Current Location:home > Browse

1. chinaXiv:201911.00019 [pdf]

基于随机森林算法的土壤有机质含量高光谱检测

包青岭; 丁建丽; 王敬哲; 蔡亮红
Subjects: Geosciences >> Geography

为了探讨既能保留光谱信息又能准确对土壤有机质含量进行快速检测。以新疆南部渭干河—库车绿洲内部73个土壤样点及其对应的高光谱数据为研究对象,采用小波变换与数学变换进行光谱数据预处理,分析各小波分解重构光谱在不同有机质含量与不同土壤类型下光谱曲线差异,通过相关分析确定最大小波分解层并筛选敏感波段,结合灰色关联分析与随机森林预测分类模型对各小波分解特征光谱进行重要性分析,最后基于最优特征光谱建立多元线性预测模型并进行分析。结果表明:(1) 耕作土壤与林地土壤光谱曲线波段相较盐渍土壤和荒漠土壤光谱曲线变化较为平缓,同时在水分吸收波段处,盐渍土壤光谱曲线吸收谷最深。(2) 小波变换分解光谱与土壤有机质含量的相关性随着分解层数增加呈现先减后增趋势,在第6层中,特征光谱曲线与敏感波段数量变化趋于稳定,确定为小波变换最大分解层。(3) 随机森林模型相比灰色关联分析对于各小波分解层因子的筛选符合预期,按照对土壤有机质含量影响从高到低排序为L3-(1/LgR)′、L4-(1/LgR)′、L6-(1/LgR)′、L5-(1/LgR)′、L2-(1/LgR)′、L0-1/LgR、L1-1/LgR。(4)在小波分解光谱中,中频范围特征光谱对干旱区土壤有机质含量的估测能力优于高频与低频范围特征光谱,同时基于L-MC建立的模型精度最高。研究表明:基于机器学习分类方法结合小波分解的土壤光谱有机质含量监测,可以有效的减少噪声波段干扰,并提高特征波段的分类预测精度。

submitted time 2019-11-15 From cooperative journals:《干旱区地理》 Hits2325Downloads578 Comment 0

2. chinaXiv:201909.00180 [pdf]

干旱区绿洲盐渍土粒径分布单重分形和多重分形特征

张桉赫; 丁建丽; 王敬哲; 穆艾塔尔·赛地; 李艳菊
Subjects: Geosciences >> Other Disciplines of Geosciences

为定量描述干旱区绿洲盐渍化土壤的粒径分布特征,对38个土壤样品的粒径分布与含盐量进行测定,并基于分形理论定量表征了研究区盐渍土和非盐渍土的土壤粒径分布特征。结果表明:粉粒的体积分数占主导地位,砂粒和黏粒次之;土壤含盐量与粉粒和黏粒体积分数呈正相关,而与黏粒呈负相关;单重分形维数D值介于1.990~2.349,且与土壤黏粒和粉粒含量成正比,相关系数分别为0.81和0.64(P<0.01),与砂粒含量呈反比,相关系数为-0.67(P<0.01);[WTBZ]土壤粒径分布具有多重分形特征,盐渍土(含盐量≥3 g·kg-1)的粒径分布较非盐渍土(<3 g·kg-1)更广,非均匀性更强;土壤含盐量与多重分形信息维D1和D1/D0呈极显著负相关,相关系数分别为-0.265(P<0.01)和-0.283(P<0.01),与多重分形谱谱宽呈现极显著正相关,相关系数为0.206(P<0.01),而与D、容量维D0[WTBZ]和多重分形谱性状特性均没有显著相关性。

submitted time 2019-09-11 From cooperative journals:《干旱区研究》 Hits761Downloads468 Comment 0

3. chinaXiv:201909.00056 [pdf]

基于Sentinel-2数据的干旱区典型绿洲植被叶绿素含量估算

顾峰; 丁建丽; 葛翔宇; 高石宝; 王敬哲
Subjects: Geosciences >> Other Disciplines of Geosciences

以渭干河—库车河绿洲(渭—库绿洲)为研究区,采用在机器学习方面具有明显优势的随机森林回归算法,对绿洲内的4种典型植被(棉花、芦苇、杨树、大枣)叶片的叶绿素相对含量(soil and plant analyzer development, SPAD)进行估算和验证。首先基于“红边”处光谱信息丰富的哨兵2号(Sentinel-2)影像和由其衍生的一阶微分、二阶微分影像各提取23种对叶绿素敏感的宽波段光谱指数,加入3种影响植物生长的土壤参量(土壤含水量,土壤有机质,土壤电导率)作为影响叶片SPAD的特征变量,再根据以上特征变量对每种植被叶片各建立3种方案的SPAD估算模型,从而实现对绿洲内植被叶绿素的监测。结果表明:① 影像经一阶微分再提取的植被指数相比原位光谱植被指数,在SPAD估测模型中起到了更重要的作用,在随机森林算法的重要性排序中位居前列;② 4种植被叶片的SPAD估测模型都取得了不错的效果,芦苇叶片尤为显著,确定系数(R2)达到了0.926;③ 分析对比3种方案下模型预测能力,方案3(包含土壤参量)的预测能力卓越〔2.143<相对百分比偏差(RPD)<2.692〕,其预测能力排序为:方案3>方案1>方案2,土壤属性和模型预测结果有较强的非线性相关。Sentinel-2数据具有理想的估算绿洲植被叶绿素含量的潜力,提供了一种高效、低成本、潜在高精度的方案来估算叶绿素含量,可为干旱区绿洲农业、生态系统实现更有效的保护和管理提供参考。

submitted time 2019-09-11 From cooperative journals:《干旱区研究》 Hits8290Downloads776 Comment 0

  [1 Pages/ 3 Totals]