基于多源遥感数据的居延泽地区土壤盐分估算模型

针对土壤盐分遥感反演中众多盐分指示变量在反演效率与相互比较优势方面存在的不确定性和易混淆性问题，以内蒙古额济纳旗的居延泽为例，基于Sentinel-2、Radarsat-2、Landsat-8和SRTM DEM数据提取波段反射率、植被指数、盐分指数、极化雷达参数以及地表温度和地形因子共6类变量，采用变量优选策略筛选各类变量及其组合的最优变量，构建土壤盐分随机森林（Random forest，RF）与支持向量机（Support vector machine，SVM）预测模型，并选择最优模型实现居延泽地区土壤盐分预测，为干旱区土壤盐分监测提供参考。结果表明，短波红外波段（B11）、冠层盐度响应植被指数（CRSI）、扩展比值植被指数（ERVI）、红边盐分指数（S2re3）、单次散射（FOdd）、地表温度（LST）与汇水面积（CA）等变量对土壤盐分监测具有较强的普适性；单一变量模型的盐分预测精度从高到低依次为地形因子、极化雷达参数、地表温度、盐分指数、植被指数和波段反射率；多变量联合可有效提升模型精度与稳定性，随着环境变量的加入，当6类变量均参与模型构建时，最佳模型R2提升0.117，RMSE降低2.556个百分点；RF模型较SVM更适于干旱区土壤盐分反演，优选全变量组的RF模型精度最高，其反演结果表明区域东北及天鹅湖附近盐渍化程度较低，西南部古湖盆区盐渍化程度较高。

Soil Salinity Estimation Model in Juyanze Based on Multi-source Remote Sensing Data