国物价 2020(11)
    • [28].基于分位数回归的娘子关泉降水及径流变化分析[J]. 天津师范大学学报(自然科学版) 2018(06)
    • [29].信息化对旅游产业增长的贡献——基于面板数据分位数回归的分析[J]. 旅游学刊 2016(04)
    • [30].面板数据分位数回归模型求解的模式搜索法[J]. 数理统计与管理 2016(03)

    标签:;  ;  ;  ;  ;  

    基于全子集-分位数回归的土壤含盐量反演研究
    下载Doc文档

    猜你喜欢