基于高分5号影像的东北典型黑土区土壤分类

• Published in: 农业工程学报 Vol. 36; no. 16; pp. 231 - 238
• Main Authors: 孟祥添, 鲍依临, 刘焕军, 张艾明, 刘云超, 王丹丹
• Format: Journal Article
• Language: Chinese
• Published: 赤峰学院资源环境与建筑工程学院,赤峰 024000 15.08.2020; 东北农业大学公共管理与法学院,哈尔滨 150030%赤峰学院资源环境与建筑工程学院,赤峰 024000; 中国科学院东北地理与农业生态研究所,长春 130012%赤峰学院资源环境与建筑工程学院,赤峰 024000; 东北农业大学公共管理与法学院,哈尔滨 150030
• Subjects: 随机森林; 数字土壤制图; 星载高光谱; 去包络线; 遥感; 土壤; 分类
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2020.16.028

TP79; 高精度的土壤分类及制图结果有助于更好地制定土地环境保护和土地资源利用策略.为探究星载高光谱影像实现区域尺度高精度土壤分类及制图的可能性,该研究获取东北黑土区拜泉县、明水县共计4幅高分5号(GF-5)星载高光谱遥感影像.首先,将原始反射率数据(Original Reflectance,OR)进行包络线去除处理获得去包络线数据(Continuum Removal,CR);其次,对OR和CR进行主成分分析(Principal Component Analysis,PCA)处理,分别得到反射率主成分信息(OR-PCA)和去包络线主成分信息(CR-PCA),并在OR-PCA和CR-PCA的基础上结合地形因子(Terrain,TA).最后,OR、CR、OR-PCA、CR-PCA、OR-PCA-TA、CR-PCA-TA分别作为输入量结合随机森林分类模型,进行土壤分类并实现数字土壤制图.结果 表明:1)包络线去除法可有效地提高星载高光谱土壤分类精度,与OR相比,CR的总精度提高了5.48％,Kappa系数提高了0.12.2)PCA可有效地降低高光谱数据的冗余性,提高模型的运算效率以及分类精度;与CR作为输入量相比,CR-PCA的土壤分类总精度提高了3.67％,Kappa系数提高了0.02.3)TA的引入显著提升了土壤分类精度,以CR-PCA-TA作为输入量的土壤分类精度最高,总精度为81.61％,Kappa系数为0.72,实现了高精度的土壤分类模型及土壤制图.研究结果可为大范围、高精度的土壤分类及制图提供新的思路.