土壌の特性と二重衛星のスペクトル融合に基づいて,地表の湿度の見積もりを改善した

科学分野:

• 環境科学
• リモートセンシング
• 土壌科学

背景:

• 土壌の水分不足は,農業と環境管理に重大な課題をもたらします.
• 水資源管理と気候モデリングには 精密なSMの推定が不可欠です
• 現存する推定方法は,しばしば必要な精度が欠けている.

研究 の 目的:

• 土壌の湿度 (SM) の予測の精度を高めるため
• 遠隔感知によるスペクトルインデックスをペドトランスファー機能 (PTF) に統合する.
• 異なるスペクトル指標の性能を評価し,SMの推定を改善する.

主な方法:

• 中国の3つの地域で100の場所から表面土壌サンプルを収集しました.
• グラム・シュミット (G-S) アルゴリズムを用いたFused Landsat 8とSentinel-2の多スペクトル衛星画像.
• 土壌スペクトルインデックス (SSI),植生スペクトルインデックス (VSI),水分スペクトルインデックス (MSI) を導出しました.
• 容易に測定可能な土壌特性 (RM-SPs) と様々なスペクトル指標を組み合わせて,PTFを開発した.

主要な成果:

• RM- SPのみを用いたベースラインPTFは,限られた精度を示した (R2=0. 22).
• スペクトルインデックスを統合することで,SM予測の精度が大幅に改善されました.
• RM-SPとMSIを組み合わせたモデル (PTF13) は,最も高い精度を達成しました (R2=0.89,RMSE=3.28cm3/cm3,MAE=2.29cm3/cm3).
• MSIベースのモデルはSSIとVSIベースのモデルを上回りました.

結論:

• RM-SPをG-S融合マルチスペクトルデータから得られたスペクトル指標と統合することで,SMの推定精度が大幅に向上します.
• 湿度スペクトルインデックスは,SM予測の精度を高めるのに特に効果的です.
• このアプローチは,正確で効率的な土壌水分モニタリングのための有望な方法を提供します.