环境变量提高了土壤有机碳含量遥感估计的准确性

科学领域:

• 环境科学 环境科学
• 遥感 遥感 遥感 遥感
• 土壤科学 土壤科学

背景情况:

• 准确的土壤有机碳 (SOC) 估计对于全球碳循环监测和土壤健康评估至关重要.
• 环境变量显著影响SOC内容,需要将其整合到估计模型中.

研究的目的:

• 评估环境变量和不同的建模方法对SOC含量估计准确性的影响.
• 确定光谱数据,环境因素和建模技术的最佳组合,以进行精确的SOC评估.

主要方法:

• 我们比较了四种建模方法:多重线性回归 (MLR),部分最小平方回归 (PLSR),随机森林和支向量机器 (SVM).
• 利用了来自Landsat 5 TM图像的原始光谱反射率 (OSR),衍生光谱数据和环境变量 (地形,气候,土壤,植被).

主要成果:

• 陆地卫星5 TM OSR有效估计了SOC,但衍生处理没有显著提高准确性.
• 环境变量,特别是气候和土壤因素,大大提高了SOC估计的准确性.
• 机器学习模型 (随机森林,SVM) 的表现优于MLR和PLSR,SVM获得了最高的准确性 (R2=0.9590).

结论:

• 结合四个环境因素的"OSR + SVM"模型是研究区域SOC估计的最佳方法.
• 环境变量对于精确的SOC监测,改善土壤健康评估和支持可持续农业至关重要.
• 这项研究为土壤健康倡议和可持续农业发展提供了有价值的数据.