本文選題：多分辨率遙感數(shù)據(jù) + 隨機森林　； 參考：《土壤學報》2016年02期

【摘要】：遙感數(shù)據(jù)已經(jīng)在數(shù)字土壤制圖中得到廣泛應用,并且可以一定程度上提高土壤屬性預測的精度。本文以榆陽區(qū)的黃土丘陵和風沙灘地兩種地貌區(qū)為例,利用不同分辨率的專題制圖儀(thematic mapper,TM)、先進寬視場傳感器(advanced wide field sensor,AWIFS)和中等分辨率成像儀(Moderate resolution imaging spectroradiometer,MODIS)的遙感影像數(shù)據(jù)(分辨率分別為30 m、56 m和250 m)和基于高級熱量散射和反射輻射儀全球數(shù)字高程模型(advanced spaceborne thermal emission and reflection radiometer global digital elevation model,ASTER GDEM)的地形衍生數(shù)據(jù),結合其他影響土壤有機質分布的輔助因子,用隨機森林算法(random forest,RF)對表層土壤有機質進行模擬預測,并通過實測數(shù)據(jù)的百分比抽樣對預測結果進行了驗證。結果表明,在榆陽區(qū)的黃土丘陵區(qū),基于TM數(shù)據(jù)的土壤有機質預測結果較好;在風沙灘地區(qū),基于AWIFS數(shù)據(jù)的土壤有機質預測結果較好。基于RF的土壤有機質預測在榆陽區(qū)的黃土丘陵區(qū)結果較好,三個分辨率下的平均絕對誤差在1.27~1.57 g kg-1之間,在風沙灘地區(qū)預測精度較低,平均絕對誤差在1.46~2.08 g kg-1之間。高程、地理位置和植被是影響黃土丘陵區(qū)土壤有機質預測的主要因素,在風沙灘地區(qū),植被、高程和離水源地的距離是影響有機質預測的主要因素�？梢�,在地貌相對簡單的地區(qū)進行土壤有機質含量的預測時可以使用較低分辨率的數(shù)據(jù)代替較高分辨率的數(shù)據(jù),同時,RF算法在復雜地貌區(qū)的土壤有機質預測更有效。
[Abstract]:Remote sensing data have been widely used in digital soil mapping and can improve the precision of soil attribute prediction to some extent. In this paper, the loess hilly and wind-sand beach areas in Yuyang district are taken as examples. Using thematic cartography with different resolutions, advanced wide field sensor AWIFSs and moderate resolution imaging spectroradiorometerMODIS-based remote sensing image data (resolutions of 30mmt and 250m, respectively) and based on advanced thermal scattering (AHRS), advanced wide-field sensor (AWAF) and moderate resolution imaging spectroadior (MODISs) are used in this paper. Topographic derived data of advanced spaceborne thermal emission and reflection radiometer global digital elevation model (ASTER GDEM). Combined with other auxiliary factors which affect the distribution of soil organic matter, the random forest algorithm random forestfr is used to simulate and predict the surface soil organic matter, and the predicted results are verified by percentage sampling of measured data. The results show that the prediction results of soil organic matter based on TM data are better in the loess hilly area of Yuyang area, and the results of soil organic matter prediction based on AWIFS data are better in wind-beach area. The results of soil organic matter prediction based on RF are better in the loess hilly area of Yuyang area. The average absolute error is between 1.27 and 1.57 g kg-1 under three resolutions, and the average absolute error is between 1.46 and 2.08 g kg-1 in wind-beach area. Height, geographical location and vegetation are the main factors that affect the prediction of soil organic matter in loess hilly region. In wind-sand area, vegetation, height and distance from water source are the main factors that influence the prediction of organic matter. It can be seen that the lower resolution data can be used instead of the higher resolution data in the prediction of soil organic matter content in areas with relatively simple geomorphology, and the RF algorithm is more effective in predicting soil organic matter in complex geomorphological areas.
【作者單位】： 西北農(nóng)林科技大學資源環(huán)境學院;農(nóng)業(yè)部西北植物營養(yǎng)與農(nóng)業(yè)環(huán)境重點實驗室;
【基金】：國家科技基礎性工作專項項目(2014FY110200A08)資助~~
【分類號】：S153.621

【相似文獻】

相關期刊論文 前10條

1 張雷;王琳琳;張旭東;劉世榮;孫鵬森;王同立;;隨機森林算法基本思想及其在生態(tài)學中的應用——以云南松分布模擬為例[J];生態(tài)學報;2014年03期

