文献类型： 中文期刊

作者： 胡晓 ¹ ; 臧玉龙 ¹ ; 高睿康 ² ; 郭利 ³ ; 徐锐 ³ ; 敖耀强 ³ ; 邓建强 ⁴ ; 孙玉晓 ⁴ ; 张继光 ² ; 唐大鹏 ⁴ ;

作者机构： 1.山东农业大学

2.中国农业科学院烟草研究所

3.湖北省烟草公司襄阳市公司

4.湖北省烟草公司恩施州公司

关键词： 土壤碱解氮;无人机;多光谱;光谱指数;机器学习;随机森林

期刊名称： 中国烟草科学

ISSN： 1007-5119

年卷期： 2024 年 45 卷 005 期

页码： 95-103

收录情况： CSCD

摘要： 准确、快速、无损掌握烟田土壤碱解氮分布情况，可为烟草生长过程中合理施用氮肥提供重要依据。以湖北保康县和宣恩县境内的4块典型烟田为研究对象，获取无人机多光谱遥感影像和土壤碱解氮数据，基于传感器“双红边”波段优势，引入红边波段对传统光谱指数进行改进，运用随机森林（random forest,RF）、支持向量机（support vector machine,SVM）、反向传播神经网络（back propagation neural networks,BPNN）和极限梯度提升（extreme gradient boosting,XGBoost）4种机器学习算法，构建烟田土壤碱解氮含量的估测模型。结果显示：（1）以红边和红光两个波段组合为主改进的光谱指数与土壤碱解氮含量的灰色关联度值高于以近红外、红光、绿光和蓝光波段为主的传统光谱指数；（2）基于改进光谱指数和RF算法方法构建的估测模型精度最高，最高建模集和验证集的决定系数、均方根误差分别为0.833、0.784和0.846、0.951;（3）RF算法稳定性验证结果中R²和RMSE分别为0.814和0.906，与单独建模时表现一致，表明RF算法的稳定性较高。该研究为武陵山区烟田土壤碱解氮含量的估测提供了一种新的方法。