首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 267 毫秒
1.
多光谱遥感结合随机森林算法反演耕作土壤有机质含量   总被引:4,自引:6,他引:4  
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-2A影像(R2为0.935,均方根误差为1.944 g/kg)、Landsat 8影像(R2为0.922,均方根误差2.022 g/kg),两期影像SOM最优反演模型的稳定性和精度略高于单期影像。研究结果证明了Sentinel-2A影像数据以及多时相裸土影像反演SOM的优势。  相似文献   

2.
基于多光谱数据的荒漠矿区土壤有机质估算模型   总被引:6,自引:2,他引:4       下载免费PDF全文
目前运用高光谱数据估算土壤有机质的模型精度已经可以达到精准农业的要求,但其数据的整理和运算过程较为复杂且观测尺度较小.为节省资源,提高效率并为多光谱遥感估算土壤有机质积累经验,该文将Landsat8_OLI多光谱遥感影像各波段的反射率数据与地面土壤有机质SOM(soil organic matter)实测数据相结合,利用SPSS软件及多元线性回归分析方法建立基于反射率R、反射率倒数1/R、反射率倒数对数LN(1/R)、反射率一阶导数FDR(first derivative reflectance)的土壤有机质定量估算模型,精度检验后择取最优模型通过多光谱遥感波段运算的方式推广至整个研究区.结果表明:FDR模型的精度更高,RMSE为0.215,F检验结果为4.072,预测值与实际值之间的决定系数R2为0.963.基于该模型估算研究区空间范围的土壤有机质含量,得出土壤有机质含量在0~5 g/kg之间的面积占总研究区的84.065%,>10 g/kg的面积仅仅为0.001 5%.在4种土地类型中工矿用地SOM平均含量为最高的7.35 g/kg,受开采的煤炭中有机质影响较大.裸地面积2 674.44 km2,占研究区面积的63%,SOM平均含量6.12 g/kg;盐渍地和荒漠林地SOM含量偏低.总之,运用多光谱遥感数据估算干旱区土壤有机质的方法可行,也为遥感估算其他地表参数提供参考.  相似文献   

3.
为了评价国产星载高分五号(GF-5)高光谱影像估测土壤有机质(SOM)含量的潜力,以及不同土壤类型对SOM含量光谱估测精度的影响,本研究以黑龙江省建三江农垦区为研究对象,获取了覆盖研究区域的GF-5高光谱影像和188个土壤样本。对提取的样点GF-5光谱反射率数据进行了反射率倒数、对数、一阶微分等9种光谱数学变换,并采用相关系数法确定了SOM含量的光谱敏感波段。采用偏最小二乘回归(PLSR)线性统计建模方法,对研究区域全部土壤类型以及草甸土、沼泽土、黑土等主要土壤类型,分别构建了光谱全波段和敏感波段的SOM含量估测模型,并进行了精度评价。结果表明,基于GF-5光谱数据的研究区域全部土壤类型的SOM含量估测精度不理想,最优模型精度决定系数(R2)为0.265,均方根误差(RMSE)为4.647%,相对分析误差(RPD)为1.135;不同类型土壤在SOM含量光谱估测精度差异较大,草甸土和沼泽土的SOM含量估测精度不高,但黑土的SOM含量估测精度较高,其中全波段光谱反射率对数一阶微分(LnR)′的SOM含量估测精度最高,R~2=0.729,RMSE=1.065%,RPD=1.850,SOM含量估测模型可用。按照不同土壤类型构建SOM含量估测模型可以进一步挖掘GF-5高光谱遥感估测SOM含量的潜力。  相似文献   

4.
引入时相信息的耕地土壤有机质遥感反演模型   总被引:8,自引:3,他引:5  
土壤有机质(soil organic matter,SOM)是土壤质量评价的重要指标。监测SOM含量及其空间分布对土壤利用与保护、土壤有机碳库估算等具有重要意义。该文以松嫩平原典型区为研究区,采集4种主要土壤类型样本共147个,获取裸土期多时相MODIS地表反射率8 d合成产品,以单期、多期影像所构建光谱指数作为输入量,构建包含含水量变化与有机质含量信息的多光谱指数,建立SOM线性回归遥感反演模型,揭示SOM空间分布规律。结果表明:由于土壤含水量空间差异随时间变化,基于单期影像构建的模型主要输入量发生规律性改变,其中年积日137 d裸土条件最好,反演模型最优;比值光谱指数R61与SOM显著相关,而和含水量相关性极小,适于作为反演模型输入量;基于多期影像构建的模型引入时相信息后,精度与稳定性较单期影像模型显著提高,其中基于年积日137、105 d两期影像光谱指数所建立的多元线性模型最优;松嫩平原SOM呈现由东北向西南递减趋势。  相似文献   

