基于神经网络和ZY1-02D高光谱数据的土壤中和的地球化学反转研究
Ziyang Li1, Junxu Chen2,3, Zhifang Zhao4,5,6
1Yunnan Institute of Geological Sciences, Kunming, 650011, China.
Scientific reports
|July 21, 2025
概括
本研究使用超光谱遥感绘制土壤和的地图,开发农业管理的精确模型. 这些发现为改善作物质量和土壤肥沃性提供了一种新方法.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 土壤科学 土壤科学
背景情况:
- 提高农业产量需要了解土壤营养动态.
- 江县的芳功米面临着质量和效率的高要求.
- 准确的土壤 (K) 和 (P) 评估对于有针对性的施肥至关重要.
研究的目的:
- 调查土壤K和P含量与高光谱数据之间的关系.
- 为土壤K和P.开发精确的超谱遥感逆转模型.
- 为了提高江大米的质量和土壤肥力,提高农业实践.
主要方法:
- 使用ZY1-02D卫星的AHSI高光谱数据 (166波段,400-2500nm).
- 从856个土壤采样点收集地质化学数据.
- 应用光谱增强技术 (萨维茨基-戈莱过,MNF,连续去除,微分转换).
- 开发了极端学习机器 (ELM) 对植被和裸露土壤区域的反转模型.
主要成果:
- 在植被区域 (高达0.55) 的相关性比裸土 (高达0.47) 的相关性更高.
- 与植被区域相比,光在赤裸的土壤中呈现出更高的相关性.
- 最佳的ELM模型实现了高预测准确度:植被地区K的R2为0.654,赤裸的土壤是0.617.
结论:
- 一种新的"植被 - 裸露土地"区域逆转方法准确评估土壤K,并预测P.
- 这种方法为改善江大米质量和土壤肥沃性提供了技术途径.
- 这项研究为精确的农业肥料管理提供了理论基础.
