2022 年 12 月 第 4 卷 第 4 期 智 慧 农 业 （ 中 英 文 ） Smart Agriculture Dec. 2022 Vol. 4, No. 4
doi ： 10.12133/j.smartag.SA202212001
基 于 地 物 高 光 谱 和 无 人 机 多 光 谱 的 黄 河 三 角 洲
土 壤 盐 分 机 器 学 习 反 演 模 型
1 1 1 2 3 1 1
范 承 志 ， 王 梓 文 ， 杨 兴 超 ， 罗 永 开 ， 徐 学 欣 ， 郭 斌 ， 李 振 海
（1. 山 东 科 技 大 学 测 绘 与 空 间 信 息 学 院 ， 山 东 青 岛 266590 ； 2. 滨 州 学 院 山 东 省 黄 河 三 角 洲 生 态 环 境 重 点 实 验
室 ， 山 东 滨 州 256603 ； 3. 青 岛 农 业 大 学 农 学 院 ， 山 东 青 岛 266109 ）
摘 要 ： 土 壤 盐 渍 化 是 限 制 黄 河 三 角 洲 地 区 农 业 经 济 发 展 的 重 要 因 素 ， 进 一 步 阻 碍 了 农 业 生 产 。 为 了 探 索
无 人 机 影 像 在 地 表 无 植 被 覆 盖 条 件 下 的 土 壤 盐 分 含 量 反 演 状 况 ， 以 黄 河 三 角 洲 典 型 区 域 为 研 究 区 ， 获 取 地
物 高 光 谱 和 无 人 机 多 光 谱 两 种 数 据 源 与 样 点 土 壤 盐 分 含 量 ， 通 过 优 选 敏 感 光 谱 参 量 ， 使 用 偏 最 小 二 乘 回 归
（Partial Least Squares Regression ，PLSR ） 和 随 机 森 林 （Random Forest ，RF ） 两 种 机 器 学 习 算 法 建 立 土 壤 盐
分 含 量 反 演 模 型 ， 实 现 研 究 区 的 土 壤 盐 分 含 量 反 演 。 结 果 表 明 ： （1 ） 高 光 谱 1972 nm 波 段 与 土 壤 盐 分 含 量
间 的 敏 感 性 最 高 ， 相 关 系 数 为-0.31 。 （2 ） 两 种 不 同 数 据 源 优 化 后 的 RF 模 型 均 优 于 PLSR ， 且 稳 定 性 更 好 。
2 2
（3 ） 基 于 地 物 高 光 谱 的 RF 模 型 （ R =0.54 ，RMSEv ＝3.30 g/kg ） 优 于 基 于 无 人 机 多 光 谱 的 RF 模 型 （ R =0.54 ，
验 证 RMSRv ＝3.35 g/kg ） 。 （4 ） 结 合 无 人 机 影 像 采 用 多 光 谱 RF 模 型 对 研 究 区 耕 地 的 土 壤 盐 分 含 量 进 行 反 演 ，
研 究 区 总 体 以 轻 、 中 度 盐 渍 化 土 壤 为 主 ， 对 作 物 的 耕 种 具 有 一 定 程 度 的 限 制 。 本 研 究 构 建 并 对 比 了 两 种 不
同 源 数 据 的 黄 河 三 角 洲 土 壤 盐 分 反 演 模 型 ， 并 结 合 各 自 数 据 源 的 优 势 进 行 优 化 ， 探 索 了 地 表 无 植 被 覆 盖 情
况 下 的 土 壤 盐 分 含 量 反 演 方 法 ， 对 更 精 准 反 演 土 地 盐 渍 化 程 度 提 供 了 参 考 。
关 键 词 ： 土 壤 盐 分 含 量 ； 遥 感 ； 地 物 高 光 谱 ； 无 人 机 多 光 谱 ； 偏 最 小 二 乘 回 归 ； 随 机 森 林 ； 机 器 学 习
中 图 分 类 号 ： S127 文 献 标 志 码 ： A 文 章 编 号 ： SA202212001
引 用 格 式 ： 范 承 志, 王 梓 文, 杨 兴 超, 罗 永 开, 徐 学 欣, 郭 斌, 李 振 海 . 基 于 地 物 高 光 谱 和 无 人 机 多 光 谱 的 黄 河 三
角 洲 土 壤 盐 分 机 器 学 习 反 演 模 型[J]. 智 慧 农 业( 中 英 文), 2022, 4(4): 61-73.
FAN Chengzhi, WANG Ziwen, YANG Xingchao, LUO Yongkai, XU Xuexin, GUO Bin, LI Zhenhai. Machine learn ‐
ing inversion model of soil salinity in the yellow river delta based on field hyperspectral and UAV multispectral
data[J]. Smart Agriculture, 2022, 4(4): 61-73. (in Chinese with English abstract)
易 促 苗 ， 在 重 度 盐 碱 化 的 土 壤 中 植 物 很 难 生 存 。
1 引 言
改 善 传 统 的 土 壤 盐 度 测 量 方 法 ， 大 范 围 、 快 速 且
土 壤 盐 渍 化 是 世 界 范 围 内 重 要 的 资 源 及 生 态
准 确 地 监 测 耕 地 土 壤 的 盐 渍 化 水 平 成 为 提 高 农 业
问 题 ， 已 经 成 为 制 约 区 域 农 业 生 产 和 经 济 可 持 续
经 济 健 康 发 展 的 重 要 前 提 。 黄 河 三 角 洲 地 区 是 中
［1,2 ］
发 展 的 主 要 障 碍 之 一 。 受 盐 渍 化 影 响 的 土 壤
国 典 型 的 土 壤 盐 渍 化 区 域 ， 该 地 区 由 于 黄 河 水 侧
有 机 质 含 量 较 少 、 肥 力 低 、 理 化 性 质 差 ， 作 物 不 渗 、 海 水 倒 灌 以 及 水 土 资 源 的 不 合 理 利 用 等 因
收 稿 日 期 ：2022-12-13
基 金 项 目 ： 山 东 省 自 然 科 学 基 金 （ZR2022MD017 ） ； 河 北 省 重 点 研 发 计 划 项 目 （22326406D ）
作 者 简 介 ： 范 承 志 （1998 － ） ， 男 ， 硕 士 ， 研 究 方 向 为 农 业 定 量 遥 感 。E-mail ：fancz98@163.com
通 信 作 者 ： 李 振 海 （1989 － ） ， 男 ， 博 士 ， 教 授 ， 研 究 方 向 为 农 业 遥 感 。E-mail ：lizh323@126.com智 慧 农 业 （ 中 英 文 ） Smart Agriculture Vol. 4, No. 4
62
［12 ］
素 ， 造 成 了 土 壤 中 次 生 盐 渍 化 严 重 。 土 壤 退 化 、 等 引 入 红 边 波 段 构 建 新 的 光 谱 指 数 ， 结 果 表
板 结 ， 以 及 肥 力 降 低 等 问 题 极 大 地 限 制 了 农 作 物 明 红 边 植 被 指 数 模 型 对 内 蒙 古 灌 区 的 土 壤 盐 分 含
的 生 长 ， 严 重 阻 碍 了 黄 河 三 角 洲 地 区 农 业 经 济 的 量 反 演 效 果 更 优 。 多 光 谱 影 像 包 含 地 物 的 光 谱 信
［3 ］
可 持 续 性 发 展 。 息 和 图 像 信 息 ， 纹 理 特 征 是 图 像 空 间 灰 度 信 息 的
传 统 的 土 壤 盐 度 测 量 方 法 主 要 通 过 实 地 采 样
重 要 属 性 。 目 前 ， 纹 理 特 征 为 重 要 的 影 像 分 类 依
［13 ］
和 实 验 室 分 析 实 现 ， 费 时 费 力 ， 很 难 对 农 用 地 进 据 。 黄 静 等 利 用 Sentinel-2 影 像 结 合 纹 理 特 征
［4 ］
行 大 面 积 全 覆 盖 的 动 态 监 测 。 随 着 遥 感 技 术 的 显 著 提 升 对 黄 河 三 角 洲 地 区 中 度 盐 渍 土 的 分 类 效
快 速 发 展 ， 通 过 遥 感 技 术 对 土 壤 盐 分 含 量 进 行 准 果 ， 有 效 提 高 影 像 分 类 和 盐 渍 化 信 息 监 测 精 度 。
［5 ］ ［14 ］
确 地 定 量 反 演 成 为 了 许 多 研 究 者 关 注 的 重 点 。
台 翔 通 过 分 析 不 同 盐 分 条 件 下 土 壤 和 植 被 的
［6 ］
在 多 源 影 像 方 面 ，Wang 等 通 过 构 建 Cubist 模
光 谱 特 征 和 图 像 纹 理 ， 构 建 了 植 被 覆 盖 条 件 下 的
型 对 比 Landsat-8 OLI （Operational Land Imager ） 土 壤 盐 分 反 演 模 型 ， 加 入 纹 理 特 征 参 数 能 有 效 提
与 Sentinel-2 MSI （Multi-spectral Instrument ） 传 高 模 型 精 度 。
感 器 之 间 的 差 异 ， 发 现 更 高 空 间 分 辨 率 和 光 谱 分
目 前 通 过 遥 感 技 术 反 演 土 壤 含 盐 量 的 研 究 存
辨 率 的 遥 感 影 像 有 助 于 提 高 模 型 反 演 的 准 确 性 ；
在 以 下 两 个 问 题 。 一 是 大 多 研 究 集 中 在 近 红 外 波
［7 ］
孙 亚 楠 等 通 过 对 卫 星 尺 度 的 Landsat-8 OLI 和
段 附 近 ， 已 有 GF-5 、HJ-1A 等 卫 星 携 带 了 高 光 谱