5.
基于GF-1遥感数据预测区域森林土壤有机质含量   总被引:1,自引:0,他引:1       下载免费PDF全文
为探索国产卫星GF-1预测土壤有机质(SOM)的能力,本研究以广东省云浮市的罗定市为研究区,以GF-1多光谱遥感影像衍生的9个遥感变量和DEM提取的9个地形水文变量为预测因子,建立2种人工神经网络模型(A模型:地形水文;B模型:地形水文+遥感),对5个土壤深度(L1:0~20 cm,L2:20~40 cm,L3:40~60 cm,L4:60~80 cm,L5:80~100 cm)的SOM进行预测。结果表明:5个深度的B模型全都比A模型的精度高,尤其是L1、L2土层,精度提升明显,其R2分别提高了13%和10%;而深层土壤(L3、L4、L5)的精度提升较小,仅提高了4%、5%和4%。另外,两个评价指标RMSE和ROA±10%也表现出相似的趋势。总体而言,GF-1遥感数据显著改善了上层(0~40 cm)森林土壤人工神经网络模型的预测精度,对下层(40~100 cm)森林土壤模型改善尺度较低,是预测森林土壤SOM含量可观的新遥感数据源。  相似文献   

6.
黑土典型区土壤有机质遥感反演   总被引:18,自引:12,他引:6  
土壤有机质(SOM)含量时空变异规律研究对于土壤肥力评价、土壤碳库估算、土壤资源利用与保护具有重要意义,而地貌、成土母质、土壤类型等差异、高光谱卫星影像较少等因素制约了区域尺度的SOM含量遥感反演方法研究的开展。该文以黑龙江省黑土带典型区为例,采集区域土壤样本,获取Landsat TM遥感影像,基于有机质含量与土壤反射率的定量关系,建立区域SOM遥感预测模型。结果表明:黑土区SOM含量高,一般大于2%,决定了有机质对土壤反射光谱特性的主要作用,而且该区SOM空间变异性显著,且耕作方式、气候等因素决定了裸土时间长,因而该区适于SOM含量遥感反演;有机质与TM各波段反射率均显著相关,最大相关系数在第3波段(0.63~0.69 μm),为-0.710,其次为4波段(0.76~0.90 μm),与实验室基于高光谱反射率数据分析的结果一致;基于TM影像2、3、4波段的SOM指数模型最优,预测精度高、稳定性好,可以用于揭示黑土典型区SOM含量的空间分布特征。该研究将为改进土壤理化参数遥感反演、土地质量评价、土壤碳库估算等工作方法提供理论与技术支持。  相似文献   

7.
东北农牧交错带耕地土壤有机质遥感反演研究   总被引:2,自引:0,他引:2       下载免费PDF全文
农牧交错带是农耕区与草原牧区的过渡带,土壤有机质(SOM)的精确估算与变化监测对碳库估算与农业生产具有重要研究意义。以东北典型农牧交错带为研究区,Landsat 8 OLI影像和ALOS 12.5m DEM为数据源,基于波段反射率、反射率对数、亮度指数与相关地形因子,分别利用多元线性逐步回归(MLSR)模型、随机森林(RF)模型和BP神经网络(BPNN)模型,构建农牧交错带SOM多光谱反演模型。结果表明:(1)根据重要性排序,选择Landsat8OLI第4波段的对数、第5波段、第6波段和亮度指数作为输入量,RF和BPNN模型的精度优于MLSR模型。(2)引入高程(E)与坡向变率(SOA)后,3种模型的预测精度提高,BPNN模型精度提高最多,R2提高了0.22,RMSE降低了0.40 g/kg。3种模型最优反演精度由高到低为:BPNN模型(R2=0.82,RMSE=1.4 g/kg)>RF模型(R2=0.71,RMSE=1.9 g/kg)>MLSR模型(R2=0.66,RMSE=8.8 g/kg)。研究结果可为农牧交错带SOM时空变化研究提供方法支撑。  相似文献   

