利用CARS算法联合协变量估算盐碱农田土壤水分和有机质含量OA北大核心CSTPCDMEDLINE
快速获取土壤含水率(SMC)和土壤有机质(SOM)含量对于盐碱农田土壤的改良利用至关重要。本研究基于河套平原农田土壤野外高光谱反射率和土壤属性实测数据,对原始光谱反射率(Ref)进行标准正态变量(SNV)转换后,采用竞争性自适应重加权采样算法(CARS)筛选敏感波段,然后分别以Ref、Ref-SNV和Ref-SNV+土壤协变量(SC)及数字高程模型(DEM)作为建模输入变量的策略Ⅰ、Ⅱ和Ⅲ,基于随机森林(RF)和轻梯度提升机(LightGBM)建立SMC和SOM估算模型,并对模型精度进行验证和对比。结果表明:经CARS筛选后,SMC和SOM敏感波段压缩至全波段的3.3%以下,有效优化波段选择,减少了冗余光谱信息。与LightGBM模型相比,RF模型在SMC和SOM估算中精度更高,输入变量策略Ⅲ优于Ⅱ和Ⅰ,辅助变量的引入有效提升了模型的估算能力。综合分析,基于策略Ⅲ-RF的SMC估算模型验证决定系数(R_(p)~2)、均方根误差(RMSE)和相对分析误差(RPD)分别为0.63、3.16和2.01,基于策略Ⅲ-RF的SOM估算模型R_(p)~2、RMSE和RPD分别为0.93、1.15和3.52,策略Ⅲ-RF模型是估算土壤水分和土壤有机质的有效方法。研究结论可为盐碱农田土壤水分和有机质含量快速估算提供新方法。
丁启东;王怡婧;张俊华;贾科利;黄华雨;
宁夏大学生态环境学院,银川750021宁夏大学地理科学与规划学院,银川750021宁夏大学生态环境学院,银川750021 西北退化生态系统恢复与重建教育部重点实验室,银川750021 西部土地退化与生态恢复国家重点实验室培育基地,银川750021
农业科学
高光谱遥感土壤协变量变量重要性投影随机森林轻梯度提升机反距离权重法
《应用生态学报》 2024 (005)
P.1321-1330 / 10
国家重点研发计划项目(2021YFD1900602);国家自然科学基金项目(42067003,42061047);宁夏科技创新领军人才项目(2022GKLRLX02)资助。
评论