通过先进的光谱模型量化石灰岩土壤的盐度:对各种土地利用系统的随机森林和回归技术进行比较研究

科学领域:

• 土壤科学 土壤科学
• 遥感 遥感 遥感 遥感
• 农业科学 农业科学

背景情况:

• 准确的土壤盐度预测对于全球粮食安全和可持续的环境管理至关重要.
• 可见和近红外光谱 (VIS-NIR) 为土壤分析提供了一种非破坏性的方法.
• 了解土地使用 (农田,赤裸土地,牧场) 的盐度变化至关重要.

研究的目的:

• 为了准确地预测土壤盐度,使用近NIR光谱学.
• 为了比较多重线性回归 (MLR) 和随机森林 (RF) 模型的性能.
• 评估不同输入变量 (个体与组合的光谱数据) 对各种土地用途的预测准确性的影响.

主要方法:

• 从各种土地用途收集了150个土壤样本.
• 测量了土壤盐度 (ECe) 和捕获的近NIR光谱 (400-2400nm).
• 开发了使用单个和组合光谱反射率值作为预测器的MLR和RF模型.

主要成果:

• 随机森林 (RF) 模型实现了高精度 (RMSE = 4.85 dS m-1,R2 = 0.87,RPD = 3.15) 的研究.
• 使用组合光谱反射率值作为输入变量的模型的表现优于使用单个值的模型.
• 当使用组合输入变量时,观察到农田和牧场的预测准确度提高.

结论:

• 将近NIR光谱与RF等先进建模技术相结合,可显著提高土壤盐度预测的准确性.
• 使用组合的光谱变量可以提高不同土地使用类型的模型性能.
• 准确地绘制土壤盐度地图可以支持明智的农业和环境管理决策.