8.
以黄淮海平原典型县——封丘县为研究区,探讨了在一年两熟、裸土时间窗口较短的区域中,基于两景影像波段组合构建的双时相光谱指数在有机质含量预测中的表现。研究共计采集117个代表性土样,以分析筛选出的裸土期(10月)内双时相(获取时间:2014年10月6日和2017年10月30日)高质量Landsat 8卫星影像作为数据源,构建了4种类型的光谱指数:比值光谱指数、差值光谱指数、归一化光谱指数以及优化光谱指数,并结合最小绝对收缩和选择算子变量筛选方法和支持向量机算法建立了有机质预测模型。留一交叉验证结果表明,与直接使用影像波段反射率或者基于单景影像构建的光谱指数(单时相光谱指数)相比,利用双时相光谱指数可以更好地利用时相信息优势,其有机质预测精度更高(R2=0.53,RMSE=2.01 g/kg)。而且,基于双时相光谱指数所构建的预测模型得到的有机质空间分布格局与真实值较为吻合。可见,本文提出的在黄淮海平原典型县域利用双时相光谱指数预测土壤有机质的方法,可以促进具有短裸土期特点区域的高分辨率土壤属性遥感预测与制图研究。  相似文献   

9.
土壤有机质是土壤固相部分的重要组成成分,也是陆地表层重要的碳库,其含量的快速、准确测定关乎农牧业生产活动安排与地表过程研究中关键参数的获取效率。为了探寻适合青藏高原高寒地区土壤有机质遥感反演的响应波段及遥感模型,实现区域像元尺度上的土壤表层有机质估算,本文利用Landsat8-OLI多光谱遥感数据与实地采样数据对青海湖流域表层(0~20 cm)土壤进行了有机质含量反演研究。结果表明:Landsat8-OLI影像的第5、6和7波段是青海湖流域土壤有机质含量的特征波段,基于这3个波段构建的土壤有机质遥感反演三元回归模型(R~2=0.704,P0.001),经实测点验证(RMSE=8.66)与相关文献研究结果验证(RMSE=8.85),精度高、稳定性强、预测趋势平稳。本研究不仅为高寒地区土壤有机质含量快速测定提供了一定的技术支持,也为高寒地区的碳库计算、土壤肥力评价、土壤碳循环、农作物估产、草地退化监测等提供了参考。  相似文献   

10.
精确预测紫色土区土壤有机质含量的空间分布,对于指导紫色土区农业生产和培肥土壤具有重要意义。以杜家沟小流域为研究区,以遥感影像作辅助变量,采用回归克里格法,预测土壤有机质含量的空间分布,并与参照方法的预测精度进行比较。结果表明:(1)Landsat ETM+影像的波段2和波段5是土壤有机质含量多元线性回归预测的最佳辅助变量,回归残差的最优半方差函数模型为球状模型,模型的拟合精度较高;(2)土壤有机质含量呈由沟谷逐渐向坡顶递减的趋势,空间变异的细节信息表达较好;(3)回归克里格法在验证点的预测值与实测值的拟合能力更好,预测结果更倾向于无偏的,MAE、RMSE和R2均优于参照方法。因此,回归克里格法是紫色土区土壤有机质含量高精度空间预测的有效方法。  相似文献   

11.
土壤有机质含量是耕地质量定级的依据,是耕地质量评价的核心内容之一,因此,精准高效地获取土壤有机质含量非常重要。高分辨率遥感技术和谷歌地球引擎(Google Earth Engine,GEE)云计算平台的出现,为土壤有机质的高效反演提供了新的途径和方法。该研究以藁城区的Sentinel-2A MSI数据和Landsat8 OLI 数据为主要的数据源,结合Sentinel-1 SAR数据、ECMWF/ERA5气象数据和USGS/SRTMGL1_003高程数据,分别采用随机森林(Random Forest,RF)、梯度升级树(Gradient Boosting Decision Tree,GBDT)和支持向量机(Support Vector Machine,SVM)算法,在GEE平台对藁城耕地土壤有机质含量进行反演。结果表明:1)基于Sentinel-2A建立的模型(模型A*)在预测SOM含量方面优于基于Landsat8建立的模型(模型B*),GDBT算法下的Sentinel-2A的全变量模型取得了最佳结果(R2=0.759,RMSE= 2.852 g/kg);2)模型A-1对比模型A-0增加了红边波段,模型A-1比模型A-0提高了9.752%;3)从不同的预测算法来看,GDBT算法能较好地适用于研究区的土壤有机质预测,GDBT算法、Sentinel-2A与GEE的结合是SOM预测制图的一种有效方法。  相似文献   

