中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 基于WorldView-3多光谱和关键环境变量的土壤镉含量反演 农业工程学报 2022,38 (12) 224-232
Position: Home > Articles > Inversion of soil Cd content using WorldView-3 multispectral and key environmental variables Transactions of the Chinese Society of Agricultural Engineering 2022,38 (12) 224-232

基于WorldView-3多光谱和关键环境变量的土壤镉含量反演

作  者：
李国旭;耿静;许选虹;谭秋园;郭一帆;方华军
单  位：
中国科学院地理科学与资源研究所生态系统观测与模拟重点实验室;中山大学测绘科学与技术学院;中国科学院地理科学与资源研究所
关键词：
土壤;污染;重金属;机器学习;WorldView-3;环境变量
摘  要：
快速准确获取农田土壤重金属含量对区域土地质量评估和粮食安全至关重要.该研究以江西省仙槎河流域小龙钨矿周边农田土壤为研究对象,采用WorldView-3多光谱影像提取光谱反射率并进行光谱变换处理,同时考虑了地形、人类活动和土壤属性等影响农田土壤镉(Cd)含量空间分布的关键环境因子,将光谱、环境变量、光谱与环境变量分别作为模型的自变量,选取了偏最小二乘(Partial Least Squares Regression,PLSR)、支持向量机(Support Vector Machines,SVM)、BP神经网络(Back Propagation Neural Network,BPNN)和随机森林(Random Forest,RF)4种回归算法构建土壤Cd含量预测模型,并利用精度评价指标优选出最佳反演模型.结果表明:仅输入多光谱特征进行Cd含量反演的模型精度总体偏低,R2低于0.2.相比之下,单独输入环境变量的模型精度结果最为理想,最优模型(RF)精度R2可达0.782.然而,融合光谱信息与环境变量共同建模后并未显著提高模型精度,反而导致较优模型(RF)精度略微降低,R2为0.693.研究结果表明,关键环境协变量是决定研究区农田土壤重金属Cd空间分布反演的重要变量,而利用多光谱信息进行土壤重金属反演的能力有限.此外,随机森林模型是预测土壤重金属空间分布的有效手段.
译  名：
Inversion of soil Cd content using WorldView-3 multispectral and key environmental variables

相似文章

导出引用
计量
文章访问数: 8
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46