实 测 高 光 谱 数 据 进 行 融 合 ， 构 建 内 蒙 古 河 套 灌 区 传 感 器 ， 但 受 限 于 空 间 分 辨 率 和 波 段 数 目 ， 难 以
地 区 的 高- 多 光 谱 融 合 模 型 ， 表 明 高 光 谱 和 多 光
在 较 小 尺 度 内 精 确 预 测 土 壤 盐 分 含 量 ； 二 是 随 着
谱 数 据 融 合 能 够 提 高 卫 星 遥 感 反 演 土 壤 盐 分 含 量
无 人 机 遥 感 的 广 泛 应 用 ， 纹 理 特 征 的 引 入 能 否 提
［8 ］
的 精 度 。Hu 等 使 用 电 磁 感 应 （Electromagnet ‐
高 土 壤 盐 分 反 演 精 度 。 因 此 ， 本 研 究 通 过 实 地 采
ic Induction ，EMI ） 设 备 和 高 光 谱 数 据 构 建 新 模
样 调 研 ， 将 实 测 的 地 物 高 光 谱 与 无 人 机 多 光 谱 的
型 ， 与 卫 星 影 像 构 建 的 土 壤 盐 分 反 演 模 型 作 对
地 表 反 射 率 计 算 多 个 光 谱 指 数 并 进 行 优 选 ， 分 别
比 ， 表 明 无 人 机 （Unmanned Aerial Vehicle ，
建 立 两 种 数 据 源 的 土 壤 盐 分 反 演 模 型 ， 并 结 合 各
UAV ） 多 光 谱 数 据 建 模 结 果 更 优 。 搭 载 多 光 谱 传
自 数 据 特 征 进 行 优 化 ， 对 比 分 析 两 种 数 据 源 的 反
感 器 的 无 人 机 在 农 业 遥 感 监 测 方 面 兼 具 多 方 面 优
演 模 型 结 果 并 评 价 ， 最 终 使 用 无 人 机 影 像 结 合 精
势 ， 与 卫 星 遥 感 技 术 相 比 ， 具 有 高 空 间 分 辨 率 、
度 较 好 的 模 型 反 演 研 究 区 的 土 壤 盐 渍 化 水 平 。
高 灵 活 度 的 特 点 ； 与 地 面 高 光 谱 数 据 相 比 ， 具 有
2 数 据 与 方 法
图 谱 合 一 、 方 便 快 捷 的 优 势 。 在 地 表 植 被 长 势 与
［9 ］
土 壤 盐 分 含 量 间 的 联 系 方 面 ， 奚 雪 等 构 建 无
2.1 研 究 区 概 况
人 机- 卫 星 一 体 化 的 偏 最 小 二 乘 法 土 壤 盐 分 反 演
模 型 ， 在 黄 河 三 角 洲 地 区 的 麦 区 构 建 的 绿 度 指 数 研 究 区 位 于 山 东 省 东 营 市 （118° 07 ′ —
与 土 壤 盐 渍 化 水 平 之 间 建 立 联 系 ， 以 反 演 土 壤 盐 119°10 ′ E ，36°55 ′ —38°10 ′ N ） ， 是 黄 河 三 角 洲 地
［10 ］
区 典 型 的 土 壤 盐 渍 化 区 域 ， 属 于 暖 温 带 半 湿 润 大
分 含 量 。 贾 吉 超 等 研 究 了 冬 小 麦 种 植 区 与 土
陆 性 季 风 气 候 ， 年 均 降 水 量 少 但 蒸 散 量 较 大 ， 主
壤 盐 分 含 量 间 的 联 系 ， 发 现 冬 小 麦 种 植 范 围 及 其
变 化 显 著 受 土 壤 盐 分 状 况 及 其 变 化 的 影 响 ， 土 壤 要 土 壤 类 型 为 潮 土 和 盐 土 ， 地 势 平 坦 、 土 壤 盐 渍
［9 ］
［11 ］
含 盐 量 升 高 冬 小 麦 种 植 面 积 骤 减 。 黄 权 中 等 化 特 征 明 显 ， 符 合 研 究 需 要 。 综 合 东 营 市 区 域
在 河 套 灌 区 进 行 定 点 监 测 并 结 合 OLI 影 像 ， 研 究 调 查 结 果 、 地 貌 土 壤 以 及 农 作 物 的 分 布 情 况 ， 分
别 在 研 究 区 的 南 部 和 东 北 部 的 农 作 物 种 植 区 选 择
发 现 土 壤 含 盐 量 与 玉 米 、 向 日 葵 的 长 势 和 产 量 呈
明 显 负 相 关 。 在 传 统 光 谱 指 数 优 化 方 面 ， 杨 宁 了 A 、B 、C 三 个 小 研 究 区 ， 其 中 研 究 区 A 、B 主Vol. 4, No. 4 范 承 志 等 ： 基 于 地 物 高 光 谱 和 无 人 机 多 光 谱 的 黄 河 三 角 洲 土 壤 盐 分 机 器 学 习 反 演 模 型
63
要 种 植 作 物 是 小 麦 ， 研 究 区 C 分 为 距 离 相 近 C1 性 和 空 间 异 质 性 ， 能 够 体 现 黄 河 三 角 洲 地 区 盐 渍
和 C2 两 部 分 ，C1 种 植 水 稻 ，C2 为 含 盐 量 差 异 性 化 土 壤 的 分 布 趋 势 。
明 显 的 裸 土 （ 图 1 ） 。 研 究 区 整 体 分 布 上 具 有 典 型
注 ： 图 中 A 、 B 、 C 为 研 究 区
图 1 山 东 省 东 营 市 黄 河 三 角 洲 试 验 研 究 区 分 布 图
Fig. 1 Distribution map of Yellow River Delta experimental study area in Dongying city ， Shandong province
［ 15 ］
Salinity ，SS ，g/kg ） 。
2.2 地 面 数 据 采 集 与 处 理
2.3 光 谱 数 据 采 集 及 预 处 理
于 2021 年 11 月 23 日 至 25 日 在 研 究 区 内 进 行
了 实 地 调 查 ， 发 现 该 时 间 段 研 究 区 降 水 量 较 少 ，
2.3.1 地 物 高 光 谱 数 据 采 集
地 表 特 征 稳 定 ， 土 壤 盐 渍 化 较 为 明 显 ， 便 于 提 取
在 研 究 区 使 用 SVC HR-768i 型 便 携 式 地 物 光
土 壤 端 元 的 光 谱 特 征 。 为 确 保 均 匀 随 机 取 点 ， 在
谱 仪 （Spectra Vista Corporation ， 纽 约 ， 美 国 ）
研 究 区 内 一 共 采 集 90 个 样 本 点 ， 其 中 研 究 区 A
测 量 样 本 点 表 层 土 壤 端 元 的 光 谱 特 征 。SVC HR-
样 本 10 个 ， 研 究 区 B 样 本 40 个 ， 研 究 区 C1 样 本
768i 型 地 物 光 谱 仪 共 有 768 个 通 道 用 以 接 收 波 长
20 个 ， 研 究 区 C2 样 本 20 个 。
在 350 ~2500 nm 之 间 的 电 磁 辐 射 数 据 ， 在 350 ~
使 用 华 星 A12 系 列 全 球 导 航 卫 星 系 统
1000 nm 间 的 通 道 带 宽 小 于 1.5 nm ， 在 1000 ~
（Global Navigation Satellite System ， GNSS ） 接
2500 nm 之 间 带 宽 为 4 ~8 nm 。 观 测 时 天 气 晴 朗 ，
收 机 ， 测 量 每 个 样 本 点 的 WGS84 大 地 坐 标 。 待
传 感 器 探 头 距 离 地 面 1 m ， 垂 直 正 射 样 点 土 体 自
测 得 土 壤 高 光 谱 数 据 后 ， 采 集 0 ~5 cm 深 度 的 土
然 状 态 的 表 面 ， 每 次 测 量 前 均 使 用 标 准 白 板 校 准
壤 作 为 待 测 盐 度 样 本 。 每 个 样 本 称 取 20 g 的 烘 干
反 射 率 ， 每 次 光 谱 扫 描 时 间 设 置 为 5 s ， 同 时 对
土 壤 加 入 去 离 子 水 ， 搅 拌 、 抽 滤 得 到 土 壤 样 本
每 个 样 点 重 复 测 量 5 次 ， 取 反 射 率 均 值 作 为 样 点
浸 出 液 。 而 后 将 土 壤 样 本 浸 出 液 倒 入 干 燥 至 恒
的 土 壤 高 光 谱 反 射 率 曲 线 。
重 的 蒸 发 皿 中 进 行 蒸 干 ， 加 入 过 氧 化 氢 （30% ）
2.3.2 无 人 机 多 光 谱 数 据 采 集
去 除 有 机 质 后 ， 放 入 烘 箱 中 烘 干 至 恒 重 ， 冷 却
使 用 大 疆 DJI 精 灵 4Pro 多 光 谱 版 无 人 机 采 集
后 称 量 ， 从 而 确 定 每 个 样 本 的 土 壤 含 盐 量 （Soil 地 面 多 光 谱 数 据 ， 摄 像 头 带 有 1 个 可 见 光 成 像 的智 慧 农 业 （ 中 英 文 ） Smart Agriculture Vol. 4, No. 4
64
彩 色 传 感 器 和 5 个 多 光 谱 成 像 的 单 色 传 感 器 ： 蓝 影 像 进 行 辐 射 定 标 ， 将 灰 度 级 转 换 为 光 谱 反 射
（B ） 、 绿 （G ） 、 红 （R ） 、 红 边 （RE ） 、 近 红 率 。 在 ENVI 5.3 中 进 行 无 人 机 影 像 的 波 段 融 合
（NIR ） 光 谱 段 ， 中 心 波 长 分 别 为 450 、 560 、 和 裁 剪 ， 结 合 实 地 测 量 样 本 点 的 GPS （Global
650 、730 和 840 nm 。 多 光 谱 传 感 器 通 道 宽 于 高 Positioning System ） 坐 标 数 据 在 ArcGIS 10.6 中 提
