多光谱遥感结合随机森林算法反演耕作土壤有机质含量

发布时间：2021-04-27 05:27

　　土壤有机质（Soil Organic Matter,SOM）遥感反演一般以单期影像作为输入量,为研究多时相影像遥感结合随机森林提高SOM遥感反演精度的可能性,该研究以黑龙江省农垦总局胜利农场耕地范围为研究区,以Sentinel-2A和Landsat 8影像作为数据源,获取两期裸土遥感影像,构建光谱指数,以随机森林算法筛选波段和光谱指数作为输入量,构建SOM反演模型。结果表明:1)两期影像的SOM反射光谱响应波段包括二者共有的中心波长:约560、660、850 nm,以及Sentinel-2A特有的中心波长740 nm 4个波段;2)基于单期影像最佳波段和光谱指数,Sentinel-2A影像SOM最优反演模型R2为0.913,均方根误差为0.860 g/kg,精度高于Landsat 8影像反演模型;3)单期影像最佳波段引入光谱指数,相比以最佳波段作为输入量,使SOM最优反演模型的均方根误差分别提高了28.867%和8.722%;4)引入时相信息,基于单期和两期影像波段和光谱指数,SOM最优反演模型精度由高到低为两期影像（R2为0.938,均方根误差1.329 g/kg）、Sentinel... 

【文章来源】：农业工程学报. 2020,36(10)北大核心EICSCD

【文章页数】：7 页

【文章目录】：
0 引言
1 材料与方法
    1.1 研究区概况与数据来源
    1.2 影像数据介绍与处理
    1.3 光谱指数的构建
    1.4 最佳输入量筛选与SOM反演方法
    1.5 模型建立与验证
2 结果与分析
    2.1 卫星影像土壤反射率特征分析
    2.2 最佳输入量的筛选
        2.2.1 筛选单期影像最佳波段
        2.2.2 筛选单期影像最终输入量
        2.2.3 筛选引入时相信息的单双期影像最佳输入量
    2.3 基于Sentinel-2A与Landsat 8影像数据的SOM预测结果
        2.3.1 单期影像SOM预测结果
        2.3.2 引入时相信息的单双期影像SOM预测结果
    2.4 SOM含量分布图
3 讨论
4 结论


【参考文献】：
期刊论文
[1]基于多光谱遥感影像的富川县表层土壤有机质含量反演[J]. 屈冉,张雅琼,聂忆黄,熊文成,娄启佳,滕佳华.  环境与可持续发展. 2019(01)
[2]基于随机森林模型的耕地表层土壤有机质含量空间预测①——以河南省辉县市为例[J]. 韩杏杏,陈杰,王海洋,巫振富,程道全.  土壤. 2019(01)
[3]应用微型近红外光谱仪快速检测桑园土壤有机质含量的方法[J]. 张征立,第丹丹,萧王文,马月,熊孟,张业顺,颜辉,张国政.  蚕业科学. 2018(06)
[4]黑土区田块土壤有机质空间分异及分布研究[J]. 刘焕军,谢雅慧,潘越,邱政超,张新乐,窦欣,徐梦园,秦乐乐.  土壤通报. 2018(06)
[5]基于多光谱遥感的耕地土壤有机质定量反演[J]. 王锐,蔡朕.  农业工程. 2018(11)
[6]引入时相信息的耕地土壤有机质遥感反演模型[J]. 张新乐,窦欣,谢雅慧,刘焕军,王楠,王翔,潘越.  农业工程学报. 2018(04)
[7]基于R语言的数据挖掘算法研究[J]. 张海阳,齐俊传,毛健.  电脑知识与技术. 2016(28)
[8]基于地统计与遥感反演相结合的有机质预测制图研究[J]. 吴才武,张月丛,夏建新.  土壤学报. 2016(06)
[9]基于多分辨率遥感数据与随机森林算法的土壤有机质预测研究[J]. 王茵茵,齐雁冰,陈洋,解飞.  土壤学报. 2016(02)
[10]基于多源环境变量和随机森林的橡胶园土壤全氮含量预测[J]. 郭澎涛,李茂芬,罗微,林清火,唐群锋,刘志崴.  农业工程学报. 2015(05)



本文编号：3162859