基于遥感与随机森林算法的陕西省土壤有机质空间预测
  • 【DOI】

    10.11849/zrzyxb.20160623

  • 【摘要】

    遥感数据作为反映土壤组成结构及植被生长状况的数据源,借助辅助环境因子的土壤属性预测在数字土壤制图中日益受到重视.论文运用随机森林(Random Forest,RF)算法,基于AWIFS(分辨率56 m)和MODIS(分辨率250 m)遥感数据及501个实测样点数据对陕西省土壤有机质空间分布状况进行预测,并对预测精度进行估算.结果表明陕西省土壤有机质含量以南部的秦岭山地区和大巴山区为最高,土壤有机质... 展开>>遥感数据作为反映土壤组成结构及植被生长状况的数据源,借助辅助环境因子的土壤属性预测在数字土壤制图中日益受到重视.论文运用随机森林(Random Forest,RF)算法,基于AWIFS(分辨率56 m)和MODIS(分辨率250 m)遥感数据及501个实测样点数据对陕西省土壤有机质空间分布状况进行预测,并对预测精度进行估算.结果表明陕西省土壤有机质含量以南部的秦岭山地区和大巴山区为最高,土壤有机质含量大于25 g·kg-1,黄土高原南部处于中等水平,大部分在16~25 g·kg“之间,关中平原和汉中低山丘陵区含量偏低,大部分在13~25 g·kg-1,而黄土高原北部和风沙滩区含量大部分低于10 g·kg-1.基于AWIFS影像的预测效果要优于MODIS影像,成像日期对有机质预测的影响不大.基于RF模型的土壤有机质预测精度在设定的不同抽样百分比条件下,独立验证数据集的平均误差大部分不超过3g·kg-1,预测值与实测值的相关系数在0.7以上.高程是影响土壤有机质预测的最重要因子,当影像的分辨率降低时,样点分布的地理经纬度和坡度对土壤有机质预测的影响上升,植被因子的影响程度下降. 收起<<

  • 【作者】

    齐雁冰  王茵茵  陈洋  刘姣姣  张亮亮 

  • 【作者单位】

    西北农林科技大学资源环境学院/西北农林科技大学资源环境学院

  • 【刊期】

    自然资源学报 ISTIC PKU CSSCI 2017年6期

  • 【关键词】

    多分辨率遥感数据  随机森林算法  土壤有机质预测  陕西省  multi-resolution remote sensing data  random forest algorithm  soil organic matter prediction  Shaanxi Province 

  • 【基金项目】

    国家科技基础性工作专项项目(2014FY110200A08).