排序方式: 共有118条查询结果,搜索用时 31 毫秒
1.
基于变量优选与机器学习的干旱区湿地土壤盐渍化数字制图 总被引:1,自引:1,他引:0
土壤盐渍化是导致土壤退化和生态系统恶化的主要原因之一,对干旱区的可持续发展构成主要威胁。为了尽可能精确地监测土壤盐渍化的空间变异性,该研究收集新疆艾比湖湿地78个典型样点,其中选取54个样本作为训练集,24个样本作为独立验证集。基于Sientinel-2 多光谱传感器(Multi-Spectral Instrument,MSI)、数字高程模型(Digital Elevation Model,DEM)数据提取3类指数(红边光谱指数、植被指数和地形指数),经过极端梯度提升(Extreme Gradient Boosting,XGBoost)算法筛选有效特征变量,构建了关于土壤电导率(Electrical Conductivity,EC)的随机森林(Random Forest,RF)、极限学习机(Extra Learning Machine,ELM)和偏最小二乘回归(Partial Least Squares Regression,PLSR)预测模型,并选择最优模型绘制了艾比湖湿地盐渍化分布图。结果表明:优选的红边光谱指数基本能够预测EC的空间变化;红边光谱指数与植被指数组合建模效果总体上优于其与地形指数的组合,3类指数组合的建模取得了较为理想的预测精度,其中RF模型表现最优(验证集R2=0.83,RMSE=4.81 dS/m,RPD=3.11);在整个研究区内,中部和东部地区土壤盐渍化程度尤为严重。因此,XGBoost所筛选出的环境因子结合机器学习算法可以实现干旱区土壤盐渍化的监测。 相似文献
3.
4.
基于机器学习算法的土壤有机质
质量比估算 总被引:2,自引:0,他引:2
为快速高效地估测干旱、半干旱地区土壤有机质(soil organic matter, SOM)质量比,提出了一种结合竞争适应重加权法(CARS)和随机森林(RF)的估测模型.以内陆干旱区艾比湖流域为研究区,测定土壤高光谱反射率和SOM质量比,经预处理后,利用CARS对原始光谱(R)、一阶导数(R′)、吸光度(log(1/R))及吸光度一阶导数[log(1/R)]′4种光谱变量的可见-近红外光谱进行筛选,并结合RF算法,建立全谱段RF模型与CARS-RF模型.结果表明,基于CARS方法对光谱进行变量筛选后,得出4种光谱变量的优选变量集个数分别为35,26,34和121;在4种光谱变量中,R′和[log(1/R)]′的SOM估测模型精度较高,以[log(1/R)]′为基础数据获得的模型精度最高;CARS-RF模型精度优于全谱段RF模型,模型验证集决定系数(R2)、均方根误差(RMSE)、相对分析误差(RPD)分别为0.881,6.438 g/kg和2.177.该研究在预处理的基础上通过变量优选,应用较少的变量个数获得较高的估测精度,为干旱、半干旱区SOM高光谱估测提供了适宜高效的方法. 相似文献
5.
基于典型研究区植被冠层实测高光谱数据和HSI高光谱影像数据,通过相关分析选择与不同深度土壤含水量响应敏感波段,建立两者的土壤含水量反演模型,并用实测高光谱土壤含水量反演模型校正HSI影像土壤含水量反演的模型。结果表明:土壤含水量响应敏感波段区域为450~650 nm和850~920 nm;两种土壤含水量反演模型对土壤深度为0~10 cm的土壤含水量估算效果最好,其中实测冠层高光谱土壤含水量反演模型精度高于HSI影像土壤含水量反演模型,判定系数(R~2)分别为0.659和0.557;经过校正的HSI影像土壤含水量反演模型精度有了较大的提高,判定系数(R~2)从0.557提升到0.719,均方根误差(RMSE)为0.043 5,较好地提高了区域尺度条件下土壤含水量监测精度,因此运用该方法进行土壤含水量遥感监测是可行的,为进一步提高区域尺度下土壤含水量定量遥感监测提供参考借鉴。 相似文献
6.
利用两期TM数据对塔里木河上游典型绿洲的地表温度进行反演,并查询实时陆面地表温度进行了对比检验,其差值均在1.5℃以内。在此基础上,分析了不同时期塔里木河上游典型绿洲的温度时空变化,结果表明:(1)2007~2011年,下垫面温度主要集中在18~51℃,其中,水体温度在18~24℃(低温区),耕地地表温度在24~29℃(中温区),林地地表温度在29~36℃(偏高温区),绿洲周边的裸地地表温度在36~42℃(高温区),远离绿洲的荒漠地带地表温度在42~51℃(极高温区);(2)2007~2011年,水体地表温度平均增高0~4℃,植被地表温度平均增高0~12℃,绿洲周边的裸地地表温度平均增高0~7℃,远离绿洲的荒漠地带地表温度平均增高0~9℃。其中林地对温度的变化影响较大。总之,地表温度呈现沿中心逐渐向四周增高的分布规律,表现出明显的"冷岛效应"。此研究对进一步理解塔里木河上游绿洲土壤-植被-大气系统能量交换状况以及我国西北干旱、半干旱区域地表热量分布差异特征具有重要的意义。 相似文献
7.