光 谱 ， 近 红 外 波 段 通 道 宽 度 为±26 nm ， 其 他 波 段 取 样 本 坐 标 点 对 应 像 元 的 5 个 波 段 反 射 率 数 据 。
均 为±16 nm 。 飞 行 前 ， 将 标 准 灰 板 放 置 在 研 究 区
2.4 光 谱 指 数 的 选 择 及 纹 理 特 征 的 引 入
内 对 传 感 器 进 行 定 标 ， 试 验 期 间 无 人 机 飞 行 时 间
2.4.1 光 谱 指 数
为 10:00 —14:00 ， 飞 行 高 度 100 m ， 影 像 采 集 间
依 照 前 人 研 究 进 展 ， 计 算 多 个 光 谱 指 数 ， 如
隔 2 s ， 晴 朗 无 风 。
表 1 所 示 。 针 对 无 人 机 多 光 谱 传 感 器 获 取 的 红 边
使 用 DJI Terra 软 件 对 无 人 机 多 幅 影 像 进 行 拼
波 段 影 像 ， 引 入 使 用 红 边 波 段 构 建 的 新 型 光 谱
接 并 设 置 地 理 参 考 ， 得 到 研 究 区 的 各 波 段 及
［10 ］
指 数 。
RGB 影 像 。 通 过 标 准 灰 板 的 各 项 参 数 对 多 波 段
表 1 光 谱 指 数 计 算 公 式
Table 1 Formula of spectral index
光 谱 指 数 计 算 公 式 参 考 文 献
归 一 化 植 被 指 数 （Normalized Difference Vegetation Index ， NDVI ） NDVI = ( NIR - R ) / ( NIR + R ) （1 ） ［16 ］
土 壤 调 节 植 被 指 数 （Soil-Adjusted Vegetation Index ， SAVI ） SAVI = 1.5 ×( NIR - R ) / ( NIR + R + 0.5) （2 ） ［17 ］
2 2
改 进 非 线 性 指 数 （Modified Nonlinear Index ， MNLI ） MNLI = 1.5 ×( NIR - R ) / ( NIR + R + 0.5) （3 ） ［18 ］
2
SAVISR = ( NIR - R ) / [ NIR + R + 0.5 × R ] （4 ）
光 谱 指 数 SAVISR ( ) ［18 ］
改 进 叶 绿 素 吸 收 比 值 指 数 （Modified Chlorophyll Absorption In MCARI1 = [ ( NIR - RE ) - 0.2 ×( NIR - R ) ]( NIR/RE )
［19 ］
Reflectance Index1 ， MCARI1 ） （5 ）
改 进 红 边 指 数 （Modified Red Edge Simple Ratio ， MRESR ） MRESR = ( NIR - R ) / ( RE - R ) （6 ） ［20 ］
标 准 化 红 边 指 数 （Normalized Red Edge Index ， NREI ） NREI = RE/ ( NIR + RE + R ) （7 ） ［20 ］
比 值 植 被 指 数 （Ratio Vegetation Index ， RVI ） RVI = NIR/R （8 ） ［21 ］
2
VI = 1.45 ×( ( NIR + 1) / ( R + 0.45) ) （9 ）
最 优 植 被 指 数 （Optimal Vegetation Index ， VI ） ［22 ］
opt
opt
归 一 化 盐 分 指 数 （Normalized Differential Salinity Index ， NDSI ） NDSI = ( R - NIR ) / ( R + NIR ) （10 ） ［23 ］
盐 分 指 数 SI1 （Salinity Index ） SI1 = SQRT (G × R ) （11 ） ［23 ］
2 2
盐 分 指 数 SI3 （Salinity Index ） SI3 = SQRT (G + R ) （12 ） ［23 ］
盐 分 指 数 SI1-reg （Salinity Index ） SI1reg = SQRT (G × RE ) （13 ） ［12 ］
2 2
SI3reg = SQRT (G + RE ) （ 14 ）
盐 分 指 数 SI3-reg （Salinity Index ） ［12 ］
红 边 归 一 化 盐 分 指 数 （Red-Edge Based Normalized Differential
NDSIreg = ( RE - NIR ) / ( RE + NIR ) （15 ） ［12 ］
Salinity Index ， NDSI-reg ）
注 ：NIR 、RE 、R 、G 、B 分 别 代 表 近 红 外 、 红 边 、 红 、 绿 、 蓝 波 段 ， 在 高 光 谱 数 据 中 分 别 代 表 841 、730 、650 、560 和 450 nm 波 段 ；
reg 代 表 计 算 中 用 红 边 波 段 替 换 红 波 段
［24 ］
2.4.2 纹 理 特 征 关 性 。 由 于 灰 度 共 生 矩 阵 的 维 度 较 大 ， 一 般
影 像 纹 理 反 映 了 土 壤 表 面 颜 色 和 灰 度 的 变
不 直 接 作 为 区 分 纹 理 的 特 征 ， 而 是 基 于 矩 阵 构 建
化 ， 这 些 变 化 与 土 壤 本 身 的 盐 度 、 含 水 量 等 因 素
的 统 计 量 作 为 描 述 图 像 纹 理 的 特 征 。
紧 密 相 关 。 本 研 究 采 用 基 于 统 计 的 灰 度 共 生 矩 阵
在 ENVI 5.3 中 对 原 始 的 无 人 机 多 波 段 影 像
法 提 取 影 像 纹 理 特 征 。 灰 度 共 生 矩 阵 （Gray Lev ‐
进 行 主 成 分 分 析 （Principal Component Analysis ，
el Co-Occurrence Matrix ，GLCM ） 是 一 种 在 特 征
PCA ） ， 对 多 波 段 影 像 进 行 降 维 。 无 人 机 影 像 的
提 取 、 纹 理 分 析 以 及 影 像 质 量 评 价 方 面 广 泛 应 用 第 一 主 成 分 的 贡 献 率 达 95% 以 上 ， 故 提 取 影 像 的
的 重 要 方 法 ， 用 以 描 述 图 像 中 像 素 灰 度 之 间 的 相 第 一 主 成 分 ， 进 行 基 于 灰 度 共 生 矩 阵 的 影 像 纹 理Vol. 4, No. 4 范 承 志 等 ： 基 于 地 物 高 光 谱 和 无 人 机 多 光 谱 的 黄 河 三 角 洲 土 壤 盐 分 机 器 学 习 反 演 模 型
65
［25 ］
特 征 提 取 ， 共 得 到 8 个 影 像 的 纹 理 特 征 ， 包 括 均 ond Moment ，ASM ） 和 相 关 性 （Correlation ） 。
值 （Mean ） 、 方 差 （Variance ） 、 同 质 性 （Homo ‐
2.5 土 壤 盐 分 含 量 反 演 模 型 的 构 建 与 验 证
geneity ） 、 对 比 度 （Contrast ） 、 差 异 性 （Dissimi ‐
从 地 面 高 光 谱 和 无 人 机 多 光 谱 两 方 面 分 别 构
larity ） 、 熵 （Entroy ） 、 角 二 阶 矩 （Angular Sec ‐
建 土 壤 盐 分 含 量 模 型 ， 思 路 如 图 2 所 示 。
（ a ） 土 壤 盐 分 含 量 多 光 谱 估 测 模 型 （ b ） 土 壤 盐 分 含 量 高 光 谱 估 测 模 型
图 2 土 壤 盐 分 含 量 估 测 技 术 流 程 图
Fig.2 Technical flow chart of soil salt content estimation
（1 ） 样 本 划 分 。 将 90 个 样 本 随 机 分 成 60 个 系 数 ，r 超 过 0.9 时 认 为 存 在 共 线 性 问 题 ， 在 0.8
［26 ］
训 练 样 本 和 30 个 验 证 样 本 ， 对 60 个 训 练 样 本 的 以 上 时 可 能 会 有 问 题 。
土 壤 含 盐 量 数 据 与 光 谱 反 射 率 数 据 计 算 的 多 个 光 （3 ） 模 型 选 择 。 由 于 遥 感 计 算 中 各 光 谱 指 数
谱 指 数 进 行 Pearson 相 关 性 分 析 。 之 间 存 在 比 较 严 重 的 多 重 相 关 性 ， 为 减 弱 模 型 自
（2 ） 光 谱 及 纹 理 特 征 筛 选 。 无 人 机 多 光 谱 数 变 量 间 多 重 共 线 性 问 题 ， 采 用 偏 最 小 二 乘 回 归
据 以 纹 理 特 征 和 光 谱 指 数 进 行 筛 选 ； 地 面 高 光 谱 （Partial Least Squares Regression ，PLSR ） 和 随 机
在 原 始 输 入 波 段 基 础 上 ， 结 合 敏 感 波 段 进 行 进 一 森 林 （Random Forest ，RF ） 建 模 。 研 究 需 要 采
