基于不同建模方法的土壤pH值无人机遥感影像反演

土壤pH值是土壤形成过程和熟化陪肥过程的一个指标.为了实现对农田土壤酸碱度状况的量化判别,提高模型预测精度,以江苏省南京市江宁区淳化街道农田土壤pH值为研究对象,采用棋盘式布点法选取60个点位进行土壤pH值测定,采用无人机搭载多光谱传感器获取土壤光谱信息,分别建立多元逐步线性回归(MLSR)、BP神经网络(BPNN)、LASSO回归模型,并采用R2、RMSE、VIF指标评价3种模型精度.结果表明,LASSO回归方法较其他回归方法在多光谱与土壤pH值反演中表现较好,R2=0.618,RMSE=0.430,可以平衡MLSR的共线性问题以及BPNN样本容量较少、验证集精度较差等问题.采用LASSO回归模型进行反演及分类制图,发现研究区内92.6％的土壤呈中性,以期为无人机多光谱反演土壤pH值提供理论参考.