Uso de datos de vehículos aéreos no tripulados para mejorar la inversión satelital: un estudio sobre la salinidad del suelo
Autores: Liu, Ruiliang; Jia, Keli; Li, Haoyu; Zhang, Junhua
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Uso de datos de vehículos aéreos no tripulados para mejorar la inversión satelital: un estudio sobre la salinidad del suelo
Categoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Salinización del suelo
Monitoreo
Datos de teledetección
Satélite
Vehículo aéreo no tripulado
Precisión de inversión
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
El monitoreo preciso y extenso de la salinización del suelo es esencial para el desarrollo agrícola sostenible. Es difícil que los datos de teledetección individuales (satélite, vehículo aéreo no tripulado) cumplan simultáneamente con los requisitos de monitoreo de salinidad del suelo a gran escala y alta precisión. Por lo tanto, este artículo adopta el método de escalado para aumentar los datos del vehículo aéreo no tripulado (VANT) al mismo tamaño de píxel que los datos del satélite. Basado en los datos del VANT optimizados, se corrigió el modelo satelital utilizando el método de ajuste de regresión numérica para mejorar la precisión de inversión del modelo satelital. Los resultados mostraron que la precisión del modelo de inversión de salinidad del suelo original del VANT (R2 = 0.893, RMSE = 1.448) fue superior a la del modelo satelital original (R2 = 0.630, RMSE = 2.255). El modelo de inversión satelital corregido con datos del VANT tuvo una precisión de R2 = 0.787, RMSE = 2.043, y R2 mejoró en 0.157. El efecto de la corrección de inversión satelital se verificó utilizando un mapa de distribución de sal de inversión del VANT, y se encontró que la misma tasa de distribución de sal mejoró del 75.771% antes de la corrección al 90.774% después de la corrección. Por lo tanto, el uso de la corrección de fusión del VANT de los datos satelitales puede realizar los requisitos desde un pequeño rango de VANT hasta un gran rango de datos satelitales y desde baja precisión antes de la corrección hasta alta precisión después de la corrección. Proporciona una referencia técnica efectiva para el monitoreo preciso de la salinidad del suelo y el desarrollo sostenible de la agricultura a gran escala.
Descripción
El monitoreo preciso y extenso de la salinización del suelo es esencial para el desarrollo agrícola sostenible. Es difícil que los datos de teledetección individuales (satélite, vehículo aéreo no tripulado) cumplan simultáneamente con los requisitos de monitoreo de salinidad del suelo a gran escala y alta precisión. Por lo tanto, este artículo adopta el método de escalado para aumentar los datos del vehículo aéreo no tripulado (VANT) al mismo tamaño de píxel que los datos del satélite. Basado en los datos del VANT optimizados, se corrigió el modelo satelital utilizando el método de ajuste de regresión numérica para mejorar la precisión de inversión del modelo satelital. Los resultados mostraron que la precisión del modelo de inversión de salinidad del suelo original del VANT (R2 = 0.893, RMSE = 1.448) fue superior a la del modelo satelital original (R2 = 0.630, RMSE = 2.255). El modelo de inversión satelital corregido con datos del VANT tuvo una precisión de R2 = 0.787, RMSE = 2.043, y R2 mejoró en 0.157. El efecto de la corrección de inversión satelital se verificó utilizando un mapa de distribución de sal de inversión del VANT, y se encontró que la misma tasa de distribución de sal mejoró del 75.771% antes de la corrección al 90.774% después de la corrección. Por lo tanto, el uso de la corrección de fusión del VANT de los datos satelitales puede realizar los requisitos desde un pequeño rango de VANT hasta un gran rango de datos satelitales y desde baja precisión antes de la corrección hasta alta precisión después de la corrección. Proporciona una referencia técnica efectiva para el monitoreo preciso de la salinidad del suelo y el desarrollo sostenible de la agricultura a gran escala.