Position: Home > Articles > Prediction of Soil Organic Matter Content Based on Artificial Neural Network Model and GF-1 Remote Sensing Data
Soils
2022,54
(1)
191-197
基于GF-1遥感数据预测区域森林土壤有机质含量
作 者：
李莹莹;赵正勇;杨旗;丁晓纲;孙冬晓;韦孙玮
单 位：
广西大学林学院广西森林生态与保育重点实验室;广东省林业科学研究院
关键词：
土壤预测;人工神经网络模型;GF-1;遥感数据;多层土壤
摘 要：
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.
译 名：
Prediction of Soil Organic Matter Content Based on Artificial Neural Network Model and GF-1 Remote Sensing Data
导出引用
计量
文章访问数: 9
HTML全文浏览量: 0
PDF下载量: 3
所属期刊
