2022年10月6日，西北农林科技大学机电学院韩文霆研究员在农林科学类期刊LAND DEGRADATION & DEVELOPMENT（中科院一区Top期刊）发表了题为“Estimating soil salinity under sunflower cover in the Hetao Irrigation District based on unmanned aerial vehicle remote sensing”的研究论文。西北农林科技大学机电学院为第一单位，博士研究生崔欣为第一作者，韩文霆研究员为通讯作者。
土壤盐渍化是制约农业可持续发展和土地退化的重要因素之一，准确、低成本、快速感知土壤盐渍化信息对防治土壤盐渍化具有重要意义。本研究基于多时间序列无人机多光谱遥感影像，研究了不同生育期葵花的生长参数（叶面积指数、株高、叶绿素）对土壤盐渍化监测准确性的影响，并采用MLR、ANN、RF三种算法分别建立了葵花覆被下各生育期的土壤含盐量（SSC）估算模型。结果表明，生长阶段的划分可以改善光谱指数、生长参数与SSC之间的相关性，且各生长阶段的估计模型比整个生长周期的估计模型更准确。在光谱指数中，植被指数与SSC的相关性高于盐度指数。在作物参数中，叶面积指数对土壤盐渍化程度最为敏感。非线性回归算法(ANN, RF)在SSC估计的应用中优于线性回归模型(MLR)。本研究提出了一种快速、低成本的向日葵田土壤盐渍化时间序列监测方法，为土壤盐渍化的快速感知和防治提供参考。
图1 ANN算法建立的四个生育期SSC估算模型性能
图2葵花四个生育期的土壤含盐量空间分布图
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/10.1002/ldr.4445