12.
基于HJ卫星的棉田土壤有机质空间分布格局反演   总被引:6,自引:2,他引:4       下载免费PDF全文
以北疆绿洲区棉田表层土壤为研究对象,利用国产HJ-1A/1B卫星CCD多光谱数据对裸土有机质空间分布格局进行研究。通过分析多光谱数据不同波段的光谱反射率及其变换形式与实地采样得到的土壤有机质含量的相关性,探寻适合绿洲区棉田表层土壤有机质含量快速反演的敏感波段及参数,并针对不同参数分别建立一元线性、二次、三次、对数、倒数、幂函数、生长型、S型回归模型,以及多元回归模型;对生成的模型进行综合对比分析,获取北疆绿洲区棉田表层土壤有机质含量的最佳反演模型,从而实现整个研究区土壤有机质空间格局的遥感反演。结果表明:HJ卫星多光谱数据4个波段的反射率均与土壤有机质含量存在显著的相关性,第3波段的倒数与土壤有机质含量相关性最为显著;且以第3波段光谱反射率作为因变量得到的三次线性回归模型对土壤有机质含量进行反演的效果最佳;通过空间布局反演得到研究区土壤有机质空间分布整体呈现南北两端有机质含量较高,中部有机质含量较低的格局。该研究表明虽然与黑土有机质含量具有差别,但是遥感技术仍能够作为绿洲区土壤有机质含量空间布局反演的方法,为遥感技术在土壤参数监测中更好的发挥作用提供理论支持,同时也为新疆棉田生产管理和农田可持续利用提供科学依据。  相似文献   

13.
基于HJ-1卫星的农田土壤有机质含量监测   总被引:4,自引:1,他引:3  
土壤状况是决定农田潜在生产力的主要因素,土壤性状及肥力状况信息可以为精准农田管理提供响应依据。利用遥感技术监测土壤养分含量是一种快速、准确、高效、经济的方法。以农田土壤有机质为研究对象,以HJ-1卫星数据为数据源,采用多元线性回归分析方法,构建有机质含量地面监测模型,通过直方图匹配方法求地面监测模型与HJ-1卫星监测模型之间的傅里叶转换函数,将地面监测模型应用到HJ-1卫星数据,并构建有机质含量遥感监测模型。实现了利用HJ-1卫星遥感数据对试验区土壤有机质含量进行监测。该模型监测结果与地面实际养分具有良好的线性关系,其决定系数0.93,标准差0.57%。在保持了较高精度的同时,避免了其他高光谱模型数据过于昂贵的问题,实现了有机质含量快速、经济监测,易于在农业中应用。  相似文献   

14.
了解黑土区耕作土壤质地的空间分布对于黑土区农业精准管理以及耕地保护至关重要。遥感技术是快速获取土壤质地空间分布的有效方法。该研究以黑龙江省友谊农场耕地为研究对象,评估研究区土壤质地遥感反演的最佳时间窗口并分析其影响因素。筛选覆盖研究区的2019-2021年25幅Sentinel-2影像,将每幅影像的波段和构建的光谱指数输入随机森林模型,建立土壤质地遥感反演模型,比较不同时期影像反演土壤质地的模型精度,确定土壤质地遥感反演的最适宜影像,并分析造成反演土壤质地精度变化的原因,获取友谊农场土壤质地空间分布。结果表明:1)友谊农场反演土壤质地的最佳时间窗口为4月下旬至5月中旬;2)在25幅Sentinel-2影像中,2020年5月7日反演粉粒和砂粒的模型精度最高(粉粒的R2为0.785,均方根误差为6.697%;砂粒的R2为0.776,均方根误差为8.296%);2019年5月3日反演黏粒的模型精度最高(R2为0.776,均方根误差为1.6%);3)不同时期的Sentinel-2影像对土壤质地反演的准确性有很大的影响,而土壤含水量和秸秆覆盖是造成不同时期土壤质地预测精度差异的重要原因。研究为确定土壤质地遥感反演的最佳时间窗口、实现区域尺度土壤质地制图提供关键技术。  相似文献   