步 优 化 。 根 据 土 壤 的 光 谱 特 征 ， 使 用 无 人 机 采 集 用 多 个 光 谱 指 数 构 建 模 型 ， 偏 最 小 二 乘 回 归 模 型
的 蓝 （B ） 、 绿 （G ） 、 红 （R ） 、 红 边 （RE ） 、 近 集 合 了 主 成 分 分 析 、 线 性 回 归 分 析 和 相 关 分 析 的
红 外 （NIR ） 共 5 个 波 段 的 数 据 计 算 15 个 植 被 指 优 势 ， 在 预 测 变 量 间 存 在 高 度 相 关 甚 至 共 线 问 题
数 和 盐 分 指 数 （ 表 1 ） 。SVC 地 物 高 光 谱 仪 能 够 且 样 本 数 量 较 小 时 ， 与 多 元 线 性 回 归 模 型
采 集 350 ~2500 nm 范 围 内 多 个 窄 光 谱 段 的 反 射 （Maximum Likelihood Estimation ，MLR ） 相 比 更
率 数 据 ， 但 是 与 无 人 机 多 光 谱 相 机 传 感 器 的 中 心 具 优 势 。RF 模 型 将 多 个 互 不 联 系 的 决 策 树 构 成
波 长 并 不 完 全 重 合 。 为 保 持 一 致 性 ， 选 择 与 多 光 森 林 ， 对 多 元 共 线 性 问 题 不 敏 感 ， 结 果 对 样 本 中
谱 传 感 器 中 心 波 长 尽 可 能 相 近 的 光 谱 段 。 选 择 实 的 缺 失 数 据 和 不 平 衡 的 数 据 比 较 稳 健 ， 是 机 器 学
［27 ］
测 的 土 壤 高 光 谱 反 射 率 数 据 中 450 、560 、650 、 习 中 应 用 较 为 广 泛 的 算 法 。 选 择 与 土 壤 盐 分
730 和 841 nm 通 道 分 别 代 表 无 人 机 影 像 中 的 B 、 含 量 显 著 相 关 的 光 谱 参 量 ， 利 用 Matlab R2021a
G 、R 、RE 、NIR 波 段 。 特 征 优 选 方 法 采 用 相 关 中 构 建 土 壤 盐 分 含 量 的 估 测 模 型 。
性 分 析 ， 排 除 无 法 通 过 共 线 性 诊 断 或 与 盐 分 相 关 （4 ） 精 度 评 价 。 以 土 壤 含 盐 量 的 实 测 值 与 预
［9 ］ 2
性 较 低 的 光 谱 指 数 。r 表 示 光 谱 参 量 间 的 相 关 测 值 之 间 的 决 定 系 数 R 和 验 证 集 均 方 根 误 差智 慧 农 业 （ 中 英 文 ） Smart Agriculture Vol. 4, No. 4
66
（Root Mean Squared Error of Validation ，RMSEv ）
综 合 评 价 模 型 的 训 练 和 验 证 精 度 。
（5 ） 盐 度 分 级 及 制 图 。 选 择 较 优 的 一 种 建 模
方 法 建 立 黄 河 三 角 洲 土 壤 盐 分 含 量 的 遥 感 反 演 模
型 ， 估 测 研 究 区 耕 地 的 土 壤 盐 渍 化 水 平 。 使 用
ENVI 5.3 对 无 人 机 多 波 段 影 像 进 行 处 理 ， 通 过 目
视 解 译 提 取 影 像 中 耕 作 区 域 。 综 合 对 比 所 构 建 的
PLSR 模 型 和 RF 模 型 的 精 度 ， 选 择 最 佳 的 裸 土 土
壤 盐 分 含 量 遥 感 估 测 模 型 ， 用 其 对 研 究 区 内 的 耕
地 进 行 无 人 机 遥 感 尺 度 的 土 壤 盐 分 含 量 反 演 。 同
图 3 各 光 谱 段 与 土 壤 含 盐 量 间 的 相 关 性 分 析
时 对 耕 地 的 土 壤 盐 渍 化 程 度 进 行 分 级 ， 将 土 地 的
Fig. 3 Correlation analysis between spectral bands and soil
盐 渍 化 程 度 按 照 国 家 土 壤 盐 渍 化 分 级 标 准 划 分 为
salt content
［9 ］
5 个 等 级 （ 表 2 ） ， 并 统 计 面 积 占 比 。
（ 图 4 （a ） ） ， 结 果 表 明 ， 基 于 近 红 外 波 段 构 建 的
表 2 土 壤 盐 渍 化 程 度 分 级 标 准
光 谱 指 数 ， MCARI1 、 NREI 、 MRESR 、 NDSI-
Table 2 Grading standards for soil salinization
reg 达 到 0.05 水 平 上 显 著 相 关 ；NREI 和 MRESR
非 盐 轻 度 盐 中 度 盐 重 度 盐
土 壤 盐 渍 化 等 级 盐 土
两 个 光 谱 指 数 与 土 壤 盐 分 含 量 达 到 显 著 相 关 ， 且
渍 化 渍 化 渍 化 渍 化
-1
彼 此 间 不 存 在 极 强 的 共 线 性 问 题 ，MRESR 为 正
土 壤 含 盐 量 （ / g·kg ） <1 1 ~2 2 ~4 4 ~6 >6
相 关 ，NREI 为 负 相 关 。 通 过 全 光 谱 段 的 相 关 性
等 级 1 2 3 4 5
分 析 ，R 和 NIR 波 段 的 反 射 率 敏 感 性 较 差 ， 选 择
3 模 型 优 化 与 结 果 分 析
与 土 壤 盐 分 含 量 相 关 性 更 优 的 波 段 重 新 计 算 光
谱 参 量 以 提 高 模 型 精 度 ， 所 以 选 择 使 用 SWIR
3.1 土 壤 盐 分 与 光 谱 特 征 相 关 性 分 析
1972 nm 代 替 原 始 光 谱 指 数 中 的 NIR 841 nm 。 结
果 表 明 ， 使 用 SWIR 1972 nm 重 构 光 谱 参 量 后 ，
3.1.1 基 于 地 物 高 光 谱 的 土 壤 盐 分 指 数 分 析 及
所 有 包 含 近 红 外 波 段 运 算 的 光 谱 指 数 与 土 壤 含 盐
优 化
对 比 低 盐 度 与 高 盐 度 样 本 光 谱 特 征 差 异 ， 分 量 间 的 相 关 性 均 得 到 了 大 幅 度 提 升 （ 图 4 （b ） ） 。
析 地 面 多 光 谱 数 据 各 波 段 反 射 率 与 土 壤 盐 分 含 量 除 VI 及 SI 类 指 数 外 ， 其 他 光 谱 参 量 均 达 极 显 著
opt
之 间 相 关 性 （ 图 3 ） 结 果 表 明 ， 对 350 ~2500 nm 相 关 。 在 相 关 系 数 的 矩 阵 中 可 以 看 出 ， 光 谱 参 量
间 全 部 的 光 谱 段 进 行 Pearson 相 关 性 分 析 ， 在 间 的 共 线 性 问 题 有 所 加 重 ，MCARI1 与 MRESR
350 ~1350 nm 间 为 正 相 关 ，1350 ~2500 nm 间 为 之 间 的 r 为 0.91 ， 认 定 两 个 指 数 间 存 在 共 线 性 问
负 相 关 ； 在 1400 和 1850 nm 波 段 附 近 存 在 剧 烈 题 ， 因 此 ， 后 续 建 模 中 选 择 MNLI 、SAVISR 、
变 化 ，1972 ~1978 nm 间 的 反 射 率 对 盐 度 的 敏 感
MRESR 和 NDSI 作 为 构 建 模 型 的 自 变 量 。
性 最 高 ， 其 中 1972 nm 波 段 的 相 关 系 数 r 为 最 敏
3.1.2 基 于 无 人 机 多 光 谱 的 土 壤 盐 分 相 关 性
感 的-0.31 。 可 见 光 波 段 均 未 达 极 显 著 相 关 ， 绿 分 析
无 人 机 影 像 提 取 地 面 点 反 射 率 数 据 ， 与 土 壤
光 和 蓝 光 相 关 性 最 强 ， 红 边 波 段 敏 感 性 较 弱 r 接
盐 分 相 关 性 分 析 ， 筛 选 满 足 0.01 水 平 极 显 著 相 关
近 0 。 短 波 红 外 （Short Wavelength Infra-Red ，
且 不 存 在 严 重 共 线 性 问 题 的 光 谱 指 数 （ 图 5 ） 。
SWIR ） 与 近 红 外 波 段 相 较 ， 具 有 更 加 敏 感 的 负
相 关 性 ， 考 虑 使 用 SWIR 构 建 光 谱 参 量 。 SAVISR 、VI 、SI1 、SI3 、SI1-reg 和 SI3-reg 与
opt
分 析 地 面 高 光 谱 数 据 与 土 壤 含 盐 量 相 关 性 样 本 含 盐 量 均 达 到 极 显 著 相 关 。 在 盐 分 指 数 中 ，Vol. 4, No. 4 范 承 志 等 ： 基 于 地 物 高 光 谱 和 无 人 机 多 光 谱 的 黄 河 三 角 洲 土 壤 盐 分 机 器 学 习 反 演 模 型
67
（b ） 基 于 短 波 红 外 构 建 的 高 光 谱 指 数
（a ） 基 于 近 红 外 波 段 构 建 的 高 光 谱 指 数
注 ： 表 示 在 0.01 水 平 （ 双 侧 ） 上 显 著 相 关 ； 表 示 在 0.05 水 平 （ 双 侧 ） 上 显 著 相 关
图 4 高 光 谱 指 数 与 土 壤 盐 分 相 关 性 分 析
Fig. 4 Correlation analysis between hyperspectral indices and soil salinity
