基于UAV的土壤盐分估算:分阶段特征优化与双骨干深度学习融合技术
《Remote Sensing》:UAV-Based Soil Salinity Estimation Using Stagewise Feature Optimization and Dual-Backbone Deep Learning Fusion
【字体:
大
中
小
】
时间:2026年07月08日
来源:Remote Sensing 4.3
摘要
在农业样本量较小的情况下,准确估算土壤盐分仍是一项艰巨任务。这一难题源于标记数据的稀缺、单 Backbone 神经网络在表征能力上的限制,以及地下盐分反演过程的复杂性。为应对这些相互关联的挑战,本研究开发了一种基于无人机的土壤盐分估算框架,该框架结合了轻量级卷积神经网络与分阶段特征优化技术,并同时利用 RGB 图像和多光谱图像。研究采用了集成随机森林递归特征消除法、一标准误差准则以及方差膨胀因子分析的特征选择方法,将129个候选变量简化为16个统一特征,这些特征被用作估算地表及地下土壤盐分的共同输入。研究人员构建了三种轻量级单 Backbone 网络(VGGNet、ResNet和DenseNet),以及三种双 Backbone 特征级融合网络(DenseResNet、DenseVGGNet和ResVGGNet),并系统评估了它们在估算地表及地下土壤盐分方面的性能。在单 Backbone 网络中,ResNet的整体统计精度最高,而DenseNet在保持估算趋势方面表现更佳。在估算地表土壤盐分方面,ResVGGNet在所有测试模型中表现最佳,其在测试数据集上的R2值为0.820,RMSE值为0.626克/千克,MAE值为0.409克/千克,RPD值为2.31。SHAP分析进一步表明,植被和盐分敏感指数以及某些选定的光谱平均特征起着关键作用,同时各输入通道之间存在互补的空间响应模式。总体而言,将轻量级多 Backbone 特征级融合技术与简化的特征优化策略相结合,能有效提升基于无人机的土壤盐分估算的准确性、稳健性及可解释性,尤其是在农业样本量较小的情况下。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号