在巴基斯坦多个地区使用MODIS Terra数据和机器学习技术识别土壤类型和盐度

科学领域:

• 地球和环境科学 地球和环境科学
• 农业科学 农业科学
• 遥感 遥感 遥感 遥感

背景情况:

• 土壤是生态系统和巴基斯坦以农业为基础的经济的重要自然资源.
• 准确的土壤类型和盐度监测对于农业规划至关重要.
• 传统的土壤分析方法是劳动密集型,耗时,需要专家实验室的工作.

研究的目的:

• 开发和验证使用MODIS Terra数据的模型,用于识别土壤类型和检测土壤盐度.
• 为了比较各种机器学习算法的性能,用于土壤分类和盐度预测.
• 创建一个可访问的网页门户,实时分析土壤数据.

主要方法:

• 从拉合尔,科特阿杜和科哈特收集了195个土壤样本和光谱数据.
• 使用光谱反射率,盐度指数和植被指数进行分析.
• 应用随机森林,Ada提升,梯度提升,决策树,K-最近邻居和额外树算法与70-30列车测试分割.

主要成果:

• 随机森林在土壤类型分类 (准确率:65.38%) 和盐度预测 (R平方:0.90) 两方面都表现出卓越的表现.
• 性能指标包括准确性,精度,回忆,F1分数用于分类,R2,MSE,MAE,RMSE用于回归.
• 开发了一个功能性网页门户,用于实时预测土壤类型和盐度.

结论:

• 机器学习模型,特别是随机森林,有效地利用MODIS Terra数据进行土壤类型和盐度评估.
• 开发的网络门户网站为农民和政策制定者提供了一个有价值的工具,帮助他们做出明智的农业决策.
• 遥感和机器学习为传统的土壤分析技术提供了一个有希望的,高效的替代方案.