[使用无人机多谱遥感和机器学习在采矿区的回收土壤有机碳含量的反转]

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:

• 土壤有机碳 (SOC) 对于采矿区的回收土壤质量评估至关重要.
• 准确和快速的SOC监测对于有效的土地回收管理至关重要.

研究的目的:

• 开发和优化基于无人机的多谱遥感方法,用于监测 SOC 在回收的矿山土壤中.
• 为了比较不同变量选择方法和机器学习算法的SOC逆转的有效性.

主要方法:

• 利用无人机多谱图像和现场样本来构建五种类型的反向变量.
• 开发了使用六种机器学习算法的SOC倒置模型:AdaBoost,BPNN,CatBoost,LightGBM,RF和XGBoost.
• 采用了改进的贪算法 (IGA) 进行最佳变量选择.

主要成果:

• 与传统指数相比,改进的光谱指数提高了模型的准确性.
• IGA选择的变量显著提高了模型的准确性和稳定性.
• 使用IGA选择变量的LightGBM模型获得了最高的准确性 (R2=0.825,RMSE=0.914在建模集上;R2=0.793,RMSE=0.945在验证集上).
• 倒置SOC含量在7.75至13.60g·kg-1之间,平均为10.48g·kg-1,与测量结果一致.

结论:

• 基于无人机的多谱遥感,特别是IGA变量选择和LightGBM,提供了一种强大的方法来监测 SOC 在回收的矿山土壤中.
• 这种方法为矿山地区的土地回收规划和实施提供了宝贵的技术支持.