用遥感图像对土壤盐度变化的纵向分析
Soraya Bandak1, Seyed Alireza Movahedi-Naeini2, Saeed Mehri3
1Department of Soil Sciences, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran. soraya.bandak@gmail.com.
Scientific reports
|May 6, 2024
概括
遥感有效地监测土壤盐度,使用来自Landsat 8和Sentinel 2数据的指数. 决策树模型准确地预测盐度,帮助受影响地区的土地管理和保护.
科学领域:
- 环境科学 环境科学
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
背景情况:
- 土壤盐化严重影响农业生产力,导致荒漠化和土地退化.
- 大规模的实地和实验室研究土壤盐度是劳动密集型和昂贵的.
- 遥感为大规模的土壤盐度评估提供了可行的替代方案.
研究的目的:
- 评估来自遥感数据的各种土壤盐度指数的有效性.
- 为了比较机器学习模型的性能,用于预测土壤电导率.
- 为了确定土壤盐度绘制的关键地形和水分相关指数.
主要方法:
- 使用了Landsat 8 (L8) 和Sentinel 2 (S2) 卫星图像.
- 使用的机器学习算法:随机森林 (RF),极端梯度提升 (XGBoost),决策树 (DT) 和支持向量机器 (SVR).
- 与28,000公土地的280个地面真实土壤电导率 (EC) 样本相关的衍生盐度指数.
主要成果:
- 决策树 (DT) 模型表现出卓越的性能,达到0.85 (L8) 和0.86 (S2) 的R2值.
- 确定了关键的有影响力的盐度指数,包括多分辨率谷底平坦度 (MrVBF),湿度指数,地形湿度指数 (TWI) 和地形位置指标 (TPI).
- 时间序列分析显示,在采用排水系统的地区,土壤盐度和水平显著降低.
结论:
- 遥感与机器学习相结合,为评估土壤盐度提供了准确有效的方法.
- 地形和湿度指数对于理解和预测土壤盐度模式至关重要.
- 有效的土地管理策略,如排水系统,可以成功地减轻土壤化.