以西北干旱区渭干河–库车河流域作为研究区,利用ArcGIS水文分析模块和DEM数据,将研究区划分为5个子流域,并选用1998年和2011年两期同时相遥感Landsat TM影像,选择支持向量机(support vector machine,SVM)方法进行土地利用分类,通过Fragstats软件计算全流域及其各个子流域的景观格局指数,分析流域景观格局变化。结果表明:①在景观类型方面,5个子流域差别很大,流域A、D中草地景观占较大比例,流域B中的其他景观类型(山地、裸地等)占较大比例,流域C、E中沙地占较大比例;②在全流域Class尺度方面,草地及耕地的平均临接度指数(CONTIG_MN)减少,林地的平均形状指数(SHAPE_MN)增加,水体与建工地的平均斑块面积(Area_MN)一增一减,盐碱地的斑块密度(PD)增加;③在子流域的landscape尺度方面,子流域B、C、E在斑块数量(NP)、景观破碎度(F)和边缘密度(ED)的增长速度明显比子流域A和D快,表明人类活动对绿洲核心地带景观格局的影响低于绿洲外围荒漠交错带。 相似文献
8.
土壤水分在干旱地区生态系统中起着重要的作用,同时土壤含水量是确定土壤干旱的重要参数。通过分析野外和室内实测土壤发射率光谱特征参数与含水量之间的关系,采用光谱特征分析参数提取反演土壤含水量的最佳敏感波段,发现波长在9.4802~9.7901 μm土壤含水量对其发射率最为敏感。根据最佳敏感波段的范围,模拟MODIS,ASTER,HJ-1B卫星的热红外波段,对波段及波段比值与土壤含水量进行回归分析,得出波段比值的线性模型可有效地反演出土壤的含水量。然后对该模型进行验证分析,确定模拟ASTER卫星传感器的12和14两个热红外波段的发射率比值与土壤含水量的线性关系,其反演精度更高。建立了适合研究区的土壤热红外发射率与含水量之间的反演模型。 相似文献
9.
基于三维光谱特征空间的干旱区土壤盐渍化遥感定量研究 总被引:5,自引:0,他引:5
土壤盐渍化是干旱半干旱区农业发展的重要制约因素,同时也是干旱区所面临的最主要的生态环境问题之一,因而准确获取土壤的盐渍化信息对于实时掌握其分布范围以及合理地开展盐渍化治理工作具有重要意义。选取渭干河--库车河流域绿洲典型盐渍地作为研究区,以Landsat-TM多光谱遥感影像为基础数据源,首先对影像进行最小噪声分离处理(MNF变换)并计算其像元纯度指数(Pixel Purity Index, PPI),选取能表征区域特征信息的前三个波段构建MNF三维光谱特征空间,然后在向量空间和单行体理论的指导下,结合实地调查,提出“植被亮点区”概念,并定义“盐渍化距离指数(Soil Salinization Distance Index, SDI)”为多维向量空间中包含于单行体中的盐渍化像元到“植被亮点区”的归一化距离。最后利用不同盐分环境下的实测数据对SDI进行精度验证。结果显示:在低植被覆盖区,即中度、重度盐渍化区,SDI与0~10cm内土壤盐分含量相关性要高于0~20cm,R2>0.83。在相对高覆盖区,即农田和轻度盐渍化区,SDI与0~20cm内平均盐分含量相关性要高于0~10cm,R2>0.81。0~10cm层二者总体精度R2=0.81,0~20cm层二者相关性总体精度R2=0.72。研究表明,SDI指数模型简单、易于构建,精度较高,具有一定的应用价值,有利于干旱区区域大尺度盐渍化的定量分析和监测工作。* 相似文献
10.
艾比湖湿地不同盐渍化土壤粒度组成及可蚀性研究 总被引:3,自引:0,他引:3
为了研究内陆干旱区不同盐渍化土壤的粒径组成及其可蚀性的空间分布,在不同盐渍化程度上探讨其与土壤中盐分含量的相互关系,本研究以新疆维吾尔自治区艾比湖湿地为研究靶区,利用2015年5月获取的66个表层土壤样品,对土壤的粒度组成、含盐量、分形维数和可蚀性因子K值进行了研究。结果表明:样品中盐土占比达到59.09%,平均含盐量达131.59 g/kg,研究区内盐渍化现象既普遍又严重;土壤颗粒以粉粒和砂粒为主,随着盐渍化程度的加剧黏粒含量不断增加,砂粒含量则相反;土壤颗粒的分形维数D值介于2.14~2.60,平均值为2.45;随着盐渍化程度加剧,分形维数逐渐变大,K值也随之逐渐增大,盐土的K值最大达0.093;土壤可蚀性因子K值与含盐量的相关性较高(r=0.596**),在一定程度上可以说明,土壤的含盐量水平越高,K值越大,越容易被侵蚀。 相似文献