基于集合经验模态分解算法的土壤肥力胁迫甄别与监测.pdfVIP

第 38 卷 第 21 期 农 业 工 程 学 报 Vol.38 No.21 2022 年 11 月 Transactions of the Chinese Society of Agricultural Engineering Nov. 2022 137 基于集合经验模态分解算法的土壤肥力胁迫甄别与监测 1,2 3 1,2 1,2 1,2 1,2 李旭青 ，刘 帝 ，王小丹 ，赵辰雨 ，张文龙 ，王春暖 （1. 北华航天工业学院遥感信息工程学院，廊坊 065000 ；2. 河北省航天遥感信息处理与应用协同创新中心， 廊坊 065000 ；3. 航天宏图信息技术股份有限公司，北京 100195） 摘 要：土壤肥力是农作物生长所需的关键要素之一，其水平直接影响农作物的长势甚至产量，然而作物生长过程中受 多种胁迫因素的综合影响。避免土壤肥力监测结果受到其他胁迫因素的干扰是土壤肥力精准监测的关键问题之一。该研 究旨在分析利用集合经验模态分解（Ensemble Empirical Mode Decomposition ，EEMD ）算法进行土壤肥力胁迫甄别和监 测的可行性。以河北省廊坊市大厂县冬小麦耕地为研究区域，以 EEMD 算法为基础，将分解后的本征模函数（Intrinsic Mode Function ，IMF ）分量按照年际、年间和年内的尺度进行合成，结合不同的时间尺度及胁迫特征剔除土壤水分胁迫、病虫 害胁迫及重金属胁迫等因素，实现对土壤肥力胁迫的有效甄别提取。结合主成分分析相关方法，将有机质、全氮、有效磷以 及速效钾4 项养分指标转换为 3 个主成分，初步得到土壤肥力综合评价简易模型，后与分解结果进行拟合，构建并实现了土壤 肥力综合水平的定量评价模型。结果表明：1）在年际、年间以及年内3 组波动组分中，年际波动组分可以较好地反映研究区 内土壤肥力胁迫作用对农作物长势的影响；2 ）利用最小二乘法对土壤养分指标测定数据进行线性拟合，拟合结果与原始数 据的决定系数达到了 0.857 ，能够较好地反映出原始数据的变化水平；3 ）最终土壤肥力水平评价模型评价结果与实测结 果间的平均误差为 11.82%，表明模型预测结果与实际情况契合程度高，模型反演结果能够较好地反映研究区的土壤肥力 水平。该研究结合 EEMD 算法与统计学分析实现了土壤肥力胁迫的有效甄别及土壤肥力定量评价模型的构建，为遥感技 术在土壤肥力研究领域的应用提供了参考。 关键词：遥感；土壤；肥力；集合经验模态分解；胁迫甄别；定量分析 doi ：10.11975/j.issn.1002-6819.2022.21.017 中图分类号：S158.2 文献标志码：A 文章编号：1002-6819(2022)-21-0137-10 李旭青，刘帝，王小丹，等. 基于集合经验模态分解算法的土壤肥力胁迫甄别与监测[J]. 农业工程学报，2022，38(21)： 137-146. doi ：10.11975/j.issn.1002-6819.2022.21.017 Li Xuqing, Liu Di, Wang Xiaodan, et al. Screening and monitoring of soil ferti