2 李旭青;劉湘南;劉美玲;吳伶;;水稻冠層氮素含量光譜反演的隨機森林算法及區(qū)域應用[J];遙感學報;2014年04期

3 王盼;陸寶宏;張瀚文;張巍;孫銀鳳;季妤;;基于隨機森林模型的需水預測模型及其應用[J];水資源保護;2014年01期

4 王棟;岳彩榮;田傳召;范懷剛;王躍輝;;基于隨機森林的大姚縣TM遙感影像分類研究[J];林業(yè)調查規(guī)劃;2014年02期

5 劉毅;杜培軍;鄭輝;夏俊士;柳思聰;;基于隨機森林的國產(chǎn)小衛(wèi)星遙感影像分類研究[J];測繪科學;2012年04期

6 呂淑婷;張啟敏;;一類帶Poisson跳的隨機森林發(fā)展系統(tǒng)數(shù)值解的收斂性[J];寧夏大學學報(自然科學版);2010年04期

7 李治;楊曉梅;孟樊;范文義;;物候特征輔助下的隨機森林宏觀尺度土地覆蓋分類方法研究[J];遙感信息;2013年06期

8 金宇;周可新;方穎;劉欣;;基于隨機森林模型預估氣候變化對動物物種潛在生境的影響[J];生態(tài)與農(nóng)村環(huán)境學報;2014年04期

9 馬明;岳彩榮;張云飛;李小婷;張博;;基于TM影像的土地覆蓋分類比較研究[J];綠色科技;2014年03期

10 ;[J];;年期

相關會議論文 前7條

1 謝程利;王金橋;盧漢清;;核森林及其在目標檢測中的應用[A];第六屆和諧人機環(huán)境聯(lián)合學術會議（HHME2010)、第19屆全國多媒體學術會議（NCMT2010）、第6屆全國人機交互學術會議（CHCI2010）、第5屆全國普適計算學術會議（PCC2010）論文集[C];2010年

2 武曉巖;方慶偉;;基因表達數(shù)據(jù)分析的隨機森林方法及算法改進[A];黑龍江省第十次統(tǒng)計科學討論會論文集[C];2008年

3 張?zhí)忑?梁龍;王康;李華;;隨機森林結合激光誘導擊穿光譜技術用于的鋼鐵分類[A];中國化學會第29屆學術年會摘要集——第19分會：化學信息學與化學計量學[C];2014年

4 相玉紅;張卓勇;;組蛋白去乙酰化酶抑制劑的構效關系研究[A];第十一屆全國計算（機）化學學術會議論文摘要集[C];2011年

5 張濤;李貞子;武曉巖;李康;;隨機森林回歸分析方法及在代謝組學中的應用[A];2011年中國衛(wèi)生統(tǒng)計學年會會議論文集[C];2011年

6 馮飛翔;馮輔周;江鵬程;劉菁;劉建敏;;隨機森林和k-近鄰法在某型坦克變速箱狀態(tài)識別中的應用[A];第八屆全國轉子動力學學術討論會論文集[C];2008年

7 曹東升;許青松;梁逸曾;陳憲;李洪東;;組合樹的集合體和后向消除策略去分類P-糖蛋白化合物[A];第十屆全國計算(機)化學學術會議論文摘要集[C];2009年

相關博士學位論文 前4條

1 曹正鳳;隨機森林算法優(yōu)化研究[D];首都經(jīng)濟貿(mào)易大學;2014年

2 雷震;隨機森林及其在遙感影像處理中應用研究[D];上海交通大學;2012年

3 岳明;基于隨機森林和規(guī)則集成法的酒類市場預測與發(fā)展戰(zhàn)略[D];天津大學;2008年

4 李書艷;單點氨基酸多態(tài)性與疾病相關關系的預測及其機制研究[D];蘭州大學;2010年

相關碩士學位論文 前10條

1 錢維;藥品不良反應監(jiān)測中隨機森林方法的建立與實現(xiàn)[D];第二軍醫(yī)大學;2012年

2 韓燕龍;基于隨機森林的指數(shù)化投資組合構建研究[D];華南理工大學;2015年

3 賀捷;隨機森林在文本分類中的應用[D];華南理工大學;2015年

4 張文婷;交通環(huán)境下基于改進霍夫森林的目標檢測與跟蹤[D];華南理工大學;2015年

5 李強;基于多視角特征融合與隨機森林的蛋白質結晶預測[D];南京理工大學;2015年

6 朱玟謙;一種收斂性隨機森林在人臉檢測中的應用研究[D];武漢理工大學;2015年

7 肖宇;基于序列圖像的手勢檢測與識別算法研究[D];電子科技大學;2014年

8 李慧;一種改進的隨機森林并行分類方法在運營商大數(shù)據(jù)的應用[D];電子科技大學;2015年

9 趙亞紅;面向多類標分類的隨機森林算法研究[D];哈爾濱工業(yè)大學;2014年

10 黎成;基于隨機森林和ReliefF的致病SNP識別方法[D];西安電子科技大學;2014年

，

本文編號：1853080