15.
基于改进植被指数的黄河口区盐渍土盐分遥感反演   总被引:17,自引:7,他引:10  
快速获取土壤盐分的含量、特征及空间分布信息是盐渍土治理、利用的客观需求。该文针对黄河三角洲盐渍土,以垦利县为例,基于Landsat 8 OLI多光谱影像,在传统植被指数的基础上引入短波红外波段进行扩展,提出了改进植被指数;然后基于改进前后对应的植被指数,分别采用多元逐步回归(multivariable linear regression,MLR)、反向传播神经网络(back propagation neural networks,BPNN)和支持向量机(support vector machine,SVM)方法构建土壤盐分含量的遥感反演模型,并进行模型验证、对比和优选;最后基于最佳模型进行研究区土壤盐分含量的空间分布反演和分析。结果显示:相对传统植被指数,扩展后植被指数可增强与土壤盐分的相关性,大幅降低指数间的多重共线性;采用上述3种方法建模,改进后模型的精度比改进前都有提高,验证集决定系数R2提高0.04~0.10,均方根误差RMSE降低0.13~0.73,相对分析误差RPD提高0.25~0.34,改进后模型RPD均大于2.0,普遍达到性能良好;对比3种建模方法,SVM建模精度最高,BPNN模型次之,MLR分析精度最低,最佳模型为基于改进植被指数的土壤盐分含量支持向量机反演模型,建模集R2和RMSE为0.75、3.48,验证集R2、RMSE和RPD为0.78、3.02和2.56,模型较为准确、可靠;基于该模型反演的研究区土壤盐分含量整体较高,盐渍化程度空间分布表现为自西南部农业生产区至东北沿海区域逐渐加重,与实地调查一致。研究表明基于Landsat 8 OLI多光谱影像,引入第7波段对植被指数进行改进,从而构建土壤盐分含量的支持向量机模型,可获得较好的土壤盐分空间分布反演结果。  相似文献   

16.
Understanding the spatial distribution and variability of soil texture is essential for land use planning and other activities related to agricultural management and environmental protection. This study was conducted to evaluate Landsat Enhanced Thematic Mapper (ETM) remote sensing data as auxiliary variables for spatial estimation of surface soil texture using a limited number of soil samples taken from a site located in the city of PingduShandong ProvinceChina. Three methods of evaluating variability in surface soil texture were evaluated: (1) multiple stepwise regression (MSR) based on the relationship between surface soil sandsilt and clay contents and remote sensing data; (2) kriging of surface soil sandsilt and clay contents; (3) cokriging with remote sensing data. Correlation analysis showed that surface soil sandsilt and clay contents were significantly correlated with Landsat ETM digital number (DN) of six bands (Bands 1–5 and Band 7)and the DN of Band 7 explained most of the variability in soil sandsilt and clay contents. The DN of Band 7 was selected as auxiliary data for the estimation of surface soil texture. The cross-validation results indicated that both MSR and kriged estimates had low reliability due to the variations in landscape and the low-density sampling in the study area. Cokriging with remote sensing data significantly improves estimates of surface soil texture compared with MSR and kriging.  相似文献   

17.
基于TM数据的黑土有机质含量空间格局反演研究   总被引:2,自引:0,他引:2  
宋金红  吴景贵  赵欣宇  曹玲 《土壤学报》2015,52(6):1422-1429
以吉林省黑土区为例,采集区域土壤样本,获取Landsat TM遥感影像,基于有机质含量(SOM)与土壤反射率的定量关系,筛选出与土壤有机质分布相关的波段TM1、TM5,建立区域土壤有机质遥感预测模型。结果表明,表层土壤有机质含量的对数值与TM1、TM5的灰度值(Digital Number,DN)呈显著负相关关系,满足二次多项式回归关系,基于TM1、TM5波段DN值的回归模型预测研究区表层土壤有机质含量,结果可靠。研究区表层土壤有机质含量15 g kg-1的区域主要分布在东部地区,含量在15~20 g kg-1的区域主要分布在中部地区,含量在20~25 g kg-1的土壤主要集中在西部地区。调查表明东部地区和中部地区主要是典型黑土,地形部位较高,排水条件较好;西部地区主要是草甸黑土,地势平坦,地下水位适中,水分条件充足,有机质含量较高。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号