从Sentinel-2A采用混合方法从Sentinel-2A获取土壤有机碳库存
Azamat Suleymanov1,2, Evgeny Abakumov3, Timur Nizamutdinov3
1Department of Applied Ecology, Faculty of Biology, Saint Petersburg State University, 199034, Saint Petersburg, Russia. a.suleymanov@spbu.ru.
Environmental monitoring and assessment
|December 7, 2023
概括
在森林中准确地绘制数字土壤地图是具有挑战性的. 使用Sentinel-2A数据的RFOK混合方法实现了预测土壤有机碳库存的最高准确性.
科学领域:
- 环境科学 环境科学
- 土壤科学 土壤科学
- 遥感 遥感 遥感 遥感
背景情况:
- 准确的数字土壤地图对于各种应用至关重要.
- 在隐藏的森林景观中绘制土壤特性是一项挑战.
- 土壤有机碳储量是关键的土壤健康指标.
研究的目的:
- 评估和比较不同的数字土壤绘图方法对森林覆盖下的土壤有机碳库存的准确性.
- 确定影响土壤有机碳库存预测的关键因素.
- 评估Sentinel-2A卫星数据在难以进入地区土壤属性测绘中的适用性.
主要方法:
- 使用回归战争 (RK),随机森林 (RF) 和混合RF与普通残留战争 (RFOK).
- 使用 Sentinel-2A 卫星数据进行土壤有机碳库存 (SOCstock) 的空间预测.
- 分析变量的重要性,以确定关键的预测因素.
主要成果:
- 土壤有机碳储量在0.6至10.9公斤/平方米之间,平均为4.9公斤/平方米.
- RFOK方法显示了最高的准确性 (RMSE = 1.58 公斤/米2,NSE = 0.33).
- 由于残留物中缺乏空间相关性,因此发现回归战争 (RK) 不适用.
- 哨兵-2A的SWIR B12波段是RFOK模型中最有影响力的预测因素.
结论:
- 与单独的RK和RF相比,RFOK混合方法在森林生态系统中对土壤有机碳库存的数字土壤绘制方面优越.
- 考虑空间相关性对于在难以进入的环境中准确地绘制土壤属性至关重要.
- 卫星Sentinel-2A的数据,特别是SWIR B12频段,是预测森林土壤中的土壤有机碳储量的宝贵资源.