除 NDSI 外 ，SI1 、SI3 、SI1-reg 、SI3-reg 敏 感 性
3.2 无 人 机 影 像 的 纹 理 特 征 分 析
均 表 现 较 好 ， 但 是 指 数 间 存 在 极 强 的 共 线 性 问
考 虑 无 人 机 多 光 谱 影 像 数 据 的 优 势 ， 引 入 影
题 ， 相 关 系 数 r 接 近 1 。 相 较 SWIR ， 可 见 光 区 间
像 的 纹 理 特 征 作 为 新 的 模 型 自 变 量 。 对 PCA 处
内 敏 感 性 较 低 ， 红 边 波 段 不 是 土 壤 盐 度 的 敏 感 波
理 后 的 影 像 计 算 ， 获 得 8 个 纹 理 特 征 波 段 后 ， 按
段 区 间 ， 绿 光 波 段 的 贡 献 性 更 高 。VI 与 4 个 盐
opt
照 坐 标 提 取 各 样 本 点 对 应 的 纹 理 特 征 并 与 盐 度 进
分 指 数 均 纯 在 较 高 的 相 关 性 ， 存 在 共 线 性 问 题 ，
行 敏 感 性 分 析 （ 表 3 ） 。 无 人 机 影 像 提 取 纹 理 特 征
选 择 VIF<10 的 Vl （r = -0.35 ） 、SAVISR （r =
opt
会 造 成 的 数 据 冗 余 ， 对 8 个 纹 理 特 征 两 两 之 间 计
0.35 ） 、SI3-reg （r = 0.42 ） 三 个 光 谱 指 数 构 建 无
人 机 尺 度 的 土 壤 盐 分 估 测 模 型 。
算 相 关 系 数 r ， 排 除 呈 高 度 相 关 的 特 征 变 量 ， 减
弱 数 据 冗 余 对 模 型 精 度 的 影 响 。 同 质 性 （r =
0.16 ） 、 对 比 度 （r = -0.15 ） 和 差 异 性 （r =
-0.16 ） 3 个 特 征 向 量 的 敏 感 性 接 近 ， 在 无 人 机 图
像 中 各 样 本 点 的 区 分 度 不 高 ， 对 盐 度 的 敏 感 性 有
限 。 由 于 纹 理 特 征 受 到 图 像 噪 声 的 一 定 影 响 ， 在
8 个 纹 理 特 征 中 ， 土 壤 含 盐 量 仅 与 熵 （r =
-0.26 ） 、 角 二 阶 矩 （r = 0.27 ） 两 个 特 征 向 量 满
足 在 0.05 水 平 上 显 著 相 关 ， 其 他 特 征 向 量 的 相 关
性 均 表 现 不 高 ， 对 模 型 精 度 的 提 高 没 有 意 义 。 但
是 ， 熵 和 角 二 阶 矩 二 者 间 存 在 较 高 的 一 致 性 ，r
为 0.97 ， 认 定 二 者 间 存 在 严 重 共 线 问 题 ， 存 在 严
注 ： 表 示 在 0.01 水 平 （ 双 侧 ） 上 显 著 相 关 ； 表 示 在 0.05 水 平 （ 双
重 共 线 性 问 题 的 纹 理 特 征 对 于 土 壤 盐 度 反 演 模 型
侧 ） 上 显 著 相 关
的 构 建 是 没 有 帮 助 的 ， 因 此 本 研 究 选 择 角 二 阶 矩
图 5 无 人 机 多 光 谱 指 数 与 土 壤 盐 分 相 关 性 分 析
与 其 他 光 谱 参 量 作 为 构 建 无 人 机 多 光 谱 反 演 模 型
Fig. 5 Correlation analysis between multi-spectral indices
的 自 变 量 。
of UAV and soil salinity智 慧 农 业 （ 中 英 文 ） Smart Agriculture Vol. 4, No. 4
68
表 3 无 人 机 影 像 各 纹 理 特 征 与 土 壤 盐 分 含 量 相 关 性
Table 3 Correlation between texture characteristics and soil salt content
SS Mean Variance Homogeneity Contrast Dissimilarity Entroy ASM Correlation
SS 1
Mean 0.19 1
Variance -0.18 0.26 1
Homogeneity 0.16 -0.44 -0.60 1
Contrast -0.15 0.33 0.83 -0.81 1
Dissimilarity -0.16 0.40 0.74 -0.96 0.94 1
Entroy -0.26 0.23 0.52 -0.74 0.52 0.67 1
ASM 0.27 -0.19 -0.43 0.69 -0.43 -0.59 -0.97 1
Correlation -0.06 -0.09 0.19 0.04 0.06 0.01 0.14 -0.09 1
注 ： 表 示 在 0.01 水 平 （ 双 侧 ） 上 显 著 相 关 ； 表 示 在 0.05 水 平 （ 双 侧 ） 上 显 著 相 关
是 有 效 的 ， 土 壤 中 盐 分 含 量 的 差 异 在 短 波 红 外 波
3.3 基 于 地 面 高 光 谱 数 据 的 土 壤 盐 分 估 测
段 的 相 关 性 变 化 更 具 特 征 性 。 从 图 6 可 以 看 出 ，
模 型 的 优 化 与 验 证
改 进 后 的 两 种 模 型 对 裸 土 土 壤 盐 分 含 量 的 反 演 能
使 用 高 光 谱 波 段 优 化 后 的 4 个 光 谱 指 数 作 为
力 依 旧 有 限 ，RF 模 型 的 精 度 要 优 于 PLSR 模 型 ，
模 型 的 自 变 量 ， 分 别 构 建 PLSR 和 RF 土 壤 盐 分
RF 模 型 对 土 壤 盐 分 反 演 的 效 果 更 优 ， 但 是 受 到
估 测 模 型 （ 图 6 ） 。 通 过 优 化 前 后 的 模 型 精 度
土 壤 样 本 盐 分 含 量 分 布 不 均 匀 的 限 制 ， 对 盐 分 含
对 比 ，PLSR 模 型 的 RMSEv 从 3.59 g/kg 减 少 到
量 过 高 的 土 壤 样 本 很 难 做 到 准 确 地 反 演 ， 并 且 对
2
3.38 g/kg ，R 从 0.11 提 升 到 0.20 ；RF 模 型 的 RM ‐
一 些 低 盐 度 土 壤 的 反 演 存 在 一 定 高 估 ， 但 是 对 大
SEv 从 4.30 g/kg 减 少 到 3.30 g/kg ， 提 升 更 加 明
部 分 中 、 低 盐 度 样 本 拟 合 趋 势 明 显 ， 对 高 盐 度 样
2
显 ， 有 较 好 的 精 度 ，R 从 0.37 提 升 到 0.54 。 可 以
本 的 预 测 结 果 也 有 一 定 程 度 改 善 ， 具 有 更 好 的 拟
看 出 SWIR 对 裸 土 土 壤 盐 分 含 量 反 演 精 度 的 提 升 合 精 度 。
图 6 波 段 优 化 后 偏 最 小 二 乘 回 归 模 型 （PLSR-SWIR ） 和 随 机 森 林 模 型 （RF-SWIR ） 土 壤 盐 分 估 测 结 果
Fig. 6 Soil salinity estimation results of band optimized spectral indices for PLSR mode （ l PLSR-SWIR ） and
RF mode （ l RF-SWIR ）Vol. 4, No. 4 范 承 志 等 ： 基 于 地 物 高 光 谱 和 无 人 机 多 光 谱 的 黄 河 三 角 洲 土 壤 盐 分 机 器 学 习 反 演 模 型
69
更 好 。 同 样 ， 多 光 谱 RF 模 型 的 估 测 效 果 优 于
3.4 基 于 无 人 机 多 光 谱 影 像 的 土 壤 盐 分 反
PLSR 模 型 ， 对 估 测 高 盐 度 的 样 本 准 确 性 有 了 一
演 模 型 的 构 建 和 验 证
定 提 升 ， 可 以 看 出 对 验 证 集 预 测 效 果 有 了 一 定 提
将 角 二 阶 矩 作 为 自 变 量 带 入 土 壤 盐 分 反 演 模
升 （ 图 7 ） 。 受 到 土 壤 盐 度 样 本 和 算 法 模 型 自 身 限
2
型 ， 与 无 纹 理 特 征 的 模 型 相 比 （ 表 4 ） ， 模 型 的 R
制 ， 不 能 对 超 越 样 本 范 围 的 数 据 进 行 预 测 ， 也 难
和 RMSEv 都 有 所 提 升 。 结 合 无 人 机 纹 理 特 征
以 对 盐 分 含 量 过 高 和 过 低 的 土 壤 样 本 准 确 反 演 。
2
PLSR 模 型 的 R 为 0.26 ，RMSEv 为 3.59 g/kg ，RF
对 高 盐 度 土 壤 的 反 演 准 确 度 低 ， 是 造 成 模 型 整 体
2
模 型 R 为 0.54 ，RMSEv 为 3.35 g/kg ， 表 明 影 像
精 度 较 差 的 主 要 原 因 ， 但 是 盐 度 大 于 15 g/kg 样
纹 理 特 征 有 助 于 提 升 无 人 机 遥 感 反 演 土 壤 盐 分 含
本 的 反 演 结 果 符 合 盐 土 的 评 价 标 准 ， 在 无 人 机 影
量 的 精 度 。 相 较 地 面 高 光 谱 数 据 模 型 （RMSEv=
像 制 图 中 影 响 较 小 。
3.30 g/kg ） ， 高 光 谱 模 型 更 为 稳 定 ， 拟 合 的 效 果
