机器学习和遥感的结合用于孟加拉国沿海地区的土壤盐度测绘

科学领域:

• 环境科学 环境科学
• 农业科学 农业科学
• 地理空间科学 地理空间科学

背景情况:

• 土壤盐度对沿海地区的粮食安全构成重大威胁.
• 关于在孟加拉国沿海地区使用机器学习和遥感绘制土壤盐度图的研究有限.
• 这项研究解决了在孟加拉国西南部需要准确地评估土壤盐度的需求.

研究的目的:

• 在孟加拉国西南部沿海地区估计和绘制土壤盐度水平.
• 为了比较不同机器学习模型在土壤盐度预测方面的有效性.
• 确定和划定土壤盐度区域,以有效管理沿海区域.

主要方法:

• 使用Landsat OLI卫星图像来得出13个土壤盐度指标.
• 从二级数据源收集了241个土壤盐度样本.
• 应用并比较了三个机器学习模型:随机森林,随机森林包装和人工神经网络 (ANN).

主要成果:

• 人工神经网络 (ANN) 模型表现出最高的预测准确度,曲线下的面积 (AUC) 为0.921.
• 确定了土壤盐度较高的区域,约占地977.94平方公里.
• 绘制了中度和低土壤盐度区域的地图,分别覆盖了研究区域的30.56%和25.93%.

结论:

• 该ANN模型对于预测和检测孟加拉沿海地区的土壤盐度区域非常有效.
• 这些发现为综合沿海区管理和政策制定提供了关键数据.
• 解决土壤盐度问题对于减轻对人类健康和农业生产的不利影响至关重要.