基于植被指数的猕猴桃根域土壤水分反演影响因素研究

摘要

针对现有监测方式难以大面积准确监测植株个体水分状况,且猕猴桃果园的郁闭性导致根域土壤含水率(Root domain soil water content,RSWC)监测方法匮乏的问题,使用多层感知机(Multi-layer perceptron,MLP)和冠层植被指数来预测果实膨大期(5—9月)徐香猕猴桃植株40 cm深度的RSWC。在MLP训练数据的预处理中,采用Pearson相关系数作为输入(植被指数)与输出(RSWC)的相关性评价指标,采用单因素方差分析作为输入与输出的显著性评价指标。进一步考虑冠层采集范围可能对模型精度造成的影响,将数据分割为不同尺度对MLP进行训练评估。结果表明,重归一化植被指数(Renormalized difference vegetation index,RDVI)与RSWC具有最高的相关性与显著性,相关系数和P分别为0.744和0.007,该指数可以作为RSWC反演的输入量。对不同尺度RDVI的建模数据表明,模型精度与RDVI采样面积A及对角线长度L有着较强的相关性(R^(2)分别为0.991和0.993),为了使模型精度最大化,采样面积应在2.540~3.038 m^(2)之间。通过使用该尺度的RDVI建立的MLP模型达到最大精度(R^(2)为0.638,RMSE为0.016)。本研究可为建立非接触性猕猴桃果园土壤含水率估算方法与果园灌溉系统设计提供依据。