图 7 结 合 纹 理 特 征 与 无 人 机 多 光 谱 指 数 的 偏 最 小 二 乘 回 归 模 型 （PLSR-T ） 和 随 机 森 林 模 型 （RF-T ） 土 壤 盐 分 估 测 结 果
Fig. 7 Soil salinity estimation results of PLSR （PLSR-T ） and RF （RF-T ） models combining texture features and
UAV based spectral indices
轻 、 中 度 盐 渍 化 耕 地 ， 研 究 区 C 为 中 、 重 度 盐 渍
3.5 基 于 无 人 机 多 光 谱 影 像 的 研 究 区 土 壤
化 。 结 合 实 际 地 理 空 间 的 分 布 ， 符 合 越 靠 近 黄 河
盐 分 含 量 反 演
入 海 口 ， 土 壤 盐 渍 化 问 题 更 严 峻 的 事 实 。 由 于 土
通 过 PLSR 和 RF 模 型 的 对 比 ， 选 择 使 用 无
壤 盐 渍 化 严 重 影 响 作 物 生 长 ， 研 究 区 A 、B 耕 种
人 机 多 光 谱 数 据 构 建 估 测 土 壤 盐 分 的 RF 模 型 。
的 主 要 作 物 是 小 麦 ， 而 研 究 区 C 耕 作 的 是 水 稻 。
按 照 土 壤 盐 渍 化 分 级 标 准 将 研 究 区 内 的 土 壤 盐
分 含 量 划 分 为 5 个 等 级 （ 表 2 ） ， 统 计 不 同 盐 渍
4 讨 论
化 等 级 土 壤 的 面 积 所 占 总 面 积 的 百 分 比 ， 评 价 耕
在 基 于 遥 感 技 术 对 区 域 土 壤 盐 分 含 量 定 量 反
地 质 量 。 从 研 究 区 内 各 等 级 盐 渍 化 土 壤 的 面 积 统
演 的 研 究 中 ， 对 地 表 裸 土 盐 分 含 量 的 准 确 分 析 相
计 情 况 （ 表 5 ） 可 以 看 出 的 研 究 区 C 与 A 、B 相
对 匮 乏 ， 仍 然 需 要 深 入 剖 析 和 探 索 。 本 研 究 使 用
较 ， 整 体 的 土 壤 盐 渍 化 问 题 更 加 严 重 ， 土 壤 盐 渍
SVC 地 物 光 谱 测 量 仪 获 取 地 面 高 光 谱 数 据 ， 对 样
化 程 度 最 高 ， 与 实 地 调 查 情 况 相 符 ， 重 度 盐 渍 化
和 盐 土 的 总 面 积 超 过 了 30% 。 研 究 区 A 、B 均 为 本 点 进 行 多 次 测 量 取 均 值 ， 保 证 土 壤 高 光 谱 数 据智 慧 农 业 （ 中 英 文 ） Smart Agriculture Vol. 4, No. 4
70
表 4 土 壤 盐 分 含 量 反 演 模 型 对 比
引 入 短 波 红 外 波 段 后 的 光 谱 指 数 与 土 壤 盐 分
Table 4 Inversion model of soil salinity content
含 量 的 相 关 性 在 波 长 1900 nm 附 近 显 著 提 升 ， 这
［28 ］
精 度 评 价
与 前 人 研 究 中 盐 碱 土 光 谱 反 射 率 在 该 波 段 附
数 据 源 建 模 方 法
2 -1
R RMSEv （ / g·kg ）
近 的 陡 降 相 吻 合 。 在 土 壤 盐 渍 化 过 程 中 产 生 Na ‐
PLSR-NIR 0.11 3.59
Cl 等 化 合 物 ， 这 些 化 学 物 质 与 水 在 键 态 结 构 上 的
PLSR-SWIR 0.20 3.38
［29 ］
结 合 会 产 生 特 异 性 的 光 谱 吸 收 峰 特 征 。 在
SVC 高 光 谱
RF-NIR 0.37 4.30
1400 ~1500 nm 、1800 ~1900 nm 形 成 敏 感 性 较 强
RF-SWIR 0.54 3.30
的 光 谱 段 ， 对 土 壤 盐 分 含 量 间 的 差 异 分 析 具 有 更
PLSR 0.19 3.71
多 深 入 探 索 的 可 能 。
PLSR-T 0.26 3.59
UAV 多 光 谱
本 研 究 通 过 构 建 高 光 谱 和 多 光 谱 两 种 数 据
RF 0.48 3.50
RF-T 0.54 3.35 类 型 的 裸 土 土 壤 盐 分 含 量 估 测 模 型 ， 并 进 行 优
注 ：PLSR-NIR 、RF-NIR 为 近 红 外 高 光 谱 模 型 ，PLSR-SWIR 、
化 和 分 析 。 优 化 后 ， 两 种 数 据 源 的 PLSR 模 型
RF-SWIR 为 短 波 红 外 高 光 谱 模 型 ；PLSR 、RF 为 未 引 入 纹 理 特
分 别 提 升 验 证 集 RMSEv 分 别 优 化 到 3.38 g/kg
征 的 多 光 谱 模 型 ，PLSR-T 、RF-T 为 结 合 纹 理 特 征 的 多 光 谱 模 型
和 3.59 g/kg ，RF 模 型 的 验 证 RMSEv 分 别 优 化 到
3.30 g/kg 和 3.35 g/kg ， 表 明 无 人 机 影 像 结 合 图 谱
信 息 能 够 充 分 发 挥 自 身 优 势 。RF 在 泛 化 能 力 和
平 衡 误 差 方 面 表 现 良 好 ， 但 受 限 于 机 器 学 习 的 鲁
［30 ］
棒 性 ， 存 在 一 定 的 过 拟 合 问 题 。 基 于 地 物 高
2
光 谱 数 据 的 RF 反 演 模 型 （R =0.54 ， 验 证 RMSEv
2
＝3.30 g/kg ） 与 基 于 无 人 机 多 光 谱 的 RF 模 型 （R
＝0.54 ， 验 证 RMSEv ＝3.35 g/kg ） 相 较 ， 精 度 较
［31 ］
高 。 曹 肖 奕 等 优 选 地 面 高 光 谱 指 数 反 演 土 壤
图 8 研 究 区 土 壤 盐 分 反 演 图
电 导 率 ， 研 究 表 明 ， 土 壤 电 导 率 的 敏 感 波 段 位 于
Fig. 8 Inversion map of soil salinity in the study area
2000 nm 附 近 ； 机 器 学 习 算 法 能 够 显 著 提 高 土 壤
表 5 黄 河 三 角 洲 研 究 区 土 壤 盐 渍 化 等 级 面 积 占 比 统 计
电 导 率 的 估 算 精 度 。 本 研 究 结 果 与 该 结 论 一 致 。
Table 5 Proportion statistics of soil salinization grade area
纹 理 特 征 是 反 演 土 壤 盐 分 含 量 的 重 要 依 据 。
in the study area
单 位 ： % 研 究 选 用 描 述 影 像 灰 度 分 布 一 致 性 与 匀 质 性 的 角
［13 ］
等 级 二 阶 矩 对 土 壤 盐 度 进 行 区 分 。 灰 度 分 布 均 匀
研 究 区
1 2 3 4 5
时 ， 角 二 阶 矩 较 大 ； 灰 度 均 匀 性 弱 时 ， 角 二 阶 矩
A 0 43.1 54.2 1.5 1.2
较 小 。 因 影 像 为 无 植 被 覆 盖 的 裸 土 ， 表 面 均 匀 性
B 0 25.9 70.2 2.6 1.3
强 的 盐 土 和 均 匀 性 弱 的 非 盐 碱 土 存 在 明 显 差 异 ，
C1 0 10.4 58.7 19.4 11.5
角 二 阶 矩 较 好 区 分 这 种 差 异 。 无 人 机 多 光 谱 影 像
C2 0 4.3 26.1 28.6 41.0
的 纹 理 特 征 受 到 多 方 面 的 影 响 ， 与 点 对 点 采 集 的
地 面 多 光 谱 数 据 相 比 ， 纹 理 特 征 不 能 直 观 表 现 出
特 征 的 准 确 提 取 。 使 用 无 人 机 获 取 多 光 谱 数 据 ，
含 盐 量 对 土 壤 的 影 响 程 度 ， 而 地 面 高 光 谱 能 够 直
对 研 究 区 先 进 行 无 人 机 测 量 ， 后 进 行 实 地 高 光 谱
接 表 现 出 盐 分 差 异 引 起 的 光 谱 特 征 变 化 ， 使 得 无
测 量 ， 保 证 无 人 机 影 像 的 纹 理 特 征 不 受 人 为 因 素
人 机 模 型 的 验 证 精 度 低 于 地 面 高 光 谱 模 型 ， 有 待
的 干 扰 ， 尽 可 能 保 持 土 壤 的 自 然 状 态 ， 保 证 反 演
结 果 更 加 准 确 。 开 展 对 影 像 纹 理 特 征 的 深 入 探 究 和 应 用 。 盐 碱 土Vol. 4, No. 4 范 承 志 等 ： 基 于 地 物 高 光 谱 和 无 人 机 多 光 谱 的 黄 河 三 角 洲 土 壤 盐 分 机 器 学 习 反 演 模 型
71
construction of ecological civilization in the Yellow
板 结 程 度 不 同 使 无 人 机 影 像 纹 理 产 生 差 异 ， 对 土
River basin [J]. People''s Yellow River, 2019, 41(10):
壤 盐 渍 化 程 度 的 判 断 具 有 一 定 提 升 。 土 壤 的 光 谱
7-10.
