换一批利用CARS算法联合协变量估算盐碱农田土壤水分和有机质含量
Estimation of soil moisture and organic matter content in saline alkali farmland by using CARS algorithm combined with covariates
摘要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(Rp2)、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Rp2、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.
更多相关知识
关键词
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hyperspectralremote sensesoil covariatevariable importance projectionrandom forestlight gradient boosting machineinverse distance weighting
栏目名称
DOI
10.13287/j.1001-9332.202405.021
发布时间
2024-07-23（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览10
- 被引6
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
