2025年5月22日，西北农林科技大学机电学院韩文霆研究员团队在农林科学类期刊Computers and Electronics in Agriculture（中科院一区Top期刊）发表了题为“Soil salinity estimation incorporating environmental covariables using UAV remote sensing for precision field management”的研究论文，博士研究生马伟童为第一作者，韩文霆研究员为通讯作者。
及时准确地监测田间土壤盐渍化对于农田管理至关重要。光学遥感在地表裸露时期土壤含盐量监测中应用较为广泛，无人机多光谱数据表现出了较好的适用性。但实际上，不同监测的区域、田块间土壤参数具有空间异质性，野外原位土壤光谱信息通常是由土壤含盐量、土壤含水率（Soil water content，SWC）、土壤表面粗糙度（Soil surface roughness，SSR）、土壤质地等多个因素共同作用的结果。土壤表面粗糙度影响光的散射，因此在使用光学传感器获取土壤表层信息时，表面粗糙度的不同可能会导致相同性质的土壤呈现出不同的光谱特征，而目前的研究中，土壤表面粗糙度这一环境协变量对SSC估算精度的影响鲜有报道。本研究以2021-2022年播种前以及收获后两个裸土时期数据为基础，结合无人机多光谱影像信息，采用多种线性及机器学习算法，评估两个裸土时期光谱及土壤因子对SSC的响应差异，建立适用于播种前及收获后裸土期的土壤含盐量估算模型并对其适用性进行了评估，基于最优估算模型以及环境因子数据绘制土壤含盐量空间分布图，以期提供一种高精度的裸土时期农田尺度土壤含盐量估算方法，为田间土壤盐渍化精准评估与灌溉压盐提供参考。
该研究工作得到了国家自然科学基金和陕西省重点研发项目经费资助
原文链接：https://doi.org/10.1016/j.compag.2025.110532