土壤有機質（Soil Organic Matter,SOM）遙感反演一般以單期影像作為輸入量,為研究多時相影像遙感結合隨機森林提高SOM遙感反演精度的可能性,該研究以黑龍江省農墾總局勝利農場耕地范圍為研究區(qū),以Sentinel-2A和Landsat 8影像作為數(shù)據(jù)源,獲取兩期裸土遙感影像,構建光譜指數(shù),以隨機森林算法篩選波段和光譜指數(shù)作為輸入量,構建SOM反演模型。結果表明:1)兩期影像的SOM反射光譜響應波段包括二者共有的中心波長:約560、660、850 nm,以及Sentinel-2A特有的中心波長740 nm 4個波段;2)基于單期影像最佳波段和光譜指數(shù),Sentinel-2A影像SOM最優(yōu)反演模型R2為0.913,均方根誤差為0.860 g/kg,精度高于Landsat 8影像反演模型;3)單期影像最佳波段引入光譜指數(shù),相比以最佳波段作為輸入量,使SOM最優(yōu)反演模型的均方根誤差分別提高了28.867%和8.722%;4)引入時相信息,基于單期和兩期影像波段和光譜指數(shù),SOM最優(yōu)反演模型精度由高到低為兩期影像（R2為0.938,均方根誤差1.329 g/kg）、Sentinel... 

【文章來源】：農業(yè)工程學報. 2020,36(10)北大核心EICSCD

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 材料與方法
    1.1 研究區(qū)概況與數(shù)據(jù)來源
    1.2 影像數(shù)據(jù)介紹與處理
    1.3 光譜指數(shù)的構建
    1.4 最佳輸入量篩選與SOM反演方法
    1.5 模型建立與驗證
2 結果與分析
    2.1 衛(wèi)星影像土壤反射率特征分析
    2.2 最佳輸入量的篩選
        2.2.1 篩選單期影像最佳波段
        2.2.2 篩選單期影像最終輸入量
        2.2.3 篩選引入時相信息的單雙期影像最佳輸入量
    2.3 基于Sentinel-2A與Landsat 8影像數(shù)據(jù)的SOM預測結果
        2.3.1 單期影像SOM預測結果
        2.3.2 引入時相信息的單雙期影像SOM預測結果
    2.4 SOM含量分布圖
3 討論
4 結論


【參考文獻】：
期刊論文
[1]基于多光譜遙感影像的富川縣表層土壤有機質含量反演[J]. 屈冉,張雅瓊,聶憶黃,熊文成,婁啟佳,滕佳華.  環(huán)境與可持續(xù)發(fā)展. 2019(01)
[2]基于隨機森林模型的耕地表層土壤有機質含量空間預測①——以河南省輝縣市為例[J]. 韓杏杏,陳杰,王海洋,巫振富,程道全.  土壤. 2019(01)
[3]應用微型近紅外光譜儀快速檢測桑園土壤有機質含量的方法[J]. 張征立,第丹丹,蕭王文,馬月,熊孟,張業(yè)順,顏輝,張國政.  蠶業(yè)科學. 2018(06)
[4]黑土區(qū)田塊土壤有機質空間分異及分布研究[J]. 劉煥軍,謝雅慧,潘越,邱政超,張新樂,竇欣,徐夢園,秦樂樂.  土壤通報. 2018(06)
[5]基于多光譜遙感的耕地土壤有機質定量反演[J]. 王銳,蔡朕.  農業(yè)工程. 2018(11)
[6]引入時相信息的耕地土壤有機質遙感反演模型[J]. 張新樂,竇欣,謝雅慧,劉煥軍,王楠,王翔,潘越.  農業(yè)工程學報. 2018(04)
[7]基于R語言的數(shù)據(jù)挖掘算法研究[J]. 張海陽,齊俊傳,毛健.  電腦知識與技術. 2016(28)
[8]基于地統(tǒng)計與遙感反演相結合的有機質預測制圖研究[J]. 吳才武,張月叢,夏建新.  土壤學報. 2016(06)
[9]基于多分辨率遙感數(shù)據(jù)與隨機森林算法的土壤有機質預測研究[J]. 王茵茵,齊雁冰,陳洋,解飛.  土壤學報. 2016(02)
[10]基于多源環(huán)境變量和隨機森林的橡膠園土壤全氮含量預測[J]. 郭澎濤,李茂芬,羅微,林清火,唐群鋒,劉志崴.  農業(yè)工程學報. 2015(05)



本文編號：3162859