反 射 率 不 仅 与 盐 分 含 量 相 关 ， 土 壤 光 谱 特 征 受 含
[ 4 ] 刘 丽 娟, 李 小 玉 . 干 旱 区 土 壤 盐 分 积 累 过 程 研 究 进
展[J]. 生 态 学 杂 志, 2019, 38(3): 891-898.
水 量 、 有 机 质 和 颗 粒 度 等 复 杂 理 化 性 质 的 影
LIU L, LI X. Research progress on soil salt accumula ‐
［32 ］
响 ， 在 裸 土 土 壤 盐 度 的 反 演 方 面 仍 需 要 进 一
tion process in arid areas[J]. Journal of Ecology, 2019,
38(3): 891-898.
步 研 究 。 土 壤 盐 度 在 部 分 地 块 差 异 性 较 强 、 变 化
[ 5 ] 丁 建 丽, 姚 远, 王 飞 . 干 旱 区 土 壤 盐 渍 化 特 征 空 间 建
性 大 ， 例 如 研 究 区 C ， 对 于 盐 度 在 15 g/kg 以 上 的
模[J]. 生 态 学 报, 2014, 34(16): 4620-4631.
样 本 反 演 结 果 偏 低 ， 对 模 型 整 体 精 度 的 影 响
DING J, YAO Y, WANG F. Spatial modeling of soil sa ‐
linization characteristics in arid areas[J]. Journal of
较 大 。
Ecology, 2014, 34(16): 4620-4631.
[ 6 ] WANG J, DING J, YU D, et al. Machine learning-
5 结 论
based detection of soil salinity in an arid desert region,
Northwest China: A comparison between Landsat-8
本 研 究 基 于 地 面 高 光 谱 数 据 和 无 人 机 多 光 谱
OLI and Sentinel-2 MSI[J]. Science of the Total Envi ‐
数 据 提 出 了 构 建 裸 土 土 壤 盐 度 的 估 测 模 型 。 选 择
ronment, 2020, 707: ID 136092.
[ 7 ] 孙 亚 楠, 李 仙 岳, 史 海 滨, 等 . 基 于 多 源 数 据 融 合 的 盐
统 计 分 析 法 和 机 器 学 习 法 分 别 构 建 PLSR 和 RF 的
分 遥 感 反 演 与 季 节 差 异 性 研 究[J]. 农 业 机 械 学 报,
裸 土 土 壤 盐 分 含 量 反 演 模 型 ， 并 对 模 型 进 行 验 证
2020, 51(06): 169-180.
和 优 选 。 获 得 以 下 主 要 结 论 。 SUN Y, LI X, SHI H, et al. Remote sensing retrieval of
salinity and seasonal differences based on multi-source
（1 ） RF 盐 分 反 演 模 型 均 优 于 PLSR 模 型 ， 其
data fusion[J]. Transactions of the CSAM, 2020, 51(6):
2
中 最 优 的 是 高 光 谱 RF 土 壤 盐 分 含 量 反 演 模 型 （R =
169-180.
[ 8 ] HU J, PENG J, ZHOU Y, et al. Quantitative estimation
0.54 ，RMSEv=3.30g/kg ） 。 短 波 红 外 优 化 光 谱 参
of soil salinity using uav-borne hyperspectral and satel ‐
量 有 助 于 提 升 估 测 土 壤 盐 分 含 量 的 精 度 。
lite multispectral images[J]. Remote Sensing, 2019, 11
（2 ） 无 人 机 影 像 纹 理 特 征 的 引 入 ， 图 谱 信 息 (7): ID 726.
[ 9 ] 奚 雪, 赵 庚 星, 高 鹏, 等 . 基 于 Sentinel 卫 星 及 无 人 机
的 结 合 进 一 步 提 升 土 壤 盐 分 含 量 反 演 精 度 ， 但 无
多 光 谱 的 滨 海 冬 小 麦 种 植 区 土 壤 盐 分 反 演 研 究 — —
人 机 模 型 验 证 精 度 低 于 高 光 谱 模 型 。
以 黄 三 角 垦 利 区 为 例[J]. 中 国 农 业 科 学, 2020, 53
(24): 5005-5016.
（3 ） 黄 河 三 角 洲 地 区 土 壤 盐 渍 化 水 平 在 地 理
XI X, ZHAO G, GAO P, et al. Inversion of soil salinity
区 位 上 差 异 明 显 ， 南 部 地 区 的 耕 地 盐 渍 化 水 平 较
in coastal winter wheat planting area based on Sentinel
低 ， 适 宜 种 植 耐 盐 碱 弱 的 作 物 ； 靠 近 东 北 部 黄 河 satellite and UAV multi spectrum －Taking the reclama ‐
tion area in the Yellow River Delta as an example[J].
入 海 口 土 壤 盐 渍 化 水 平 较 高 ， 宜 种 植 耐 盐 碱 较 强
China Agricultural Sciences, 2020, 53(24): 5005-5016.
的 作 物 。
[10] 贾 吉 超, 赵 庚 星, 高 明 秀, 等 . 黄 河 三 角 洲 典 型 区 域 冬
小 麦 播 种 面 积 变 化 与 土 壤 盐 分 关 系 研 究[J]. 植 物 营
养 与 肥 料 学 报, 2015, 21(5): 1200-1208.
参 参 考 考 文 文 献 献 ：
JIA J, ZHAO G, GAO M, et al. Study on the relation ‐
[ 1 ] GORJI T, SERTEL E, TANIK A. Monitoring soil salin ‐
ship between the change of winter wheat sowing area
ity via remote sensing technology under data scarce and soil salinity in typical regions of the Yellow River
conditions: A case study from Turkey[J]. Ecological In ‐
Delta[J]. Journal of Plant Nutrition and Fertilizer,
dicators, 2017, 74: 384-391.
2015, 21(5): 1200-1208.
[ 2 ] METTERNICHT G I, ZINCK J A. Remote sensing of [11] 黄 权 中, 徐 旭, 吕 玲 娇, 等 . 基 于 遥 感 反 演 河 套 灌 区 土
soil salinity: Potentials and constraints[J]. Remote 壤 盐 分 分 布 及 对 作 物 生 长 的 影 响[J]. 农 业 工 程 学 报,
Sensing of Environment, 2003, 85(1): 1-20.
2018, 34(1): 102-109.
[ 3 ] 王 建 华, 胡 鹏, 龚 家 国 . 实 施 黄 河 口 大 保 护 推 动 黄 河 HUANG Q, XU X, LYU L, et al. Inversion of soil salt
流 域 生 态 文 明 建 设[J]. 人 民 黄 河, 2019, 41(10): 7-10. distribution and its impact on crop growth in Hetao irri ‐
WANG J, HU P, GONG J. Implementing the Great Pro ‐
gation area based on remote sensing [J]. Transactions
tection of the Yellow River Estuary and promoting the of the CSAE, 2018, 34(1): 102-109.智 慧 农 业 （ 中 英 文 ） Smart Agriculture Vol. 4, No. 4
72
[12] 杨 宁, 崔 文 轩, 张 智 韬, 等 . 无 人 机 多 光 谱 遥 感 反 演 不 [22] REYNIERS M, WALVOORT D J, DE BAARDE ‐
同 深 度 土 壤 盐 分 [J]. 农 业 工 程 学 报 , 2020, 36(22): MAAKER J. A linear model to predict with a multi-
13-21. spectral radiometer the amount of nitrogen in winter
YANG N, CUI W, ZHANG Z, et al. Inversion of soil wheat[J]. International Journal of Remote Sensing,
salinity at different depths by UAV multispectral re ‐ 2006, 27, 4159-4179.
mote sensing[J]. Transactions of the CSAE, 2020, 36 [23] ALLBED A, KUMAR L, ALDAKHEEL Y Y. Assess ‐
(22): 13-21. ing soil salinity using soil salinity and vegetation indi ‐
[13] 黄 静, 赵 庚 星, 奚 雪, 等 . 光 谱 与 纹 理 信 息 结 合 的 黄 河 ces derived from IKONOS high-spatial resolution im ‐
三 角 洲 土 壤 盐 渍 化 信 息 提 取 — — 以 垦 利 区 为 例[J]. ageries: Applications in a date palm dominated re ‐
农 业 资 源 与 环 境 学 报, 2022, 39(3): 594-601. gion[J]. Geoderma, 2014, 230: 1-8.
HUANG J, ZHAO G, XI X, et al. Extraction of soil sa ‐ [24] HARALICK ROBERT M, SHANMUGAM K,
linization information in the Yellow River Delta based ITS''HAK D. Textural features for image classifica ‐
on the combination of spectral and texture information tion[J]. IEEE Transactions on Systems, Man, and Cy ‐
－Taking reclamation area as an example[J]. Journal of bernetics, 1973, SMC-3(6): 610-621.
