基于遥感与随机森林算法的陕西省土壤有机质空间预测

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^-1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...

Full description

Saved in:
Bibliographic Details
Published in自然资源学报 Vol. 32; no. 6; pp. 1074 - 1086
Main Author 齐雁冰 王茵茵 陈洋 刘姣姣 张亮亮
Format Journal Article
LanguageChinese
Published 西北农林科技大学资源环境学院,陕西杨凌712100 2017
农业部西北植物营养与农业环境重点实验室,陕西杨凌712100%西北农林科技大学资源环境学院,陕西杨凌,712100
Subjects
土壤有机质预测
多分辨率遥感数据
陕西省
随机森林算法
多分辨率遥感数据
陕西省
soil organic matter prediction
multi-resolution remote sensing data
Shaanxi Province
土壤有机质预测
random forest algorithm
随机森林算法
Online AccessGet full text
ISSN1000-3037
DOI10.11849/zrzyxb.20160623

Cover

More Information
Summary: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^-1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3 g·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。
Bibliography:multi-resolution remote sensing data; random forest algorithm; soil organic matter prediction; Shaanxi Province
There exists deviation of predication of soil organic matter（SOM） with observed data in special local topography units. The accuracy of SOM predication can be improved by combining observed data and remote sensing（RS） data, especially for SOM predication in large scale. In this study, AWIFS（Advanced Wide Field Sensor） and MODIS（Moderate Resolution Imaging Spectroradiometer） data, whose spatial resolution are 56 and 250 meters respectively, were combined with observed sample data to predict the spatial distribution of SOM in Shaanxi Province with RF（Random Forest） model. The spatial distribution of SOM in six types of topographical units were summarized, and the prediction accuracies of SOM based on RF model and OK（Ordinary Kriging） model were compared. The results indicated that the spatial differentiation of SOM is obvious in north-south direction in Shaanxi Province. It is the highest in Qinling an
ISSN:1000-3037
DOI:10.11849/zrzyxb.20160623