[基于合成图像和多变量计算的波斯湖盆地土壤有机碳含量估计]
Dun Li1,2, Xue-Mei Wang1,2, Kun-Yu Li1,2
1College of Geographic Science and Tourism, Xinjiang Normal University, Urumqi 830017, China.
Huan jing ke xue= Huanjing kexue
|July 18, 2025
概括
在新疆准确估计土壤有机碳 (SOC).
科学领域:
- 遥感 遥感 遥感 遥感
- 土壤科学 土壤科学
- 环境建模环境建模
背景情况:
- 准确的土壤有机碳 (SOC) 估计对于土壤健康和农业管理至关重要.
- 多时间遥感和环境数据为改进SOC评估提供了潜力.
- 了解不同合成方法和变量选择的影响是强大的SOC建模的关键.
研究的目的:
- 评估各种Sentinel-2图像合成方法对SOC估计的影响.
- 确定用于SOC内容建模的光谱和环境变量的最佳组合.
- 评估Boruta算法和随机森林模型在SOC空间分布逆转中的有效性.
主要方法:
- 使用Sentinel-2多时间图像合成的最小,中位和平均值生成的光谱变量.
- 纳入气候和地形数据作为环境建模变量.
- 采用Boruta算法进行变量选和随机森林 (RF) 模型进行SOC估计.
主要成果:
- 结合环境和光谱变量,显著提高了SOC估计的准确性.
- 气候变量被确定为Bosten湖盆地的关键环境因素.
- 与使用完整的变量集相比,Boruta算法提高了模型性能.
- 平均合成的光谱变量与环境变量和Boruta选择的变量实现了最高的精度 (R2 = 0.970).
结论:
- 平均合成的光谱变量,环境数据,Boruta算法和射频建模的整合为SOC估计提供了可靠的方法.
- 这种方法为评估干旱地区的地表SOC空间分布和储存提供了有价值的技术参考.
- 优化的变量选择和合成方法对于基于遥感的精确SOC评估至关重要.