Agricultural Resources and Environment, 2022, 39(3): [25] 邓 远 立, 卢 伟 . 基 于 灰 度 共 生 矩 阵 的 震 后 倒 塌 房 屋 遥
594-601. 感 信 息 提 取 — — 以 2014 年 云 南 鲁 甸 6.5 级 地 震 为
[14] 台 翔 . 植 被 覆 盖 条 件 下 的 无 人 机 多 光 谱 遥 感 土 壤 含 例[J]. 华 南 地 震, 2019, 39(2): 100-111.
盐 量 监 测 模 型[D]. 杨 凌: 西 北 农 林 科 技 大 学, 2022. DENG Y, LU W. Remote sensing information extrac ‐
TAI X. Monitoring model of soil salt content by UAV tion of collapsed houses after earthquakes based on
multi spectral remote sensing under vegetation cover ‐ gray level co-occurrence matrix —Taking the 2014
age[D]. Yangling: Northwest Agricultural and Forestry Ludian earthquake of magnitude 6.5 in Yunnan as an
University, 2022. example[J]. South China Earthquake, 2019, 39(2):
[15] 高 焕 君 . 衡 水 湖 周 边 土 壤 中 全 盐 量 、 碳 酸 根 、 碳 酸 100-111.
氢 根 及 氯 离 子 含 量 的 测 定[J]. 安 徽 化 工, 2021, 47(5): [26] 刘 国 旗 . 多 重 共 线 性 的 产 生 原 因 及 其 诊 断 处 理[J]. 合
96-98. 肥 工 业 大 学 学 报( 自 然 科 学 版), 2001(4): 607-610.
GAO H. Determination of total salt content, carbonate, LIU G. The causes of multicollinearity and its diagno ‐
bicarbonate and chloride ion content in soil around sis and treatment[J]. Journal of Hefei University of
Hengshui Lake[J]. Anhui Chemical Industry, 2021, 47 Technology (Natural Science Edition), 2001(4):
(5): 96-98. 607-610.
[16] ROUSE J W, HAAS JR R H, SCHELL J A, et al. Mon ‐ [27] 杨 丽 萍, 任 杰, 王 宇, 等 . 基 于 多 源 遥 感 数 据 的 居 延 泽
itoring vegetation systems in the Great Plains with 地 区 土 壤 盐 分 估 算 模 型[J]. 农 业 机 械 学 报, 2022, 53
ERTS[C]// Goddard Space Flight Center 3d ERTS-1 (11): 226-235.
Symphony. Washington DC, USA: NASA, 1974: YANG L, REN J, WANG Y, et al. Estimation model of
309-317. soil salinity in Juyanze area based on multi-source re ‐
[17] HUETE A R. A soil-adjusted vegetation index (SA ‐ mote sensing data[J]. Transactions of the CSAM, 2022,
VI) [J]. Remote Sensing of Environment, 1988, 25: 53(11): 226-235.
295-309. [28] 王 建 雯, 李 振 海, 朱 红 春, 等 . 基 于 野 外 实 测 高 光 谱 数
[18] GONG P, PU R, G.SBIGING, et al. Estimation of for ‐ 据 的 盐 碱 土 盐 分 含 量 估 测 研 究[J]. 山 东 科 技 大 学 学
est leaf area index using vegetation indices derived 报( 自 然 科 学 版), 2017, 36(3): 17-24.
from Hyperion hyperspectral data[J]. IEEE Transac ‐ WANG J, LI Z, ZHU H, et al. Research on estimation
tions on Geoscience and Remote Sensing, 2003, 41: of salt content in saline alkali soil based on field mea ‐
1355-1362. sured hyperspectral data[J]. Journal of Shandong Uni ‐
[19] CAO Q, MIAO Y, WANG H, et al. Non-destructive es ‐ versity of Science and Technology (Natural Science
timation of rice plant nitrogen status with crop circle Edition), 2017, 36(3): 17-24.
multispectral active canopy sensor[J]. Field Crops Re ‐ [29] 翁 永 玲, 宫 鹏 . 土 壤 盐 渍 化 遥 感 应 用 研 究 进 展[J]. 地
search, 2013, 154: 133-144. 理 科 学, 2006(3): 369-375.
[20] LU J, MIAO Y, SHI W, et al. Evaluating different ap ‐ WENG Y, GONG P. Progress in the application of re ‐
proaches to non-destructive nitrogen status diagnosis mote sensing to soil salinization[J]. Geographic Sci ‐
of rice using portable RapidSCAN active canopy sen ‐ ence, 2006(3): 369-375.
sor[J]. Scientific Reports. 2017, 7: ID 14073. [30] 杨 丽 萍, 任 杰, 王 宇, 等 . 基 于 多 源 遥 感 数 据 的 居 延 泽
[21] JORDAN C F. Derivation of leaf-area index from qual ‐ 地 区 土 壤 盐 分 估 算 模 型[J/OL]. 农 业 机 械 学 报: 1-14.
ity of light on the forest floor[J]. Ecology, 1969, 50: [2022-11-10]. http://kns. cnki. net/kcms/detail/11.1964.
663-666. S.20220926.2009.008.html.Vol. 4, No. 4 范 承 志 等 ： 基 于 地 物 高 光 谱 和 无 人 机 多 光 谱 的 黄 河 三 角 洲 土 壤 盐 分 机 器 学 习 反 演 模 型
73
YANG L, REN J, WANG Y, et al. Estimation model of algorithm[J]. Journal of Soil Science, 2020, 57(4):
soil salinity in Juyanze area based on multi-source re ‐ 867-877.
mote sensing data[J/OL]. Transactions of the CSAM. 1- [32] 郭 斌, 白 昊 睿, 张 波, 等 . 基 于 RF 和 连 续 小 波 变 换 的
14. [2022-11-10]. http://kns. cnki. net/kcms/detail/ 露 天 煤 矿 土 壤 锌 含 量 高 光 谱 遥 感 反 演[J]. 农 业 工 程
11.1964.S.20220926.2009.008.html. 学 报, 2022, 38(10): 138-147.
[31] 曹 肖 奕, 丁 建 丽, 葛 翔 宇, 等 . 基 于 光 谱 指 数 与 机 器 学 GUO B, BAI H, ZHANG B, et al. Hyperspectral re ‐
习 算 法 的 土 壤 电 导 率 估 算 研 究[J]. 土 壤 学 报, 2020, mote sensing inversion of soil zinc content in open pit
57(4): 867-877. coal mine based on rf and continuous wavelet trans ‐
CAO X, DING J, GE X, et al. Estimation of soil con ‐ form[J]. Transactions of the CSAE, 2022, 38(10):
ductivity based on spectral index and machine learning 138-147.
Machine Learning Inversion Model of Soil Salinity in the
Yellow River Delta Based on Field Hyperspectral and
UAV Multispectral Data
1 1 1 2
FAN Chengzhi , WANG Ziwen , YANG Xingchao , LUO Yongkai ,
3 1 1
XU Xuexin , GUO Bin , LI Zhenhai
（1. College of Geodesy and Geomatics Information Technology, Shandong University of Science and Technology, Qing ‐
dao 266590, China; 2. Shandong Key Laboratory of Eco-Environmental Science for Yellow River Delta, Binzhou Uni ‐
versity, Binzhou 256603, China; 3. College of Agronomy, Qingdao Agricultural University, Qingdao 266109, China ）
Abstract: Soil salinization in the Yellow River Delta is a difficult and miscellaneous disease to restrict the development of agri ‐
cultural economy, and further hinders agricultural production. To explore the retrieval of soil salt content from remote sensing
images under the condition of no vegetation coverage, the typical area of the Yellow River Delta was taken as the study area to
obtain the hyperspectral of surface features, the multispectral of UAVs and the soil salt content of sample points. Three represen ‐
tative experimental areas with flat terrain and obvious soil salinization characteristics were set up in the study area, and 90 sam ‐
ples were collected in total. By optimizing the sensitive spectral parameters, machine learning algorithms of partial least squares
regression (PLSR) and random forest (RF) for inversion of soil salt content were used in the study area. The results showed that:
(1) Hyperspectral band of 1972 nm had the highest sensitivity to soil salt content, with correlation r of -0.31. The optimized
spectral parameters of shortwave infrared can improve the accuracy of estimating soil salt content. (2) RF model optimized by
two different data sources had better stability than PLSR model. RF model performed well in terms of generalization ability and
2
balance error, but it had some over-fitting problems. (3) RF model based on ground feature hyperspectral (R =0.54, verified
2
RMSE=3.30 g/kg) was superior to the random forest model based on UAV multispectral (R =0.54, verified RMSE=3.35 g/kg).
The combination of image texture features improved the estimation accuracy of multispectral model, but the verification accura ‐
cy was still lower than that of hyperspectral model. (4) Soil salt content based on UAV multi-spectral imageries and RF model
was mapped in the study area. This study demonstrates that the level of soil salinization in the Yellow River Delta region is sig ‐
nificantly different in geographical location. The cultivated land in the study area is mainly light and moderate salinized soil
with has certain restrictions on crop cultivation. Areas with low soil salt content are suitable for planting crops in low salinity
fields, and farmland with high soil salt content is suitable for planting crops with high salinity tolerance. This study constructed
and compared the soil salinity inversion models of the Yellow River Delta from two different sources of data, optimized them
based on the advantages of each data source, explored the inversion of soil salinity content without vegetation coverage, and can
provide a reference for more accurate inversion of land salinization.
Key words: soil salinity; remote sensing; ground feature hyperspectral; UAV multispectral; partial least squares regression; ran ‐
dom forest; machine learning
（ 登 陆 www.smartag.net.cn 免 费 获 取 电 子 版 全 文 ） |
|
